DeepAE

Génération de traits caractéristiques numériques des systèmes agroécologiques issus de l'analyse des processus d'identification dans des images aériennes

Durée : 2022 - 2024
Programme : Plan France Relance (ANR)
Portée : Régionale
Remote sensing
Deep Learning

La caractérisation et l’identification de la végétation à partir d’acquisition d'images aériennes relève d’enjeux majeurs pour le développement d’une agronomie durable. La pratique d’une agronomie durable pourrait bénéficier de nouvelles techniques à base d’analyse automatique d’images aériennes pour monitorer et établir de meilleures connaissances de l’état des parcelles et de ses interactions avec la biodiversité environnante.

​​Un premier enjeu est de pouvoir décrire, à partir des images,  la composition des parcelles en termes d’occupation des sols avec une finesse et une précision suffisante pour permettre la description, voire l’inventaire à l’échelle de l’individu dans les cas des arbres et des arbustes, ou de rangs de plantations dans la perspective de l’agroforesterie (identification d’espèces/variétés).

Un second enjeu est d’être en mesure de produire des indicateurs relevant de services écosystémiques, notamment via des indicateurs mesurant le niveau de biodiversité (et des traits fonctionnels associés), de productivité et de durabilité (consommation des ressources).

L’idée du projet est d’exploiter des expérimentations numériques validées sur le terrain pour en extraire les informations (signatures) utilisées par la machine pendant l’apprentissage, dans le but de construire des procédures génériques de détection et de classification des différentes espèces en jeu sur une parcelle.