Description
Date depot: 1 janvier 1900
Titre: Analyse de données multimédia (sons et images) pour des applications de surveillance dans le domaine de l'agriculture
Directrice de thèse:
Isabelle BLOCH (LIP6)
Domaine scientifique: Sciences et technologies de l'information et de la communication
Thématique CNRS : Non defini
Resumé:
Contexte
Le projet MCUBE est un projet collaboratif, financé par le programme FUI9 / FEDER3, réunissant l’Institut Supérieur d’Electronique de Paris (ISEP) et des partenaires industriels, Webdyn, Cap2020 et SolarNet. L’objectif est de proposer un système M2M (Machine to Machine) générique pour des applications multimédia, i.e. impliquant des sons et des images. On utilisera des caméras et des microphones standards pour des applications de surveillance dans le domaine de l’agriculture de précision (Cap2020) et du photovoltaïque (SolarNet). Le sujet de thèse porte sur ces cas d’études. Il sera mené sous la co-direction de Florence Rossant (ISEP-SITe) et d’Isabelle Bloch (Telecom ParisTech-TSI), en collaboration avec l’équipe RDI de l’ISEP.
Présentation des cas d’études
Depuis une vingtaine d’année, la recherche s’est intéressée à caractériser les productions agricoles, par des méthodes d’analyse d’images et de classification . L’utilisation de capteurs fixes fournissant des données agronomiques en continu pendant toute la durée de la campagne agricole est une voie plus récente mais de plus en plus étudiée par les centres de recherche agricole. Par exemple, Y. Koumpouros propose un outil interactif d’aide à l’identification de maladies ou de parasites affectant des cultures, permettant un diagnostic et donc un traitement plus rapide et mieux ciblé . Mais cet outil ne met pas en œuvre des méthodes d’analyse d’images et les photographies sont intégralement traitées par un expert humain. D’autres travaux ont porté sur la détection automatique des mauvaises herbes dans les champs de céréales. Ils sont fondés sur l’extraction de descripteurs de couleur , de forme et leur classification (classifieur de Bayes ou réseaux de neurones). Les systèmes proposés ne semblent pas permettre une acquisition continue des images ni leur suivi temporel. Enfin, la détection et le suivi de la maturation de pommes ont été réalisé par des méthodes d’analyse d’images classiques (segmentation par seuillage, débruitage par filtres de convolution, détection par template matching) qui ne semblent pas très robustes aux différentes sources de variabilités, notamment l’éclairage.
Dans cette thèse, nous nous intéresserons à l’analyse de données multimédia (sons et images) acquises par des capteurs fixes. L’architecture M2M nous donnera un cadre de travail inédit, dans lequel nous disposerons en continu de données images et/ou sons. Notre objectif sera de traiter automatiquement ces données par des outils de traitement du signal et des images. Nous nous intéresserons spécifiquement à la détection d’insectes dans les champs et au suivi de la maturation de fruits ou légumes, cas d’études pour lesquels peu de travaux ont été réalisés jusqu’à maintenant, et en tous cas pas dans le contexte M2M. A noter que dans le cas de la détection d’insectes, aucun système proposé n’exploite conjointement les données sons et images. Un autre cas d’étude sera la surveillance de panneaux solaires pour la détection de salissures ou de brisures, pour lequel il n’y a, à notre connaissance, aucune étude encore réalisée. Bien entendu, ces différents axes ne seront pas traités en parallèles mais séquentiellement et en fonction de l’avancée des travaux.
Spécificités et enjeux liés au contexte M2M
Le développement de services sur la technologie MCUBE, liés à l’analyse d’images ou de vidéos, se positionne à un niveau ambitieux, où les méthodes proposées devront pouvoir être adaptées à des applications très différentes, dans des conditions environnementales très variées et évoluant potentiellement dans le temps. Les cas d’études de ce projet illustrent parfaitement ce propos : détection/reconnaissance d’objets (fruits, insectes, etc.) ou de textures (pollen, feuilles, salissures, etc.) très hétérogènes, dans des conditions d’illumination très variables (jours, saison, météo), avec des résolutions images potentiellement différentes. Or, d’une manière générale, les algorithmes d’analyse d’images sont complexes et ne fonctionnent efficacement que dans un contexte spécifique, après adaptation de la méthode au problème posé, par exemple par modélisation et intégration d’informations a priori. L’un des objectifs sera donc de développer des algorithmes robustes et de proposer une méthodologie suffisamment générique pour que le développement d’une nouvelle application ne nécessite pas de recommencer toute l’étude.
Ainsi, nous comptons proposer des systèmes d’analyse modulaires, incluant classiquement des outils de segmentation, de poursuite d’objets (cas vidéo), de calculs de descripteurs de formes et/ou de texture, et des classifieurs. Ces outils devront être robustes par rapport aux variabilités (illumination, résolution, etc.). Ceci est particulièrement crucial au niveau de la première étape de segmentation, dont dépend pour une grande part la qualité des résultats finals. Une première idée est d’utiliser la diversité temporelle et/ou spatiale. Pour l
Doctorant.e: Verma Ujjwal