Vous êtes sur la page 1sur 7

D

etection pr
ecoce de maladies sur feuilles par
traitement dimages
Simeng Han, Frederic Cointault

To cite this version:


Simeng Han, Frederic Cointault. Detection precoce de maladies sur feuilles par traitement
dimages. Orasis, Congr`es des jeunes chercheurs en vision par ordinateur, Jun 2013, Cluny,
France. <hal-00829402>

HAL Id: hal-00829402


https://hal.archives-ouvertes.fr/hal-00829402
Submitted on 5 Jun 2013

HAL is a multi-disciplinary open access


archive for the deposit and dissemination of scientific research documents, whether they are published or not. The documents may come from
teaching and research institutions in France or
abroad, or from public or private research centers.

Larchive ouverte pluridisciplinaire HAL, est


destinee au depot et `a la diffusion de documents
scientifiques de niveau recherche, publies ou non,
emanant des etablissements denseignement et de
recherche francais ou etrangers, des laboratoires
publics ou prives.

Dtection prcoce de maladies sur feuilles par traitement dimages


S.Han*

F. Cointault*

* AgroSup Dijon
simeng.han@agrosupdijon.fr

Rsum

des

Pour rsister aux maladies en agriculture et


viticulture,

la

solution

actuelle

ncessite

lemploi massif de produits phytosanitaires,


dangereux pour lenvironnement et loprateur.
Pour rpondre aux enjeux agronomiques, la
prsente tude consiste dfinir des mthodes
dacquisition et de traitement des images pour la
dtection prcoce de maladies chez les vgtaux.

molcules

trangres

aux

processus

biologiques et laissent des rsidus dans la nature.


Ils ont de consquences relles sur la sant des
utilisateurs et des consommateurs en raison de
leur persistance [ 1 ].
La volontactuelle est de diminuer le nombre de
molcules toxiques autorises sur le marchdans
le cadre du plan Ecophyto 2018, cela implique
de mieux contrler lapparition des maladies.
Les techniques dimagerie peuvent aider la
ralisation de ce compromis, en intervenant

Mots-cls
Dtection

f.cointault@agrosupdijon.fr

prcoce,

espace

colorimtrique,

espace hybride, imagerie thermique

notamment dans la dtection prcoce des


maladies chez les vgtaux.
En effet, les vgtaux ont une faon particulire

Abstract

de rflchir le rayonnement lectromagntique

In order to resist diseases in agriculture and

(Figure 1). Cette caractristique unique est

viticulture, the actual solution requires massive

appele la 'signature spectrale' de la vgtation.

use of phytosanitary products, dangerous for the

La rflectance de la vgtation est trs faible

environment and the operator.

dans les rgions bleue et rouge du spectre

To respond to the challenges agronomic, this


study seeks to early detection of the presence of
disease in plants by using imaging techniques:

lectromagntique, lgrement plus leve dans


la rgion verte et beaucoup plus haute dans le
proche infrarouge.

acquisition and image processing.

Keywords
Early detection, color space, hybride spaces,
thermal acquisition

Introduction

Dans les domaines de lagriculture et de la


viticulture prcision, la gestion ma
trise des

Figure 1Spectre de rflectance d'un vgtal

exploitations agricoles permet la fois un


rendement

croissant

et

un

chlorophyllien*

impact

environnemental ngatif rduit. Les produits

La croissance normale d'une plante est perturbe

phytosanitaires utiliss dans lagriculture sont

http://e-cours.univ-paris1.fr/modules/uved/envcal/ht
ml/vegetation/caracteristique-vegetation/ modifi
1

quand celle-ci traverse une priode de stress.


Ainsi,

elle

prsente

gnralement

certains

symptmes visibles (couleur) mais aussi d'autres


symptmes invisibles l'il nu (texture,
temprature)
(a)

Il existe plusieurs types de stress chez les

Figure 2: Mildiou sur feuille de vigne* : (a)

vgtaux, le stress hydrique, le stress azot, les

stade prcoce (b) stade avanc

ravageurs Les stress affectent la production de


chlorophylle,

provoquant

une

perte

(b)

de

Pour raliser la dtection de ce type de maladie,

chlorophylle et un changement de couleur de la

nous nous sommes naturellement orients vers le

feuille qui devient jaune, rouge et puis brune.

changement despaces colorimtriques.

