Le contexte est le suivant : face aux effets du changement climatique, à l'augmentation de la population et à la nécessité d'assurer la sécurité alimentaire, la compréhension du développement des plantes est un élément essentiel.
Aussi, peut-il être nécessaire d'explorer « comment la variabilité génétique donne lieu à des ensembles spécifiques de caractéristiques dites architecturales ». Dans le cas des arbres fruitiers, qui ont fait l’objet de cette étude, la compréhension de ces variations facilite la régulation, la prédiction et l'assurance de la production. Dès lors, cela pourrait également permettre de contribuer à élaborer des stratégies de gestion visant à maintenir la santé de l'arbre et à optimiser sa productivité.
Les chercheurs se sont ici focalisés sur la caractérisation du rendement de pommiers à partir de données LiDAR, c’est-à-dire d’une sorte d’appareil photo à base de laser. Cette technologie permet d’obtenir des données sous forme d’un nuage de points. Au lieu d’avoir des pixels, on obtient des nuages de points bruts. La question posée devient alors : pouvons-nous reconnaître des pommes dans ce nuage de points et estimer combien il y en a par arbres ?
Classification des points de scans échantillonnant la géométrie des pommes (en rouge) à partir du pipeline fruithunter
Le travail de recherche à l’occasion duquel ont été mobilisées les ressources du supercalculateur Jean Zay, a permis d'obtenir des descripteurs de l'architecture, permettant de donner une caractérisation globale de la géométrie de l'arbre, puis une approximation plus précise au niveau de ses organes. Ces descripteurs ont été basées sur le traitement de nuages de points obtenus à partir des données LiDAR terrestres et aériens dans un verger de pommiers contenant une collection de génotype, soit 1000 arbres et 250 variétés. Les nuages de points « ont été traités en développant deux pipelines utilisant divers algorithmes de filtrage, d'apprentissage automatique et d'apprentissage profond ».
Fruithunter : un pipeline logiciel pour la segmentation des pommes dans les scans de vergers de pommiers non industriels. La description schématique générale du pipeline, montrant les trois principales étapes de la classification des points et de l'identification des instances de pommes, est donnée dans la première ligne. Les deuxième et troisième lignes présentent les différents algorithmes utilisés pour les deux versions du pipeline
Si le calibre des fruits n’a pas pu être précisément estimé, l’estimation du rendement avec cette méthode est apparue comme étant correcte. Dès lors, cela permet d’opérer un suivi dans le temps et de comparer le rendement d’un panel de variétés. Cette approche numérique offre l’avantage considérable pour la recherche de simplifier et automatiser le travail de mesure manuelle.
Mieux connaître les espèces et mieux caractériser leurs rendements : la mobilisation des ressources de calcul au service de la recherche peut aider la recherche agronomique au service de l’agriculture.
Pour en savoir plus : https://agritrop.cirad.fr/610413/
* Invite : https://www.h2020-invite.eu/
Crédits : S. Artzet, J.P. Rojas Bustos, N. Guilhot, B. Pallas, E. Costes et F. Boudon