#DIGITAG MASTER 2

L’arboriculture est un maillon essentiel de l’agriculture française qui contribue à la diversification des cultures, au stockage de carbone dans le sol et à une alimentation saine et locale. 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. L’objectif de ce stage de Master 2 est de développer 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.

Nous nous appuierons sur une base de données existante qui sera enrichie par une campagne de mesures expérimentales dans des vergers à forte diversité génétique de plusieurs centaines d’arbres. Les images seront acquises à l’aide de deux caméras RVB embarquées sur le système de phénotypage piéton LITERAL, et seront complétées par des mesures de routine (visuelles/manuelles) des traits ciblés. Pour les traits de croissance et de floraison, le stage consistera à améliorer les méthodes d’estimation existantes combinant deep learning et morphologie mathématique. Concernant les traits liés à la chlorophylle, les tout premiers protocoles d’acquisition et de traitement de données seront mis au point (mesures au chlorophylle-mètre/SPAD, photos RVB). 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.

Figure : début de la chaine de traitement des images pour estimer les diamètres des troncs

Ce travail bénéficie d’une aide de l’État gérée par l’Agence Nationale de la Recherche au titre du programme d’Investissements d’Avenir portant la référence ANR-16-CONV-0004