LDD : Un jeu de données pour la détection d'objets et la segmentation d'instances des maladies de la vigne

La tâche de segmentation d'instances, extension de la tâche bien connue de détection d'objets, est d'une grande utilité dans de nombreux domaines, tels que l'agriculture de précision : la capacité à identifier automatiquement les organes végétaux et les maladies associées permet de surveiller efficacement et d'automatiser à grande échelle le suivi des cultures et la gestion de leurs maladies. Afin de relever le défi de la détection et du diagnostic précoce des maladies chez les plants de vigne, un nouveau jeu de données a été conçu dans le but d'avancer l'état de l'art de la reconnaissance des maladies à l'aide d'approches de segmentation d'instances. Ce jeu de données a été constitué en rassemblant des images de feuilles et de grappes de raisin affectées par des maladies dans leur contexte naturel. Il comprend des photographies de 10 types d'objets, incluant des feuilles et des baies de raisin saines ou malades, représentant les huit maladies les plus fréquentes du raisin, avec un total de 17 706 instances annotées réparties sur 1 092 images. Des mesures statistiques multiples sont proposées afin d'offrir une vue complète des caractéristiques du jeu de données. Des résultats préliminaires pour les tâches de détection d'objets et de segmentation d'instances, obtenus par les modèles Mask R-CNN et R^3-CNN, sont présentés comme référence, démontrant que la méthode proposée permet d'atteindre des résultats prometteurs en matière de reconnaissance automatique des symptômes de maladies.