
Sylvain Jay
- Environnement Méditerranéen et Modélisation des Agro-Hydrosystèmes (EMMAH)
- Institut National de Recherche pour l’Agriculture, l’Alimentation et l’Environnement (INRAE)
Présentation
Mes recherches portent sur le développement d’algorithmes de traitement du signal et des images permettant de caractériser les cultures à partir de données de phénotypage acquises au champ par proxidétection. Les cultures ciblées incluent à la fois des cultures annuelles (monocultures et mélanges d'espèces) et pérennes (vergers). Ces données de phénotypage à haute résolution spatiale (le plus souvent millimétrique ou centimétrique) sont acquises à l’aide de différents capteurs optiques (caméras RGB, multispectrales et hyperspectrales, LiDARs) embarqués sur divers vecteurs (système portatif, Phénomobile, drone). Les méthodes que je développe sont basées notamment sur le deep / machine learning, la modélisation du transfert radiatif et la stéréovision. Elles permettent d'estimer différents traits structuraux (par ex., la surface foliaire) et biochimiques (par ex., le contenu en chlorophylle) de la végétation de façon rapide et non-destructive sur un grand nombre de parcelles élémentaires pouvant regrouper une diversité de sites d’essai, d’espèces, de variétés et de conduites culturales. In fine, ces nouveaux outils de phénotypage doivent faciliter la sélection de variétés plus productives et/ou plus résilientes face aux stress (a)biotiques. Ils doivent également permettre d'identifier de nouveaux systèmes de culture agroécologiques reposant sur une économie d’intrants, la régulation des bioagresseurs par le contrôle biologique, tout en garantissant une production de qualité.
Compétences
Publications
Publications
3D imaging systems for agricultural applicationsDeveloping and applying optoelectronics in machine vision, IGI Global, 344 p., 2017, Advances in Computational Intelligence and Robotics (ACIR), 2327-0411 ISBN13: 9781522506324|ISBN10: 1522506322. ⟨10.4018/978-1-5225-0632-4.ch008⟩
Chapitre d'ouvrage
hal-01605252
v1
|
|
3D imaging systems for agricultural applications: characterization of crop and root phenotypingDeveloping and applying optoelectronics in machine vision. Sergiyenko, O. and Rodriguez-Quiñonez, J.C., IGI Global, pp.236-272, 2016
Chapitre d'ouvrage
hal-02604540
v1
|
Site internet www.avalanches.fr2004
Autre publication scientifique
hal-02584071
v1
|
|
GAI, fAPAR, FVC,and VCW From Optical Sensors (ATBD): Taking SENTINEL-2 as an example Sentinel-2 ATBD -Version 3.0INRAE; EMMAH UMR 114, CAPTE. 2024
Rapport
hal-04884986
v1
|
|
S2ToolBox Level 2 products: LAI, FAPAR, FCOVER. Version 2.1INRAE. 2020, pp.59
Rapport
hal-05088193
v1
|
|
S2ToolBox Level 2 products LAI, FAPAR, FCOVER[Research Report] EMMAH-CAPTE, INRAe Avignon. 2020
Rapport
(rapport de recherche)
hal-03584016
v1
|
|
Estimation et détection en imagerie hyperspectrale : application aux environnements côtiers.Traitement du signal et de l'image [eess.SP]. Ecole Centrale Marseille, 2012. Français. ⟨NNT : ⟩
Thèse
tel-00789945
v1
|