Ces couleurs rendent le traitement dimages plus

Un espace colorimtrique dsigne le volume

performant pour la dtection des maladies. Par

gomtrique correspondant un ensemble de

contre, dtecter prcocement est un challenge

couleurs disponibles dans un systme [ 2 ].

plus pertinent. Lapparition de ces dernires, se

Lespace colorimtrique fournit des informations

traduit par une modification de la temprature

ncessaires supplmentaires et il reprsente les

extrieure, des structures externe et interne de la

relations corrlatives entre chaque couleur. La

feuille, de la texture et de la rflectance de la

conversion entre espaces colorimtriques permet

feuille, mesure que lon peut effectuer au

de renforcer limage couleur et de simplifier la

moyen de systmes optiques adapts.

recherche de lobjet dans limage. Les exemples

On se propose ici de prsenter depuis un premier


temps les algorithmes de dtection de maladie

suivants (Figure 3) nous montrent la dtection de


maladie Mildiou sur feuille par cette mthode.

visible ou peu visibles lil nu, en utilisant des

En plus, pour visualiser les taches et faciliter la

techniques bases sur la reprsentation des

dtection, nous nous intressons aux diffrentes

images

colorimtriques,

bandes de chaque image. La Figure 3(b) et la

hybrides ou non, mlant des informations la

Figure 3(d) ci-aprs nous montrent la bande V de

fois couleur et texture.

lespace YUV.

dans

des

espaces

On se propose ensuite daller plus loin, surtout


dans le cas ola maladie est en stade prcoce, en
utilisant des acquisitions par Proche Infrarouge
pour la visualisation.

Analyse et premiers traitements

(a)

Nos premiers travaux ont lieu sur des images de


feuilles de vigne atteintes de Mildiou. Ces
images reprsentent les diffrents niveaux de
tches de maladie (Figure 2), et acquises par des
capteurs photographiques.
(b)
Figure 3: (a) Mildiou stade prcoce dans
*

Images fournis par Dr Mohamed Sbaghi,


Chercheur-Directeur de Recherche, INRA Maroc.
2

lespace couleur YUV et la bande V (b)Mildiou

doigt), la feuille et la partie malade sur la

stade avanc dans lespace couleur et la bande V

feuille.

Ici, nous avons converti limage de Mildiou

Le programme nous permet de choisir 20 patches

dans lespace YUV, la Figure 3 reprsente les

dapprentissage pour chaque classe en cliquant

deux diffrents stades de maladie Mildiou en

directement sur limage. On obtient limage

fausse couleur.

reprsente dans le nouvel espace en fausse


couleur Figure 4(b) :

Nous discernons facilement les zones saines et


malades quand le Mildiou est en stade avanc
Figure 3(b), les tches de Mildiou sont bien
visibles. Mais cette mthode ne semble pas bien
fonctionner dans le cas de maladie en stade
prcoce (Figure 3(a)) : cette dtection nest pas
suffisante pour envisager de poursuivre avec un

(a)

(b)

Figure 4: (a) Mildiou sur feuille de vigne stade

traitement uniquement couleur. Il est donc

prcoce (b) Reprsentation de limage dans

ncessaire de coupler ce type de traitement un

lespace hybride

traitement bas sur lanalyse de texture.

Ainsi, par la mesure de la distance de

Mthodes et rsultats

Mahalanobis, on obtient limage de segmentation

3.1 Espaces hybrides

suivante (Figure 5):

Afin de dtecter la maladie dans le cas ola tche


est peu visible, c'est--dire quand la maladie nest
pas encore totalement dclare, mais aussi afin de
simplifier le traitement et viter la perturbation de
la couleur, il a sembl intressant dutiliser une
mthode danalyse d'images combinant des

(a)

(b)

informations couleur et texture.


