Thèse de Clément Douarre


Sujet :
Analyse embarquée d’images hyperspectrales, application au domaine de l’agriculture

Résumé :

L’équipe Imagine du laboratoire LIRIS a pour objectifs l’analyse et le traitement
des médias visuels. Plus précisément, elle s’intéresse à l’analyse d’images et de vidéos
(filtrage, segmentation, extraction de caractéristiques, suivi) et à la reconnaissance de
formes et à l’apprentissage automatique (approches connexionnistes, statistiques et
structurelles). Par ailleurs, elle possède une expertise solide dans le développement
d’applications mobiles visant la reconnaissance de végétaux notamment. Elle a en effet
développé, sous la direction de Laure TOUGNE, l’application Folia1 de reconnaissance
d’arbres et d’arbustes à partir de photos de feuilles dans le cadre de l’ANR ReVeS (2010-
2014), dont l’évolution est en cours dans le cadre de l’ANR ReVeRIES (2016-2020). Pour
cette application, des travaux de recherche ont porté sur la segmentation et l’extraction
de caractéristiques tout en tenant compte des capacités de calcul et de mémoire du
smartphone, le traitement étant complètement embarqué [2, 3, 4, 5].
De façon complémentaire, l’équipe ImHorPhen de l’INRA d’Angers dirigée par
David ROUSSEAU possède une expertise dans le domaine de l’instrumentation optique et
de l’imagerie pour les plantes [6, 7, 8, 9, 10] avec un intérêt spécifique pour l’étude des
pathogènes des plantes [6, 8, 9, 10]. Ceci inclut différentes imageries comme la
thermographie infrarouge [8, 10], la fluorescence de chlorophylle [9] ou encore l’imagerie
hyperspectrale [6, 7]. La plateforme d’Angers est reconnue comme un noeud du réseau
européen des plateformes de phénotypage EPPN2020 sur ce thème avec des potentialités
uniques d’expérimentation en milieu contrôlé pour l’étude de pathogènes de quarantaine
et l’étude de maladies émergentes. Dans ce contexte d’expérimentation, qui nécessite un
confinement, il est nécessaire de pouvoir répliquer facilement les capteurs utilisés.
L’équipe ImHorPhen a ainsi développé des méthodes à base de capteurs à bas cout [6, 10]
qui sont d’ores et déjà utilisées sur la plateforme de phénotypage des plantes de l’INRA
d’Angers (PHENOTIC).
Ces expertises intéressent au plus haut point l’entreprise Carbon Bee. Cette
dernière commercialise son propre spectrophotomètre hyperspectral ainsi que les
logiciels de traitement/analyse afférents (apprentissage automatique connexionniste).
1 https://itunes.apple.com/fr/app/folia/id547650203?mt=8
Cet outillage, appliqué au domaine végétal, lui permet de détecter précocement des
maladies telles que la flavescence dorée de la vigne (par drones) ou encore à optimiser le
traitement des adventices en maraichage2. L’ensemble des traitements est effectué in situ
— sur une plateforme embarquée dédiée à cet usage —, sans aucun serveur distant. Cette
contrainte est primordiale tant pour des raisons pratiques d’accès à Internet depuis un
champ, qu’industrielle afin d’assurer une confidentialité totale des données. Sur la base
de ce premier produit, elle souhaiterait maintenant aborder la question d’un capteur
hyperspectral sur smartphone, capable de fournir le même type d’analyse que la
plateforme précédente. Les domaines d’application des travaux sont multiples : détection
de maladies, estimation de qualité, reconnaissance d’espèces ou de variétés, etc.
De telles applications visent à se développer à destination des particuliers par
exemple (Plantix3), mais d’une part, les traitements ne sont pas embarqués et limitent
donc l’utilisation de l’application à des zones avec couverture Internet, ce qui est tout à
fait réalisable en zone urbaine, mais pas en zone rurale. Par ailleurs, l’utilisation de
l’imagerie hyperspectrale apportera une grande fiabilité dans les traitements.
Objectifs
Les principaux verrous scientifiques portent sur :
• La transformation d’un smartphone en capteur hyperspectral capable de
résoudre avec un gain substantiel en termes de performance et suffisamment
d’autonomie de batterie des problèmes d’imagerie des plantes.
• Le traitement automatique des images hyperspectrales obtenues avec les
contraintes liées au smartphone (capacité de calcul et mémoire réduite). On
pourra considérer des situations de détection aveugle où l’on ne sait pas quel
objet (pathologie, adventice) est recherché : dans ces situations, l’ensemble des
bandes seront acquises. Dans le cas de situations de détection orientées vers
des objets suspectés, la sélection des bandes spectrales se fera directement au
niveau de l’acquisition.


Encadrant : Laure Tougne