Phénotypage haut-débit de la diversité génétique des arbres fruitiers pour une meilleure adaptation au changement climatique

Je suis chercheur post-doctorant à l'unité EMMAH sur le centre INRAE d’Avignon. Mon travail consiste à développer des techniques avancées de phénotypage basées sur le numérique permettant de mieux comprendre comment l’exploitation de la diversité génétique peut contribuer à améliorer la résilience des arbres fruitiers face au changement climatique.
Dans le cadre notamment du PEPR « Agroécologie et numérique », les équipes des unités de recherche EMMAH, GAFL et AGAP développent des outils et des méthodes s’appuyant sur les technologies numériques pour caractériser des systèmes de culture complexes. Outre des développements méthodologiques permettant de convertir des données stéréovision et RVB (rouge vert bleu) en traits de la végétation exploitables, par exemple, par des écophysiologistes ou des généticiens, ce projet s’intéresse à la fusion de différentes sources d’informations, ainsi qu’à la généralisation et la transférabilité des méthodes et des traits entre espèces. Plusieurs approches (apprentissage machine et profond, morphologie mathématique, statistiques) seront combinées. Ce projet s’appuie sur l’acquisition de jeux de données dans des core-collections de trois espèces fruitières d’importance (pêchers, abricotiers, pommiers) comportant chacune plus de 150 génotypes différents, assurant ainsi une représentativité de la variabilité de la floraison et de la structure des arbres par les différences d’âge, d’espèces et d’environnements contrastés. Il vise aussi à établir une cohérence temporelle entre mesures passées (notations visuelles) et phénotypage numérique.
Je suis attiré par l'agriculture numérique pour son potentiel à révolutionner le secteur agricole grâce à des technologies innovantes telles que l'apprentissage automatique et profond, optimisant ainsi l'efficacité et la durabilité. Ma motivation découle de ma passion pour l'utilisation de la technologie permettant de résoudre les défis réels de l'agriculture et contribuer à la sécurité alimentaire mondiale. Fort de mon expérience en mathématiques appliquées, j'apporte des compétences spécifiques en deep learning, statistiques et traitement d'images, ainsi qu'un engagement à résoudre les problèmes de manière collaborative. Mon objectif est de développer mes compétences professionnelles en approfondissant mes connaissances des technologies émergentes et de contribuer de manière significative à l'amélioration des pratiques agricoles.

• Date de démarrage:  1er avril 2024
• Discipline(s)/Spécialité(s): Deep learning, mathématiques appliquées, statistiques, traitement d’images
• Encadrant(s): Marie Weiss, UMR Emmah, Inrae et Evelyne Costes, UMR Agap, Inrae
• #DigitAg:  Axe 2 : Innovations en agriculture numérique, Axe 3 : Capteurs, acquisition et gestion de données, Challenge 2: Le phénotypage rapide, Challenge 1 : Le challenge agroécologique, Challenge 3 : La protection des cultures

Mots-clés : Phénotypage numérique, criblage génétique, arbre fruitiers, généralisation inter-espèces

Résumé : Ce projet vise à caractériser la résilience des arbres fruitiers via le phénotypage numérique d’un certain nombre de traits liés à la floraison et à l’architecture de l’arbre en alliant les compétences en analyse d’images (AGAP-PHENOMEN, EMMAH-CAPTE) et en génétique (GAFLPrunus) et en analyse architecturale (AGAP-AFEF) des quatre équipes impliquées. Outre des développements méthodologiques de traitement des données stéréovision et RVB pour accéder à ces traits, ce projet s’intéresse à la fusion des informations, ainsi qu’à la généralisation et la transférabilité des méthodes et des traits entre espèces. Plusieurs approches (apprentissage machine et profond, morphologie mathématique, statistiques) seront combinées. Ce projet s’appuie sur l’acquisition de jeux de données dans des core-collections de trois espèces fruitières d’importance (pêchers, abricotiers, pommiers) comportant chacune plus de 150 génotypes différents, assurant ainsi une représentativité de la variabilité de la floraison et de la structure des arbres par les différences d’âge, d’espèces et d’environnements contrastés. Il vise aussi à établir une cohérence temporelle entre mesures passées (notations visuelles) et phénotypage numérique. D’un point de vue des sorties attendues, nous avons l’ambition de contribuer au phénotypage de traits complexes et intégratifs (amélioration de la précision et du débit, accès à de nouveaux traits non accessibles manuellement), et au criblage génétique de la résilience en déterminant une typologie d’arbres permettant de maintenir la production face aux perturbations environnementales.

Contact: khac-lan.nguyen [AT] inrae.fr
Réseaux sociaux: LinkedIn