Conception et réalisation d'un dispositif d'imagerie multispectrale embarqué : du capteur aux traitements pour la détection d'adventices

Aerial multispectral device design : from the sensor to image processing for weed detection

• Auteur / Autrice : Jean-Baptiste Vioix
• Direction : Frédéric Truchetet, Jean-Paul Douzals
• Type : Thèse de doctorat
• Discipline(s) : Informatique et instrumentation de l'image
• Date : Soutenance en 2004
• Etablissement(s) : Dijon

Mots clés

Mots clés contrôlés

Photographie aérienne

Plantes adventices

Photographie aérienne en agriculture

Traitement d'images -- Techniques numériques

Résumé

La détection des adventices (mauvaises herbes) est un des enjeux clefs d'une agriculture propre et productive. Nous proposons dans ce mémoire une nouvelle méthode de détection basée sur des images aériennes acquises à l'aide d'un avion radiocommandé. Nous utilisons un capteur d'images multispectrales basé sur une caméra CCD et une roue de filtres. Ce capteur est suffisamment compact pour être embarqué dans un avion radiocommandé. Des images aériennes sont ainsi obtenues pour un coût trés bas. Un recalage géométrique des images est effectué afin de pouvoir utiliser les informations spectrométriques. Les informations spectrales obtenues sont ensuite utilisées pour créer trois classes dans ces images : le sol, les cultures et les adventices. La classification est décomposée en deux étapes. Dans un premier temps, un algorithme non supervisé permet de séparer la végétation du sol. Puis, des algorithmes supervisés sont mis en oeuvre pour séparer les cultures des adventices. Nous proposons une comparaison de différents algorithmes entre eux. Une méthode de détection des lignes de semis basée sur le filtre de Gabor est ensuite présentée. Cette information permet de séparer les cultures des adventices indépendamment de leurs caractéristiquesspectrales. Une méthode originale d'accélération des temps de calcul basée sur les paquets d'ondelettes est exposée. Les deux approches ayant des sources d'erreur différentes, nous proposons de les fusionner à l'aide d'une approximation de la théorie bayesienne. Enfin, un algorithme de croissance de région permet de lever les dernières incertitudes. La méthode est testée sur des parcelles d'essais.

Weed detection is one of the most important issues for a non-polluting and productive agriculture. In this PhD we present a new method based on aerial images acquired with a remote controlled aircraft. We use a multispectral image sensor based on a CCD camera and a wheel of filters. This sensor is compact enough to be shipped in a remote controlled aircraft. An image mosaicing is done in order to be able to use spectrometric information. Later, spectral information is used to establish three classes : soil, crops and weeds. Classification is split in two steps. First, a non-supervised algorithm allows the separation between soil and plants. Second, supervised methods are used to distinguish crops and weeds. These various algorithms are compared to each other. A crop row detection method based on Gabor filter is developed. This information allows weeds/crop separation regardless of their spectral characteristics. An original method for computing time acceleration based on wavelet packets is detailed. These two methods having different error sources, we suggest to merge them using a Bayesian approach. Finally, a region growing algorithm achieves the classification. Experimental results obtained in test fields are provided to assess the quality of the classification.