En savoir plus

Notre utilisation de cookies

« Cookies » désigne un ensemble d’informations déposées dans le terminal de l’utilisateur lorsque celui-ci navigue sur un site web. Il s’agit d’un fichier contenant notamment un identifiant sous forme de numéro, le nom du serveur qui l’a déposé et éventuellement une date d’expiration. Grâce aux cookies, des informations sur votre visite, notamment votre langue de prédilection et d'autres paramètres, sont enregistrées sur le site web. Cela peut faciliter votre visite suivante sur ce site et renforcer l'utilité de ce dernier pour vous.

Afin d’améliorer votre expérience, nous utilisons des cookies pour conserver certaines informations de connexion et fournir une navigation sûre, collecter des statistiques en vue d’optimiser les fonctionnalités du site. Afin de voir précisément tous les cookies que nous utilisons, nous vous invitons à télécharger « Ghostery », une extension gratuite pour navigateurs permettant de les détecter et, dans certains cas, de les bloquer.

Ghostery est disponible gratuitement à cette adresse : https://www.ghostery.com/fr/products/

Vous pouvez également consulter le site de la CNIL afin d’apprendre à paramétrer votre navigateur pour contrôler les dépôts de cookies sur votre terminal.

S’agissant des cookies publicitaires déposés par des tiers, vous pouvez également vous connecter au site http://www.youronlinechoices.com/fr/controler-ses-cookies/, proposé par les professionnels de la publicité digitale regroupés au sein de l’association européenne EDAA (European Digital Advertising Alliance). Vous pourrez ainsi refuser ou accepter les cookies utilisés par les adhérents de l'EDAA.

Il est par ailleurs possible de s’opposer à certains cookies tiers directement auprès des éditeurs :

Catégorie de cookie

Moyens de désactivation

Cookies analytiques et de performance

Realytics
Google Analytics
Spoteffects
Optimizely

Cookies de ciblage ou publicitaires

DoubleClick
Mediarithmics

Les différents types de cookies pouvant être utilisés sur nos sites internet sont les suivants :

Cookies obligatoires

Cookies fonctionnels

Cookies sociaux et publicitaires

Ces cookies sont nécessaires au bon fonctionnement du site, ils ne peuvent pas être désactivés. Ils nous sont utiles pour vous fournir une connexion sécuritaire et assurer la disponibilité a minima de notre site internet.

Ces cookies nous permettent d’analyser l’utilisation du site afin de pouvoir en mesurer et en améliorer la performance. Ils nous permettent par exemple de conserver vos informations de connexion et d’afficher de façon plus cohérente les différents modules de notre site.

Ces cookies sont utilisés par des agences de publicité (par exemple Google) et par des réseaux sociaux (par exemple LinkedIn et Facebook) et autorisent notamment le partage des pages sur les réseaux sociaux, la publication de commentaires, la diffusion (sur notre site ou non) de publicités adaptées à vos centres d’intérêt.

Sur nos CMS EZPublish, il s’agit des cookies sessions CAS et PHP et du cookie New Relic pour le monitoring (IP, délais de réponse).

Ces cookies sont supprimés à la fin de la session (déconnexion ou fermeture du navigateur)

Sur nos CMS EZPublish, il s’agit du cookie XiTi pour la mesure d’audience. La société AT Internet est notre sous-traitant et conserve les informations (IP, date et heure de connexion, durée de connexion, pages consultées) 6 mois.

Sur nos CMS EZPublish, il n’y a pas de cookie de ce type.

Pour obtenir plus d’informations concernant les cookies que nous utilisons, vous pouvez vous adresser au Déléguée Informatique et Libertés de l’INRA par email à cil-dpo@inra.fr ou par courrier à :

INRA
24, chemin de Borde Rouge –Auzeville – CS52627
31326 Castanet Tolosan cedex - France

Dernière mise à jour : Mai 2018

Menu Logo Principal ministère de l'Agriculture (DGER) CNIV Bordeaux Sciences Agro Université Champagne-Ardenne IFV ISVV

les maladies du bois de la vigne

Soutenance de thèse le 13 février 2019

thèse le 13 février 2019
Florian Rançon soutiendra sa thèse à l'IMS de Bordeaux (Amphithéatre JP Dom) le 13 février 2019 à 10h

Titre de la thèse

Imagerie couleur et hyperspectrale pour la détection et la caractérisation des maladies du bois de la vigne

  • Mr D. Rousseau, Professeur, Université d’Angers Rapporteur
  • Mr L. Macaire, Pofesseur, Université Lille 1 Rapporteur
  • Mr B. Tisseyre, Professeur, Montpellier Sup-Agro Examinateur
  • Mr C. Germain, Professeur, Bordeaux Sciences Agro Directeur de thèse
  • Mr L. Bombrun, Maître de Conférence, Bordeaux Sciences Agro Co-encadrant

Résumé

Les maladies du bois de la vigne sont responsables de pertes économiques importantes pour la filière viticole. Ces maladies d'origine fongique se manifestent notamment par une dégradation de la partie boisée du matériel végétal et par l'apparition erratique de symptômes caractéristiques sur la partie foliaire. Cette thèse est dédiée à l'étude de ces maladies (principalement l'esca) à l'aide de deux capteurs imageurs en proxidétection.

La question de la détection des symptômes visibles est tout d'abord abordée à l'aide d'un capteur couleur RVB permettant d'acquérir une image par pied de manière automatique ou semi-automatique. La reconnaissance des symptômes est abordée en deux étapes, d'abord en considérant la classification à l'échelle de la feuille puis la détection à l'échelle du pied. La particularité de cette étude est l'inclusion de facteurs confondants dans le problème de classification, tirant partie de l'information de forme des symptômes de l'esca pour les différencier d'autres troubles et maladies. Dans ce
but, une comparaison entre approches SIFT et approches transfer learning récentes est alors conduite. Les résultats nous poussent alors à considérer une architecture deep learning simple (RetinaNet) pour la détection des symptômes sur les images, permettant d'estimer un niveau d'atteinte pour chaque pied.

Le second capteur utilisé, une caméra hyperspectrale couvrant le spectre de 500 nm à 1300 nm, tente de répondre à une problématique plus expérimentale, à savoir le comportement spectral des pieds atteints par la maladie pouvant déboucher sur une détection précoce des pieds malades mais sans symptômes foliaires. Un protocole expérimental et une base de données de spectres sont alors constitués pour l'occasion. Les méthodes de réduction de la dimensionnalité permettent d'exploiter l'information hyperspectrale voire d'isoler les longueurs d'onde associées à chacune des deux classes. Les données ne permettent cependant pas, pour la plage de longueur d'onde mesurée et dans les conditions d'acquisition terrain, de réaliser une détection précoce de la maladie sur les pieds sans symptômes.

Les différences et similarités entre chacune de ces deux applications, en terme de constitution de base de données, d'algorithmes, de difficultés et de potentiel d'application en conditions réelles sont discutées tout au long du manuscrit.