RootSystemTracker : Méthodes automatiques de reconstruction spatio-temporelle de l'architecture racinaire par IA pour la conception de systèmes agroécologiques

• Titre du projet : « RootSystemTracker : Méthodes automatiques de reconstruction spatio-temporelle de l'architecture racinaire par IA pour la conception de systèmes agroécologiques » ; Inria & Cirad.
  • Doctorant : Gandeel Loaï.
  • Unité de rattachement : Université de Montpellier & CNRS, UMR 5506 - LIRMM.
  • Co-encadrement :
    • Reza Akbarinia (Inria).
    • Romain Fernandez (Cirad).
  • École doctorale : I2S – Information Structures Systèmes.
  • Durée du projet : 2024 – 2027.

Résumé du projet :

Les méthodes actuelles de phénotypage racinaire automatique sont limitées par les occlusions, la complexité des structures racinaires et la variabilité des conditions d'observation, rendant difficile l'analyse dynamique et exhaustive de la croissance racinaire en conditions de culture au champ ou en peuplements mixtes. Ces approches ne résolvent que partiellement le problème de reconstruction dans des cas simples et contrôlés, sans garantir une solution optimale globale. Un défi majeur dans l'étude de l'architecture racinaire réside dans l'absence de visualisation des structures du système racinaire au fil du temps dans leur environnement naturel.

Pour surmonter ces défis, RootSystemTracker utilisera les avancées récentes en analyse spatio-temporelle de l’architecture racinaire (Fernandez et al., 2022), combinant des algorithmes globaux sur des graphes avec des techniques de deep learning et de data mining pour analyser les trajectoires racinaires. Ce projet permettra de transférer ces avancées du laboratoire au champ grâce à des données d'entraînement fournies par un consortium international et partagées sous forme de data challenge. Les données seront produites par des dispositifs de phénotypage permettant l’observation des racines sous forme de séries temporelles : rhizotrons, rhizotubes, rhizoscopes et scanners optiques.

Les principaux objectifs du projet incluent le développement de logiciels open-source pour l'annotation et la reconstruction spatio-temporelle des architectures racinaires, l’entraînement de modèles permettant l’adaptation de domaine et la segmentation sémantique, ainsi que l'amélioration des modèles d’analyse avec du data mining.

RootSystemTracker renforcera la coopération internationale et le partage de données entre agronomes et experts en science des données. Le projet encouragera l'accessibilité des ressources, permettant aux pays du Nord et du Sud de bénéficier des avancées méthodologiques. Il améliorera la compréhension des dynamiques de développement des racines en réponse aux stress environnementaux et aux mélanges d’espèces, et permettra la modélisation et la sélection de variétés adaptées à l’agroécologie.