Titre :
Optimisation des approches de vision par ordinateur pour l’imagerie du pois cultivé
Numéro de l’entente :
1001473
Valeur d'entente :
249 997,00 $
Date d'entente :
16 févr. 2023 - 15 févr. 2026
Description :
La mise en œuvre de l’agriculture numérique par l’imagerie à haut débit est essentielle pour perfectionner le phénotypage des plantes en vue de l’amélioration des cultures. Les analyses d’images utilisant des approches d’apprentissage automatique ont le potentiel d’améliorer considérablement le phénotypage des cultures. L’objectif du projet est de capturer des ensembles de données d’images aériennes de pois dans un champ agricole, d’établir un pipeline d’apprentissage automatique pour identifier les plantes et quantifier la biomasse, et de commencer à associer les caractéristiques du champ telles que le rendement et les protéines aux caractéristiques bénéfiques des racines. Pour les racines, un pipeline d’apprentissage automatique automatisé sera établi pour caractériser les nodules de rhizobium et l’architecture du système racinaire dans des environnements contrôlés. Les ensembles de données de base générés permettront des comparaisons entre le champ et le laboratoire et faciliteront surtout le développement d’outils avancés pouvant être déployés pour accroître la production de pois dans les Prairies canadiennes.
Organisation :
Conseil national de recherches Canada
Résultats prévus :
À court terme, les résultats prévus seront des collaborations renforcées entre l'industrie, le milieu universitaire et le gouvernement pour soutenir l'excellence en recherche. À moyen terme, les résultats attendus seront le développement de nouvelles technologies potentiellement perturbatrices avec des collaborateurs. À long terme, trouver des solutions collaboratives aux défis des politiques publiques et créer des systèmes d'innovation plus solides.
Location :
Oak Bluff, Manitoba, CA R4G 0B1
Numéro de référence :
172-2022-2023-Q4-1001473
Type d'entente :
subvention
Type de rapport :
Subventions et des contributions
Numéro d'entreprise du bénéficiaire :
763638697
Recipient Type:
organisme à but non lucratif ou organisme de bienfaisance
Informations supplémentaires :
Cet accord a été modifié 1 fois. La valeur totale des modifications est de $249,997. dollars.
Date de modification
7 mars 2025
Nom légal du bénéficiaire :
Enterprise Machine Intelligence and Learning Initiative
Circonscription fédérale :
Portage--Lisgar
Numéro de la circonscription fédérale :
46005
Programme :
Programme de collaboration en science, en technologie et en innovation - Initiatives de collaboration en R-D
But du programme :
Collaborer à des programmes multipartites de recherche-développement dans le but de profiter de la synergie entre la recherche transformatrice à haut risque et à haut rendement et le potentiel de découvertes scientifiques et de percées technologiques révolutionnaires dans des secteurs d’intervention prioritaires.
Identificateur du SCIAN :
541710