Thèse soutenue le 8 mars 2022

Résumé

L’objectif de cette thèse est de mettre au point un moyen de détecter les adventices dans un champ à l’aide d’images multispectrales, afin de pouvoir déterminer quelles sont les adventices à éliminer pendant le cycle de culture en cours et plus particulièrement aux stades précoces. L’approche multi-critère s’intéresse à la disposition spatiale, à la signature spectrale, à la morphologie et à la texture des plantes présentes dans les parcelles. Cette thèse a permis de développer une méthode permettant de sélectionner les meilleurs critères pour une discrimination optimale dans un contexte donné. 
Préalablement à l’extraction de ces critères, un ensemble de méthodes ont été développées afin de corriger les erreurs du dispositif d’acquisition, de détecter précisément la végétation, puis d’identifier au sein de la végétation les individus sur lesquels les différents critères peuvent être extraits. Pour l’étape de détection des individus, il s’est révélé que l’échelle de la feuille était plus adaptée que celle de la plante. La détection de la végétation et l’identification des feuilles s’appuient sur des méthodes d’apprentissage profond, capables de traiter des feuillages denses. L’introduction de ces méthodes dans une chaîne de traitement usuelle constitue l’originalité de ce travail.
Finalement, les meilleurs ensembles de critères ont été définis pour la discrimination culture/adventices à l’échelle de la feuille, dont les performances atteignent 91% de classification. Ces méthodes peuvent être déployées dans de la robotique agricole, afin de réduire l'utilisation de produits phytosanitaires.