Etude de l'architecture de canopées de froment d'hiver et d'orge de printemps par imagerie stéréoscopique

Abstract

Le phénotypage des cultures est un enjeu important pour sélectionner les variétés et traitements les plus adaptés pour augmenter les rendements tout en réduisant les impacts environnementaux et en s'adaptant aux changements climatiques. Au contraire des mesures manuelles, le phénotypage haut débit par imagerie a le potentiel de caractériser rapidement une grande surface de cultures. Le but de ce travail est de déterminer la capacité d'un système de vision 3D stéréoscopique à caractériser l'architecture de canopées de froment d'hiver et d'orge de printemps. Les traits d'intérêts sont l'indice de surface foliaire "Leaf Area Index" (LAI), l'angle moyen des feuilles "Mean Tilt angle" (MTA), la hauteur des plants, la biomasse aérienne, le stade de développement et le nombre et la longueur des épis. Les images ont été acquises dans deux champs (situés en Belgique à Lonzée et à Gembloux) dans le cadre d'essais de fertilisation azotée afin d'étudier des architectures contrastées. Le traitement de ces images inclut la segmentation sol-plante, la construction d'une carte de profondeur et le calcul des traits d'intérêt sur base des informations de profondeur, couleur et texture des images. Aussi bien des méthodes de calculs innovantes que des méthodes basées sur la littérature ont été implémentées. La stéréoscopie s'est révélée capable de mesurer les traits d'intérêt et de détecter des différences entre les traitements azotés. Les erreurs de mesure commises ont été quantifiées et comparées à celles rencontrées dans la littérature. Enfin, des améliorations de la méthode ont été proposées. Les perspectives dégagées par ce travail sont nombreuses, entre autres : étude des traits concernés en réponse à des stress biotiques ou abiotiques, extension de la méthode à d'autres traits ou cultures et combinaison des caméras stéréoscopiques avec d'autres capteurs.

In-field crop phenotyping is an important stake to select the most suitable varieties and treatments to increase yields while reducing environmental impacts and dealing with climate changes. High throughput phenotyping has the potential to characterize wide crop areas quicker than manual measurements. This study aims to determine the capacity of 3D stereovision to characterize the architecture of two important crops : winter wheat and spring barley. Studied traits are leaf area index (LAI), mean tilt angle (MTA), plant and spike heights, above ground biomass and development stage as well as the number and the mean length of spikes. Images have been taken from two different fields (Lonzée and Gembloux, Belgium) dedicated to agronomic experiments. The fields were divided into several micro-plots, fertilized with different amounts of nitrogen so that their architectures were different. Image processing included leaves segmentation through support vector machines, distance map building and traits computation thanks to depth, color and texture information. Both brand new and literature-based computation methods have been developed. Stereovision has been proven efficient to estimate the targeted traits and to detect differences between nitrogen treatments. Errors have been quantified and compared with values from literature. Finally, improvements of the method have been proposed. Perspectives include study of the response of the targeted traits to biotic and abiotic stresses as well as extending the method to other traits or crops and combining stereo cameras with other sensors.