Spectral and textural analysis of high-resolution data for the automatic detection of grapevine diseases - INRAE - Institut national de recherche pour l’agriculture, l’alimentation et l’environnement Accéder directement au contenu
Thèse Année : 2019

Spectral and textural analysis of high-resolution data for the automatic detection of grapevine diseases

Analyse spectrale et texturale de données à haute résolution pour la détection automatique des maladies de la vigne

Résumé

‘Flavescence dorée’ is a contagious and incurable disease present on the vine leaves. In order to contain the infection, the regulations require growers to control each of the vine rows and to remove the suspect vine plants. This monitoring is done on foot during the harvest and mobilizes many people during a strategic period for viticulture. In order to solve this problem, the DAMAV project (Automatic detection of Vine Diseases) aims to develop a solution for automated detection of vine diseases using a micro-drone. The goal is to offer a turnkey solution for wine growers. This tool will allow the search for potential foci, and then more generally any type of vine diseases detectable on the foliage. To enable this diagnosis, the foliage is proposed to be studied using a dedicated high-resolution multispectral camera. The objective of this PhD-thesis in the context of DAMAV is to participate in the design and implementation of the Multi-Spectral (MS) image acquisition system and to develop the image pre-processing algorithms, based on the most relevant spectral and textural characteristics related to ‘Flavescence dorée’. Several grapevine varieties were considered such as red-berried and white-berried ones; furthermore, other diseases than ‘Flavescence dorée’ (FD) such as Esca and ‘Bois noir’ (BN) were also tested under real production conditions. The PhD work was basically performed at a leaf-level scale and involved an acquisition step followed by a data analysis step. Most imaging techniques, used to detect diseases in field crops or vineyards, operate in the visible electromagnetic radiation range. It turns out that for disease detection, when the symptoms are already present, the visible may be sufficient, although the colorimetric information is not the only one to consider. In our case, it is advised to detect the disease as early as possible, the information of the visible spectrum does not seem sufficient and it is therefore necessary to investigate broader information. Reflectance responses of plant leaves can be obtained from short to long wavelengths with convenient sensors. These reflectance signatures describe the internal constituents of leaves. This means that the presence of a disease can modify the internal structure of the leaves and hence cause an alteration of its reflectance signature. A spectro-radiometer is used in our study to characterize reflectance responses of leaves in the field. Several samples at different growth stages were used for the tests. To define optimal reflectance features for grapevine disease detection (FD, Esca, BN), a new methodology that designs Spectral Disease Indices (SDIs) has been developed. It is based on two dimension reduction techniques, coupled with a classifier. The first feature selection technique uses the Genetic Algorithms (GA) and the second one relies on the Successive Projection Algorithm (SPA). The new resulting SDIs outperformed traditional Spectral Vegetation Indices (SVIs) and GA performed, in general, better than SPA. The features finally chosen can then be implemented as filters in the MS sensor. In general, the reflectance information was satisfying for finding infections (higher than 90% of accuracy for the best method) but wasn’t enough. The images acquired with the developed MS device can further be pre- processed by low-level techniques based on the calculation of texture parameters. Several texture processing techniques have been tested but only on colored images. A method that combines many texture features is elaborated, allowing to choose the best ones. We found that the combination of optimal textural information could provide a complementary mean for not only differentiating healthy from infected grapevine leaves (higher than 85% of accuracy), but also for grading the disease severity stages (higher than 73% of accuracy) and for discriminating among diseases (higher than 72% of accuracy). This is in accordance with the hypothesis that a MS camera can enable detection and identification of diseases in grapevine fields. The first experiments of the whole system “sensor-UAV” will be done during future acquisition campaigns in 2019.
