Apports de la vision par ordinateur pour la d

1
Apports de la vision par ordinateur pour la
détection et le suivi de pathologies végétales
application à létude de linteraction
hôte/parasite du couple rose/oïdium

• Céline HUDELOT, Monique THONNAT INRIA
• Paul BOISSARD, Guy PEREZ, Pierre PYRRHA INRA
  Antibes-URIH
• Collaboration Nicole BALLINO, Géraldine GUIGNON,
  Frédéric FERRERO INRA Antibes-Fréjus

3èmes Rencontres du groupe OïdiumS INRA Fréjus
04/04/2002
2
Objectifs

• Conception dun système de vision générique
  permettant une détection précoce et une
  identification des pathologies végétales in situ
• Reconnaissance dobjets complexes (champignons,
  insectes,) par lutilisation conjointe de
  techniques de traitement dimages et
  dintelligence artificielle
• Application au cas de la détection précoce de
  loidium du rosier en serre
• Intégration dans un programme de Production
  Intégrée des Cultures (Action PIC) visant à
  réduire lutilisation de fongicides et de
  pesticides

3ème Rencontres Groupe OïdiumS
3
Le diagnostic des pathologies végétales (1/2)

• Acte visuel consistant à déduire la présence
  dune maladie par lobservation des signes ou
  symptômes caractéristiques
• Signes structures observables du pathogène
  présentes sur la plante malade (conidies,
  mycélium,)
• Symptômes changements observables résultants de
  la réaction de la plante vis à vis du pathogène
  (tache, nécrose, )
• Compétences nécessaires
• Savoir observer focalisation sur les critères
  les plus pertinents
• Savoir raisonner interprétation des signes et
  symptômes en terme de maladies (création,
  élimination, validation dhypothèses)

3ème Rencontres Groupe OïdiumS
4
Le diagnostic des pathologies végétales (2/2)

• Domaine dexpertise
• Possédant un vocabulaire spécifique (souvent
  descriptif)
• ex nécrose dessèchement des tissus, couleur
  brune, limite distincte
• Problème de la communication entre les différents
  acteurs (horticulteurs, techniciens, )
• Nécessite de la précision, de la fiabilité et de
  la rapidité
• Intérêt dune détection précoce, identification
  précise par les signes
• Est limité par la limite de la vision humaine
  (utilisation doutils de grossissement )
• Moyens destructifs, observation hors de la serre
• Echelle dobservation de lexpert est
  individuelle
• Problème de la transmission des compétences, de
  la comparaison des descriptions

3ème Rencontres Groupe OïdiumS
5
Pourquoi utiliser la vision?

• Automatisation du diagnostic des pathologies
  végétales par lutilisation de techniques de
  traitement dimages et dintelligence
  artificielle permettant

• Une détection in situ non destructive
• Une détection précoce
• Modélisation du savoir et savoir faire de
  l expert
• Mesurer une information qualitative mais aussi
  quantitative de la maladie
• Suivi dune pathologie (mesure de limpact dun
  traitement)

3ème Rencontres Groupe OïdiumS
6
Principe (1/2)
Extraction de paramètres descriptifs par un
système de traitement dimages
Description numérique et/ou symbolique (image) de
lobjet dintérêt
Interprétation
Images ou séquence dimages
Informations sur la scène Facteurs de risque
Extraction du contexte de lanalyse
Diagnostic
Connaissances externes a priori (capteurs
externes température, humidité, )
Savoir Observer
Savoir Raisonner
3ème Rencontres Groupe OïdiumS
7
Principe(2/2)
Extraction de paramètres descriptifs par un
système de traitement dimages
Interprétation
Filament ensemble de points connexes Paramètres
de taille longueur et largeur filament
aire, aire enveloppe convexe Paramètres de
nombre nombre dextrémités nombre
dobjets Paramètres de forme Compacité
Circularité
Oïdium présent Phase dextension Pas de
fructification
Si (feuille jeune) et si (objet mycélium_bien
_ramifie) et si (conditions extérieures
conditions optimales) alors oïdium en phase
dextension
Images ou séquence dimages
Moyennes colorimétriques de la feuille age,
aspect, face
Extraction du contexte de l analyse
Température 20C Humidité 100
3ème Rencontres Groupe OïdiumS
8
Un travail en 3 étapes

• Modélisation de lexpertise du domaine sous la
  forme dune base de connaissances décrivant les
  critères observables signes et symptômes
  précoces
• Développement dalgorithmes de reconnaissance de
  formes
• Moteur dinterprétation adapté au diagnostic et
  au suivi des pathologies

3ème Rencontres Groupe OïdiumS
9
L oïdium du rosierSphaerotheca pannosa lév.,
var rosae

• Contexte
• Une des maladies foliaires fongiques les plus
  importantes
• Toujours présente
• Conditions optimales de développement
• 20C
• humidité relative élevée
• Lutte chimique ou biologique

• Symptomatologie
• Macroscopique
• Feutrage blanc/gris daspect duveteux sur parties
  herbacées
• Taches rouges sur la partie inférieure des
  feuilles
• gaufrage
• Microscopique
• Présence de conidies non germées
• Structures filamentaire
• Grande quantité de conidies conidiophores
  (fructification)

3ème Rencontres Groupe OïdiumS
10
Le cycle de loïdium
3ème Rencontres Groupe OïdiumS
11
Le cycle de loïdium
Loupe binoculaire (1 pixel 1,5 microns)
Développement mycélien
Présence de conidies non germées
Développement mycélien
Vidéomicroscope (1 pixel 3,7 microns)
Visibilité à lœil nu
Conidiophores
Conidiophores fructification
Conidiophores fructification
3ème Rencontres Groupe OïdiumS
12
Modélisation des critères observables(exemple 1)
Critères expert
Critères vision
3ème Rencontres Groupe OïdiumS
13
Modélisation des critères observables (exemple 2)
Critères expert
Critères vision
. Mycélium seul ???? .Modélisation par des crêtes dans le repère (x, y, Ng) .Algorithme de segmentation détecteur de crêtes .Description - longueur totale, largeur, nombre d'extrémités - dimension fractale (complexité dembranchement) - ...
14
Manipulations

• But Acquisition de données représentatives de
  l'évolution précoce de la maladie
• 2 approches
• approche laboratoire (Frejus)
• Inoculations primaires et secondaires (pinceau et
  cil) de la maladie sur jeunes folioles prises en
  serre
• Suivi de l'évolution
• approche serre (URIH)
• Surveillance de plusieurs sites jugés à risque
  jeunes feuilles uniquement

3ème Rencontres Groupe OïdiumS
15
Conclusion

• Système de vision semble être un bon moyen pour
  détecter et identifier les premiers signes et
  symptômes
• Point essentiel de la Protection Intégrée
  (traitements ponctuels levures)
• Apport dune information quantitative
• Limitation du problème aux sites particulièrement
  sensibles ciblage des jeunes feuilles
• Dans le cadre dun souci de production, ébauche
  dun outil capable détablir létat sanitaire
  dune culture à un moment donné (en parallèle
  avec ce qui se fait au niveau de la nutrition ou
  du climat)