Apprentissage profond multimodal pour la détection des maladies des plantes à l'aide de la télédétection et de l'analyse des données climatiques
La détection des maladies des plantes revêt une importance capitale pour prévenir les pertes de récoltes et maintenir la productivité agricole. Cependant, ce défi complexe nécessite des approches avancées pour améliorer la précision et l efficacité des systèmes de détection. Dans cette thèse, nous n...
Enregistré dans:
| Auteur principal: | |
|---|---|
| Autres auteurs: | , , , , , , , , |
| Format: | Thèse numérique |
| Langue: | Français |
| Publié: |
2023.
|
| Sujets: | |
| Note: |
Thèse soutenue en co-tutelle Titre provenant de l'écran-titre Ecole(s) Doctorale(s) : École doctorale Mathématiques, Informatique, Physique Théorique et Ingénierie des Systèmes (Centre-Val de Loire ; 2012-....) Partenaire(s) de recherche : Laboratoire Pluridisciplinaire de recherche en ingénierie des systèmes, mécanique et énergétique (Orléans ; 2008-....) (Laboratoire) Autre(s) contribution(s) : Zine El Abidine El Morjani (Président du jury) ; Adel Hafiane, Youssef Es-Saady, Zine El Abidine El Morjani, Sanaa El Fkihi, Ludovic Macaire, Mustapha Amrouch, Raphaël Canals, Mohamed El Hajji, Laure Tougne Rodet (Membre(s) du jury) ; Sanaa El Fkihi, Ludovic Macaire, Mustapha Amrouch (Rapporteur(s)) |
| Autres localisations: | Voir dans le Sudoc |
| Variante du titre: | Multimodal Deep Learning for Plant Disease Detection through Remote Sensing and Climate Data Analysis |