Figure 5: Segmentations par mesure de distance
Cette mthode appele Espaces hybrides
couleur

texture

dtermination

dun

reprsentation

des

est

base

espace
images

sur

de Mahalanobis (a) image en niveau de gris (b)

la

hybride

de

combinant

des

informations couleur et texture ; il a t

image binaire
En

ngligeant

les

parties

perturbes,

la

segmentation donne un rsultat satisfait: la partie

dvelopp dans le cadre dune tude de

malade a tbien identifie par rapport la partie

faisabilit dun systme adapt au comptage

saine sur la feuille, la forme correspond bien la

dpis de bl [ 3 ]. Aprs apprentissage des

tche malade, ce qui nous donne un grand

diffrentes classes de points trouver, limage

avantage pour travailler sur la dtection de

est reprsente dans une

espace trois

maladie chez les vgtaux.

dimensions : chaque dimension tant un couple

La segmentation ne donne que des informations

de [paramtre texture, paramtre couleur].

sur la structure de limage, la mthode Espaces

Pour tester cette mthode, lexemple de limage


de Mildiou moins visible Figure 4(a) est utilis.
Dans cette image, on discerne trois classes de
textures: la partie perturbante(le fond, le

hybrides prend les points d'intrt d'une image


qui seront trouvs similaires. Les rsultats
affectent les trois couleurs chacune des rgions.
La mthode de la distance de Mahalanobis est
une mthode de segmentation non paramtrique,
3

elle permet dvaluer au mieux l'information

A partir des caractristiques des vgtaux

contenue dans les rgions.

appeles Signatures Spectrales(Figure 1), on


remarque il y a un grand changement de

3.2 Problmatique

rflectance dans linfrarouge quand le virus vient

Dans lexemple prcdent (Figure 5), la plupart


de la zone de maladie a t dtecte, mais un
problme se manifeste : on aperoit une zone de
maladie trs peu visible, prolongement de la
zone malade principale et qui na pas t
dtecte (Figure 6).

de commencer dattaquer la feuille.


On peut donc imaginer que si lon travaille dans
les spectres proches infrarouges, lon trouvera
facilite la dtection prcoce de maladie. Ici,
nous avons choisi de travailler sur limagerie
thermique.
3.3.1 Lintrt de limagerie thermique
Dans lagriculture de prcision, limagerie
thermique permet d'estimer la quantit de

Zone malade

(a)

non dtecte

chlorophylle prsente dans une plante [ 4 ]. Cette


imagerie donne une vue immdiate de la
rpartition des rayonnements de la scne
observe par l'il ou la camra [ 5 ]. Elle nous
montre les dtails dans un ensemble, s'il y a un
petit point chaud ou froid, on le distingue
immdiatement parmi les parties moins chaudes

(b)
Figure 6: (a) Image RGB (b) Segmentation par
mesure de distance de Mahalanobis
Effectivement, cette zone a djtattaque par
la maladie, mais elle est encore en priode
primaire ; donc par la mthode des espaces
hybrides, la dtection ne semble pas possible.
3.3 Limagerie thermique

quand la maladie est en stade prcoce, la


du

changement

Avant que la concentration en chlorophylle ne


chute dans les plantes stresses, le facteur de
stress a dj commenc affecter la structure
cellulaire des feuilles [ 6 ]. Limagerie thermique
permet de voir ces changements dans le proche
infrarouge (qui n'est pas visible l'il nu), avant
mme que les symptmes chlorotique ne

Les exemples prcdents nous montrent que


mthode

ou moins froides.

despaces

colorimtriques, ou lutilisation de la technique


des espaces hybrides qui travaillent sur la
couleur et la texture ne sont pas suffisant pour

commencent apparatre.
3.3.2 Lapplication et le rsultat
Lexemple fourni sur la Figure 7 nous montre les
intrts de limagerie thermique pour notre
tude.

rsoudre ce problme. En effet, si les maladies

La plante verte a un point distinct en image

sont dj visibles lil nu, il ny a que peu

thermique de la Figure 7(a): la couleur de ce

dintrts en terme de traitement phytosanitaire.

point lest plus fonce que les autres parties. A

Il convient donc de sintresser coupler le


traitement sur la couleur une autre technique
dacquisition dimages fonctionnant dans des
longueurs spectrales diffrentes.

partir de lindicateur de temprature, on sait que


la temprature de ce point insolite est moins
leve, malgr quon ne puisse pas discriminer
ce point en image RGB de la Figure 7(b).

