Passer à la navigation principale Passer à la recherche Passer au contenu principal

UV-spectrum remote UVA imaging for use in precision agriculture

Traduction de l'intitulé de la thèse: Interprétation algorithmique des polymorphismes spectraux UV floraux
  • Megan Heath

Thèses et mémoires: Mémoire de maîtriseMaîtrise en ingénierie: Génie de l'environnement

Résumé

La réflectance UV florale a longtemps été considérée comme un facteur essentiel dans les interactions plantes-pollinisateurs. Les pigments réfléchissant les UV sur les structures reproductives permettent aux pollinisateurs de localiser les fleurs depuis les airs et de différencier les espèces. Cette relation est possible grâce à la capacité des pollinisateurs, tels que les abeilles, à voir dans le spectre UV (300-400 nm). Malgré cette stratégie de signalisation visuelle bien documentée des plantes à fleurs, notre revue littéraire a indiqué que la réflectance spectrale UV est peu documentée pour plusieurs espèces cultivées. Sans tenir compte de cette particularité de la réflectance UV, les efforts de sélection pourraient rendre les fleurs difficiles à détecter pour les pollinisateurs artificiels, diminuant le rendement et la qualité de la récolte. Nous avons fait l’analyse spectrale des cultivars de fraisiers et comparés ces derniers à leur homologue sauvage. Les cultivars à fleurs blanches ont montré une plus grande visibilité des pollinisateurs, tandis que le cultivar à fleurs rouges était cryptique. La vision des abeilles (300-650nm) est adaptée pour détecter les fleurs. Ce projet s’inspire du spectre de vision des abeilles pour concevoir un détecteur inspiré de la nature (DIN) pour détecter à distance les fleurs de fraise. Deux algorithmes d’intelligence artificielle de pointe ont été entrainés sur un ensemble d’images de fleurs de fraises résultant en des performances supérieures de YOLOv5 par rapport à Faster R-CNN (mAP 0,978 contre 0,912, respectivement). Le DIN a ensuite été déployé sur un aéronef au-dessus d’un champ de fraises. Les résultats étaient comparables à l’état de l’art, mais notre DIN obtient un temps d’entraînement plus rapide (0,3 contre 5,5 heures) et une mAP plus élevée (0,951 contre 0,772).
Date27 août 2023
langue originaleAnglais américain
Établissement diplômant
  • École de technologie supérieure
SuperviseurDavid St-Onge (Directeur(-trice)) & Robert Hausler (Codirecteur(-trice))

Mots-clés

  • detection remote
  • fleurs
  • fraises

Citer cette ressource

'