Conception d'un système d'aide à la décision à partir de données ponctuelles et imparfaites : application à la détection précoce de l'infection du palmier à huile par Ganoderma Fungus

par Mazliham Bin Mohd Su'ud

Thèse de doctorat en Informatique et génie informatique

Sous la direction de Pierre Loonis.

Soutenue en 2008

à La Rochelle .

mots clés

• Systèmes d'aide à la décision
• Palmier à huile -- Fléaux
• Ganoderma
• Bases de données -- Gestion
• Théorie de Dempster-Shafer
• Tomographie

Résumé

Les contraintes d'accessibilité ou de non destruction amène parfois l'instrumentation à ne pas permettre d'obtenir une image complète du phénomène observe. Si les capteurs sont de plus en plus fiables et précis, leur miniaturisation (mobilité) ou leur utilisation dans des environnements difficiles (qualité de réception de signal, conditions d'acquisitions, etc. ) entraîne une imperfection sensible des données acquises. L'imperfection des données s'exprime classiquement en terme d'imprécision, d'inconsistance, d' incertitude et d'incomplétude. Ce travail porte sur la gestion de données ponctuelles et imparfaites, dans le but d’apporter une aide pour apporter la décision la plus fiable possible, sous une contrainte de lisibilité pour un expert humain. Un système d'aide à la décision est conçu a partir du modèle de développement en cascade guidé par humain pour répondre à ce besoin. Fondée sur une hiérarchisation des phases d'interpolation et de classification des observations notre approche vise a reconstruire une estimée de l'image 2D non atteignable. La perte informative due a ces premières phases est alors compensée par la possibilité d'injecter des connaissances exogènes pertinentes a l'aide d'un système d'inférence flou. Notre système de prise de décision est basé sur la fusion de l'évidence en utilisant la combinaison de Dempster Shafer. Après avoir aborde le problème de l'initialisation des masses ainsi que de la règle de combinaison de ces masses, nous proposons une combinaison de Dempster Shafer adaptative pour fusionner les informations locales de l'image. Cette étude est dans un deuxième temps appliquée a un problème de diagnostic quasi non invasif de maladie dans des arbres sur pied, dans des plantations en Malaisie. L'industrie malaisienne liée au palmier à huile, première exportatrice mondiale d'huile de palme, est particulièrement affectée par cette infection. Notre approche consiste en l'estimation d'une cartographie interne de l'état phytosanitaire d'une section du tronc. A l'aide d'un tomographe sonore fournissant quelques points de mesure, nous produisons une image sonore représentative des modifications de la densité et de la structure du bois. Un processus de traitement d'image associe est alors associe a un système expert flou afin d'intégrer de manière souple des connaissances expertes sur cette image a faible niveau d'information. Notre approche a été validée par des expérimentations in situ a l aide d'un prototype conçu au laboratoire et valide par le Malaysian Palm Oil Board; ce prototype permet a l'expert d'estimer de manière plus objective l'état parasitaire des arbres sujets a l'infection par le Ganoderma Fungus.

Titre traduit

Design of a support system handling imperfect scattered data : application to early detection of Ganoderma Fungus infection in oil palm tree

Résumé

Limitation in accessibility and constrain to perform non destruction observation imply difficulties faced by equipments to acquire complete information on the phenomena understudy. Even as the sensors have become increasingly reliable and accurate, their miniaturization (hand held) or their deployment in a hostile environment (signal reception quality, acquisition condition, etc. . . ) implies significant imperfection in the acquired data. The imperfection of the data is expressed classically in term of imprecision, inconsistency, uncertainty and incompleteness. This work concerns the management of spatially distributed and imperfect data, with the objective of providing assistance to bring the most reliable possible decision, with the constraint of making it legible by a human expert. A Decision Support System based on Human Driven Waterfall Model is proposed to fulfill this requirement. Based on the hierarchisation of data interpolation and observation classification phase, our approach aims to rebuild an estimated non attainable 2D image. The loss of information due to these first few phases is later compensated by the possibility of injecting relevant expert knowledge modeled using a Fuzzy Inference System. Our decision making system is based on fusion of evidence using Dempster Shafer combination. After solving the problem of mass initialization and mass combination rules, we propose an adaptive Dempster Shafer combination to combine regional information from the image. In the second phase of this work, the study is then applied in a quasi non invasive diagnostic of tree health problems near the lower trunk in oil palm plantations in Malaysia. The palm oil industries in Malaysia, which is the main palm oil exporter in the world, is severely affected by the infection. Our approach consists of the internal cartography estimation of the phyto-sanitary state of a cross section of the trunk understudy. From the sonic tomography image which provides some measurement points, we produce a sound image representing the modifications of structural and density of the stem. An image processing technique together with a fuzzy inference system is used to integrate experts knowledge on the low information level image. Our approach was validated by in situ experiments using a prototype designed at the laboratory and validated by Malaysian Palm Oil Board; this prototype allows an expert to estimate in a more objective way the health condition of the Ganoderma infected trees.