64-16cb31ec77db4a9c.js","8231","static/chunks/8231-4e2c169f3b6c1499.js","7504","static/chunks/7504-8e1da4937b377bd8.js","2997","static/chunks/2997-0ae3eb7b33f472b0.js","8087","static/chunks/8087-d70357f71aa5c243.js","6037","static/chunks/6037-3d58c2403c865b44.js","9846","static/chunks/9846-eeab543a5bf7bfd5.js","9082","static/chunks/9082-003b1dbcf9e74f3b.js","9733","static/chunks/9733-255e0a4253ffcc11.js","7486","static/chunks/7486-de41fbe8ff3363e3.js","14","static/chunks/14-c7ea6a739710847b.js","3994","static/chunks/3994-5a9e1a46a3ca8f07.js","6478","static/chunks/app/orgs/%5Bslug%5D/page-0adccaabca0b1bbe.js"],"ComptesCompanyPageClient"] 1d:T744,

Le projet vise à concevoir et développer des modèles d'intelligence artificielle pour analyser des images de grains de pollen prélevés sur des abeilles, afin d'estimer la composition spécifique des communautés végétales entomophiles méditerranéennes. L'objectif est de fournir une méthode quantitative, robuste et automatique permettant le suivi temporel et spatial de la diversité végétale, en réponse aux changements globaux. Le projet s'appuie sur des avancées récentes en analyse d'images par IA et combine plusieurs disciplines : palynologie, écologie, informatique et statistiques.

Production de lames de référence et de test contenant du pollen récolté sur des fleurs et des abeilles, avec amélioration des protocoles expérimentaux.
Acquisition automatisée d'images de pollen par microscope.
Utilisation de méthodes automatiques de détection et d'identification de grains de pollen développées à l'ISEM.
Entraînement de modèles d'IA à reconnaître les espèces végétales à partir de bases de données d'images de référence, intégrant des connaissances métiers.
Développement d'approches probabilistes robustes pour l'estimation de la composition spécifique des mélanges de pollen, y compris pour les taxons rares ou morphologiquement proches.
Analyse statistique approfondie des erreurs de

LIRMM

LIRMM

Analyse en cours pour cette entreprise