Agro'Deep : référence bibliographique¶

Pour citer la plateforme Agro'Deep.¶

Borianne, P., Théveny, F., Bertrand, B., Villain, L., Faye, É., Sarron, J., Viennois, G., Borne, F., Jaeger, M. (2021) L'IA au service de l'agriculture : au cœur de l'expérience Agro'Deep. Revue Ouverte d’Intelligence Artificielle, xxxxxxxx, à paraître.

Résumé¶

Force est de constater que, depuis une décennie, les réseaux de neurones pénètrent massivement le domaine de l’analyse d’image en agriculture de précision. Cet article présente les aspects conceptuels, techniques et pratiques de la plateforme numérique Agro’Deep, expressément développée pour le Calcul Applicatif (Applicative Computing)en agriculture numérique. Agro’Deep est centrée sur le traitement distant de données visuelles par réseaux de neurones profonds et propose des services de détection, de dénombrement et de caractérisation d’organes de plantes (fleurs, feuilles, fruits, arbres, etc.). Elle fournit à ses utilisateur.trice.s un cadre technique et un accompagnement méthodologique afin de développer, entrainer, adapter, valider et déployer des réseaux neuronaux de détection, de localisation et/ou de reconnaissance d’organes multiples, et met à leur disposition des réseaux neuronaux spécialisés pour des domaines spécifiques. Agro’Deep est une plateforme Web dédiée à des utilisateur.trice.s non spécialistes reposant sur un modèle économique équitable et participatif. Un accompagnement technique et/ou méthodologique par les ingénieur.e.s de la plateforme est possible à travers des collaborations scientifiques. Trois cas d’étude sont présentés à ce titre : l’utilisation des confusions du réseau de neurones pour une détection plus pertinente de cerises de caféiers, l’introduction d’une fonction d’identification par hystérésis pour une meilleure détection variétale des mangues dans des images couleur, et l’apport des images de synthèse pour entraîner un réseau de neurones à détecter des palmiers dans des images de couverts forestiers.