Post-doc Agripolhys

**Description entreprise**:
**Description du poste**:
collaboration avec Vegenov (centre de ressources technologiques spécialiste du végétal) et Photon Lines
(Architecte de solutions optiques). Ce projet vise à développer des outils avancés pour l'agriculture intelligente
en utilisant l'imagerie hyperspectrale et polarimétrique assistée par l'Intelligence Artificielle.

**Fiche d’identité du poste**:

- Établissement de rattachement : Yncréa Ouest, Établissement d’enseignement supérieur privé d’intérêt

général (EESPIG), sous contrat avec le ministère de l’enseignement supérieur et de la recherche
- Équipe de recherche : LSL (Light - Scatter - Learning)
- Lieu de travail : campus de Brest
- Durée du contrat : 18 mois
- Salaire : 35k€/an, voir selon expérience
- Possibilité de participer aux activités d’enseignements d’Yncréa Ouest

**A propos de l’équipe de recherche**:
Les activités de recherche de l'équipe LSL (Light Scatter Learning) s’effectuent dans le domaine de l'imagerie
optique novatrice et de la modélisation d'objets grâce à l'intelligence artificielle. Leur domaine de recherche

**comprend quatre principaux volets**:

- La création de modèles optiques avancés
- L'utilisation de données hyperspectrales et polarimétriques pour alimenter des modèles d'intelligence

artificielle
- Le développement de techniques d'imagerie optique non conventionnelles

Pour concrétiser ces travaux, l'équipe a mis au point un banc d'imagerie hyperspectrale ainsi qu'un polarimètre pour l'imagerie multispectrale. De plus, plusieurs modèles sont en cours d'exploration. Les domaines
médical, et bien d'autres encore.
Dans le cadre de ce projet, le post-doctorant travaillera au sein de cette équipe avec des encadrants spécialistes
en optique, en mathématiques et en intelligence artificielle.

**Contexte du projet**:
L'agriculture intelligente est essentielle pour la réussite de la transition écologique, mais elle est confrontée à des
défis technologiques et scientifiques non résolus. L'imagerie hyperspectrale (IHS), avec sa capacité à surveiller la
santé des plantes de manière non destructive et rapide, est prometteuse en agriculture intelligente. En effet,
celle-ci enregistrent la lumière dans de nombreux canaux spectraux étroits, couvrant une large gamme de
longueurs d'onde, et se révèlent donc plus adaptés que les caméras traditionnelles pour détecter les maladies
des plantes lorsque les symptômes sont visibles à l'œil humain [1,2].
Cependant, l'objectif est de détecter les maladies plus tôt, avant qu'elles ne soient visibles. Dans ce contexte, et
en plus de l'IHS, il existe également l'imagerie polarimétrique (PIM) qui a récemment montré un bon potentiel
pour la détection des maladies des plantes [3]. L'imagerie polarimétrique (PIM) permet l’enregistrement des
propriétés de polarisation de la lumière transmise/réfléchie par les objets ou les surfaces. Ces informations comprennent des détails sur la manière dont la lumière interagit avec les structures des objets, ce qui peut être
utile pour caractériser les plantes et détecter des maladies à un stade précoce, avant même que des symptômes
visibles à l'œil humain n'apparaissent.

**Objectif du projet**:
L'objectif de ce projet est de proposer un outil d’aide à la décision pour l'agriculture intelligente utilisant l'imagerie
hyperspectrale et polarimétrique et qui est assisté par l'intelligence artificielle. Cet outil permettra, en détectant
les maladies de manière précoce, de réduire les pertes de plantes et la nécessité d'utiliser des traitements
chimiques.
Des expérimentations seront menées sur les feuilles de tomate dans le but de détecter et identifier précocement

**quatre maladies de la tomate**: l'oïdium, le mildiou, la pourriture grise et la moisissure des feuilles. Ces recherches
débuteront par l'analyse de chaque maladie de manière individuelle, puis elles évolueront vers une approche de
consortium pour les identifier conjointement.

**Mots-clés**: Agriculture intelligente, imagerie hyperspectrale (HSI), imagerie polarimétrique (PIM),
apprentissage automatique, agriculture durable, monitoring des plantes.

**Profil recherché**:
Doctorat en physique expérimentale/physique computationnel/physique optique et photonique
- Solides compétences en mathématiques, sciences et en analyse de données
- Expérience en programmation (python de préférence)
- Compréhension de l'apprentissage automatique pour la segmentation d’images.
- Autodidacte, et capable de travailler de manière autonome et résoudre des problèmes de manière

créative.
- Excellentes compétences en communication orale et écrite, avec la capacité de présenter des résultats

de recherche de manière claire et concise.
- Une expérience préalable en Intelligence Artificielle et/ou dans le domaine de l’hyperspectral serait un

atout majeur.
- Motivé(e) et pa