2026-10-22T14:45:36Zhttps://scholar.acad.cd/oai

oai:scholar.acad.cd:1082026-10-22T11:58:24Ztype:thesisdept:

Analyse intelligente des images pour la surveillance dans une agriculture de précision Intelligent image analysis for monitoring in precision agricultureSolemane CoulibalyExplainable Artificial IntelligenceInsect pest detectionDisease detectionMulti-task learningTransfer learningPrecision agricultureComputer visionSupervised learningNeural networkDeep learningDétection des insectes ravageursDétecLes avancées technologiques de la vision par ordinateur et l'utilisation des systèmes d'intelligence artificielle (comme l'apprentissage automatique ou profond) ont eu un fort impact dans l'agriculture en la faisant passer à une nouvelle ère digitalisée. Il s'agit d'une agriculture numérique ou de précision dans laquelle on assiste à une forte utilisation des données, de l'informatique intelligente, des drones, et des capteurs pour produire davantage. A cet effet, cette thèse propose de nouvelles réponses aux enjeux de la surveillance des cultures menacées par des attaques fongiques. Ce qui nous a amené à donner de nouvelles contributions visant à relever les défis d’une agriculture de précision. Partant de là, nous avons effectué une étude bibliométrique sur les apports de l’apprentissage profond en agriculture. Nous avons discuté les contributions des chercheurs principalement impliqués, en vue d'apporter de nouvelles réponses aux défis de l’agriculture de précision. Cette étude a été clôturée par des recommandations essentielles dans la réalisation d’un système agricole intelligent. Il s’agit de (i) considérer la perception des acteurs humains du système; (ii) exiger la prise en compte des tests statistiques et des validations croisées des données d’entraînement lors de la comparaison des performances de plusieurs classificateurs ; (iii) analyser la performance d’un classificateur sur les données d’entraînement en faible quantité. Dans un premier temps, pour consolider cette étude, nous avons étudié la classification de la maladie mildiou au niveau de la culture du mil, une des cultures vivrières des régions d’Afrique et d’Asie. Dans ce travail, un accent a été mis sur la faible quantité de données d'entraînements supervisées, nécessaires pour former de tels classificateurs. Dans un second temps, nous avons proposé une nouvelle tâche de classification des réseaux de neurones convolutifs en augmentant les espaces de caractéristiques des données d’entraînement. Cet...Scholar2021-12-06 00:00:00ThèseTextapplication/pdfhttps://scholar.acad.cd/works/108https://scholar.acad.cd/storage/works/imported/solemane_analyse_2021_0502.pdffr© Scholar — Tous droits réservés