Grant: CCI Applied Research and Development Grants
Cégep de Sainte-Foy
$40,000.00
Développement d'outils géomatiques utilisant l'intelligence artificielle pour la détection d'ornières et de sentiers créés par le passage de la machinerie forestière et la caractérisation d'attributs forestiers
FY 2024-25
Summary
En intégrant l'intelligence artificielle (IA) et des technologies avancées, ce projet cherche à transformer radicalement les méthodes d'inventaire forestier de Domtar, un acteur clé dans le secteur forestier et de la transformation du bois. Actuellement, les techniques traditionnelles de collecte de données sont fiables mais peuvent être coûteuses, chronophages et sujettes à des variations dues aux conditions de terrain et à l'expertise de l'équipe. Ces défis peuvent affecter la qualité de l'inventaire, influencer négativement la planification opérationnelle et compromettre la gestion durable des forêts.
Le projet propose d'utiliser des drones équipés de systèmes de caméras haute définition et de lidar pour la collecte de données. Ces données seront ensuite analysées à l'aide d'algorithmes d'IA et d'apprentissage profond afin de détecter précisément les sentiers et les ornières et d'améliorer la caractérisation des attributs forestiers. Cette nouvelle approche permettra une évaluation rigoureuse de l'impact des opérations de Domtar sur le terrain, une optimisation de l'exploitation du bois et une précision accrue de la planification forestière.
Ces innovations seront intégrées à un outil informatique intuitif, conçu pour faciliter la prise de décision et la mise en opération de ces technologies avancées. Cet outil offrira à Domtar la possibilité de réutiliser tous les développements dans ses futurs inventaires, permettant une transformation significative de ses processus d'inventaire.
L'objectif de ce projet est de rehausser la qualité et la précision des données recueillies, de réduire le temps et les coûts associés à ces processus, et de promouvoir une gestion forestière plus durable et respectueuse de l'environnement. En optimisant les pratiques d'inventaire forestier de Domtar, nous visons une gestion forestière plus efficace, rentable et écologiquement responsable, tout en apportant des améliorations significatives aux opérations forestières.
Program
CCI Applied Research and Development Grants
Recipient
Location
Quebec, Canada
Recipient Type
Academia
Type
Grant
Source
NSERC's Awards Data
As published
Application id
CCARD-2023-00805
Name nom
Landry, Marie-Claire
Department département
Bureau de la recherche - Cégep de Sainte-Foy
Organization id
2318
Institution établissement
Cégep de Sainte-Foy
Province en
Québec
Province fr
Québec
Country en
CANADA
Country fr
CANADA
Fiscal year exercice financier
2024
Competition year année de concours
2023
Award amount
40000
Program id
CCARD
Program name en
CCI Applied Research and Development Grants
Program name fr
ICC Subventions de recherche et développement appliquée
Group en
RESEARCH PARTNERSHIPS
Group fr
PARTENARIATS DE RECHERCHE
Committee code
nan
Area of application code
9999
Area of application group en
Not available
Area of application group fr
Non disponible
Area of application en
Not available
Area of application fr
Non disponible
Research subject code
9999
Research subject group en
Not available
Research subject group fr
Non disponible
Research subject en
Not available
Research subject fr
Non disponible
Field of research list codes
RDF1020112
Field of research list names en
Computer vision in artificial intelligence
Field of research list names fr
Vision par ordinateur en intelligence artificielle
Socioeconomic objective list codes
RDS10801
Socioeconomic objective list names en
Forestry
Socioeconomic objective list names fr
Foresterie
Application title
Développement d'outils géomatiques utilisant l'intelligence artificielle pour la détection d'ornières et de sentiers créés par le passage de la machinerie forestière et la caractérisation d'attributs forestiers
Keywords
Foresterie; Planification forestière; Drone; Photogrammétrie; Lidar; Intelligence artificielle; Vision par ordinateur; Apprentissage profond
Application summary
En intégrant l'intelligence artificielle (IA) et des technologies avancées, ce projet cherche à transformer radicalement les méthodes d'inventaire forestier de Domtar, un acteur clé dans le secteur forestier et de la transformation du bois. Actuellement, les techniques traditionnelles de collecte de données sont fiables mais peuvent être coûteuses, chronophages et sujettes à des variations dues aux conditions de terrain et à l'expertise de l'équipe. Ces défis peuvent affecter la qualité de l'inventaire, influencer négativement la planification opérationnelle et compromettre la gestion durable des forêts.
Le projet propose d'utiliser des drones équipés de systèmes de caméras haute définition et de lidar pour la collecte de données. Ces données seront ensuite analysées à l'aide d'algorithmes d'IA et d'apprentissage profond afin de détecter précisément les sentiers et les ornières et d'améliorer la caractérisation des attributs forestiers. Cette nouvelle approche permettra une évaluation rigoureuse de l'impact des opérations de Domtar sur le terrain, une optimisation de l'exploitation du bois et une précision accrue de la planification forestière.
Ces innovations seront intégrées à un outil informatique intuitif, conçu pour faciliter la prise de décision et la mise en opération de ces technologies avancées. Cet outil offrira à Domtar la possibilité de réutiliser tous les développements dans ses futurs inventaires, permettant une transformation significative de ses processus d'inventaire.
L'objectif de ce projet est de rehausser la qualité et la précision des données recueillies, de réduire le temps et les coûts associés à ces processus, et de promouvoir une gestion forestière plus durable et respectueuse de l'environnement. En optimisant les pratiques d'inventaire forestier de Domtar, nous visons une gestion forestière plus efficace, rentable et écologiquement responsable, tout en apportant des améliorations significatives aux opérations forestières.