En savoir plus

Notre utilisation de cookies

« Cookies » désigne un ensemble d’informations déposées dans le terminal de l’utilisateur lorsque celui-ci navigue sur un site web. Il s’agit d’un fichier contenant notamment un identifiant sous forme de numéro, le nom du serveur qui l’a déposé et éventuellement une date d’expiration. Grâce aux cookies, des informations sur votre visite, notamment votre langue de prédilection et d'autres paramètres, sont enregistrées sur le site web. Cela peut faciliter votre visite suivante sur ce site et renforcer l'utilité de ce dernier pour vous.

Afin d’améliorer votre expérience, nous utilisons des cookies pour conserver certaines informations de connexion et fournir une navigation sûre, collecter des statistiques en vue d’optimiser les fonctionnalités du site. Afin de voir précisément tous les cookies que nous utilisons, nous vous invitons à télécharger « Ghostery », une extension gratuite pour navigateurs permettant de les détecter et, dans certains cas, de les bloquer.

Ghostery est disponible gratuitement à cette adresse : https://www.ghostery.com/fr/products/

Vous pouvez également consulter le site de la CNIL afin d’apprendre à paramétrer votre navigateur pour contrôler les dépôts de cookies sur votre terminal.

S’agissant des cookies publicitaires déposés par des tiers, vous pouvez également vous connecter au site http://www.youronlinechoices.com/fr/controler-ses-cookies/, proposé par les professionnels de la publicité digitale regroupés au sein de l’association européenne EDAA (European Digital Advertising Alliance). Vous pourrez ainsi refuser ou accepter les cookies utilisés par les adhérents de l'EDAA.

Il est par ailleurs possible de s’opposer à certains cookies tiers directement auprès des éditeurs :

Catégorie de cookie

Moyens de désactivation

Cookies analytiques et de performance

Realytics
Google Analytics
Spoteffects
Optimizely

Cookies de ciblage ou publicitaires

DoubleClick
Mediarithmics

Les différents types de cookies pouvant être utilisés sur nos sites internet sont les suivants :

Cookies obligatoires

Cookies fonctionnels

Cookies sociaux et publicitaires

Ces cookies sont nécessaires au bon fonctionnement du site, ils ne peuvent pas être désactivés. Ils nous sont utiles pour vous fournir une connexion sécuritaire et assurer la disponibilité a minima de notre site internet.

Ces cookies nous permettent d’analyser l’utilisation du site afin de pouvoir en mesurer et en améliorer la performance. Ils nous permettent par exemple de conserver vos informations de connexion et d’afficher de façon plus cohérente les différents modules de notre site.

Ces cookies sont utilisés par des agences de publicité (par exemple Google) et par des réseaux sociaux (par exemple LinkedIn et Facebook) et autorisent notamment le partage des pages sur les réseaux sociaux, la publication de commentaires, la diffusion (sur notre site ou non) de publicités adaptées à vos centres d’intérêt.

Sur nos CMS EZPublish, il s’agit des cookies sessions CAS et PHP et du cookie New Relic pour le monitoring (IP, délais de réponse).

Ces cookies sont supprimés à la fin de la session (déconnexion ou fermeture du navigateur)

Sur nos CMS EZPublish, il s’agit du cookie XiTi pour la mesure d’audience. La société AT Internet est notre sous-traitant et conserve les informations (IP, date et heure de connexion, durée de connexion, pages consultées) 6 mois.

Sur nos CMS EZPublish, il n’y a pas de cookie de ce type.

Pour obtenir plus d’informations concernant les cookies que nous utilisons, vous pouvez vous adresser au Déléguée Informatique et Libertés de l’INRA par email à cil-dpo@inra.fr ou par courrier à :

INRA
24, chemin de Borde Rouge –Auzeville – CS52627
31326 Castanet Tolosan cedex - France

Dernière mise à jour : Mai 2018

Menu Logo Principal IFV BX SCIENCES AGRO ISVV

UMT SEVEN

Joint Structure and Colour Based Parametric Classification of Grapevine Organs from Proximal Images Through Several Critical Phenological Stages

Precision agriculture
14th International conference on precision agriculture, june, 24th-27th 2018, Montreal, Quebec, Canada

Joint Structure and Colour Based Parametric Classification of Grapevine Organs from Proximal Images Through Several Critical Phenological Stages

F. Y. Abdelghafour, R. Rosu, B. Keresztes, C. Germain, J. Da Costa (2018)

Abstract

Proximal colour imaging is the most time and cost-effective automated technology to acquire high-resolution data describing accurately the trellising plane of grapevine. The available textural information is meaningful enough to provide altogether the assessment of additional agronomic parameters that are still estimated either manually or with dedicated and expensive instrumentations. This paper proposes a new framework for the classification of the different organs visible in the trellising plane. The proposed method is an implementation of a Bayesian decision process based on a joint parametric representation of Local Structure tensors and color. The purpose is to obtain a pixel-wise description of grapevine images based on joint structural and colorimetric features. In this paper, a representation of colour extended structure tensors mapped into the log-Euclidean metric space is introduced. This new feature is used for the description of the textural properties of grapevine organs in multivariate Gaussian models. The final classification is performed by Bayesian MAP estimation based on the models. The paper presents and compares different variants of the method which are applied to three key phenological stage: flowerhood falling, pea-sized and berries touching (BBCH 68, 75, 79).

The resulting classification performances are measured in terms of recall and precision that reached overall between 80% and 90% depending on the stage. These results are produced with leave-one-out cross validations where models are estimated from 15 images per stage containing about 1.5e6 samples. The achievement of a reliable classification of the leaves, flowers and berries for each vinestock is an integral step toward the estimation of leaf area index, leaf porosity, fruitfulness, cluster structuration and yields. These are key parameters for the monitoring and evaluation of main field works such as fertilisation, irrigation, and trimming, defoliation, trimming and thinning. In addition the modeling of healthy grapevine organs is also preliminary to achieve a modeling and classification of grapevine major fungal diseases

Keyword

Proximal sensing, parametric classification, structure tensor, grape and foliage detection