Data scientists, participez au Global Wheat HEAd deTection Challenge !

Spécialistes des sciences de données, rendez-vous en avril sur la plateforme Kaggle pour le “Global Wheat HEAd deTection Challenge” auquel vous convie sa communauté internationale. Son objectif : résoudre la problématique de la détection des épis de blé à partir d’images de plein champ en créant une intelligence artificielle par apprentissage profond. Etienne David de l’UMT Capte INRAE-Arvalis d’Avignon vous explique tout sur cet événement soutenu par #DigitAg.

  • La communauté internationale Global Wheat Dataset est dédiée au comptage d’épis de blé par capteurs. En France, elle est animée par l’UMT Capte INRAE-Arvalis-HIPHEN, qui co-organise ce concours avec l’Université de Tokyo, l’Université du Queensland (Australie), le National Agriculture and Food Research Organization (NARO, Japon), Rothamsted Research (Grande-Bretagne) et ETH Zürich.
  • Le challenge s’adresse aux spécialistes des données comme aux étudiants qui voudront s’entraîner sur les jeux de données mis à disposition.
  • Ce concours a été sélectionné par la plateforme Kaggle, bien connue des spécialistes des données, où il se déroulera du 15 avril au 15 juillet 2020.
  • Le(s) lauréat(s) seront invités à présenter leur solution lors du congrès international Computer Vision Problems in Plant Phenotyping (CVPPP 2020), qui se déroulera à Glasgow du 23 au 27 août prochains. La remise des prix aura lieu durant le congrès.

Le problème à résoudre

La détection des épis de blé à partir d’images de plein champ est une tâche de vision par ordinateur difficile en raison de l’occlusion et du chevauchement de plants de blé denses, de la variation d’apparence due à la maturité (couleur verte à jaune), du génotype, de l’orientation des épis (nadir vs vue en angle) et du mouvement du vent (flou). Un certain nombre d’articles récents ont étudié la détection de l’épi de blé, mais ceux-ci n’ont été testés qu’avec de petits ensembles de données présentant des variations limitées et il n’est pas certain que ces méthodes se généralisent au-delà de leur ensemble de données spécifique. Ce concours d’audience mondiale vise à résoudre ce problème.

L’objectif

Entraîner une IA capable de détecter les épis de blés quelque soit les changements de conditions et de cultivar. Il s’agit de réunir les meilleurs équipes de data scientists du monde entier pour la création du meilleur modèle de deep learning pour détecter les épis de blé sur les images collectées.

Les jeux de données

Pour ce premier concours, la première base de données mondiale sur le blé comprend des données provenant de France, de Suisse, du Royaume-Uni, du Canada, de Chine et du Japon avec des variations significatives en termes de génotype (couleur, contraste, maturité), de densité de plantation, d’éclairage et de résolution spatiale.

Au total ce sont 190.000 épis de blé et 4900 photographies RGB, acquises sur le terrain par des humains ou des robots, qui seront mises à disposition.

Pour chaque image, des annotations ont été dessinées par un expert local. Toutes les annotations sont au format de données COCO json avec les métadonnées supplémentaires suivantes : modèle de caméra, longueur de mise au point, résolution d’origine, distance du sol, date et lieu d’acquisition.

Dans le futur, la base de données mondiale sur le blé devrait s’ouvrir à un plus grand nombre de régions.

Vous souhaitez en savoir plus ? Vous êtes prêt à monter une équipe ?

Votre contact : Etienne David, UMR EMMAH / UMT Capte INRAE-Arvalis-HIPHEN – etienne.david [AT] inrae.fr / e.david [AT] arvalis.fr

En savoir plus