Cet exemple nous montre que limagerie


thermique est assez efficace pour dtecter un
stress hydrique.

4
(a)

Conclusion et perspectives

Dans cet article, nous avons appliqu plusieurs


mthodes pour dtecter les problmes de sant
chez les vgtaux.
Les traitements sur la couleur et la texture sont
des mthodes classiques pour la demande du
sujet, mais les rsultats ne sont pas suffisants

(b)
Figure 7: Plante verte: (a) image thermique* (b)
image RGB

pour envisager de poursuivre dans un objectif de


dtection

prcoce

de

maladies.

Les

caractristiques de la texture nous donnent la


possibilit de dtecter les symptmes qui sont

Mme si on ne connait pas la cause de la chute


de temprature de ce point, on sait quil y a des

moins visibles lil nu.

changements lis la structure interne de la

Lutilisation de la camra thermique, nous aide

feuille.

dcouvrir prmaturment les symptmes de

Continuons sur ce test, nous avons trouv


lexplication une semaine plus tard : la Figure 8
nous montre que la branche qui correspond ce
point distinct sest fltri ; les feuilles ont sches,
leau sest vapore, la chaleur est partie cause

problme de santchez les plantes. On rcupre


plus dinformation partir de limage de source,
et les rsultats rpondent aux objectifs initiaux,
notamment en ce qui concerne la dtection
prcoce de maladies.

de la transpiration, donc la temprature est plus

Les perspectives de ces travaux sont de

basse sur cette partie.

continuer approfondir les recherches pour


identifier les diffrentes maladies, et pouvoir les
discriminer

entre

elles.

Lutilisation

dinformations thermiques et/ou de fluorescence


(en cours) est poursuivre pour encore permettre
une meilleure analyse dans cette recherche, et
Figure 8: Plante verte en image RGB une
semaine plus tard

donner la possibilit de calculer la surface


infecte.

Malgrla limite du relev dacquisition de cette


exprimentation (une fois par semaine), on peut

Bibliographie

dire quon a au moins 2 ou 3 jours davance pour

[ 1 ] N.Pingault,

dtecter ce problme. Cest un grand avantage

L.Guichard, B.Omon, Produits phytosanitaires

par rapport aux mthodes que nous avons

et protection intgre des cultures : lindicateur

prsentprcdemment, car en image couleur, il

de frquence de traitement, Notes et tudes

ny a ni de changement de couleur, ni de

socio-conomiques, n32, pp63, Mars 2009.

E.Pleyber,

changement de texture.
[ 2 ] A.Ford,
*

Image acquise par camra thermique Flir A40,


gamme de spectrale : 7,5 13 m.

A.Roberts,

C.Champeaux,

Colour

Space

Conversions, pp.3-5, 1998.


5

[ 3 ] F. Cointault, D. Gurin, J.P. Guillemin, B.


Chopinet, In-Field Wheat ears Counting Using
Color-Texture Image Analysis, New Zealand
Journal of Crop and Horticultural Science, Vol.
36, pp.117130, Juin 2008.
[ 4 ] L.Chaerle, I.Leinonen, H.G. Jones, D.Van
Der Straeten, Monitoring and screening plant
populations

with

combined

thermal

and

chlorophyll fluorescence imaging, Journal of


Experimental Botany, Vol. 58, Issue 4, pp.
773-784, 2006.
[ 5 ] D.Pajani, La thermographie du btiment :
Principes

et

applications

du

diagnostic

thermographique, pp.14-15, Mai 2012.


[ 6 ] C.Gunette. valuation du potentiel de
linfrarouge spectral pour la dtection htive du
stress nutritif chez les vgtaux de grandes
cultures : Application la culture de la pomme
de terre. Facult de Foresterie et Gomatique,
UniversitLaval, Qubec, Mmoire de Doctorat,
pp. 49-51, 2003.