hyperspectrales proche infrarouge de grains de blé : étude ... · 16/05/2014 phénotype: ensemble...
TRANSCRIPT
Analyse en composantes principales d’images hyperspectrales Proche infrarouge de grains de blé :
étude de la dureté et de la vitrosité.
Eloïse Lancelot
Valérie Lullien-Pellerin – Dominique Bertrand - Benoît Jaillais
3ème Colloque Scientifique de la SFPT-GH - Porquerolles
Vendredi 16 mai 2014
16/05/2014
.02
INRA - BIBS
MicroscopiesSpectroscopies de Masse
RMNPhénotypage/chémotypagewww.bibs.inra.fr
Centre ANGERS-NANTES
(France)
Research unit
Biopolymers, Interactions,
Assemblies
Analyses multi-échelles de biopolymères• Structure, organisation• Interactions• Localisation• Mobilité, dynamique• Variabilité de composition et de structure
Eloïse Lancelot / ANALYSE EN COMPOSANTES PRINCIPALES D’IMAGES HYPERSPECTRALES PIR DE GRAINS DE BLÉ
16/05/2014
Phénotype : Ensemble des caractères observables
(morphologiques, anatomiques et physiologiques) d'un individu
résultant de l'expression de ses gènes (génotype) et de leurs
éventuelles interactions avec le milieu environnant.
L’activité du phénotypage au sein de la plateforme BIBS
consiste à établir la cartographie de la structure interne des
graines de grande culture (blé, pois, maïs) au moyen de
signatures spectrales spécifiques des tissus. L’apport de la
chimiométrie permet de traiter ces images complexes et de relier
les signatures spectrales aux conditions écophysiologiques et
génétiques des graines.
Qu’est-ce que le phénotypage?
.03Eloïse Lancelot / ANALYSE EN COMPOSANTES PRINCIPALES D’IMAGES HYPERSPECTRALES PIR DE GRAINS DE BLÉ
16/05/2014
PHENOME est une infrastructure de phénotypage haut-débit qui équipera la
communauté scientifique française avec un réseau national de plateformes
destinées à étudier la variabilité naturelle d’une grande collection d’espèces
végétales sous divers scénarios environnementaux associés aux changements
climatiques.
Ses objectifs sont:
Construire ou finaliser des plates formes fortement instrumentées sur sept sites
en France, répondant aux besoins des principales espèces agronomiques et
permettant de tester les contraintes environnementales majeures.
Développer des applications matérielles et logicielles comportant des sauts
technologiques, avec le développement de nouveaux capteurs, méthodes
d'analyse statistiques et bases de données.
Diffuser les techniques et méthodes vers la communauté française de
phénotypage (sociétés semencières, instituts techniques, recherche publique)
Faciliter l'émergence de PME françaises impliquées dans le développement de
méthodes de phénotypage.
Projet PHENOME2012-2019
.04Eloïse Lancelot / ANALYSE EN COMPOSANTES PRINCIPALES D’IMAGES HYPERSPECTRALES PIR DE GRAINS DE BLÉ
http://www.phenome-fppn.fr/
Développement de nouvelles méthodes d’analyse
16/05/2014
.05
Spectroscopie Proche Infrarouge bien maîtrisée
Méthode non-destructive
Rapide
Précise et reproductible
Pas ou peu de préparation des échantillons, verre et quartz transparents
Pas de consommable/faible coût de fonctionnement
Analyse multiparamétrique
Possibilité de faire de l’imagerie
Eloïse Lancelot / ANALYSE EN COMPOSANTES PRINCIPALES D’IMAGES HYPERSPECTRALES PIR DE GRAINS DE BLÉ
Imagerie hyperspectrale Proche Infrarouge:
Système d’imagerie hyperspectrale Proche Infrarouge:
16/05/2014
.06Eloïse Lancelot / ANALYSE EN COMPOSANTES PRINCIPALES D’IMAGES HYPERSPECTRALES PIR DE GRAINS DE BLÉ
Développement de nouvelles méthodes d’analyse
Système d’acquisition de type « pushbroom »: • Acquisition d’une ligne entière (résolution spatiale 26μm)• Le tapis avance selon la direction y et une nouvelle ligne est acquise
Système HyperPro (BurgerMetrics)
y (318)~8,2mm
x(2
31
)~6
mm
λ (212)950-2500nm
Pas ~7nm
Image à la longueur d’onde
sélectionnée
Spectre d’un point xy donné
1min20s/image
Traitement des données:
16/05/2014
.07Eloïse Lancelot / ANALYSE EN COMPOSANTES PRINCIPALES D’IMAGES HYPERSPECTRALES PIR DE GRAINS DE BLÉ
Développement de nouvelles méthodes d’analyse
Extraction deparamètres de l’image
Traitement del’image entière
Prédiction,Quantification
ACP concaténée
ACP, classification,régression
Classification,régression
0246810
5
7
4
8
12
11
1
6
3
2
9
10
Problématique
16/05/2014
.08Eloïse Lancelot / ANALYSE EN COMPOSANTES PRINCIPALES D’IMAGES HYPERSPECTRALES PIR DE GRAINS DE BLÉ
Blé tendre Farine- Blé de qualité supérieure- Blé boulanger- Blé biscuitier- Blé pour autre usage
- Taille moyenne des particules- Taux d’endommagement de l’amidon- Absorption de l’eau
Qualité
Dureté:Facteur génétiqueAdhésion entre les
granules d’amidon et le réseau protéique
Vitrosité :Facteur environnemental
Degré de porosité de l’albumen
Problématique
16/05/2014
.09Eloïse Lancelot / ANALYSE EN COMPOSANTES PRINCIPALES D’IMAGES HYPERSPECTRALES PIR DE GRAINS DE BLÉ
Méthodes utilisées pour mesurer la dureté apparente
- AACC approved NIR method 39-70.02 - AACC approved Particle Size Index (PSI) method 55-30.01- AACC approved Single Kernel Characterization System (SKCS) method 55-31.01
nécessite de broyer les grains Techniques destructives
Méthodes utilisées pour mesurer la vitrosité
- Inspection visuelle, mesure moyenne sur plusieurs grains
opérateur dépendant Peu précis, fastidieux
Description des échantillons
16/05/2014
.010Eloïse Lancelot / ANALYSE EN COMPOSANTES PRINCIPALES D’IMAGES HYPERSPECTRALES PIR DE GRAINS DE BLÉ
Indice de dureté NIRS Indice de vitrosité
SF (Friable et farineux) 17 21
HF (Dur et farineux) 51 23
SV (Friable et vitreux) 25 48
HV (Dur et vitreux) 63 68
4 lots de lignées de blés tendres quasi-isogéniques (97%) qui ne différent que parle caractère de dureté et de lieux de culture différents qui permettent l’obtentionde vitrosités contrastées.
