Estimation de la dynamique du développement architectural du blé à partir de données de phénotypage à haut débit en champ à l'aide d'une approche hybride combinant IA et modèle plante en 3D

Résumé :

Cette estimation sera  réalisée grâce à une approche hybride consistant à créer un système  d'apprentissage basé sur l'IA et capable de reconnaître un modèle  structurel dynamique en trois dimensions (3D) du blé (AdelWheat). 

Les  capteurs LiDAR (Light Detection and Ranging) et les caméras RVB  embarqués à bord de la Phenomobile se sont révélés efficaces pour  récupérer la dynamique des caractéristiques structurelles au niveau de  la canopée, telles que la hauteur de la canopée, l'indice de surface  foliaire de la canopée, la distribution verticale et horizontale de la  surface foliaire, la densité des épis ou la taille moyenne des épis.  Cette thèse vise à projeter ces observations dans un espace paramétrique  basé sur les plantes à l'aide d'une IA entraînée avec AdelWheat afin  d'estimer le meilleur ensemble de paramètres qui correspond aux données à  haut débit observées. L'ensemble de paramètres obtenu comprend des  caractéristiques basées sur les organes (dimensions individuelles des  feuilles, hauteur d'insertion des feuilles, nombre de talles...) et des  vitesse de développement (phyllochron, vitesse d'élongation des  tiges...) qui faciliteront l'utilisation future des observations HTP sur  le terrain pour l'analyse GxE à l'aide de modèles de croissance des  cultures afin de caractériser le fonctionnement des génotypes, car ces  caractéristiques sont également des paramètres des modèles de cultures.

Pour atteindre cet objectif, la thèse abordera trois objectifs spécifiques :

1. identifier le sous-ensemble de paramètres d’AdelWheat qui contrôle le plus les observations Phenomobile,
2. développer un programme d'apprentissage basé sur l'IA permettant  d'estimer les paramètres d’AdelWheat à partir d'observations,
3. valider la précision des caractères avancés à l'aide des mesures existantes sur le terrain.

La  thèse s'appuiera sur des campagnes de mesures multi-sites Phenomobile  menées entre 2022 et 2024 (projet ANR FFAST) pour 10 cultivars de blé,  et deux autres campagnes en 2025 et 2026 pour 40 cultivars de blé, y  compris le panel FFAST (projet Horizon Europe PHENET).

Contact :

• Aurélien Besnier