Première Partie : Résumé du projet
Le problème de la détection précoce ou non de maladies en vigne est l’un des aspects fondamentaux pour la filière professionnelle. Parmi ces maladies, la flavescence dorée est la plus délicate à repérer et la plus néfaste. Elle est décelable sur ses feuilles, contagieuse et incurable. Afin de contenir l’épidémie, la réglementation impose aux viticulteurs de contrôler chacun des pieds de vignes afin de détecter la maladie et d’arracher les ceps suspects. Or cette surveillance se fait à pied pendant les vendanges et mobilise de nombreuses personnes pendant une période stratégique pour la viticulture. Par ailleurs, il n’existe actuellement aucun dispositif commercial générique pour la détection automatique de cette Maladie.
Pour répondre à cette problématique, nous proposons de développer une solution clé en main pour les viticulteurs. Cet outil permettra la recherche de foyers potentiels, d’abord symptomatiques puis asymptomatiques, puis plus généralement de tout type de maladie de la vigne détectable sur le feuillage. Pour permettre ce diagnostic, le feuillage sera étudié à l’aide d’un drone, d’une caméra multispectrale haute résolution et d’analyse de données provenant d’autres capteurs. Plus concrètement, la thèse porte sur la corrélation de plusieurs sources de données afin d’affiner des modèles de détection de problématiques sur les cultures.
Parmi ces différentes sources de données on retrouve les données multi spectrales/hyper-spectrales par drone, les données satellitaires, les données météorologiques, les données agronomiques (humectation foliaire, prises de terrain, …). Dans ce cadre, il conviendra de concevoir un système multispectral pour identifier les symptômes recherchés grâce à une grande résolution spatiale ainsi qu’un logiciel d’analyse s’appuyant sur des outils d’intelligence artificielle. La chaine de traitement d’image sera capable d’analyser une grande quantité d’informations et d’apprendre au fur et à mesure afin d’apporter une réponse opérationnelle aux viticulteurs pour protéger leurs vignes et réduire l’utilisation de pesticides. Le repérage des foyers de maladie sera fourni dans un système d’information géographique pour apporter une lecture immédiate des zones infectées permettant un traitement localisé et direct des ceps infectés.
Deuxième Partie : Exposé du projet
L’utilisation de caméras et de logiciels de traitements d’images est devenue une pratique courante dans le domaine de l’inspection aérienne. Dans le cas particulier de la détection de maladies dans les vignes du type flavescence dorée, des contraintes particulières apparaissent. En effet, quatre symptômes doivent être présents simultanément et sur un même rameau pour conclure à la présence d’une jaunisse à phytoplasmes témoignant de la maladie de la flavescence dorée :
- Le changement de coloration des feuilles,
- L’enroulement des feuilles
- L’absence de lignification des nouvelles pousses
- La mortalité des inflorescences et des baies.
La coloration des feuilles varie en fonction du cépage : elles deviennent jaunes pour les cépages blancs, rouges pour les cépages rouges. La difficulté est alors de détecter ces symptômes et de les discriminer par rapport à un autre signe proche comme une simple branche cassée qui aura une influence sur la coloration de la feuille. Pour qu’une suspicion soit fondée on considère qu’il faut détecter au minimum deux des symptômes ci-dessus.
L’objectif du projet est de développer une solution automatisée de recherche et de détection des maladies de la vigne par un moyen robotisé aérien associé à un outil de traitement logiciel dédié. L’objectif du travail de doctorat est de concevoir et mettre en place un système d’acquisition d’images multispectrales par drone et de développer les algorithmes de traitement des images spectrales (capteur hyperspectral) et spatiales (capteur multispectral), en se basant sur les caractéristiques spectrales liées à la flavescence dorée, et plus généralement à tout type de maladies de la vigne, et sur la fusion de données multi capteurs et multi échelle basée sur de l’intelligence artificielle et de la data augmentation. La combinaison des approches dites « pan-sharpening » avec des outils de sélection optimale des meilleures bandes spectrales sera étudiée.
Deux outils d’aide à la décision seront développés, le premier portant sur une détection symptomatique des maladies et le second sur une détection asymptomatique.
Le sujet de thèse se décompose ainsi en trois grandes phases :
- Élaboration d’un protocole, mise en condition terrain et développement de l’OAD (Outil d’Aide à la Décision)
- Réaliser une bibliographie listant les maladies de la vigne problématiques et à identifier/caractériser en priorité, permettant ainsi de créer une carte heuristique ad-hoc.
