Entretiens cidricoles 2016 - Ctifl©
Pierre VAYSSE
Ctifl
Outils d’analyse d’image pour l’arboriculture fruitière
Entretiens cidricoles 2016 - Ctifl©
Outils d’analyse d’image
Analyse de photographies (visible)
Pixfel© pomme et prune
Mécavision
Analyse hyperspectrales (proche infrarouge)
Aventuria hyperspectral
Entretiens cidricoles 2016 - Ctifl©
Estimer la qualité commerciale des pommes avant leur entrée en conservation (calibres, coloration), par l’analyse d’image de la couche superficielle des palox.
Connaître réellement la qualité des pommes mises en conservation.
Améliorer les méthodes existantes
Gestion commerciale des lots.
Un outil de traçabilité station et parcelle.
Utiliser des outils du commerce.
Objectifs de Pixfel©
Entretiens cidricoles 2016 - Ctifl©
Principe de Pixfel©
Représentativité de la couche superficielle
Estimation des calibres Transformée de Hough circulaire
CHTS
Estimation de la coloration Classification dans l’espace couleur
Estimer la qualité commerciale des pommes avant leur entrée en conservation (calibres, coloration), par l’analyse.
Entretiens cidricoles 2016 - Ctifl©
Pixfel© - Représentativité de la couche superficielle
Photo numérique
0
5
10
15
20
25
30
35
< 65 ]65 ; 70 ] ]70 ; 75 ] ]75 ; 80 ] > 80
Echantillon
données Palox - Calibreuse
p=0,85
Distributions ajustées
Moyenne représentative :
erreur < 1mm
Entretiens cidricoles 2016 - Ctifl©
CHTS
Pixfel© - Étude calibre - Principe
Circular Hough Transform Space
Entretiens cidricoles 2016 - Ctifl©
Pixfel© - Étude calibre - Validation
calibrage
0
100
200
300
400
500
600
700
800
900
< 65 [65 ; 70[ [70 ; 75[ [75 ; 80[
Calibrage
0
5
10
15
20
25
30
35
< 65 [65 ; 70[ [70 ; 75[ [75 ; 80[
Pixfel
Pixfel©
Entretiens cidricoles 2016 - Ctifl©
Pixfel© - Étude couleur
Classification couleur
Classification dans
l’espace couleur
Pixfel©
Entretiens cidricoles 2016 - Ctifl©
Validation professionnelle
Apple fruit Packhouse and Pixfel comparison
Entretiens cidricoles 2016 - Ctifl©
Entretiens cidricoles 2016 - Ctifl©
Entretiens cidricoles 2016 - Ctifl©
Pixfel© prune : calibre
Fruits détectés dans une caisse avec rayon en pixels marqué
Entretiens cidricoles 2016 - Ctifl©
Pixfel© prune : segmentation couleur
Entretiens cidricoles 2016 - Ctifl©
Calibration image et couleur
réglage en mm
Entretiens cidricoles 2016 - Ctifl©
Station
Coloration des prunes
Entretiens cidricoles 2016 - Ctifl©
Projet Casdar : Alternative complète ou partielle à l’éclaircissage chimique
Utilisation des outils mécaniques existants :
Sur fleur : Darwin
Effleureuse
Sur fruits : Vibreur
Utiliser l’analyse d’image pour piloter les
éclaircissages chimiques et/ou mécaniques : Réduire la sujétion comptage manuel
Augmenter la représentativité des mesures
Livrer un outil de décision pratique au producteur,
Utilisation pour la prévision de récolte.
Objectifs de Mécavision©
Entretiens cidricoles 2016 - Ctifl©
Modalité
rang
N° arbr
e N°
photo Inflo
r
Flor
aiso
n
Nou
aiso
n
Fruits
TO 1 32 1 952 74 109 327 167
2 954 64 88 264 84
3 955 49 82 246 47 TO
2 32 1 956 77 57 171 167
2 957 71 68 204 84
3 958 79 95 285 47
Prise de vue
Zone d’intérêt
Analyse des images
traitement
Pilotage de l’éclaircissage
Mécavision©
Entretiens cidricoles 2016 - Ctifl©
Prises de vue : méthode Irstea
Canon G11- G16:
ISO : 200-400 Position manuel M Vitesse : 1/3200ème
Diaphragme : F 8 Flash Speedlite 580 EXII- mode manuel - puissance .
Entretiens cidricoles 2016 - Ctifl©
Validation zones d’intérêt
0
50
100
150
200
250
300
350
400
450
500
Photo verger(m²) manuel
Photo écran(m²) manuel
Comptagebranches
Fruits totauxrécoltés/arbre
nb f
ruits
Témoin
Darwin+EC
Darwin+ EC localisé
Comparaison comptage photo/branche fruitière
Ariane
Entretiens cidricoles 2016 - Ctifl© 20
Traitement : Transformée Hough radiale (HR)
« luminance »
Pour chaque point on trace un segment dans
la direction inverse du vecteur gradient
G -G
Entretiens cidricoles 2016 - Ctifl© 21
La probabilité qu’un pixel soit considéré pomme dépend de sa couleur ainsi que de son voisinage
Traitement : Champs de Markov
« attributs de couleur : teinte-saturation »
Entretiens cidricoles 2016 - Ctifl©
Principe de l’algorithme de vision “vert”
Hough radiale
Hough inverse
Champs de
Markov
Catégorisation des détections
Bonnes détections
Entretiens cidricoles 2016 - Ctifl©
Mécavision©
Entretiens cidricoles 2016 - Ctifl©
Principe de Mécavision© « professionnel »
Entretiens cidricoles 2016 - Ctifl©
Détection précoce des maladies fongiques : tavelure du pommier et anthracnoses du noyer par imagerie hyperspectrale.
Projet Aventuria
Entretiens cidricoles 2016 - Ctifl©
Projet Aventuria
1-Inoculation
2-Mesures hyperspectrales
3-Traitement des images
4-Vers un outil de terrain
Entretiens cidricoles 2016 - Ctifl©
Intérêt de nouveaux outils :
Améliorer les méthodes existantes
Rapidité, représentativité, objectivité, traçabilité, fiabilité,
Limites :
Intégration dans des systèmes existants, nécessite une appropriation des outils,
Des adaptations possibles au pommier à cidre….
Conclusion