L’objectif de cette thèse est de développer un système de reconnaissance automatique de plantes et de mauvaises herbes observées en conditions extérieures. Dans le chapitre 1, nous introduisons le contexte du problème et décrivons nos contributions. Dans le chapitre 2, nous décrivons la formation d’une image de radiance multispectrale sous l’hypothèse de surfaces Lambertiennes et les dispositifs qui peuvent être utilisés pour acquérir ces images. Nous fournissons ensuite une description détaillée de la caméra multispectrale utilisée dans cette étude. Comme les images de radiance sont acquises sous des conditions d’éclairage variables, nous proposons un modèle original de formation des images multispectrales qui tient compte de la variation des conditions d’éclairage. Dans le chapitre 3, nous estimons la réflectance afin de constituer une signature spectrale invariante à l’éclairage. D’abord, nous présentons les méthodes de l’état de l’art qui peuvent être exploitées pour estimer la réflectance à partir des images multispectrales. Puis, nous introduisons notre méthode. Le Chapitre 4 se focalise sur l’évaluation de la qualité de la réflectance estimée et comparons les performances obtenues avec celles de l’état de l’art. Nous évaluons également sa contribution à la discrimination entre les plantes et les mauvaises herbes. Les images multispectrales acquises sont composées d’un nombre élevé de canaux spectraux, dont l’analyse est couteuse en mémoire et en temps de calculs. Par ailleurs, les bandes spectrales associées à ces canaux peuvent être redondantes ou contenir des informations spectrales fortement corrélées. Par conséquent, nous sélectionnons les meilleures bandes spectrales pour la classification des plantes et mauvaises herbes et les utilisons pour spécifier une caméra adaptée à la reconnaissance de ces plantes. Les images acquises par un telle caméra sont enfin analysée par un réseau de neurones profond dédié. Sa contribution à la discrimination des plantes et mauvaises herbes est enfin démontrée expérimentalement.
M. Ludovic MACAIRE Université de Lille Directeur de thèse Mme Christelle GEE Agrosup Dijon Rapporteure M. David ROUSSEAU Université d'Angers Rapporteur Mme Christine FERNANDEZ-MALOIGNE Université de Poitiers Examinatrice M. Gilles ROUSSEL Université du Littoral-Côte d’Opale Examinateur M. Olivier LOSSON Université de Lille Examinateur M. Benjamin MATHON Université de Lille Examinateur M. Aurélien DUMENIL Chambre d'Agriculture de la Somme Examinateur
Thesis of the team Imagerie Couleur defended on 18/10/2022
français
English