Phénaufol: PHENotyping tools and methods development for AUtomated detection of sugar beet FOLiar diseases
Phénaufol - Mise au point d'outils et techniques de PHENotypage pour détecter AUtomatiquement les maladies FOLiaires de la betterave.
Résumé
The Phenaufol project consisted in the development of a robotic phenotyping process for sugar beet trial
plots, and of algorithms for automated quantification of symptoms. A preliminary go/no-go approach
allowed us to focus on the most suitable sensors for leaf diseases phenotyping. In order to measure the
impact of each main foliar disease, several image analysis methods (thresholding, texture, machine
learning) were compared. At the same time, a mathematical modeling of the chosen robotic rig was done
for a precise motion execution. Several in-field phenotyping campaigns were conducted to validate the
system improvements and to collect disease dynamics data. Geographic visualization was done as a
proof of concept. Finally, a vision / robotics pairing was implemented with a tracking algorithm, to move
the camera at the closest to the symptoms. Some blockages still need to be removed before running a
wide-scale phenotyping campaign (many commercial varieties, national network of experimental sites).
Le projet Phénaufol a consisté à développer une chaîne de phénotypage robotisée des parcelles
expérimentales de betteraves sucrières et de quantification automatisée des symptômes de maladies
foliaires. Une approche en go / no-go préliminaire a permis de sélectionner les capteurs les plus adaptés
au phénotypage des symptômes de maladies foliaires. Diverses approches de traitement d’image
(seuillage, texture, machine learning) ont été comparées dans le but de quantifier l’impact de chacune
des principales maladies foliaires. En parallèle, une étude mathématique a été réalisée sur la plateforme
robotisée choisie, afin de permettre une commande précise des mouvements. Plusieurs campagnes
d’acquisitions ont été effectuées pour valider les itérations du système sur le terrain et d’acquérir des
données sur le développement des maladies. Une preuve de concept sur la visualisation géographique
a été réalisée. Enfin, un couplage vision / robotique a été implémenté sous la forme d’un tracking de
manière à positionner la caméra au plus près des symptômes. Un certain nombre de leviers reste encore
à lever avant de lancer un phénotypage à grande échelle (panel commercial de variétés, réseau national
d’essais).
Origine : Fichiers éditeurs autorisés sur une archive ouverte
