[Stage terminé] Julien Desforges

[Stage terminé] Julien Desforges : Utilisation de l’analyse d’images pour le criblage des ressources génétiques des arbres fruitiers en termes de vigueur, de photosynthèse et de phénologie

Sujet de stage financé par #DigitAg

Utilisation de l’analyse d’images pour le criblage des ressources génétiques des arbres fruitiers en termes de vigueur, de photosynthèse et de phénologie

Je suis en stage de Master 2 à l’interface entre les unités GAFL (Génétique et Amélioration des Fruits et Légumes) et EMMAH (Environnement Méditerranéen et Modélisation des Agro-Hydrosystèmes). J’ai suivi 3 ans de cours en classe préparatoire, MPSI puis MP. J’ai ensuite complété ma licence de mathématiques à l’université d’Orléans. Puis j’ai intégré le Master de Mathématiques Appliquées, Statistique de l’université d’Orléans.
L'Inrae cherche à développer des outils de phénotypage à haut-débit. Les traits à phénotyper sont la vigueur (vitesse de croissance du tronc, qui passe par la détermination de la taille du tronc) et la floribondité.
A la fin du projet, on souhaite avoir un outil qui, avec une photo, indiquerait la floribondité et, avec plusieurs photos espacées de  quelques mois, indiquerait la vigueur (vitesse de croissance du tronc) de l’arbre. 
Selon moi, l’agriculture est une problématique importante, d’autant plus dans un contexte de réchauffement climatique. De plus, je pense que c’est un sujet qui est étroitement lié aux enjeux environnementaux actuels. Je pense que mes connaissances en deep learning peuvent être utiles pour faire avancer ce projet. Et durant ce stage j’apprends beaucoup à « bricoler » l'installation de librairies et versionning. 
Le sujet a clairement des perspectives puisque l’outil que nous souhaitons développer ne produit pas encore de résultats. Mais cela prendra encore plus de temps avant qu’il ne produise des résultat précis et réguliers et qu’il puisse être utilisé pour du phénotypage à haut-débit. Je pense que mon stage m’ouvre aussi pas mal de perspectives puisque je travaille à cheval sur 2 laboratoires. De plus, le sujet de stage en lui-même, imagerie et deep learning, est un domaine en plein essor.

  • Date de démarrage: 1er mars 2023 (durée de 6 mois)
  • Unité: GAFL, Inrae
  • Université: Université d'Orléans
  • Nom du Master suivi: Mathématiques Appliquées, Statistiques
  • Discipline / Spécialité : Mathématiques, Informatique
  • Encadrant(es): Morgane Roth, GAFL, Inrae; Marie Weiss, Emmah, Inrae; Sylvain JAY, Emmah, Inrae
  • #DigitAg: Axe 5 : Fouille de données, analyse de données, extraction de connaissances, Axe 2 : Innovations en agriculture numérique, Axe 3 : Capteurs, acquisition et gestion, Challenge 2: Le phénotypage rapide, Challenge 1 : Le challenge agroécologique

Mots-clés : Phénotypage, haut-débit, deep learning, segmentation, stéréo-vision

Résumé : L’arboriculture est un maillon essentiel de l’agriculture française contribuant à une alimentation saine et locale tout en permettant de diversifier les cultures et de stocker du carbone dans les sols. Cependant, ce secteur est fragile et en forte demande d’innovation variétale, notamment pour adapter les variétés au changement climatique et à la réduction des pesticides. Un enjeu important pour y parvenir est de proposer des solutions innovantes pour un phénotypage rapide et précis des ressources génétiques fruitières, enjeu auquel ce stage ambitionne de contribuer grâce à l’imagerie RVB (rouge vert bleu). Le projet vise à mettre au point des méthodes d’analyses d’images, combinant apprentissage profond, morphologie mathématique et stéréovision, pour extraire des traits de vigueur, de phénologie et d’activité photosynthétique chez le pêcher et l’abricotier. Les images seront acquises à l’aide de deux caméras RVB embarquées sur le système de phénotypage léger PHENOMAN dans des vergers à forte diversité génétique de plusieurs centaines d’arbres, et accompagnées de mesures de routine (visuelles/manuelles) des traits ciblés. Ceci viendra alimenter une base de données existante grâce à laquelle l’étudiant·e développera des algorithmes pour quantifier:

- L’évolution du volume du tronc et de la teneur en chlorophylle des arbres au cours de la saison, fonctions de la vigueur et de l’état de santé de l’arbre
- Le stade de floraison et la densité florale qui sont déterminants pour l’adaptation au terroir et le rendement.

L’étudiant devra améliorer les méthodes d’estimation existantes pour les traits de croissance et de floraison, et concernant les traits liés à la chlorophylle, mettre au point les tout premiers protocoles d’acquisition (mesures SPAD, photos RVB) et de traitement de données. L’objectif à l’issue de ce stage est d’obtenir des outils fiables permettant de phénotyper efficacement les traits ciblés en routine dans les équipes de recherche voire en sélection.