La présentation est en train de télécharger. S'il vous plaît, attendez

La présentation est en train de télécharger. S'il vous plaît, attendez

Thèse Vincent Martin (en cours)

Présentations similaires


Présentation au sujet: "Thèse Vincent Martin (en cours)"— Transcription de la présentation:

1 Thèse Vincent Martin (en cours)
Apport de la vision Cognitive à la détection précoce de bio agresseurs des cultures Sabine Moisan INRIA-Sophia projet Orion Paul Boissard INRA Sophia/URIH Action COLOR Horticol 2001 DEA Vincent Leclerc Thèses de Céline Hudelot, Nicolas Maillot (soutenues en 2005) Thèse Vincent Martin (en cours) 30/05/2007

2 Développement de la protection intégrée des cultures protégées
Objectif : Développement de la protection intégrée des cultures protégées Concevoir un (des) système(s) de production, respectueux de la santé (producteur, consommateur) respectueux de l’environnement économiquement viable(s) et durable(s). Champs Thém. EA&SPE: agronomie systémique, mécanismes des épidémies 30/05/2007 S. Moisan

3 acariens insectes champignons Freins rencontrés :
Les conditions de température et d’humidité sont très favorables au développement rapide des Bioagresseurs On connaît mal l’instant et la localisation des premières attaques ou foyers (insectes, acariens, champignons) On a besoin d’identifier et de dénombrer les populations pour prendre rapidement les décisions tétranyques Photo : Inra (Brun) champignons pucerons Photo : Inra (Brun) thrips Photo : Inra (Brun) oïdium Photo : Inra (Boissard) aleurodes Photo : Inra (Brun) Botrytis Photo : Inra 30/05/2007 S. Moisan

4 Application : détection et au comptage des Aleurodes
But : détecter un parasite (Aleurode) à deux stades de développement : Aleurodes adultes Oeufs d’Aleurodes Support : Numérisation (scanner à plat) depuis le support naturel (feuilles prélevées sur des rosiers de culture en serre) 30/05/2007 S. Moisan

5 Exemples 30/05/2007 S. Moisan

6 Approche Vision par ordinateur Systèmes à base de connaissances (SBC)
Connaissance explicite & modifiable Séparation des tâches (traiter les images/ interpréter leur contenu) et des niveaux (tâche générique/ application) SBC de pilotage de programmes (traiter les images) SBC d’interprétation (interpréter leur contenu) Image scannée Image segmentée, labellisée… Nombre d’agresseurs reconnus Image labellisée ex en regions d’interet Programmes de TI 30/05/2007 S. Moisan

7 SBC de pilotage de traitements d’images
Connaissance d’experts en traitement d’images Primitive Operator { name Region_segmentation_operator comment "Region Approach for Segmentation" Input Data Image name inputImage SegmentationContext name inputContext Input Parameters Integer name threshold comment "Contrast Threshold" default 125 Output Data Image name segmentedImage I-O Relations segmentedImage.path := "./", segmentedImage.basename := "carteregion", segmentedImage.extension := ".pan" Preconditions valid inputImage Call language shell syntax RegionSegmentation2 inputImage.name segmentedImage.name } 1 label a un groupe de pixels de meme valeur connexes 30/05/2007 S. Moisan

8 SBC d’interprétation d’images (1)
Connaissance d’experts en parasites du rosier DomainClass { name WhiteFly Superclass Insect ImageData ImageRegion VisualDescription AleurodSizeConcept name size ShapeConcept name shape [ AleurodShapeConcept ] ChromaticHue name hue range [ CWhite ] } DomainClass { name WhiteFlyEgg EggSizeConcept name size EggShapeConcept name shape ChromaticHue name hue range [ EggCWhite ] Problem Virus Fungi Aphids Penicilium White fly tissue Veins red green subpart Acarids Powdery mildew subclasses Leaf Insects Taxonomies des concepts du domaine : arbres avec sous-parties et sous-classes. Un concept du domaine (Aleurode) est décrit par des “concepts visuels”. 30/05/2007 S. Moisan

9 SBC d’interprétation d’images (2)
Description des concepts nécessaires à la reconnaissance des objets (couleur, forme,…) Apprentissage semi-automatique des valeurs de descripteurs visuels sur quelques images VisualConcept { name AleurodeShapeConcept Superclass ShapeConcept Constraints m_shape._circularity in [ ] m_shape._excentricity in [ ] m_shape._rectangularity in [ ] m_shape._elongation in [ ] m_shape._convexity in [ ] m_shape._compacity in [ ] } VisualConcept { name InsectSizeConcept Superclass SizeConcept Constraints # in milimeters^2 m_size.area in [ ] m_size.length in [ ] m_size.width in [ ] Formalisation de la connaissance nécessaire au matching 30/05/2007 S. Moisan

10 Résultats expérimentaux
Échantillon représentatif de 200 images (=1 serre de 200 m2) d’une résolution de 1200 dpi 1-image initiale -Zoom Temps de traitement : ~35 sec / image (2495x4056 pixels) 30/05/2007 S. Moisan

11 Évaluation Par rapport aux vérités terrain, sur la classe intéressante (de 0 a 5 aleurodes adultes/image)=détection précoce. Barres d’erreur dues aux multiples vérités terrain (rond = moyenne, barre = écart type autour moyenne) 30/05/2007 S. Moisan

12 Réalisations concrètes : automatisation de la lecture de pièges (INRA-URIH Sophia Mai 2006)
QUELQUES RESULTATS Automatisation des reconnaissances et comptages sur pièges colorés pour 3 taxons : Pucerons ~ 500 pixels Thrips ~ 2800 pixels Acquisition d’images Numérisation Interprétation automatique Aleurodes ©Boissard Pérez Béarez 05/2006 Paul Boissard 11/06/INRA-URIH-Sophia 30/05/2007 S. Moisan ~1600 pixels

13 Conclusion Collaboration sur la durée (depuis 2000)
Des sujets de recherches pour chaque partenaire 2 doctorants et 2 DEA Outil générique, applicable à d’autres cultures et bio agresseurs Concepts et techniques transférés Bases de connaissances (capitalisation) Pilotage de programmes (utilisation de traitements de TI) Futur Plus d’automatisation Des bases de données et de connaissances Des outils pour les producteurs 30/05/2007 S. Moisan

14 30/05/2007 S. Moisan

15 Approche SBC Systèmes à base de connaissances (SBC)
Connaissance explicite & modifiable Séparation des tâches (traiter les images/ interpréter leur contenu) et des niveaux (tâche générique/ application) Outils logiciels génériques pour construire tous les éléments de SBC (LAMA) SBC Base de connaissances (expert) Moteur d’inférence (lié à 1 tâche ) Langage expert 30/05/2007 S. Moisan

16 Spécification de la plate-forme pour l’application (1)
Schéma générique pour chaque couche Base de Connaissance (BDC) Connaissance en langage de description dédié à la tâche Connaissance de l’expert de la tâche saisie (IHM…) Analyseur (vérification compilation) C++ Moteur dédié à la tâche Algorithmes liés au domaine Système à base de connaissance 30/05/2007 S. Moisan


Télécharger ppt "Thèse Vincent Martin (en cours)"

Présentations similaires


Annonces Google