[News]
SOUTENANCE DE THESE DE DOCTORAT DE GUILLAUME SODJINOU
Sous la supervision du Professeur Pierre GOUTON (Université de Bourgogne, France), Guillaume Sovi SODJINOU a soutenu sa thèse de doctorat en Informatique, dans la spécialité traitement d’images et instrumentation, le vendredi 6 septembre 2024 à l’Institut de Mathématiques et de Sciences Physiques. Ses travaux de recherche ont porté sur la segmentation sémantique des images couleur multi spectrales. C’est une méthode utilisée dans l’agriculture intelligente. Spécifiquement, il s’agit de l’utilisation des images multi spectrales pour régler l’épineux problème de séparation précise des cultures et des adventices (des mauvaises herbes qui poussent au niveau de la plantation); ceci dans le but d’améliorer la productivité agricole et contribuer à une gestion plus durable des ressources naturelles.
Cette méthode permet aux agriculteurs, à l’aide de robots ou des drones, de surveiller depuis leurs maisons la présence ou non des adventices . Elle consiste également à une bonne pratique des pesticides ou des intrants de culture dans un champ.
Comme définie par l’impétrant : « La segmentation sémantique est une méthode qui consiste à attribuer à chaque pixel d’une image, une classe spécifique afin de pouvoir analyser et optimiser les pratiques agricoles ».
En effet, les résultats de recherches menées ces dernières années sont prometteurs avec l’utilisation des algorithmes de segmentation sémantique. Cependant, malgré ces avancées, la complexité des architectures reste un problème.
Pour répondre à ces limitations et améliorer les performances de prédiction, l’impétrant a proposé une approche novatrice, notamment un algorithme pour segmenter et séparer efficacement les différentes cultures des adventices. Il a développé ensuite, un système de vision pour les images multispectrales :
i) Une caméra multispectrale exploitant le Multi-Spectral Filter Array (MSFA) pour acquérir des données multispectrales dans le spectre visible et proche infrarouge. Cette diversification spectrale enrichit les informations disponibles, améliorant ainsi la précision des résultats.
ii) Une base de données multi-spectrales, fournissant un ensemble de données complet pour la recherche. Les solutions proposées ont été validées sur la base des différents résultats obtenus et comparées à d’autres travaux de la littérature.
iii) Algorithme de segmentation d’images multispectrales.
Les résultats de ces travaux ont montré des performances supérieures à celles de l’existant. Ces résultats ouvrent de nouvelles perspectives pour l’analyse et la prise de décision en agriculture de précision, contribuant ainsi à l’amélioration de la productivité agricole et à une gestion plus durable des ressources naturelles.
