En savoir plus

Titre de la thèse

Potentialités de l’imagerie couleur embarquée pour la détection et la cartographie des maladies fongiques de la vigne.

• M. BARET Frédéric, directeur de recherche, INRA Avignon, examinateur
• M. CARRE Philippe, professeur, Université de Poitiers, rapporteur
• M. RABATEL Gilles, directeur de recherche, IRSTEA Montpellier, rapporteur
• M. DA COSTA Jean-Pierre, professeur, Bordeaux Sciences Agro, directeur de la thèse
• M. GERMAIN Christian, professeur, Bordeaux Sciences Agro, co-directeur
• M. RAYNAL Marc,    ingénieur, Institut Français de la Vigne, invité

Résumé

Le mildiou de la vigne est une phytopathologie d’origine fongique particulièrement inquiétante pour la filière viticole. L’objectif de cette thèse est d’étudier les potentialités de l’imagerie couleur embarquée pour estimer l’état sanitaire des vignobles affectés par le mildiou à l’échelle intra-parcellaire. La solution proposée vise à assister les réseaux de surveillance épidémiologique dans l’estimation des risques sanitaires et dans la préconisation de plans de lutte chimique.

En pratique, deux chaînes de traitement d’images sont proposées, l’une dédiée à la segmentation des classes d’organes de la vigne, et l’autre à la détection, au dénombrement et à la mesure des tissus symptomatiques du mildiou. Ces deux chaînes sont conçues autour d’une stratégie de modélisation commune et s’adressent à des images acquises directement à la parcelle dans les conditions de travail viticole. La stratégie proposée s’appuie sur des représentations structure-couleur et des modèles probabilistes des classes des tissus présents dans les vignes étudiées. Elle opère en trois étapes :

• Formuler des descripteurs pour extraire les propriétés caractéristiques et discriminantes de chaque classe ;
• Modéliser les distributions statistiques de ces descripteurs dans chacune des classes ;
• Affecter chaque pixel à une des classes selon son adéquation à leurs modèles.

Les descripteurs combinent le Tenseurs Local de Structure (LST) avec des statistiques colorimétriques calculées dans le voisinage du pixel considéré. Pour tenir compte de la nature spécifique des LST, les descripteurs font l’objet de transformations pour être représentés dans l’espace log-euclidien. Dans cet espace, il devient possible de modéliser les classes de tissus d’intérêt par des distributions de mélanges de gaussiennes. Cette stratégie est appliquée dans un premier temps à des images de vigne saine. Il s’agit de partitionner une image en classes d’organes (feuillage, grappes ou inflorescences et tiges). Une classification est réalisée par Maximum A Posteriori (MAP) puis régularisée par relaxation stochastique et morphologie mathématique.

Les résultats obtenus pour trois stades phénologiques se montrent très convaincants. De plus, la chaîne de traitement s’avère robuste au réglage des principaux hyper-paramètres. Dans un second temps, la chaîne de traitement précédente est adaptée pour traiter des images comportant des symptômes du mildiou ainsi que certaines nécroses, décolorations, carences, plaies mécaniques, qui constituent des facteurs confondants. Une nouvelle méthode de décision est utilisée. Elle s’appuie sur une reconstruction des symptômes par croissance autour de germes. Les critères utilisés reposent sur les représentations structure-couleur et les modèles probabilistes déjà définis. La nouvelle chaîne de traitement permet de détecter de façon fiable les symptômes du mildiou et d’estimer la surface des tissus affectés.