Enterprise Machine Intelligence and Learning Initiative

Objet publié

La mise en œuvre de l’agriculture numérique par l’imagerie à haut débit est essentielle pour perfectionner le phénotypage des plantes en vue de l’amélioration des cultures. Les analyses d’images utilisant des approches d’apprentissage automatique ont le potentiel d’améliorer considérablement le phénotypage des cultures. L’objectif du projet est de capturer des ensembles de données d’images aériennes de pois dans un champ agricole, d’établir un pipeline d’apprentissage automatique pour identifier les plantes et quantifier la biomasse, et de commencer à associer les caractéristiques du champ telles que le rendement et les protéines aux caractéristiques bénéfiques des racines. Pour les racines, un pipeline d’apprentissage automatique automatisé sera établi pour caractériser les nodules de rhizobium et l’architecture du système racinaire dans des environnements contrôlés. Les ensembles de données de base générés permettront des comparaisons entre le champ et le laboratoire et faciliteront surtout le développement d’outils avancés pouvant être déployés pour accroître la production de pois dans les Prairies canadiennes.