Objectifs
Le projet QUALISPECTRA vise à développer des algorithmes avancés de machine learning (ML) et de deep learning (DL) pour l’analyse d’images hyperspectrales, dans le but d’améliorer la sécurité alimentaire et d’optimiser les processus industriels. Ces algorithmes exploiteront pleinement les informations spectrales et spatiales fournies par l’imagerie hyperspectrale, une dimension souvent négligée dans les approches actuelles, pour offrir des analyses plus complètes et précises.
Un axe prioritaire du projet est la rapidité des algorithmes, afin de garantir des prises de décision en temps réel et de répondre aux besoins croissants de contrôles rapides, non destructifs et efficaces. Deux problématiques principales seront étudiées :
- Détection de la fusariose sur épis de froment (également étudiée dans le cadre des projets Phenet et Phenweat), permettant une identification rapide de cette maladie fongique.
- Quantification de l’homogénéité des mélanges de farine (échantillons provenant du projet ValCerWal), garantissant la qualité et l’uniformité des produits.
Les algorithmes développés répondront ainsi à deux enjeux majeurs pour le secteur agroalimentaire. De plus, les méthodologies proposées pourront être étendues à d'autres produits et secteurs industriels, offrant des solutions transversales adaptées à de nombreuses problématiques.
Implication du CRA-W
Le CRA-W est leader du work package 2 : Préparation des données – Evaluation de la qualité des données, labellisation, annotation et mise à disposition. Le rôle principal du CRA-W est donc de fournir des données de qualité au CETIC qui pourra dès lors tester et développer des algorithmes de Machine Learning. Ces données ont donc été acquises par le CRA-W après étude des problématiques et design d’un plan expérimental. Le stockage et l’annotation de ces images sont donc aussi gérés par le CRA-W.
Le CRA-W apporte également son expertise dans les autres work packages. La connaissance des produits étudiés, des jeux de données, et des méthodes testées auparavant sur ceux-ci est primordiale afin de développer des algorithmes répondant adéquatement aux problématiques abordées.
Partenariat
- CETIC
- Centre wallon de Recherches agronomiques
Financement
Ce projet est financé par le programme Win4Collective – EXERCICES 2024 de la Région wallonne et se déroulera sur une durée de deux ans (septembre 2024 - août 2026).
Team
