Accueil
18 octobre 2018 / Compétences et expertise / Vitagora / Sciences et technologies
La flavescence dorée : une maladie à dépister via l’imagerie & l’intelligence artificielle ?
La flavescence dorée est une maladie incurable de la vigne bien connue des vignerons. Les symptômes de cette pathologie ressemblent à s’y méprendre à ceux du bois noir. A ce jour, il n’existe pas de dispositif permettant de dépister ces maladies et de les discriminer rapidement et efficacement. Quelle est la solution issue du projet DAMAV pour répondre à cette problématique ? Comment discriminer ces deux maladies ? Comment dépister la flavescence dorée ?
Pourquoi s’y intéresser ?
- La flavescence dorée est une maladie de la vigne incurable difficile à distinguer du bois noir
- Il n’existe pas à ce jour de système pour détecter rapidement et précocement la flavescence dorée du bois noir
- La détection classique de la flavescence passe par une phase de prospection à pied dans les vignes et l’utilisation de test biochimique pour confirmer sa présence. C’est un processus long, nécessitant de la main-d’œuvre et coûteux.
- Dépister précocement la flavescence dorée permettra de mettre en place des cellules de confinement afin de protéger le reste du vignoble de la maladie
- Les capteurs et les processeurs neuronaux ouvrent de nouveaux possibilités pour analyser très finement la couleur, mais aussi la texture et le spectre des plantes
Incurable et contagieuse : la flavescence dorée est problématique pour les vignobles. La responsable : une cicadelle (petit insecte volant) véhiculant la maladie aux feuilles de vigne. Une fois contaminé, le cépage se décolore, le port de la vigne tombe et les inflorescences meurent. Si cette maladie est bien connue des vignerons, il est pourtant difficile de la diagnostiquer car elle ressemble à s’y méprendre au bois noir (autre maladie de la vigne).
Classiquement, le diagnostic passe par une première phase de prospection à pied par les viticulteurs pour repérer les feuilles infectées. C’est un processus chronophage, coûteux et nécessitant une grande main-d’œuvre suivant les hectares à parcourir, durant la période critique des vendanges. Il faut ensuite envoyer les échantillons à des laboratoires d’analyses pour confirmer ou non la présence d’une maladie. Dans certains cas, ce qui est identifié visuellement comme de la flavescence dorée est en fait du bois noir.
Actuellement, il n’existe pas de système de détection automatique de la flavescence dorée et la communauté scientifique s’accorde pour dire que rien à ce jour ne permet de discriminer rapidement et précocement la flavescence dorée du bois noir. C’est pour cela que Frédéric Cointault et son équipe travaillent sur l’élaboration d’un système de diagnostic en vol des cépages dans le cadre du projet DAMAV.
Maître de conférences à AgroSup Dijon et chercheur au sein de l’UMR AgroEcologie, Frédéric Cointault nous apporte son expertise sur le diagnostic en vol de la flavescence dorée grâce aux drones, à l’imagerie et à l’intelligence artificielle.
Frédéric Cointault
Du traitement d’images au diagnostic de la vigne
Après un DUT en Mesures Physiques au Creusot et un IUP en électronique et traitement d’images, Frédéric Cointault s’oriente vers cette dernière thématique et réalise un master recherche en imagerie puis une thèse sur l’optimisation du processus d’épandage d’engrais par imagerie. A l’issue de cette thèse, Frédéric devient maître de conférences à AgroSup Dijon (ex-Enesad) en 2002. Il est également le responsable scientifique du projet DAMAV dont l’objectif est de développer une solution de détection automatisée des maladies de la vigne par survol des parcelles via un micro-drone.
UMR AgroEcologie
Frédéric fait partie de l’UMR AgroEcologie et plus précisément du pôle GEAPSI (déterminismes Génétiques et Environnementaux de l’Adaptation des Plantes à des Systèmes de culture Innovants) ayant pour objectif de caractériser l’adaptation des légumineuses et adventices des agrosystèmes aux contraintes environnementales. Les enjeux sont d’acquérir des connaissances sur les mécanismes génétiques physiologiques impliqués dans l’adaptation de ces plantes aux agroécosystèmes. Il est le responsable de l’équipe ATIP (Acquisition et Traitement d’Images pour le Phénotypage).
Un croisement de technologies
L’imagerie pour observer
Le principe du projet DAMAV est d’analyser le spectre électromagnétique compris entre 400 et 1100nm (de l’ultraviolet à l’infrarouge). « Nous déterminons dans cette gamme les longueurs d’onde caractéristiques de la différenciation entre une feuille saine et une feuille infectée. Nous en avons sélectionné quatre après des analyses statistiques et nous sommes en train de concevoir un capteur à quatre caméras sur lesquelles nous positionnerons quatre filtres associés aux quatre longueurs d’onde », annonce Frédéric.