- Utiliser les images déjà disponibles et alimenter le modèle existant pour identifier les symptômes visibles de la flavescence dorée (se nourrir aussi des caractéristiques autres que les symptômes colorimétriques (texture, forme …), via des experts de chambres d’agriculture par exemple).
- Développer un protocole adapté aux détections précoce et non précoce, intégrant des capteurs multispectraux et des techniques avancées d’intelligence artificielle.
- Développer l’OAD couplant imageries et IA : créer en parallèle une base de données robuste pour entraîner les modèles, en se basant sur une méthode de data augmentation réelle.
- Réaliser des premiers tests sur des parcelles pilotes pour ajuster les paramètres techniques.
- Correction du protocole et mise en condition terrain
- Affiner le protocole en fonction des retours d’expérience de l’année précédente.
- Étendre les tests à un plus grand nombre de parcelles pour valider la robustesse du protocole.
- Intégrer des données supplémentaires pour améliorer la précision de l’outil (ensoleillement, pluviométrie, humidité, données du sol …).
- Coupler des données aériennes à des données piétonnes pour fusionner/corréler les informations prises à différentes échelles, sous différents angles et à différentes périodes.
- Définir une nouvelle méthode d’évaluation de la qualité de la détection.
- Validation finale du protocole et de l’outil d’aide à la décision
- Valider le protocole final en conditions réelles sur des parcelles représentatives dans différents vignobles.
- Evaluer la précision, la fiabilité et l’utilité du système pour les viticulteurs.
- Préparer la mise sur le marché du service de détection précoce dans tous les vignobles intéressés.
- Réaliser une cartographie de foyers infectieux et de plateforme collaborative de foyers pour différentes localisations ? Et aussi proposer d’alimenter les cartographies existantes.
Les compétences requises pour le candidat sont les suivantes :
- Langage Python
- Acquisition d’images et métrologie (mise en place de protocoles expérimentaux)
- Outils d’Intelligence Artificielle
- Analyses statistiques
Un niveau B2 minimum en anglais est souhaité. Un intérêt pour le domaine agronomique serait un plus.
Collaboration(s) prévue(s) et formation(s) complémentaire(s) envisagée(s) pour l’étudiant pendant sa thèse
Ce sujet de thèse sera financé par l’ANRT, dans le cadre d’un projet CIFRE, et soutenu par l’entreprise Agreego. L’étudiant(e) sera ainsi amené(e) à travailler dans un environnement collaboratif fort :
- Avec une société spécialisée dans la robotique aérienne, qui propose des services agricoles allant de l’épandage de semis à la détection d’adventices
- Avec une unité de recherche de l’Université Bourgogne Franche-Comté spécialisée dans l’imagerie, la vision artificielle et l’intelligence artificielle (ImViA), qui validera les modèles au fur et à mesure de leur optimisation
- Avec des partenaires des secteurs agronomique et viticole, qui apporteront leurs expertises de détection et de caractérisation des maladies (interprofessions viticoles de Champagne (CIVC), de Bordeaux (CIVB), de Bourgogne (BIVB), etc.) et permettront la réalisation de tests PCR pour la validation des résultats des traitements d’images
- Avec des partenaires commerciaux tels que le domaine Bernard Magrez, LVMH (Moët et Chandon), etc.
Ce travail pourra également être l’occasion de renforcer des partenariats régionaux, nationaux, voire internationaux avec des laboratoires ou instituts de recherche, dans le cadre d’un dépôt de projet européen.
Une formation accélérée à la langue anglaise est nécessaire pour faciliter l’expression orale de l’étudiant(e) lors de présentations à des congrès internationaux et/ou d’échanges avec des partenaires étrangers. En fonction du niveau initial de l’étudiant(e), des formations pourront être proposées dans le cadre de l’École Doctorale Environnement-Santé, à laquelle l’étudiant(e) sera rattaché(e).
Un CV et une lettre de motivation sont à envoyer avant le 15/06 à :
Frédéric COINTAULT – UMR Agroécologie
frederic.cointault@agrosupdijon.fr
03.80.77.27.54
Guillaume DABEL / Maxime BRIVOIS – Agreego
info@agreego.fr
