En savoir plus

• Titre : « Identification des maladies des plantes basée sur l'apprentissage profond », Inria.
• Post-doctorant : Jules Vandeputte.
• Unité de rattachement : Inria, UMR 5506 - LIRMM - ZENITH.
• Durée du projet : 2023 - 2025.

Résumé du projet :

En tant que première source de subsistance pour l'homme, les plantes cultivées jouent un rôle clé dans la production alimentaire mondiale. En particulier, la détection et le traitement des ravageurs et des maladies sont des enjeux cruciaux pour assurer la sécurité alimentaire. À titre d'exemple, les ravageurs et les maladies entraînent une perte de rendement mondial de 20,5 % pour le blé, de 20,2 % pour le maïs et de 27,2 % pour le riz. C'est dans ce contexte que sont apparues, ces dernières années, de nouvelles méthodes de détection précoce et de reconnaissance des maladies des plantes basées sur l'identification automatisée de symptômes visuels. Plusieurs travaux scientifiques ont été menés qui utilisent des techniques récentes d'apprentissage profond pour identifier efficacement les maladies des plantes. 
Malgré des résultats très prometteurs, la plupart d'entre eux se sont concentrés sur des données acquises dans des conditions de laboratoire contrôlées. Par conséquent, les modèles présentent une perte de performance notable lorsqu'ils sont appliqués à des données de terrain. L'objectif du travail mené dans le cadre de ce post-doctorat est de développer un modèle robuste de reconnaissance des ravageurs et des maladies basé sur des données de terrain, dans le but d'être applicable dans des conditions réelles. En outre, notre approche consiste à exploiter les données collectées à cette fin pour alimenter le modèle, repoussant ainsi les limites du diagnostic automatisé des maladies.