réussir demain
Le deep learning pour détecter les maladies de la vigne
![© Laboratoire IMS](https://medias.reussir.fr/vigne/styles/normal_size/azblob/2023-06/_RVI273_PROD_VITI_DEMAIN_DEEP_LEARNING%2002.jpg.webp?itok=DC4xH3V2)
De quoi parle-t-on ?
Avec le deep learning, ou apprentissage profond, on utilise des réseaux de neurones artificiels qui simulent le fonctionnement de l’œil humain. Grâce à des millions d’images trouvées sur internet on apprend à ces réseaux à reconnaître des centaines de formes simples. Christian Germain, professeur à Bordeaux Sciences Agro, a dirigé une thèse (1) faisant appel à ce procédé pour détecter les maladies du bois. " Dans nos recherches, nous reprenons ces réseaux qui savent déjà reconnaître de nombreuses formes et distinguent aussi les coins, les bords, les dégradés, les couleurs et nous peaufinons leur apprentissage en leur faisant étudier des images de vignes saines et malades ", explique le scientifique.
Quels sont les premiers résultats ?
Dans le cadre de cette thèse, des photos prises pied par pied dans le plan de palissage d’une parcelle de vigne avec une caméra industrielle fixée à un engin ont été analysées par des algorithmes de deep learning " enrichis en connaissance " sur les formes des symptômes de l’esca. Résultat : ils sont capables de détecter avec une très forte probabilité les feuilles saines des feuilles malades mais aussi, et c’est un point majeur issu de ces recherches, ils parviennent à distinguer une feuille atteinte par une autre maladie que l’esca même si les symptômes sont assez proches. " Ces résultats sont encourageants pour détecter les symptômes précis des maladies car ils parviennent à faire ressortir très peu de résultats faux positifs par confusion entre les symptômes de différentes maladies comme c’est le cas avec la détection par images aériennes, où seuls les changements de couleur sont analysés ", souligne Christian Germain. En recherchant sur les images non seulement les anomalies de couleur mais aussi les anomalies de forme, ces travaux ouvrent donc une piste encore peu explorée de proxidétection, autrement dit, avec un capteur très proche de la végétation.
Quelles sont les perspectives de mise à disposition sur le terrain ?
"Sur esca, des sociétés travaillent pour proposer un service, ajoute Christian Germain. En ce qui nous concerne les travaux de recherche sur l’esca sont terminés mais nous poursuivons ce même type de recherche sur d’autres maladies comme la flavescence dorée et le mildiou pour lesquels la qualification des premiers symptômes visibles est plus complexe. L’idée serait de converger vers un outil unique de détection universelle. "