Les exigences en termes de traçabilité du bois sont de plus en plus fortes. Dans le but de lutter contre le commerce illégal du bois des labels et des réglementations sont mis en place qui nécessitent des méthodes de traçabilité performantes et des contrôles associés. Le chêne est une ressource stratégique en France. Le projet Biomtrace a pour objectif de développer une méthode de traçabilité biométrique des grumes de chêne, basée sur des caractéristiques intrinsèques aux grumes visibles sur des photos de leur extrémité inférieure. Plusieurs approches algorithmiques devront être envisagées dont celles issues du domaine de l’intelligence artificielle (IA). Les approches d'IA, et plus spécifiquement les réseaux de neurones convolutifs (CNNs) et les Vision Transformers (ViTs) dans notre cas, nécessitent des bases de données conséquentes. Ce dépôt correspond à une extension de la base d'images Biomtrace constituée et utilisée dans le cadre du projet Biomtrace. Cette extension, appelée Biomtrace_extension, a pour but d'étudier la sensibilité et la robustesse des algorithmes dans certains cas limites identifiés : reconnaissance des grumes (i) entre avant et après débardage, (ii) quand les photos sont prises en modifiant l'angle de prise de vue et la distance à la grume, et (iii) en cas de purge de l'extrémité de la grume entre les deux prises de photos.

The requirements in terms of timber traceability are becoming increasingly stringent. In order to combat the illegal timber trade, labels and regulations are being introduced that require effective traceability methods and associated controls. Oak is a strategic resource in France. The aim of the Biomtrace project is to develop a biometric traceability method for oak logs, based on intrinsic characteristics of the logs visible on photos of their lower end. Several algorithmic approaches will need to be considered, including those from the field of artificial intelligence (AI). AI approaches, and more specifically Convolutional Neural Networks (CNNs) and Vision Transformers (ViTs) in our case, require large databases. This repository is an extension of the Biomtrace image database created and used as part of the Biomtrace project. The aim of this extension, named Biomtrace_extension, is to study the sensitivity and robustness of the algorithms in certain identified extreme cases: Recognition of the logs (i) before and after log extraction, (ii) when the photos are taken by changing the angle of the shot and the distance to the log, and (iii) if the end of the log is trimmed between the two photo sessions.

R, 4.3.1

Gimp, 2.10.22

ImageJ, 1.53e