Implémentation d'algorithmes de deep learning

L'équipe de recherche a pris des photographies de quelque 2.000 2018 fraises, à la fois extérieures et semi-coupées, provenant de différentes lignes d'amélioration fournies par la société Planasa et les a collectées lors de la campagne XNUMX à Huelva (Espagne). « Évaluer la forme d'un objet donné, une fraise en l'occurrence, à partir d'une photographie n'est pas aussi simple qu'il y paraît. Les descripteurs linéaires classiques - aire, périmètre, hauteur, largeur... - présentent certaines limitations qui conduisent à la perte d'informations pertinentes en simplifiant à l'extrême les caractéristiques morphologiques. Pour évaluer la forme de manière plus détaillée, nous complétons ces méthodes linéaires par des techniques d'apprentissage multivarié et profond », a déclaré la première auteure de l'article, Laura M. Zingaretti, qui a réalisé ce travail dans le cadre de sa thèse de doctorat au CRAG.

En combinant ces méthodes, l'équipe de recherche a pu générer un logiciel automatisé qui analyse les motifs de forme et de couleur extraits d'images de fraises. L'outil qu'ils ont développé est beaucoup plus automatisé que ses prédécesseurs, car il nécessite une intervention minimale de l'utilisateur et un temps de calcul limité, offrant un moyen peu coûteux et rapide d'évaluer la phénomique.

Un outil pour améliorer l'efficacité agricole

« En plus de l'analyse morphologique, notre outil d'apprentissage profond est capable de prédire l'apparition de nouveaux croisements de fruits. Cette contribution peut être très précieuse dans la première étape des programmes d'amélioration des plantes, car elle permettrait d'évaluer plusieurs croisements sans avoir besoin de les tester directement sur le terrain, économisant du temps et des ressources », a déclaré Miguel Pérez-Enciso, chercheur ICREA au CRAG et co-directeur de l'étude.

"Cet outil a également le potentiel d'être adapté pour mesurer les traits phénomiques visuels des fruits directement au champ, pour analyser d'autres caractéristiques de conformation des plantes (feuilles, fleurs, racines...), ou pour l'évaluation précoce de maladies", a-t-il déclaré Amparo Monfort, chercheur IRTA au CRAG et co-directeur des travaux.