• Aucun résultat trouvé

4.2 Évaluation de la méthode sur des feuilles de blé cultivées en pot

4.2.1 Protocole expérimental

Deux cent graines de blé dur ont été ensemencées dans des pots de diamètre 20 cm et cultivées sous une serre durant huit semaines. Dix pots ont été imagés au nadir à l'aide d'une caméra hyperspectrale Hyspex VNIR-1024 (Norsk Elektro Optikk, Skedsmokorset, Norvège) à une hauteur d'environ un mètre. Chacun de ces dix pots a été ensuite entouré de six autres, an de reproduire autant que possible des conditions de réexions multiples. Un Spectralon®, qui est un diuseur lambertien parfait avec une valeur de réectance plate de 0,5, a été inclus dans chaque scène. Il nous a permis de corriger l'image en réectance en caractérisant l'éclairement incident.

Trois feuilles individuelles ont été ensuite repérées dans chaque pot, enlevées et puis posées sur un papier noir an d'être imagées sans réexions multiples. Enn, leur teneur en azote locale a été mesurée en 4 points diérents le long de la feuille (gure4.2), en utilisant un spectromètre de champ ASD couplé au modèle PLS-R développé dans (Ecarnot et al., 2013). Ceci donne un ensemble total de 10x3x4 = 120 valeurs d'azote dans une gamme d'environ 2 à 3,5% de matière sèche.

Figure 4.1  Expérimentation en conditions réelles sur des feuilles de blé cultivées en pot

Gauche: Pot focal entouré de 6 pots. Milieu: Trois feuilles individuelles enlevées du pot focal et posées sur un papier noir. Droite: Mesure en teneur d'azote en 4 points diérents le long de

chaque feuille

Toutes les images hyperspectrales obtenues ont ensuite été transformées en des images de réectance selon la référence du Spectralon. Dans chaque zone foliaire correspondant à la mesure ASD des images de feuilles isolées à plat, un spectre moyen a été récupéré constituant ainsi un ensemble de 120 couples [spectre de base / teneur en azote].

Figure 4.2  a: Exemple d'une image végétale d'un pot de blé. b: Exemple de location des 4 zones ASD pour une feuille

Ce jeu de données résultant, a été utilisé, dans un premier temps, pour la construction de la matrice de projection oblique propre au cas étudié. Les paramètres MaxD=6, MaxP=1 et MaxW=2 retenus par simulation ont été utilisés pour déterminer le sous-espace des réexions multiples EW.

Une fois la matrice de projection oblique calculée, le même jeu de données a été ensuite utilisé pour construire deux modèles PLS-R sans et avec projection oblique. Ces modèles ont été ensuite appliqués sur les images hyperspectrales.

4.2.2 Résultats et discussion

Selon les mesures ASD, une gamme de concentration en azote d'environ 2 à 3,5% de matière sèche (MS) a été obtenue à partir des feuilles isolées. On a observé que toutes les feuilles ont un LNC croissant depuis la base jusqu'au bout.

Deux modèles PLS-R ont été construits sans et avec projection oblique, avec une erreur de validation croisée inférieure à 0,2% de MS pour chacun d'eux (gure4.3).

Figure 4.3  Gauche: Modèle PLS-R standard. Droite: Modèle PLS-R avec projection

Comme le montre la gure 4.3, la projection oblique dégrade légèrement la qualité de prédiction: 0,193 (% MS) au lieu de 0,15 (% MS) pour la PLS-R standard.

La gure4.4conrme que les deux modèles donnent presque les mêmes résultats sur les feuilles isolées. En revanche, les cartographies obtenues sur les images de la plante sont très diérentes.

4.2 Évaluation de la méthode sur des feuilles de blé cultivées en pot

Figure 4.4  Prédiction de la teneur en azote (% MS) sur les images hyperspectrales.

a: positions et valeurs de la mesure ASD. b et c: prédiction sur des feuilles isolées sans (b) et avec (c) projection oblique. d et e: image végétale pot seul (d) et pot entouré (e). f et g: prédiction sur

les mêmes feuilles avant la coupe (image traitée sans (f) et avec (g) projection oblique)

Plus précisément, si l'on compare aux valeurs de référence (gure 4.4(a)), on remarque une bonne qualité de prédiction du taux d'azote pour les feuilles à plat quelque soit le modèle (gure 4.4(a, b et c)). Ce qui n'est pas le cas en présence de réexions multiples où le modèle sans projection présente une surestimation de la teneur en azote (gure4.4 (f)).

Les gures 4.5 (b) et 4.5 (c) montrent clairement l'inuence des plantes environnantes sur les résultats de prédiction LNC obtenus avec un modèle standard PLS-R, en raison de diérents niveaux de réexions multiples. Par contre, les gures 4.5 (e) et 4.5 (f), montrent que le modèle issu de la projection oblique présente des prédictions de la teneur en azote, visuellement identiques d'un cas à l'autre. Cela veut dire que la projection oblique à pu corriger une grande partie des perturbations (mais pas totalement) là où la PLS classique a échoué.

Figure 4.5  Prédiction de la teneur en azote (% MS) sur les images hyperspectrales dans diverses conditions environnantes.

a, d: Feuilles isolées et debout dans la même image, modèles sans (a) et avec (d) projection. b, e: pots isolés, modèles sans (b) et avec (e) projection.

c, f: pots entourés, modèles sans (c) et avec (f) projection.

An de conrmer ces observations sur un ensemble plus large de données, les dix images combinant les plantes en pot et les feuilles isolées ont été traitées avec les deux modèles PLS-R. Les valeurs de la teneur en azote ont été calculées en moyenne séparément pour les deux types de feuilles (gure 4.6). Encore une fois, une surestimation systématique est obtenue avec le modèle PLS-R sans projection pour les feuilles debout, alors que les valeurs moyennes restent presque similaires pour les deux modèles sur les feuilles isolées.

Figure 4.6  Valeurs moyennes de la teneur en azote prédite (% MS) pour dix images de plantes à pot. Toutes les images comprennent des zones debout (gauche) et isolées (à droite).