Grant: CCI Applied Research and Development Grants
Cégep de Sainte-Foy
$46,963.00
Développement d’outils de caractérisation automatique de plants forestiers en pépinière par drone et capteurs embarqués, et représentation par cartographie interactive
EF 2024-25
Résumé
Les propriétaires de pépinières de la Fédération québécoise des coopératives forestières (FQCF) cherchent à optimiser la gestion de leurs pépinières face à des défis de ressources humaines et de gestion de données massives. Actuellement, l'évaluation manuelle de la qualité des plants est chronophage et coûteuse. La FQCF collabore avec le CERFO et le CGQ pour explorer l'utilisation de la télédétection et des algorithmes d'intelligence artificielle (IA) afin d'améliorer la caractérisation des plants et d'identifier rapidement les problèmes de croissance.
Les drones et capteurs utilisés pour la collecte de données génèrent de grandes quantités de données complexes. L'apprentissage profond est envisagé pour analyser ces données, bien qu'il nécessite un grand volume de données d’entraînement diversifiées. Un travail de géomatique est nécessaire pour intégrer toutes les données dans une base de données spatiale et créer une interface graphique pour une carte interactive web, facilitant l'accès et l'utilisation des informations collectées.
Ce projet vise à augmenter la productivité des pépinières grâce à une approche combinant télédétection, IA et géomatique, tout en développant des outils numériques pour une gestion optimisée des données. Il inclut le développement d'un outil cartographique web et l'amélioration de la caractérisation des plants pour une analyse plus globale et efficace des parcelles. Deux personnes étudiantes du collège travailleront avec les équipes de recherche ainsi qu’avec le partenaire.
Programme
CCI Applied Research and Development Grants
Bénéficiaire
Emplacement
Quebec, Canada
Type de bénéficiaire
Academia
Type
Grant
Source
NSERC's Awards Data
Tel que publié
Application id
CCARD-2024-00432
Name nom
Dumas, Nathalie
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
2024
Award amount
46963
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
RDF1059999
Field of research list names en
Other earth and related environmental sciences, n.e.c.
Field of research list names fr
Autres sciences de la Terre et sciences de l'environnement connexes, n.c.a.
Socioeconomic objective list codes
RDS10801
Socioeconomic objective list names en
Forestry
Socioeconomic objective list names fr
Foresterie
Application title
Développement d’outils de caractérisation automatique de plants forestiers en pépinière par drone et capteurs embarqués, et représentation par cartographie interactive
Keywords
intelligence artificielle; drone; télédétection; géomatique; foresterie; pépinière; production de plants; suivi et contrôle
Application summary
Les propriétaires de pépinières de la Fédération québécoise des coopératives forestières (FQCF) cherchent à optimiser la gestion de leurs pépinières face à des défis de ressources humaines et de gestion de données massives. Actuellement, l'évaluation manuelle de la qualité des plants est chronophage et coûteuse. La FQCF collabore avec le CERFO et le CGQ pour explorer l'utilisation de la télédétection et des algorithmes d'intelligence artificielle (IA) afin d'améliorer la caractérisation des plants et d'identifier rapidement les problèmes de croissance.
Les drones et capteurs utilisés pour la collecte de données génèrent de grandes quantités de données complexes. L'apprentissage profond est envisagé pour analyser ces données, bien qu'il nécessite un grand volume de données d’entraînement diversifiées. Un travail de géomatique est nécessaire pour intégrer toutes les données dans une base de données spatiale et créer une interface graphique pour une carte interactive web, facilitant l'accès et l'utilisation des informations collectées.
Ce projet vise à augmenter la productivité des pépinières grâce à une approche combinant télédétection, IA et géomatique, tout en développant des outils numériques pour une gestion optimisée des données. Il inclut le développement d'un outil cartographique web et l'amélioration de la caractérisation des plants pour une analyse plus globale et efficace des parcelles. Deux personnes étudiantes du collège travailleront avec les équipes de recherche ainsi qu’avec le partenaire.