offres d'emploi formations actualités contact accès annuaire intranet
Séminaires >

Segmentation d’image robuste pour la détection précoce des maladies des plantes sur la feuille

Arnaud Ahouandjinou, LISIC

jeudi 28 juin 2018 à 13h30

B014


Résumé : La segmentation d’image de feuille de plante est un outil important pour la détection précoce des maladies des plantes à partir des symptômes pendant la floraison et la maturation. En effet, à ce stade, une lutte antiparasitaire est enclenchée par l’agriculteur afin de permettre aux plantes de résister aux maladies. Cette lutte inclue l’utilisation massive des produits phytosanitaires qui sont à la fois dangereux pour les cultures, pour l’environnement agricole, et pour la santé tant bien des agriculteurs que des consommateurs. L’objectif principal de nos travaux de recherches est de répondre aux nouveaux challenges agronomiques face aux conséquences du changement climatique et dans un contexte d’agro-écologie pour une agriculture saine. Pour y parvenir, nous avons proposé à travers le développement d’une nouvelle méthode de luttes antiparasitaires basée sur les outils technologiques de traitement d’images.

Dans ce travail, nous proposons une nouvelle approche de segmentation basée région dans un contexte crédibiliste. Cette approche a l’avantage de prendre en compte dans le modèle de segmentation toutes les sources de bruit d’acquisition (par exemple, variation de luminosité et imprécision de la caméra de prise vue). Les résultats expérimentaux en comparaison avec ceux des approches similaires démontrent que la méthode proposée est efficace et très robuste aux bruits d’acquisition par sa généricité.

Mots clés : Segmentation d’image des feuilles de plantes, détection des maladies des plantes, agro-écologie, segmentation basée région, modèle des croyances transférables.