Going Beyond RGB-Based Machine Learning Datasets for Digital Agricultural Applications
Ce projet représente le prochain bond d’innovation du groupe de recherche TerraByte à l’UWinnipeg et de l’Enterprise Machine Intelligence and Learning Initiative (EMILI). L’axe principal de ce travail est de générer des données qui permettront des approches d’apprentissage automatique pour des applications agricoles numériques. Les données générées par ce projet incluent des données multispectrales, hyperspectrales et 3D. Ces données sont fondamentales pour développer des algorithmes d’apprentissage automatique qui nécessitent des milliers de missions d’exemples pour « apprendre » à accomplir des tâches spécifiques. Les principales applications qui guideront la collecte de données dans ce projet sont l’identification des mauvaises herbes provenant des cultures commerciales des prairies (appelée classification des plantes), la reconnaissance de caractéristiques et caractéristiques spécifiques des plantes (appelée phénotypage) et l’identification des plantes malades (appelée détection de maladies). Les bénéfices de ce travail sont immenses et incluent des augmentations significatives de la production agricole et de la sécurité alimentaire mondiale, ce qui est particulièrement important à l’ère post-pandémique.
Voir la description complète du projetChristopher Bidinosti
Initiative d’intelligence et d’apprentissage des machines d’entreprise
Informatique
Agriculture
Université de Winnipeg
Accélération