Stage OT-30960
Développement d'algorithmes d'intelligence artificielle pour le phénotypage des cultures par imagerie drone multispectrale
97170 PETIT-BOURG
Retour à la liste des résultats
Présentation INRAE
L’Institut national de recherche pour l’agriculture, l’alimentation et l’environnement (INRAE) est un établissement public de recherche rassemblant une communauté de travail de 12 000 personnes, avec 272 unités de recherche, de service et expérimentales, implantées dans 18 centres sur toute la France. INRAE se positionne parmi les tout premiers leaders mondiaux en sciences agricoles et alimentaires, en sciences du végétal et de l’animal. Ses recherches visent à construire des solutions pour des agricultures multi-performantes, une alimentation de qualité et une gestion durable des ressources et des écosystèmes.
Votre mission s’inscrit dans le cadre du projet TAESA (Guadeloupe Une Santé) financé par le FEDER Région Guadeloupe, qui a pour objectif de co-concevoir avec les agriculteur.ices, et avec l'appui des politiques publiques, des systèmes agricoles fournissant des produits sains aux consommateurs. Impliquant une cinquantaine de chercheur.es d'INRAE et du CIRAD, il se place délibérément dans une démarche agroécologique pour accompagner les agriculteur.rices vers des pratiques vertueuses et productives. L'agroécologie implique de la part des chercheur.es de déployer une démarche participative, seule capable d'hybrider les connaissances paysannes, politiques et scientifiques et d'aboutir à des innovations utiles et durables.
Dans le cadre de ce projet, nous développons un outil de phénotypage à haut débit des cultures végétales fondé sur l'imagerie aérienne.
Le dispositif repose sur un drone DJI Mavic 3 Multispectral équipé d'une caméra RGB (20 MP) et de quatre bandes multispectrales (vert, rouge, red edge, proche infrarouge), avec positionnement RTK centimétrique. Le traitement des images est réalisé sur une station de calcul MSI Edgexpert (puce NVIDIA GB-10), qui sera dédiée au développement des algorithmes d'intelligence artificielle. Les données sont acquises sur des parcelles expérimentales, sur plusieurs dates de vol au cours du cycle cultural, avec collecte simultanée de mesures de vérité terrain
Environnement de travail, missions et activités
L'objectif du stage est de concevoir, entraîner et évaluer des modèles d'apprentissage profond pour l'analyse des orthomosaïques issues des vols drone.
Les tâches visées comprennent :
1. la segmentation sémantique ou d'instance (par exemple : distinction culture / adventices / sol, couverture du sol,segmentation de la canopée) ;
2. la détection et le comptage d'objets (par exemple : comptage de plants, détection d'anomalies) ;
3. l’extraction et la comparaison d'indices de végétation (NDVI, NDRE, GNDVI) à partir des données multispectrales calibrées en réflectance.
Le ou la stagiaire participera à l'ensemble de la chaîne de traitement : préparation et structuration du jeu de données, annotation d'un lot initial d'images, choix des architectures (par exemple U-Net, YOLO, ou modèles de fondation pré- entraînés avec transfert learning), entraînement sur MSI Edgexpert, évaluation méthodologique (validation croisée par parcelle) et industrialisation du pipeline sous forme de code reproductible.
Missions confiées au ou à la stagiaire :
1. État de l'art sur l'application de l'apprentissage profond à l'imagerie agricole par drone ;
2.Participation aux campagnes d'acquisition terrain et aux mesures de vérité terrain ;
3. Construction du jeu de données : prétraitement des images, calibration radiométrique, génération desorthomosaïques, annotation d'un lot initial de tuiles ;
4. Développement et entraînement des modèles sur la station de calcul (Python, PyTorch, CUDA) ;
5. Évaluation comparative des approches (métriques de segmentation et de détection, validation par parcelle, tests degénéralisation inter-dates et inter-sites) ;
6. Rédaction d'un pipeline de traitement reproductible (code versionné, documentation) et contribution à la restitution des résultats (rapport de stage).
Prise de fonction possible entre Janvier et Juin 2027.
Formations et compétences recherchées
Formation recommandée : Master 2 ou dernière année d'école d'ingénieurs en intelligence artificielle, vision par ordinateur, science des données, géomatique / télédétection, ou agronomie avec spécialisation numérique.
Compétences techniques attendues :1. Solide maîtrise de Python (NumPy, Pandas) ;
2. Expérience pratique de l'apprentissage profond avec PyTorch ou TensorFlow (projet personnel, académique ouantérieur attesté) ;
3. Notions de traitement d'images et de télédétection souhaitées ; une expérience avec des données raster (GDAL,rasterio, QGIS) est un plus ;
4. Connaissance des outils de gestion de code (Git) et, idéalement, des environnements conteneurisés (Docker) et du calcul GPU ;
5. Un intérêt marqué pour les applications agronomiques est souhaité ; une formation ou une expérience en agronomie constitue un atout apprécié.
Qualités personnelles : rigueur scientifique, autonomie, capacités rédactionnelles.
Votre qualité de vie à INRAE
En rejoignant INRAE, vous bénéficiez (selon le type de contrat et sa durée) :
- jusqu'à 30 jours de congés + 15 RTT par an (pour un temps plein)
- de dispositifs de développement des compétences : formation, conseil en orientation professionnelle ;
- de la prise en charge à 50 % de votre cotisation à la complémentaire santé collective ;
- d'un soutien à la parentalité : CESU garde d'enfants, prestations pour les loisirs ;
- d'un accompagnement social : conseil et écoute, aides et prêts sociaux ;
- de prestations vacances et loisirs : chèque-vacances, hébergements à tarif préférentiel ;
- d'activités sportives et culturelles ;
- d'une restauration collective.
Modalités pour postuler
J'envoie mon CV et ma lettre de motivation
Les personnes accueillies à INRAE, établissement public de recherche, sont soumises aux dispositions du Code de la fonction publique notamment en ce qui concerne l’obligation de neutralité et le respect du principe de laïcité. A ce titre, dans l’exercice de leurs fonctions, qu’elles soient ou non au contact du public, elles ne doivent pas manifester leurs convictions, par leur comportement ou leur tenue, qu’elles soient religieuses, philosophiques ou politiques. > En savoir plus : site fonction publique.gouv.fr