L’analyse d’images pour détecter
Les symptômes visibles de la maladie n’apparaissent sur la feuille qu’à un stade avancé. Pour réaliser une détection précoce, il faut donc s’intéresser à ce que l’on ne peut pas voir : « aux perturbations internes des feuilles », indique-t-il. En effet, l’altération de la couleur de la feuille n’arrive qu’après l’altération de la structure interne et de la texture. « Les informations spectrales collectées par les caméras nous apportent des données sur la couleur, la texture et le spectre des feuilles. En couplant ces informations au diagnostic réel de l’état sanitaire des feuilles, il est possible de caractériser chaque pixel d’une image et de discriminer les zones malades ou saines d’une feuille. »
L’intelligence artificielle pour apprendre
Une fois ce processus d’analyse réalisé sur un grand nombre d’images, les données sont envoyées à un processeur neuronal. C’est ici qu’intervient Yumain (anciennement Global Sensing Technologies), un des partenaires du projet DAMAV. « Le principe est le suivant : nous allons montrer à l’intelligence artificielle (IA) contenu dans le processeur un triptyque spectre/couleur/texture et lui dire qu’il est associé à une maladie ou non. L’IA va intégrer les informations et apprendre à déterminer la nature de chaque pixel d’une image. Elle sera ensuite capable, en récupérant une nouvelle image de dire que le pixel 1 ressemble à un pixel X, de la base de données d’apprentissage, associé à la flavescence dorée et donc de dire que la photo représente une feuille malade », démontre Frédéric. « Pour l’instant, nous constituons la base de données, et l’objectif à atteindre sera de coupler les informations obtenues par imagerie avec celles obtenues sur le terrain et en laboratoire ».
L’environnement changeant : une difficulté en plus
Plusieurs paramètres viennent rendre ce processus plus compliqué qu’il n’y paraît. « Les résultats de l’analyse d’images vont être en fonction du cépage, des conditions météorologiques, du climat, du lieu et de la région. » Cette solution doit donc être adaptée, personnalisée à chaque condition, à chaque vignoble pour proposer un système de diagnostic précis.
Un projet qui n’est pas prêt d’atterrir
« A la fin de l’année 2018, nous aurons un capteur qui aura fait ses preuves durant les deux dernières campagnes de test. Pour l’instant les images sont prises à hauteur d’homme pour travailler le concept mais nous allons bientôt pouvoir récupérer et analyser les images issues du drone avec ce premier capteur. Courant septembre, le drone pratiquera plusieurs vols et sera opérationnel. La suite pour ce projet sera de réaliser le plus de campagnes de dépistage possible pour améliorer le système, récupérer un grand nombre d’images et en analyser le plus possible », conclut Frédéric.
Pour en savoir plus sur les travaux de Frédéric Cointault ou pour être mis en relation avec cette équipe de recherche, contactez Elodie Da Silva, chargée de projets à Vitagora : elodie.dasilva@vitagora.com.
Les mots-clés
Agriculture, vigne, maladie, dépistage, flavescence dorée, drone, capteur, imagerie, intelligence artificielle
|
Pour en savoir plus...Elodie Da Silva, ingénieur projets, est à votre écoute. Vous êtes intéressé par le projet DAMAV et les résultats qui en découlent ? Faites le lui savoir ! Cliquez ici ! Ingénieure agroalimentaire originaire de Toulouse, Elodie accompagne Marine dans le suivi des projets collaboratifs des membres de Vitagora, avec bonne humeur, professionnalisme et enthousiasme : recherche de partenaires, fléchage de financements, gestion du projet, etc.. |
Envie d'aller plus loin ?
- Hania AL SADDIK, Anthony LAYBROS, Bastien BILLIOT and Frederic COINTAULT, “Using Image Texture and Spectral Reflectance Analysis to Detect Yellowness and Esca in Grapevines at leaf-level”, Remote Sensing, 10(4), 2018.
- Hania AL SADDIK, Anthony LAYBROS, Jean-Clause SIMON, Frederic COINTAULT, “Protocol for the definition of a Multi-Spectral sensor for specific foliar disease detection: case of Flavescence Dorée”, Methods in Molecular Biology, Phytoplasma: Methods and Protocols 2018, Springer.
- Hania AL SADDIK, Simeng HAN, Jean-Claude SIMON, Frederic COINTAULT, Solution de détection des maladies de la vigne par imagerie de drone, Revue des Œnologues et des technique vitivinicoles et oenologiques, 44(162), 2017.
