Imagerie hyperspectrale appliquée à la détection et à la quantification de pathogènes à la surface des feuilles

Projet de Master 2 Systèmes Dynamiques et Signaux

Résumé uniquement pour cause de confidentialité

Droeshout portrait of William Shakespeare
Same page in English

Problématique

L'imagerie hyperspectrale

Cette technologie permet d'enregistrer un grand nombre d'images (d'intensité/en niveau de gris) construites à partir des luminosités d'une même scène. Chaque image est enregistrée en intégrant les luminosités émises sur une fine plage de longueur d'onde (de quelques nm).

La détection de pathogènes à la surface des végétaux

La détection de pathogènes sur les végétaux est une problématique du domaine végétal. Cette détection peut se faire en faisant appel à des experts qui notent la présence et l'importance de pathogènes sur les végétaux étudiés. Toutefois, la détection de pathogène à l'aide d'images numériques permettrait des détections plus automatiques et plus importantes en quantité de végétaux étudiés.

L'imagerie hyperspectrale appliquée à la détection

L'imagerie hyperspectrale donne accès à une importante quantité d'information, qui, une fois interprétée permet d'analyser les comportements des points de la scène enregistrée. On se propose donc d'utiliser cette importante quantité d'information pour détecter et classifier des points d'intérêt dans l'image d'une feuille.

Nous envisageons de détecter/classifier les points des végétaux étudiés à l'aide de leur comportement de réflectance. Nous allons donc acquérir les images de manière à en extraire des images hyperspectrales de leurs réflectances, au niveau des plages de longueurs d'ondes enregistrées. Nous souhaitons donc extraire du spectre d'un pixel =le vecteur des intensités (ici les réflectances) du pixel dans les composantes de l'image hyperspectale, une classification du comportement de ce point.

Nous avons abordé cette classification selon deux points de vues différents au cours de l'étude bibliographique et au cours du stage la prolongeant :

Retour en haut de la page

Etude bibliographique

L'étude bibliographique réalisée avait pour fil directeur les mesures informationnelles et en particulier l'entropie relative de Rényi qui permet de mesurer l'écart entre deux signaux, qui sont des distributions de probabilités, d'un point de vue informationnel. L'entropie de Rényi mesure "l'écart de forme" entre les deux signaux.

Nous ne détaillerons pas, ici, les définitions et propriétés de cette mesure. Toutefois, il faut noter deux résultats importants sur cette mesure :

Ces deux conclusions nous amènent progressivement aux travaux que nous avons réalisés pendant le stage, qui traite plus de la sélection d'un nombre réduit de bandes spectrales discriminantes. Retour en haut de la page

Sélection de bandes spectrales

L'étude réalisée au cours du stage s'inscrit dans une perspective complémentaire de l'étude bibliographique. En effet, celle ci s'intéresse à la caractérisation du comportement des pixels à l'aide de leurs réflectances, intégrées sur quelques plages de longueurs d'ondes discriminantes. Ce point de vue accompagne une volonté de pouvoir caractériser les végétaux à l'aide de systèmes et de protocoles plus simples, et donc à l'aide de systèmes plus bas coût qu'un imageur hyperspectral onéreux.

Dans cette perspective, l'imageur hyperspectral serait utilisé pour distinguer les zones spectrales discriminantes, sur un ensemble de plantes-pathogènes de test imagé et d'infection contrôlée. Une fois les composantes discriminantes distinguées, la détection se réaliserait en enregistrant les images des réponses au niveau des zones spectrales choisies, à l'aide d'un imageur bas coût (LEDs et capteurs RGB/monochrome par exemple).

Retour en haut de la page

Végétaux/Pathogènes imagés

Au cours de ce stage, en plus de réaliser le traitement des images hyperspectrales, j'ai été amené à participer à l'acquisition des images hyperspectrales traitées. Les images ont été réalisées à l'aide d'un imageur hyperspectral qui fait partie de la plateforme d'instrumentation et d'imageries, dédiée au phénotypage des végétaux, sur le site angevin de la SFR Quasav, actuellement hébergé dans les locaux de la SNES-GEVES.

Les interactions plantes - pathogènes acquises consitent en des feuilles de végétaux infectées de façon contrôlée par un pathogène. Les intéractions suivantes ont été imagées et étudiées :

Retour en haut de la page

Prétraitement : Normalisation

La normalisation consiste à corriger l'influence de l'imageur, sur l'acquisition de l'image, afin d'obtenir une image des réflectances de la scène

L'imageur hyperspectral que nous utilisons au cours de ce stage (appartenant à la SFR QUASAV et élément de la plateforme PHENOTIC d'Angers) fournit des images hyperspectrales à 160 composantes dont les longueurs d'ondes centrales des bandes spectrales intégrées sont réparties entre 414 nm et 912 nm (le domaine du visible et du proche infrarouge).

L'imageur hyperspectral acquiert les images à la manière d'un scanner, en enregistrant les spectres des points de l'image colonne par colone. Pour cela, l'imageur est constitué de deux parties :

L'intérêt de la normalisation est de compensser les variations, de l'éclairage et des sensibilités des capteurs, spectrales (entre les différentes composantes) et spatiales (voir figure ci dessous).

100ème composante de l'image hyperspectrale brute 100ème composante de l'image hyperspectrale normalisée
100ème composante de l'image hyperspectrale de la feuille de pommier "FP4"
avant(à gauche/en haut) puis après(à droite/en bas) normalisation
Retour en haut de la page

Méthode de détection

On propose de construire une première méthode de détection de points pathogénés, utilisant au plus 3 composantes, parmi celles de l'image hyperspectrale normalisée. De cette manière, nous pourrons, envisager un protocole d'acquisition de ces composantes, à l'aide d'un nombre restreint de LEDs/capteurs judicieusement choisis et conserver les composantes construites dans une simple image RGB.

On peut évaluer les performances de détection de cette méthode combinant 3 composantes au travers de ses taux de détection =points pathogénés détectés/points pathogénés et taux de faux positifs =points non pathogénés détectés/points sains reconnus. Pour l'exemple de la feuille de pommier FP4, le taux de détection est suppérieur à 80% et le taux de faux positifs est inférieur à 5%

Retour en haut de la page

Conclusions

Les études réalisées permettent de vérifier l'importante quantité d'information que l'imagerie hyperspectrale fournit sur les comportements des végétaux. Nous avons pu aussi vérifier la possibilité de concevoir des protocoles de détection à partir de 3 composantes, afin de réaliser des traitements/acquisitions similaires à ce que l'on peut concevoir pour des imageurs RGB usuels.

Pour de futurs développements de cette étude, on peut envisager de plus contrôler le dispositif expérimental pour faciliter l'observation des contrastes entre les zones de la scène et d'afiner la méthode en elle même.

On propose aussi certaines perspectives pour des études complémentaires telles que l'incorporation de techniques supplémentaires d'imagerie pour faciliter la détection de certaines zones de l'image ; de même que l'adaptation de cette étude à des enregistrements de transitances de feuilles, qui peuvent contenir des informations complémentaires.

Retour en haut de la page

Documents disponibles (en puissance)

Retour en haut de la page