Vision par ordinateur et apprentissage automatique à moindre coût
(Pejman Rasti, Etienne Belin, Natalia Sapoukhina, David Rousseau)

Cette thématique s'inscrit dans la continuité du projet scientifique actuel. L'extension se fera en termes d'échelles d'observation et d'environnement. Si l'axe principal était l'échelle de la plante, les observations porteront désormais également sur l'échelle microscopique en collaboration avec la plateforme microscopique de l'IRHS (IMAC). Ceci est en accord avec les compétences de l'équipe développées en traitement d'images microscopiques dans le projet européen PROCHIP (2019-2022). L'imagerie in vitro sera mise en route pour diverses questions ouvertes dont le suivi du pathosystème sur gel agar ou disques foliaires, la caractérisation du khal, le comptage des nématodes dans les tests variétaux. Le groupe abordera tous les défis associés à cette imagerie comme les conditions d'éclairage, la gestion de la condensation, la distorsion du gel agar, ... Ce sujet a été initié au sein du SNES dans le cadre du projet AKER (2012-2020) et de l'INRAE Colmar dans le cadre du projet SPE (2019-2020). La vision par ordinateur en extérieur sera développée pour la caractérisation des arbres (forme 3D, développement des fruits, détection des stress biotiques et abiotiques) dans le verger de l'INRAE. Ceci sera développé en collaboration avec l'UE Horti à Angers sur les pommiers, dans le cadre du projet européen INVITE (2019-2024) ou éventuellement sur les rosiers avec GDO (IRHS).

Phénotypage assisté par simulation
(Angélina El Ghaziri, Etienne Belin, Gehard Buck Sorlin, David Rousseau)

En mars 2020, PHENOTIC est équipé d'un nouveau robot (PHENOBEAN) capable de suivre la croissance de la plante avec une lumière contrôlée en termes de directivité, longueur d'onde et intensité. Le système est équipé d'un bras robotique apportant un capteur dans n'importe quelle position de la pièce. Parallèlement aux expériences menées par la plateforme, ImHorPhen propose de simuler Phenobean avec des modèles écophysiologiques afin d'optimiser les paramètres expérimentaux qui impactent la croissance des plantes. Cette nouvelle thématique sera soutenue par une thèse qui débutera en sept. 2020.  Le simulateur sera utilisé pour optimiser la croissance mais aussi pour constituer des modèles annotés automatiquement qui serviront de données d'entraînement pour la vision par ordinateur. Une approche de contrôle automatique de la croissance des plantes sera également étudiée avec l'équipe travaillant sur le laboratoire de contrôle automatique au LARIS (UA). Ceci sera fait en collaboration avec l'équipe STRAGENE de l'IRHS.

L'exploration de données basée sur l'apprentissage automatique
(Angélina El Ghaziri, Julie Bourbeillon, Nizar Bouhlel, David Rousseau)

Cette nouvelle thématique abordera les défis du flux de données créé via la plateforme PHENOTIC. Un cycle typique de phénotypage produit quelques téraoctets de données. Alors que les images commencent à être traitées efficacement via la première thématique, il est maintenant nécessaire d'aller au-delà et de produire des connaissances pour les données extraites de ces images. Tout comme la conception d'algorithmes de vision par ordinateur, l'exploration de données pourrait également bénéficier de l'aide de l'apprentissage automatique pour la conception automatique d'analyses descriptives, de diagnostics prédictifs et d'analyses prescriptives. De telles problématiques seront étudiées pour les données au repos et pendant le déroulement du phénotypage.