Grant: Applied Research and Development Grants - Level 1
C.E.G.E.P. Lévis-Lauzon
$25,000.00
Étude de faisabilité pour le développement d'un système de vision industrielle et d'algorithmes d'IA pour la_x000d_ détection des maladies sur les plants de pomme de terre.
EF 2020-21
Résumé
WD Potato Limited est une entreprise familiale située dans la belle ville de Beeton, en Ontario. WD Potato Limited est une entreprise canadienne qui offre des services de transport aux transformateurs de croustilles entre l'Ontario, le Québec, la Nouvelle-Écosse, l'Île-du-Prince-Édouard et certaines parties des États-Unis. WD Potato Limited exploite également une grande installation de stockage réfrigéré située sur 150 acres.
WD Potato Limited possède une grande connaissance et une grande expérience dans la culture, la manutention, le stockage et le transport de pommes de terre pour l'industrie de transformation des chips au Canada et aux États-Unis.
WD Potato Limited sous-traite l'approvisionnement en pommes de terre d'une grande base de producteurs de plus de 70 producteurs dans les provinces de l'Ontario, du Québec, du Nouveau-Brunswick, de la Nouvelle-Écosse et de l'Île-du-Prince-Édouard. WD Potato Limited contracte plus de 400 millions de livres de pommes de terre par an et achète 30 millions de livres de variétés de pommes de terre de semence exclusives et publiques pour garantir à nos producteurs la meilleure qualité de semences à planter.
Afin de développer un système d'optimisation de la culture de la pomme de terre, l'entreprise a décidé de solliciter les services du centre de robotique et de vision industrielle (CRVI) pour valider la faisabilité technique et les performances d'un système de vision industrielle monté sur une plateforme mobile pour l'acquisition de données et les algorithmes d'IA associés pour la détection des maladies sur les plants de pomme de terre dans les champs.
Cette étude faisabilité portera sur l'utilisation de la technologie hyper-spectrale couvrant le spectre de l'ultraviolet jusqu'au spectre proche infrarouge pour la constitution de données capables d'identifier et de distinguer les différentes maladies visibles sur les feuilles des plants de patate. Ensuite d'utiliser les techniques d'IA pour identifier et distinguer automatiquement les maladies sur les plants de patate à partir des données hyper-spectrales.
Programme
Applied Research and Development Grants - Level 1
Bénéficiaire
Emplacement
Quebec, Canada
Type
Grant
Source
NSERC's Awards Data
Tel que publié
Application id
555449-2020
Name nom
Dessureault, Yves
Department département
Siège social
Organization id
21757
Institution établissement
C.E.G.E.P. Lévis-Lauzon
Province en
Québec
Province fr
Québec
Country en
CANADA
Country fr
CANADA
Fiscal year exercice financier
2020
Competition year année de concours
2020
Award amount
25000
Program id
CARD1
Program name en
Applied Research and Development Grants - Level 1
Program name fr
Subventions de recherche et développement appliquée - niveau 1
Group en
Research partnerships programs
Group fr
Programmes de partenariat
Committee code
1561
Committee name en
Applied Research and Development Grants
Committee name fr
Subventions de recherche et développement appliquée
Area of application code
100
Area of application group en
Agriculture and primary food production
Area of application group fr
Agriculture et produits alimentaires primaires
Area of application en
Agriculture and primary food production
Area of application fr
Agriculture et produits alimentaires primaires
Research subject code
2800
Research subject group en
Artificial intelligence
Research subject group fr
Intelligence artificielle
Research subject en
Artificial intelligence (computer vision, use2603)
Research subject fr
Intelligence artificielle (vision artificielle, utiliser 2603)
Installment
inst:1 - 1
Partie
1
Nb partie
1
Application title
Étude de faisabilité pour le développement d'un système de vision industrielle et d'algorithmes d'IA pour la_x000d_
détection des maladies sur les plants de pomme de terre.
Keyword
NSERC
Application summary
WD Potato Limited est une entreprise familiale située dans la belle ville de Beeton, en Ontario. WD Potato Limited est une entreprise canadienne qui offre des services de transport aux transformateurs de croustilles entre l'Ontario, le Québec, la Nouvelle-Écosse, l'Île-du-Prince-Édouard et certaines parties des États-Unis. WD Potato Limited exploite également une grande installation de stockage réfrigéré située sur 150 acres.
WD Potato Limited possède une grande connaissance et une grande expérience dans la culture, la manutention, le stockage et le transport de pommes de terre pour l'industrie de transformation des chips au Canada et aux États-Unis.
WD Potato Limited sous-traite l'approvisionnement en pommes de terre d'une grande base de producteurs de plus de 70 producteurs dans les provinces de l'Ontario, du Québec, du Nouveau-Brunswick, de la Nouvelle-Écosse et de l'Île-du-Prince-Édouard. WD Potato Limited contracte plus de 400 millions de livres de pommes de terre par an et achète 30 millions de livres de variétés de pommes de terre de semence exclusives et publiques pour garantir à nos producteurs la meilleure qualité de semences à planter.
Afin de développer un système d'optimisation de la culture de la pomme de terre, l'entreprise a décidé de solliciter les services du centre de robotique et de vision industrielle (CRVI) pour valider la faisabilité technique et les performances d'un système de vision industrielle monté sur une plateforme mobile pour l'acquisition de données et les algorithmes d'IA associés pour la détection des maladies sur les plants de pomme de terre dans les champs.
Cette étude faisabilité portera sur l'utilisation de la technologie hyper-spectrale couvrant le spectre de l'ultraviolet jusqu'au spectre proche infrarouge pour la constitution de données capables d'identifier et de distinguer les différentes maladies visibles sur les feuilles des plants de patate. Ensuite d'utiliser les techniques d'IA pour identifier et distinguer automatiquement les maladies sur les plants de patate à partir des données hyper-spectrales.
