Travaux de thèse

J’ai effectué ma thèse de doctorat sous la direction du professeur Frédéric Truchetet du laboratoire électronique informatique et image (le2i) de l’université de Bourgogne. Dans le cadre d’une collaboration entre le le2i et le LGAP de l’ENESAD, cette thèse s’est déroulée au sein du LGAP, cofinancée par le conseil régional de Bourgogne et par l’institut de recherche Arvalis.

Résumé

L’un des deux thèmes de recherche du LGAP porte sur la détection des adventices (“mauvaises-herbes”). La détection des adventices doit permettre de construire des cartes d’infestation. Ces cartes d’infestation pourront être utilisées pour effectuer des désherbages localisés minimisant ainsi les pollutions liées aux produits chimiques.

Nous proposons une méthode de détection basée sur des images aériennes acquises à l’aide d’un avion radiocommandé. Nous utilisons un capteur d’images multispectrales basé sur une caméra CCD et une roue de filtres. Ce capteur est suffisamment compact pour être embarqué dans un avion radiocommandé. Des images aériennes sont ainsi obtenues pour un coût très bas.

Une culture de tournesol infestée de folle-avoine

Les informations spectrales obtenues sont ensuite utilisées pour créer trois classes dans ces images : le sol, les cultures et les adventices. La classification est décomposée en deux étapes. Dans un premier temps,un algorithme non supervisé permet de séparer la végétation du sol. Puis, des algorithmes supervisés sont mis en oeuvre pour séparer les cultures des adventices. Nous proposons une comparaison de différents algorithmes entre eux.

Une méthode de détection des lignes de semis basée sur le filtre de Gabor est ensuite utilisée. Cette information permet de séparer les cultures des adventices indépendamment de leurs caractéristiques spectrales. Une méthode originale d’accélération des temps de calcul basée sur les paquets d’ondelettes est exposée.

Les deux approches ayant des sources d’erreurs différentes, nous proposons de les fusionner à l’aide d’une approximation de la théorie bayesienne. Enfin, un algorithme de croissance de région permet de lever les dernières incertitudes. La méthode est testée sur des parcelles d’essais.

Les cultures sont repérées en bleu et les adventices en rouge.

Les cultures sont repérées en bleu et les adventices en rouge

Documents associés