Détection précoce de la Flavescence dorée à l’aide de la reconnaissance d’images hyper-spectrales et d’algorithmes

• Forschungsstelle: BLW
• Projektnummer: 17.20

Schlüsselwörter (Deutsch)

Weinbau, Flavescence dorée, Hyperspektrale Bilder, Früherkennung

Schlüsselwörter (Englisch)

Viticulture, Flavescence dorée, Hyper-spectral images, early detection

Schlüsselwörter (Französisch)

Viticulture, Flavescence dorée, Images hyper-spectrales, détection précoce

Kurzbeschreibung (Französisch)

Ce projet est une étude de faisabilité (« proof-of-concept ») pour évaluer la possibilité de détecter la Flavescence dorée de manière précoce dans les vignobles. Cette étude est conduite avec pour objectif d’obtenir un financement CTI pour développer un outil permettant de détecter dans les vignobles de manière précoce à l’aide d’images hyper-spectrales la présence de ceps atteints de Flavescence dorée. Le but est de pouvoir détecter les ceps malades avant que les symptômes ne soient visibles à l’oeil nu. La détection précoce dans les vignobles encore considérés comme indemnes ou nouvellement infectés doit permettre de prendre des mesures rapides d’élimination des ceps atteints et de lutte contre le vecteur Scaphoideus titanus pour éviter la propagation de la maladie. Dans les régions viticoles avec une présence sporadique de Flavescence dorée, cette détection précoce peut permettre aussi de cibler les vignobles dans lesquels une lutte contre le vecteur doit être mise en place et d’éviter de traiter inutilement des vignobles indemnes. Finalement, il est envisageable que le développement des algorithmes (machine learning) qui permettra à terme de différencier la Flavescence dorée d’autres maladies ou stress de la vigne et en particulier le Bois Noir, une jaunisse qui provoque des symptômes analogues.

Projektziele (Französisch)

Le projet veut vérifier la faisabilité d’un développement d’un algorithme basé sur des signatures hyper-spectrales permettant de détecter des ceps atteint de Flavescence dorée. Les principales tâches du projet sont :
- L’acquisition d’images hyper-spectrales à l’aide d’une caméra placée sur un drone (tâches conduites par Changins).
- Le pré-traitement des images : géolocalisation exacte et assemblage des images prises par le drone (Changins).
- La reconnaissance d’images (signature hyperspectrale) et le développement d’algorithmes (Università della Svizzera italian USI, Facoltà di scienze informatiche, Istituto ALaRI, et Dolphin Engineering, Lugano)
- La vérification dans les vignobles des ceps détectés comme atteints (Changins) et analyses génétiques (Agroscope Changins).
Cette étude doit permettre de vérifier la faisabilité de la technologie hyperspectrale dans le but de
déposer un projet CTI pour développer un outil de prévention et de conseil.

Publikationen / Ergebnisse (Französisch)

Ce projet est une étude de faisabilité (« proof-of-concept ») pour évaluer la possibilité de détecter la Flavescence dorée de manière précoce dans les vignobles. Cette étude a été conduite avec pour objectif d’obtenir un financement Innosuisse (ex CTI) pour développer un outil permettant de détecter précocement les ceps atteints de Flavescence dorée. Le but était de pouvoir détecter les ceps ma-lades avant que les symptômes ne soient visibles à l’oeil nu.Une campagne de photographies a été conduite en 2017 dans des vignobles à La Tour-de-Peilz (VD) et Fully (VS). Dans chacun des vignobles, des photos ont été prises à cinq dates différentes, du mois de juin au mois d’octobre. A la Tour-de-Peilz, des ceps présentaient des symptômes de Flavescence dorée. Cependant, aucun cep malade n’a été détecté dans la parcelle de Fully.

Pour le projet, une caméra hyperspectrale a été louée auprès de l’entreprise CarbonBee à Valence (France). Des problèmes importants ont été rencontrés avec cette caméra et en particulier, il a été impossible d’obtenir les images hyperspectrales dans un format qui permette l’analyse des images. De plus, les images dans le visible et le proche infrarouge (NIR) étaient de mauvaise qualité et n’ont pas permis des analyses avec des indices de végétation tels que le NDVI et le GRVI par exemple. Après de nombreuses semaines de fausses promesses, l’entreprise CarbonBee n’a jamais pu fournir les images d’une qualité suffisante et dans un format utilisable pour l’analyse d’images.
Par conséquent, il n’a pas été possible de travailler le projet de développement d’algorithmes pour l’analyse des images et le projet a dû être interrompu.