Identification automatique d'arbres à partir de photos

Faubert Laurin, Maxime (2024). « Identification automatique d'arbres à partir de photos » Mémoire. Montréal (Québec, Canada), Université du Québec à Montréal, Maîtrise en informatique.

Fichier(s) associé(s) à ce document :

Prévisualisation	PDF Télécharger (9MB)

Résumé

Le monde vit de multiples crises environnementales : changements climatiques, perte de biodiversité, dégradation des sols, pollution, . . . Les villes peuvent parfois être vues comme une source de ces problèmes. On y couvre le sol d’asphalte et de béton, on détruit les écosystèmes qui étaient présents, on y produit déchets et gaz polluants, . . . Pourtant, elles peuvent aussi contribuer significativement aux solutions dont on a grand besoin. Parmi les moyens à la disposition des municipalités se trouve leur forêt urbaine. Ces arbres sont présents dans les parcs, mais aussi sur les bords des rues ainsi que les terrains des résidents, entreprises et bâtiments publics. Ils peuvent jouer un rôle fondamental pour combattre les crises environnementales et améliorer la qualité de vie des citoyens. Pour maximiser leurs bienfaits, ces forêts urbaines doivent être gérées adéquatement, et cette gestion nécessite de bien les connaître. Ce travail visera l’amélioration de la quantité et la qualité des informations que les municipalités possèdent sur leur forêt urbaine. Dans ce but, nous avons créé quatre ensembles de données afin d’entraîner des modèles d’identification automatique des arbres. Nous proposons aussi une méthodologie pour gérer et conserver ses données de façon à pouvoir les utiliser et les améliorer en collaboration avec d’autres acteurs partageant des objectifs similaires. Nous suggérons ensuite une méthode permettant de détecter des prédictions non fiables afin d’augmenter la proportion d’identifications exactes par nos modèles. Ce type de détecteur est particulièrement utile dans notre contexte où on peut avertir une personne utilisant un système qu’il vaudrait mieux reprendre une photo différente ou procéder à une identification manuelle. Finalement, nous démontrons la capacité de l’apprentissage profond de discriminer différents types d’arbres, au moins pour des types grossiers, à partir de photos aériennes. _____________________________________________________________________________ MOTS-CLÉS DE L’AUTEUR : Apprentissage profond ; Intelligence artificielle ; Climat ; Vision par ordinateur ; Identification de végétaux ; Environnement ; Villes ; Forêts urbaines ; Géomatique ; Système d’information géographique

Type:	Mémoire accepté
Informations complémentaires:	Fichier numérique reçu et enrichi en format PDF/A.
Directeur de thèse:	Meurs, Marie-Jean
Mots-clés ou Sujets:	Identification automatique / Identification des arbres dans les villes / Apprentissage profond / Vision par ordinateur / Gestion de la flore urbaine
Unité d'appartenance:	Faculté des sciences > Département d'informatique
Déposé par:	Service des bibliothèques
Date de dépôt:	29 nov. 2024 15:24
Dernière modification:	29 nov. 2024 15:24
Adresse URL :	http://archipel.uqam.ca/id/eprint/18260

Modifier les métadonnées (propriétaire du document)

Statistiques