En savoir plus

Notre utilisation de cookies

« Cookies » désigne un ensemble d’informations déposées dans le terminal de l’utilisateur lorsque celui-ci navigue sur un site web. Il s’agit d’un fichier contenant notamment un identifiant sous forme de numéro, le nom du serveur qui l’a déposé et éventuellement une date d’expiration. Grâce aux cookies, des informations sur votre visite, notamment votre langue de prédilection et d'autres paramètres, sont enregistrées sur le site web. Cela peut faciliter votre visite suivante sur ce site et renforcer l'utilité de ce dernier pour vous.

Afin d’améliorer votre expérience, nous utilisons des cookies pour conserver certaines informations de connexion et fournir une navigation sûre, collecter des statistiques en vue d’optimiser les fonctionnalités du site. Afin de voir précisément tous les cookies que nous utilisons, nous vous invitons à télécharger « Ghostery », une extension gratuite pour navigateurs permettant de les détecter et, dans certains cas, de les bloquer.

Ghostery est disponible gratuitement à cette adresse : https://www.ghostery.com/fr/products/

Vous pouvez également consulter le site de la CNIL afin d’apprendre à paramétrer votre navigateur pour contrôler les dépôts de cookies sur votre terminal.

S’agissant des cookies publicitaires déposés par des tiers, vous pouvez également vous connecter au site http://www.youronlinechoices.com/fr/controler-ses-cookies/, proposé par les professionnels de la publicité digitale regroupés au sein de l’association européenne EDAA (European Digital Advertising Alliance). Vous pourrez ainsi refuser ou accepter les cookies utilisés par les adhérents de l'EDAA.

Il est par ailleurs possible de s’opposer à certains cookies tiers directement auprès des éditeurs :

Catégorie de cookie

Moyens de désactivation

Cookies analytiques et de performance

Realytics
Google Analytics
Spoteffects
Optimizely

Cookies de ciblage ou publicitaires

DoubleClick
Mediarithmics

Les différents types de cookies pouvant être utilisés sur nos sites internet sont les suivants :

Cookies obligatoires

Cookies fonctionnels

Cookies sociaux et publicitaires

Ces cookies sont nécessaires au bon fonctionnement du site, ils ne peuvent pas être désactivés. Ils nous sont utiles pour vous fournir une connexion sécuritaire et assurer la disponibilité a minima de notre site internet.

Ces cookies nous permettent d’analyser l’utilisation du site afin de pouvoir en mesurer et en améliorer la performance. Ils nous permettent par exemple de conserver vos informations de connexion et d’afficher de façon plus cohérente les différents modules de notre site.

Ces cookies sont utilisés par des agences de publicité (par exemple Google) et par des réseaux sociaux (par exemple LinkedIn et Facebook) et autorisent notamment le partage des pages sur les réseaux sociaux, la publication de commentaires, la diffusion (sur notre site ou non) de publicités adaptées à vos centres d’intérêt.

Sur nos CMS EZPublish, il s’agit des cookies sessions CAS et PHP et du cookie New Relic pour le monitoring (IP, délais de réponse).

Ces cookies sont supprimés à la fin de la session (déconnexion ou fermeture du navigateur)

Sur nos CMS EZPublish, il s’agit du cookie XiTi pour la mesure d’audience. La société AT Internet est notre sous-traitant et conserve les informations (IP, date et heure de connexion, durée de connexion, pages consultées) 6 mois.

Sur nos CMS EZPublish, il n’y a pas de cookie de ce type.

Pour obtenir plus d’informations concernant les cookies que nous utilisons, vous pouvez vous adresser au Déléguée Informatique et Libertés de l’INRA par email à cil-dpo@inra.fr ou par courrier à :

INRA
24, chemin de Borde Rouge –Auzeville – CS52627
31326 Castanet Tolosan cedex - France

Dernière mise à jour : Mai 2018

Menu Logo Principal Logo UMR Emmah Logo université d'Avignon 2019

EMMAH

Imprimé à partir de http://www.umr-emmah.fr

Global wheat challenge

Images annotées pour le Global Wheat Head Dataset illustrant la variété des situations repésentées dans ce jeu de donnée.
© UMT CAPTE
Une compétition scientifique internationale réunissant 2245 équipes et organisée par 9 partenaires dont l’équipe CAPTE représentée par INRAE et Arvalis Institut du végétal.

