Louis LAC soutiendra sa thèse, le 3 mars à 10h dans l'Amphi JP. DOM du Laboratoire IMS, sur le sujet : "Méthodes de vision par ordinateur et d'apprentissage profond pour la localisation, le suivi et l'analyse de structure de plantes. Application au désherbage de précision".

L'agriculture fait aujourd'hui face au défi de la constante augmentation des besoins alimentaires, causée par la croissance démographique soutenue. En parallèle, la crise environnementale, dont l'agriculture est en partie responsable, risque d'impacter négativement les sociétés humaines. Limiter ces impacts tout en assurant la sécurité alimentaire mondiale est donc une nécessité. L'agriculture de précision visant à traiter les cultures de manière plus fine et plus localisée que les méthodes traditionnelles de l'agriculture intensive est l'un des leviers de la transition vers une agriculture plus résiliente et moins polluante. Les récentes avancées en vision par ordinateur, en robotique et en intelligence artificielle permettent d'imaginer de nouvelles solutions innovantes afin d'automatiser certaines tâches comme le désherbage de précision.
Dans ce travail de thèse, des méthodes de vision par ordinateur et d'apprentissage profond sont explorées afin de détecter et de collecter des propriétés sur des plantes d'intérêt ainsi que pour suivre des plantes dans des séquences d'images. D'abord, ce travail propose d'employer un réseau de détection d'objets dans le but de localiser précisément les organes des plantes et d'estimer leur nombre de feuilles. Ensuite, il détaille un réseau de neurones profond, inspiré des détecteurs de pose, conçu pour détecter la structure non contrainte des plantes, c'est-à-dire la position des organes et leurs relations. Finalement, ce travail propose un algorithme de suivi de tiges de plantes dans des séquences d'images afin d'améliorer la robustesse de la détection des plantes.
Le travail proposé s'appuie sur un prototype de bloc-outil de désherbage mécanique de précision, nommé BIPBIP, pour évaluer expérimentalement les méthodes développées. Deux cultures en plein champ à un stade précoce de développement sont envisagées : le maïs et le haricot. Des expérimentations sont menées afin de paramétrer, d'évaluer et de comparer les méthodes proposées. Elles montrent qu'il est possible, d'une part, d'exploiter les réseaux de neurones profonds afin de détecter la structure des plantes et de localiser précisément leurs organes et, d'autre part, d'améliorer la performance via un algorithme de suivi temporel des détections.

.