Détection par computer vision de grains de maïs infectés par la fusariose

Type de poste
Niveau d'étude minimal
Dates
Durée du poste
Contrat renouvelable
Contrat non renouvelable
Date de prise de fonction
Date de fin de validité de l'annonce
Localisation
Nom de la structure d'accueil
Adresse

12 Chemin de l'Hobit
31790 Saint Sauveur
France

Contacts
Sophia Piquero Monge
Email du/des contacts
sofia.piquero_monge@syngenta.com
Description

Contexte / Problématique :
En Maïs, le critère de « sensibilité génétique à la fusariose des épis » est pris en compte dans nos programmes de Sélection, l’objectif étant l’amélioration de notre germplasm. Un hybrides sensible peut être refusé à l’inscription ou voir son positionnement restreint sur le marché. De plus les mycotoxines synthétisées par le fusarium peuvent, si elles rentrent dans la chaine alimentaire, être dangereuses pour la santé humaine. La détection de grains infectés par la fusariose est également un enjeu majeur dans la production de semences de maïs, la présence de ce champignon induisant des pertes de qualité (vigueur, germination) des lots de semences vendus aux agriculteurs.
Le phénotypage de grains fusariés est réalisé sur épis avant récolte, au champ en observation visuelle : cette étude est lourde en temps de travaux et le « timing » est serré puisqu’il faut le réaliser durant la fenêtre étroite entre la maturité physiologique et les récoltes mécaniques. Aussi, il est difficile de faire cette notation à haut débit. C’est pourquoi la recherche d’autres alternatives de phénotypage présenterait une valeur ajoutée importante.

Objectif du stage :
Vous participerez à un proof of concept visant à l’élaboration d’un classifier capable de détecter des grains de maïs infectés sur photographies. Au sein de l’équipe Data Science et en collaboration avec le service de Recherche et Développement vous prendrez part à l’évaluation des méthodologies de computer visions les plus pertinentes, notamment en élaborant et paramétrant des modèles de deep learning d’object detection. Vous contribuerez à l’élaboration du jeu d’entrainement et appliquerez des techniques de pre-processiong puis de machine learning pour le densifier. Vous aurez pour tâche la mise en œuvre des scripts, la présentation de la démarche et résultats aux équipes impliquées dans le projet.

Qualifications

Une bonne maitrise du langage de programmation Python et des librairies de machine learning et deep learning. Une connaissance solide en Intelligence Artificielle avec un accent sur la théorie des réseaux de neurones, et de leur mise en œuvre récente en object detection et instance segmentation. Etre à l’aise en scripting dans l’environnement shell UNIX, et avoir une bonne connaissance des outils Office. Une expérience en pre processing des images, mettant en œuvre le logiciels ImageJ ou la librairie openCV, serait un plus.
Un esprit rigoureux et synthétique, une grande autonomie, un sens du travail en équipe et une bonne capacité à présenter clairement le travail en cours sont attendus du (de la) candidat(e). La maitrise de l’anglais technique est par ailleurs nécessaire, le stage pouvant nécessiter l’interaction avec des experts hors de nos frontières.

Stage à pourvoir à partir d’avril 2019, d’une durée de 4 à 6 mois intégré dans une formation ingénieur ou universitaire au niveau M1 ou M2.