La Flavescence dorée est une maladie contagieuse et incurable de la vigne détectable sur les feuilles. Pour contenir l’infection, la réglementation impose aux producteurs le contrôle des rangs de vigne pour éliminer les plants suspects. Ce suivi se fait à pied pendant la récolte, et mobilise de nombreuses personnes pendant une période très stratégique en viticulture. Pour résoudre ce problème, le projet DAMAV (Détection Automatique des MAladies de la Vigne) a été mis en place, avec pour objectif de développer une solution de détection automatisée des maladies de la vigne à l’aide d’un micro-drone. Cet outil doit permettre la recherche des foyers potentiels de la Flavescence dorée, puis plus généralement de toute maladie détectable sur le feuillage à l’aide d’un outil multispectral dédié haute résolution. Dans le cadre de ce projet, cette thèse a pour objectif de participer à la conception et à l’implémentation du système d’acquisition multispectral et de développer les algorithmes de prétraitement d’images basés sur les caractéristiques spectrales et texturales les plus pertinentes reliées à la Flavescence dorée. Plusieurs variétés de vigne ont été considérées telles que des variétés rouges et blanches; de plus, d’autres maladies que ‘Flavescence dorée’ (FD) telles que Esca et ‘Bois noir’ (BN) ont également été testées dans des conditions de production réelles. Le travail de doctorat a été essentiellement réalisé au niveau feuille et a impliqué une étape d’acquisition suivie d’une étape d’analyse des données. La plupart des techniques d'imagerie, utilisées pour détecter les maladies dans les grandes cultures ou les vignobles, opèrent dans le domaine du visible. Il s'avère que pour la détection de la maladie lorsque les symptômes sont déjà présents, le visible peut être suffisant, bien que les informations colorimétriques ne soient pas les seules à devoir être prises en compte. Dans DAMAV, il est conseillé que la maladie soit détectée le plus tôt possible, l’information du spectre électromagnétique visible semble donc insuffisante. Des informations spectrales plus larges sont nécessaires, notamment dans l’infrarouge. Les réflectances des feuilles des plantes peuvent être obtenues sur les longueurs d'onde les plus courtes aux plus longues avec des capteurs convenables. Ces réflectances sont intimement liées aux composants internes des feuilles. Cela signifie que la présence d'une maladie peut modifier la structure interne des feuilles et donc altérer sa signature. Un spectro-radiomètre a été utilisé sur le terrain pour caractériser les signatures spectrales des feuilles à différents stades de croissance. Afin de déterminer les réflectances optimales pour la détection des maladies (FD, Esca, BN), une nouvelle méthodologie de conception d'indices de maladies (SDIs) basée sur deux techniques de réduction de dimensions, associées à un classifieur, a été mise en place. La première technique de sélection de variables utilise les Algorithmes Génétiques (GA) et la seconde s'appuie sur l'Algorithme de Projections Successives (SPA). Les nouveaux SDIs résultants surpassent les indices de végétation spectrales (SVIs) traditionnels et GA était en général meilleur que SPA. Les variables finalement choisies peuvent ainsi être implémentées en tant que filtres dans le capteur MS. Les informations de réflectance étaient satisfaisantes pour la recherche d’infections (plus que 90% de précision pour la meilleure méthode) mais n’étaient pas suffisantes. Ainsi, les images acquises par l’appareil MS peuvent être ensuite traitées par des techniques bas-niveau basées sur le calcul de paramètres de texture. Plusieurs techniques de traitement de texture ont été testées mais uniquement sur des images couleur. Une nouvelle méthode combinant plusieurs paramètres texturaux a été élaborée pour en choisir les meilleurs. Nous avons constaté que les informations texturales pouvaient constituer un moyen complémentaire non seulement pour différencier les feuilles de vigne saines des feuilles infectées (plus que 85% de précision), mais également pour classer le degré d’infestation des maladies (plus que 74% de précision) et pour distinguer entre les maladies (plus que 75% de précision). Ceci conforte l’hypothèse qu’une caméra multispectrale permet la détection et l’identification de maladies de la vigne en plein champ. Les premiers essais du dispositif « capteurs-drone » se dérouleront lors de la future campagne d’acquisition de 2019.
Fichier non déposé

Dates et versions

tel-03318868 , version 1 (11-08-2021)

Identifiants

  • HAL Id : tel-03318868 , version 1

Citer

Hania Al-Saddik. Spectral and textural analysis of high-resolution data for the automatic detection of grapevine diseases. Life Sciences [q-bio]. Université de Bourgogne Franche-Comté, 2019. English. ⟨NNT : ⟩. ⟨tel-03318868⟩
28 Consultations
0 Téléchargements

Partager

Gmail Facebook X LinkedIn More