Canada Spends Logo

Explorez notre analyse du budget 2026

Grant: Alliance Grants

Université Laval

$22,174.00

Classification des essences d'arbres par image plein pied

EF 2024-25

Résumé
La capacité à effectuer l'identification automatique des essences d'arbres à partir de photos revêt une importance cruciale pour la sécurité des réseaux électriques urbains. En permettant l'identification des essences d'arbres qui pourraient présenter des risques de contact avec les lignes électriques, les services d'électricité pourront ainsi mieux planifier les campagnes des mesures préventives. Ceci aura pour effet de réduire à long terme les interruptions de courant, améliorant du coup la fiabilité de ces réseaux. À l'aide des dernières poussées algorithmiques en apprentissage profond et intelligence artificielle, nous tenterons donc d'améliorer les performances sur cette reconnaissance automatique d'essences d'arbres. Nos travaux se baseront sur le jeu de données AutoArborist, de Alphabet inc., qui comporte plus de 6.4 millions de photos d'arbres. Des avenues comme l'apprentissage auto supervisé seront aussi considérées, afin d'améliorer la robustesse des résultats. À la fin du projet, les algorithmes développés seront intégrés dans les processus d'affaire d'Hydro-Québec dans le domaine de la gestion de la végétation.
Programme
Alliance Grants
Bénéficiaire
Emplacement
Quebec, Canada
Type de bénéficiaire
Academia
Type
Grant
Source
NSERC's Awards Data

Tel que publié

Application id
586940-2023
Name nom
Giguère, Philippe P
Department département
Informatique et de génie logiciel
Organization id
51
Institution établissement
Université Laval
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
22174
Program id
ALLRP
Program name en
Alliance Grants
Program name fr
Subventions Alliance
Group en
RESEARCH PARTNERSHIPS
Group fr
PARTENARIATS DE RECHERCHE
Committee code
96
Committee name en
RPP Internal Decision Cttee
Committee name fr
Cté de décision interne - PPR
Area of application code
300
Area of application group en
Energy resources
Area of application group fr
Ressources d'énergie
Area of application en
Energy resources (including production, exploration, processing, distribution and use)
Area of application fr
Ressources d'énergie (production, exploration, traitement, distribution et utilisation de l'énergie)
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)
Field of research list names en
Not available
Field of research list names fr
Non disponible
Socioeconomic objective list names en
Not available
Socioeconomic objective list names fr
Non disponible
Application title
Classification des essences d'arbres par image plein pied
Keywords
classification d'images; contrôle de la végétation; distribution électricité; essence d'arbre; intelligence artificielle; milieu urbain; réseaux de neurones profonds
Application summary
La capacité à effectuer l'identification automatique des essences d'arbres à partir de photos revêt une importance cruciale pour la sécurité des réseaux électriques urbains. En permettant l'identification des essences d'arbres qui pourraient présenter des risques de contact avec les lignes électriques, les services d'électricité pourront ainsi mieux planifier les campagnes des mesures préventives. Ceci aura pour effet de réduire à long terme les interruptions de courant, améliorant du coup la fiabilité de ces réseaux. À l'aide des dernières poussées algorithmiques en apprentissage profond et intelligence artificielle, nous tenterons donc d'améliorer les performances sur cette reconnaissance automatique d'essences d'arbres. Nos travaux se baseront sur le jeu de données AutoArborist, de Alphabet inc., qui comporte plus de 6.4 millions de photos d'arbres. Des avenues comme l'apprentissage auto supervisé seront aussi considérées, afin d'améliorer la robustesse des résultats. À la fin du projet, les algorithmes développés seront intégrés dans les processus d'affaire d'Hydro-Québec dans le domaine de la gestion de la végétation.