Inspection non destructive pour la détection du stress des plantes, le diagnostic des maladies et l’analyse des carences en nutriments
Les données hyperspectrales permettent une inspection rapide et à grande échelle des cultures, facilitant une intervention précoce pour minimiser l’exposition
Identification non invasive et détection précoce des maladies des plantes
Imagerie hyperspectrale et mesure SPAD pour la surveillance de la santé des plantes et la détection des maladies
L’identification rapide et fiable des maladies des plantes est un enjeu majeur en agriculture moderne. La détection précoce de facteurs affectant la santé des cultures, tels que les insectes, les champignons ou les carences nutritionnelles, permet aux chercheurs de prévenir les stress biotiques et abiotiques.
Les méthodes traditionnelles reposent sur l’observation manuelle des symptômes visibles. Cependant, ces techniques sont longues, coûteuses en main-d’œuvre et souvent limitées aux stades avancés de l’infection, lorsque les symptômes sont déjà visibles, augmentant ainsi le risque de propagation des maladies et de réduction des rendements. De plus, les méthodes classiques d’analyse chimique nécessitent un échantillonnage destructif des tissus végétaux, ce qui peut affaiblir une plante déjà malade et allonger le délai avant l’obtention des résultats.
Pour surmonter ces limites, l’intérêt pour des approches automatisées et objectives en identification précoce des maladies ne cesse de croître. Les techniques d’analyse d’images, en particulier celles basées sur l’imagerie hyperspectrale et l’imagerie RGB, offrent des solutions précises et non invasives pour la détection des maladies.
Quels sont les moyens de détection des maladies des plantes ?
Les recherches dans le domaine de l’analyse d’images, des algorithmes d’apprentissage automatique et du phénotypage à haut débit se développent rapidement pour identifier et prédire les stress des cultures.
L’utilisation de capteurs d’imagerie variés (RGB, hyperspectraux, thermiques et fluorescence de la chlorophylle) permet une détection objective et sensible des stress biotiques et abiotiques.
L’adoption de techniques automatisées d’identification des maladies, combinant l’imagerie hyperspectrale et RGB, l’analyse avancée d’images et le machine learning, apporte une amélioration significative des pratiques de gestion des cultures. Ces approches non invasives et objectives facilitent la détection précoce des maladies et permettent une intervention ciblée et une allocation efficace des ressources. Grâce aux progrès des technologies et de l’analyse des données, les chercheurs développent des méthodes de détection plus performantes et précises, contribuant à une agriculture plus durable et à une meilleure santé des cultures.
L’imagerie hyperspectrale (HSI), une technologie émergente, permet de capturer des informations détaillées sur la réflectance sur un large spectre lumineux, au-delà des capacités de la vision humaine. Cette technologie permet d’identifier des changements subtils dans la croissance et le développement des plantes, comme l’accumulation de pigments tels que l’anthocyanine. Lorsqu’elles sont exposées à des conditions de stress telles qu’une lumière intense ou une carence en nutriments, la croissance et le rendement des plantes peuvent être affectés. L’accumulation d’anthocyanine est un indicateur précoce de stress, apparaissant généralement dans une petite zone, ce qui la rend difficile à détecter à l’œil nu.
En mesurant l’intensité de la lumière réfléchie ou absorbée par la plante, une caméra HSI peut détecter des variations spécifiques dans certaines plages spectrales, permettant d’identifier précisément les modifications des propriétés biologiques, chimiques et physiques de la plante.
Caméras hyperspectrales pour la détection précoce des maladies des plantes
Dans le domaine de la pathologie végétale et du suivi de la santé des cultures, les données spécifiques aux plantes peuvent être analysées pour identifier les plages du spectre électromagnétique où les variations de réflectance ou d’absorption révèlent des maladies ou autres indicateurs de santé végétale. L’HSI permet d’effectuer des analyses rapides et ciblées, offrant une alternative plus efficace aux méthodes traditionnelles sans nécessiter d’échantillonnage destructif.
L’HSI détecte les changements biochimiques et physiologiques avant même l’apparition des symptômes visibles, tels que la dégradation de la chlorophylle, le stress hydrique et l’accumulation de pigments. Les caméras Specim FX10 et FX17 analysent les signatures spectrales des plantes sur des centaines de longueurs d’onde, permettant une différenciation précise entre plantes saines et malades.
Chlorophylle-mètre SPAD-502 Plus
Le mètre SPAD est largement utilisé en agriculture commerciale pour réaliser des tests non destructifs sur la santé des cultures. Il fournit des données simples mais puissantes permettant aux producteurs de déterminer le moment et la quantité optimale d’application des engrais. Les mesures SPAD sont corrélées à la concentration en chlorophylle des feuilles et permettent d’optimiser l’utilisation des nutriments.
Une surveillance régulière des cultures permet d’améliorer les rendements, réduire les coûts et minimiser l’impact environnemental.
Avantages de l’identification automatisée des maladies:
La détection automatisée des maladies permet une intervention précoce, une application ciblée de produits chimiques et l'amélioration des pratiques de gestion des cultures. En détectant les maladies à un stade précoce, les agriculteurs peuvent empêcher la propagation de l'infection et réduire les dommages causés aux cultures. L'identification précise des maladies permet de cibler l'utilisation des produits chimiques, de réduire l'application des pesticides et des herbicides, de diminuer les coûts et de protéger l'environnement.
Avantages
- Approche non destructive / non invasive
- Détecter et identifier les maladies et le stress des plantes avant l'apparition de symptômes visibles
- Intervenir et surveiller la maladie pour éviter qu'elle ne se propage
- Quantifier le pourcentage de la surface foliaire affectée par la maladie
- Identification des symptômes de stress chez les plantes (présence et accumulation d'anthocyanes) en fonction de la teneur en eau ou de l'état de la photosynthèse
- Optimiser le calendrier et la quantité d'engrais azotés et les conditions nutritives : réduire le gaspillage et le coût de la surutilisation (surfertilisation), réduisant ainsi la contamination de l'environnement (maladies chez les plantes et contamination de l'eau due au lessivage des nutriments dans le sol du champ)
Instruments
Applications HSI
Combinaison de l’HSI et du LSSVM (Least Squares Support Vector Machine) pour identifier les maladies des agrumes
L’imagerie hyperspectrale permet de caractériser et identifier les agrumes infectés par le HLB, en distinguant les arbres déshydratés des arbres malades. Cela permet de limiter la propagation des infections et d’éviter des pertes coûteuses en réduisant les suppressions erronées d’arbres sains.
Source : ResearchGate
Weng et al. (2018)
Détection précoce de la maladie du blé grâce à l’HSI
Analyse des réflectances spectrales des plantes de blé infectées sur le terrain pour évaluer la capacité à combattre la rouille jaune grâce à des interventions ciblées, minimisant ainsi les coûts et l’impact environnemental.
Source : Science Direct
Bravo et al. (2003)
Demander à un expert