2 groupes Grains coupés à 50%
15grains/lotGrains entiers15 grains/lots
SF SV HVHF SF SV HF HV
60 images 60 images
Pré-traitement des données
16/05/2014
.011Eloïse Lancelot / ANALYSE EN COMPOSANTES PRINCIPALES D’IMAGES HYPERSPECTRALES PIR DE GRAINS DE BLÉ
n
p
λ
λ
nxp
Dépliement de l’hypercube:Sélection d’une région d’intérêt:
Création d’un masque binaire pour chaque grain afin de supprimer le fond.
Méthode ACP classique
16/05/2014
.012Eloïse Lancelot / ANALYSE EN COMPOSANTES PRINCIPALES D’IMAGES HYPERSPECTRALES PIR DE GRAINS DE BLÉ
Analyse ACP
1000
1000
220
1000
220
220
Échantillonnage aléatoire :1000 pixels dans ROI/image
220
60000
Concaténation
…
60 cubes
dépliés
Méthode ACP concaténée
16/05/2014
.013Eloïse Lancelot / ANALYSE EN COMPOSANTES PRINCIPALES D’IMAGES HYPERSPECTRALES PIR DE GRAINS DE BLÉ
Cubes imagesdépliés
220
220
220
1ère étape
220
220
220
220
220
Matrice de Covariance «globale»
2ème étape
220
2201. Diagonalisation
de la matrice globale
nxp
10
Scores
2. Projectionsur les vecteurs propres
3ème étape
nxp
10
ScoresRepliement des scoresdans les dimensions
initiales de l’image
Scores repliés
=
…
Matrice de Covariance
Cumulation des matrices de covariance
…
Résultats
16/05/2014
.014Eloïse Lancelot / ANALYSE EN COMPOSANTES PRINCIPALES D’IMAGES HYPERSPECTRALES PIR DE GRAINS DE BLÉ
ACP Classique:
Grains coupés
Sur sélection des longueurs d’onde comprises entre 1900 et 2500nm
Grains entiers
PC1 VitrositéPC2 Dureté
VitreuxFarineux
Dur
Friable
Dur
Vitreux
Friable
Farineux
Résultats
16/05/2014
.015Eloïse Lancelot / ANALYSE EN COMPOSANTES PRINCIPALES D’IMAGES HYPERSPECTRALES PIR DE GRAINS DE BLÉ
ACP Concaténée Score image PC1 des grains coupés
SF HF
HVSV
Farineux
Vitreux
Indice théorique 21 23
48 68
Résultats
16/05/2014
.016Eloïse Lancelot / ANALYSE EN COMPOSANTES PRINCIPALES D’IMAGES HYPERSPECTRALES PIR DE GRAINS DE BLÉ
ACP Concaténée Score image PC2 des grains coupés
SF HF
HVSV
Indice théorique 17 51
25 63
DurFriable
Résultats
16/05/2014
.017Eloïse Lancelot / ANALYSE EN COMPOSANTES PRINCIPALES D’IMAGES HYPERSPECTRALES PIR DE GRAINS DE BLÉ
ACP Concaténée Score image PC1 des grains entiers
SF HF
HVSV
Farineux
Vitreux
21 23
48 68
Résultats
16/05/2014
.018Eloïse Lancelot / ANALYSE EN COMPOSANTES PRINCIPALES D’IMAGES HYPERSPECTRALES PIR DE GRAINS DE BLÉ
ACP Concaténée Score image PC2 des grains entiers
SF HF
HVSV
17 51
25 63
DurFriable
Conclusion/Perspectives
16/05/2014
.019Eloïse Lancelot / ANALYSE EN COMPOSANTES PRINCIPALES D’IMAGES HYPERSPECTRALES PIR DE GRAINS DE BLÉ
Utilisation de l’imagerie hyperspectrale Proche Infrarouge pour distinguer les
caractéristiques de vitrosité et de dureté sur deux groupes de grains de blé : coupés
à 50% et grains entiers.
Développement de méthodes d’analyse basées sur ACP
Bonne discrimination des échantillons vitreux et farineux pour les deux groupes
Meilleure discrimination de la dureté dans le cas des grains coupés
Technique moins destructive que les techniques traditionnelles et plus informative
(distribution interne), sans biais lié à l’opérateur
Validation de la méthode sur d’autres échantillons
Développement d’une méthode de régression entre les images et les valeurs de
référence