Soutenance de thèse Erick ADJE « Détection, suivi et reconnaissance d’insectes en mouvement par imagerie hyperspectrale : Application à la surveillance des ravageurs en agriculture »

La plupart des espèces de papillons jouent un rôle fondamental dans les écosystèmes en tant que pollinisateurs. Cependant certaines espèces constituent de redoutables ravageurs, menaçant les cultures. Si de nombreuses méthodes ont été développées pour détecter les insectes nuisibles, les approches visuelles fondées sur des images RVB restent les plus répandues. Toutefois, leur dépendance aux caractéristiques de couleur et de forme les rend sensibles aux ambiguïtés visuelles. Pour répondre à ces limites, cette thèse explore l’apport de l’imagerie hyperspectrale (HSI) pour la surveillance des insectes ravageurs. Bien que l’HSI offre une richesse spectrale précieuse pour la discrimination entre espèces, son utilisation conventionnelle repose sur la re- construction et l’analyse d’un cube hyperspectral volumineux, une étape coûteuse en calculs. Afin de surmonter cette contrainte, nous proposons une méthodologie qui opère directement sur des images spatio-spectrales brutes, acquises par une caméra hyperspectrale compacte, sans reconstruire un cube. Cette approche, même si elle ne fournit que des données spectrales partielles, réduit considérablement les coûts de traitement.
La démarche repose dans un premier temps sur la constitution d’une bibliothèque de spectres de référence. Ensuite, dans des conditions réelles, la caméra spatio-spectrale fixée en hauteur capte des séquences d’images brutes d’insectes en vol libre. Des algorithmes de détection ro- bustes aux perturbations environnementales permettent ensuite d’isoler les insectes en mouve- ment. À partir de ces détections, un suivi multi-cible est réalisé en tenant compte des changements d’orientation de vol ainsi que des déformations dues au battement des ailes. L’approche proposée a permis d’atteindre 76% d’IoU avec zéro changement d’identité entre les trajectoires. Cette étape est cruciale pour reconstruire, pour chaque individu, son information spectrale. La reconnaissance effectuée ensuite à partir de l’information spectrale, repose sur une approche statistique hybride combinant probabilité et distance entre spectres, afin de pallier les chevauchements de distributions spectrales entre espèces spectralement proches. L’analyse met en évidence la contribution significative des longueurs d’onde du proche infrarouge, pour une meilleure discrimination des espèces avec une exactitude allant jusqu’à 97,5%. Enfin, l’intégration de l’ensemble de ces étapes dans un pipeline unique, a permis de valider la faisabilité d’un système autonome, fonctionnant en temps différé pour détecter des pics anormaux de densité de ravageurs. Ce système proposé a permis d’obtenir de reconnaître à 85% d’exactitude l’es- pèce ravageur et fournit ainsi un indicateur précieux pour déclencher des interventions ciblées et réduire le recours aux produits chimiques. L’approche proposée ouvre ainsi, la voie à des solutions adaptées aux enjeux de l’agriculture de précision.