Contexte de travail
Ma thèse de doctorat a été réalisée en cotutelle entre l'Université d'Abomey-Calavi et l'Université du Littoral Côte d'Opale, au sein de l'École Doctorale des Sciences de l'Ingénieur et de l'École Doctorale Sciences, Technologie et Santé.
Les travaux ont été menés conjointement au Laboratoire d'Informatique, Signal et Image de la Côte d'Opale (LISIC) et au Laboratoire de Recherche en Sciences Informatiques et Applications (LRSIA), avec un cofinancement assuré par l'ULCO et l'Institut International d'Agriculture Tropicale (IITA — Bénin).
Les activités ont été réparties entre les deux laboratoires selon leurs expertises, favorisant une forte synergie scientifique entre acquisition de données hyperspectrales, reconnaissance spectrale et suivi dynamique des insectes.
La thèse, dirigée par Arnaud Ahouandjinou, Gilles Delmaire et Gilles Roussel, a été soutenue le 23 octobre 2025 ; le manuscrit est disponible sur HAL : tel-05371801.
Description du travail
La lutte contre les insectes ravageurs repose encore majoritairement sur des interventions tardives, entraînant un usage excessif de produits phytosanitaires. Une approche plus durable consiste à détecter précocement les ravageurs à l'état adulte.
L'objectif principal de cette thèse est de concevoir une approche de détection, de suivi et de reconnaissance d'insectes ravageurs en mouvement à partir d'images hyperspectrales, capables d'exploiter conjointement les dimensions spatiale, spectrale et temporelle.
Les travaux s'appuient sur l'utilisation d'une caméra spatio-spectrale compacte, impliquant la modélisation conjointe des signatures spectrales et de la dynamique du mouvement des insectes en vol.
Contributions
Collecte et préparation des données
Deux dispositifs d'acquisition complémentaires ont été développés : un système à mouvement contrôlé à faible coût (environ 100 euros, tapis roulant motorisé) pour l'acquisition d'insectes immobiles et la reconstruction de cubes hyperspectraux de référence à l'IITA, et un système autonome installé en conditions réelles au Jardin botanique du Beau Pays à Marck, associant une caméra spatio-spectrale et une carte NVIDIA Jetson. Fonctionnant à 25 images par seconde, ce dernier ne conserve que les séquences présentant une activité, détectée par soustraction de fond.
Reconnaissance spectrale des espèces
Proposition d'une approche bayésienne combinant de manière convexe Gaussian Naive Bayes et Z-score, selon quatre stratégies de classification, pour la reconnaissance d'espèces de papillons à partir de séquences d'images spatio-spectrales brutes : 88,75 % d'exactitude avec une seule image et 97,5 % en agrégeant quatre images, avec un traitement de quatre images en 741 ms sur un simple CPU.
Suivi multi-cible basé sur la dynamique de vol
Développement d'une méthode de suivi multi-cible associant des filtres de Kalman à un modèle de déformation du vol (déformations d'ailes, variations d'orientation) : le filtre de Kalman étendu atteint 73 % d'IoU sans aucun changement d'identité sur 15 séquences, contre 62 % et 3 changements pour le filtre linéaire.
Pipeline d'identification et de surveillance
Mise en place d'un pipeline complet d'identification des papillons ravageurs en milieu naturel et d'estimation de leur densité à partir d'images spatio-spectrales : à notre connaissance, la première approche hyperspectrale de détection d'insectes ravageurs en conditions réelles et en temps quasi réel (publication en préparation).
Publications associées
-
[R1]
Statistical framework for butterfly species recognition using raw spatio-hyperspectral images
E. Adjé, G. Delmaire, A.S.R.M. Ahouandjinou, M. Puigt, G. Roussel
Pattern Analysis and Applications, vol. 28, n° 3, pp. 136, 2025
-
[CI3]
Deformation-Aware Butterfly Tracking in Raw Spatio-Spectral Images
E. Adjé, A.S.R.M. Ahouandjinou, G. Delmaire, P. Kiki, G. Roussel
Pattern Recognition and Image Analysis (IbPRIA 2025), vol. 15937, pp. 41–53, 2025
-
[CN1]
Suivi de papillons basé sur les déformations du mouvement de vol à partir d'images spatio-spectrales
E. Adjé, A.S.R.M. Ahouandjinou, G. Delmaire, P. Kiki, G. Roussel
XXXe Colloque Francophone de Traitement du Signal et des Images (GRETSI 2025), pp. 417–420, 2025
-
[T1]
Détection, suivi et reconnaissance d'insectes en mouvement par imagerie hyperspectrale : application à la surveillance des ravageurs en agriculture
E. Adjé
Université du Littoral Côte d'Opale & Université d'Abomey-Calavi, 2025
- Lien (nouvel onglet)
- BibTeX : Détection, suivi et reconnaissance d'insectes en mouvement par imagerie hyperspectrale : application à la surveillance des ravageurs en agriculture
- Détails : Détection, suivi et reconnaissance d'insectes en mouvement par imagerie hyperspectrale : application à la surveillance des ravageurs en agriculture
-
[CI1]
Towards Automatic Butterfly Species Recognition Using a Single Spatio-Hyperspectral Image
E. Adjé, G. Delmaire, A.S.R.M. Ahouandjinou, M. Puigt, G. Roussel
32nd European Signal Processing Conference (EUSIPCO 2024), pp. 1252–1256, 2024
-
[CI2]
Advancements in Video-Based Insect Tracking: A Bibliometric Analysis to a Short Survey
E. Adjé, A.S.R.M. Ahouandjinou, G. Delmaire, G. Roussel, V.R. Houndji
2023 7th International Conference on Advances in Image Processing (ICAIP), pp. 75–82, 2024
-
[CI4]
Robust Approach for Butterfly Species Classification Using a Single Spatio-Hyperspectral Image
E. Adjé, G. Delmaire, A.S.R.M. Ahouandjinou, M. Puigt, G. Roussel
14th Workshop on Hyperspectral Imaging and Signal Processing: Evolution in Remote Sensing (WHISPERS 2024), pp. 1–5, 2024