La sélection variétale est un des principaux leviers permettant d’améliorer la production agricole en quantité comme en qualité. Ainsi, combiné avec le génotypage, le phénotypage haut-débit permet d’identifier les gènes associés à des mécanismes éco-physiologiques spécifiques de réponse aux stress biotiques et abiotiques. Les observations de proxidétection, non destructives, et régulières, permettent d’accéder à certaines caractéristiques des cultures comme le nombre d’épis qui est une composante essentielle du rendement de cultures de blé, encore évaluée manuellement dans la plupart des essais.

L’UMT CAPTE a été à l’initiative du « global wheat challenge », une compétition scientifique internationale réunissant 2245 équipes et organisée par 9 partenaires dont l’INRAE et Arvalis Institut du végétal. Ce challenge proposait un jeu de données inédit de 4700 images (le Global Wheat Head Dataset [3] ) et a permis aux participants de développer des modèles d’apprentissage profond. Trois lauréats se sont distingués par les performances de leur modèles capables de compter automatiquement et précisément les épis de blé dans tout type d’images. Mis à disposition en accès libre, ces algorithmes seront mis en œuvre par l’INRAE et Arvalis dans leurs infrastructures de phénotypage dès 2021.

Contexte et enjeux

L’amélioration de la production agricole dans un contexte d’optimisation des ressources pour une agriculture durable passe par une meilleure connaissance du milieu, de son hétérogénéité et par un suivi de l’état des cultures. La sélection variétale est un des principaux leviers permettant d’améliorer cette production en quantité comme en qualité. Combiné avec le génotypage, le phénotypage haut-débit permet d’identifier les gènes associés à des mécanismes éco-physiologiques spécifiques de réponse aux stress biotiques et abiotiques en fournissant des observations de proxidétection, non destructives, et régulières. Parmi ces observations, le nombre d’épis produits par une culture de blé est une composante essentielle du rendement, encore évaluée manuellement dans la plupart des essais de sélection variétale.

Plusieurs travaux ont récemment montré le potentiel des méthodes basées sur des techniques d’apprentissage profond (« deep learning ») pour reconnaître automatiquement des épis dans des images [1,2] . Cependant, les résultats étaient évalués sur des jeux d’images limités en termes de génotypes, de conditions environnementales (zone géographique, climat, stress,…), et de conditions d’acquisition (type de caméra, orientation, illumination) et ne permettaient pas d’extrapoler efficacement ces méthodes sur de nouveaux jeux de données.

Résultats

Etienne David, doctorant, Simon Madec et Shouyang Liu, post-doctorants de l’UMT CAPTE, ont été à l’initiative du « global wheat challenge », une compétition scientifique internationale organisée de mai à août 2020 par 9 partenaires dont l’INRAE et Arvalis Institut du végétal. L’objectif de cette compétition était d’obtenir un modèle d’apprentissage profond capable de compter automatiquement les épis de blés d’une large diversité génétique dans des images à haute résolution. Elle a récompensé les trois meilleures équipes parmi 2245 qui ont proposé les modèles les plus performants grâce au mécénat d’HIPHEN (entreprise partenaire de l’UMT CAPTE) et de #DIGITAG (Institut de Convergences en Agriculture Numérique).

Ce challenge s’appuie sur le Global Wheat Head Dataset [3] qui rassemble 4700 images acquises dans des zones géographiques et avec des systèmes d’acquisition variés. Ces images ont été annotées au préalable, chaque épi étant manuellement identifié par un expert. Les participants ont étalonné leurs modèles sur les trois quart des images venant d’Europe et du Canada. L’équipe organisatrice a ensuite évalué leurs performances de manière indépendante sur le quart restant constitué d’images provenant du Japon, de la Chine et d’Australie.

Outre la forte implication des trois principaux partenaires de l’UMT CAPTE (INRAE, Arvalis et HIPHEN), l’équipe technique de l’UMR EMMAH s’est aussi mobilisée pendant la période de confinement. Au total, l’UMT a annoté 1200 images, et revu et corrigé a posteriori les annotations des 4700 images du jeu de données.

Perspectives

Le modèle proposé par l’équipe gagnante sera mis en œuvre dans la plateforme 4P (Plant Phenotyping Processing Platform) développée dans le cadre du projet Phenome pour traiter automatique les données de phénotypage au champ acquises par les installations d’INRAE.

Voir aussi

Global Wheat Challenge

Webinaire d’E. David (Arvalis) et A. Comar (HIPHEN) présentant le challenge.