Titre : RECONNAISSANCE DIGITALE DES ADVENTICES AVEC PROXIMAIS® ITECH EN UTILISANT LE DEEP LEARNING POUR AIDER A RAISONNER LA STRATEGIE DE DESHERBAGE.
Title : DIGITAL WEEDS RECOGNITION WITH PROXIMAIS® ITECH USING DEEP LEARNING TO MANAGE THE STRATEGY OF WEED CONTROL.
Auteur(s) : T. VARRAILLON, F. JUMEL, D. BRUXELLE, V. GODET(Syngenta Agro, SAS)
Evénement : COLUMA
Numéro : 24
Année : 2019
Numéro de page : 262
Nombre de pages : 10
Résumé : Reconnaître les adventices qui concurrencent la culture de maïs en place est la première étape d’une pratique de désherbage efficace. En 2017, Syngenta a complété son outil pour raisonner le programme de désherbage maïs (Proximaïs® iTech) avec une nouvelle fonctionnalité permettant une aide à l’identification des adventices à partir de photographies. L’apprentissage emprunte aux technologies d’intelligence artificielle d’analyse d’images. Le processus de reconnaissance automatique de l’espèce végétale a été testé sur plus de 19 125 images pour différentes espèces dicotylédones et graminées. Des résultats encourageants ont été obtenus sur maïs pour 32 adventices dont 5 graminées à différents stades de développement.
Mots-clés : digital, adventices, deep learning, OAD.
Abstract : Recognizing weeds that compete with the existing corn crop is the first step in effective weed control. In 2017, Syngenta has completed its tool to reason the weed control program: Proximaïs® iTech with a new feature to help identify weeds from digital pictures. Learning using artificial intelligence technologies of image analysis to develop a process of automatic recognition of the plant species has been tested on more than 19 125 images of different dicotyledonous and monocotyledonous species. Encouraging results were obtained on maize for 32 weeds including 5 weed grasses at different stages of development.
Keywords : digital, weeds, deep learning, DSS.
Pour accéder à la compilation des articles : nous consulter