Transcript Mars / Avril 2015

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
INRA - BIBS
Centre ANGERS-NANTES
(France)
Research unit
Biopolymers, Interactions,
Assemblies
www.bibs.inra.fr
Microscopies
Spectroscopies de Masse
RMN
Phénotypage/chémotypage
Analyses multi-échelles de biopolymères
• Structure, organisation
• Interactions
• Localisation
• Mobilité, dynamique
• Variabilité de composition et de structure
.02
Eloïse Lancelot / ANALYSE EN COMPOSANTES PRINCIPALES D’IMAGES HYPERSPECTRALES PIR DE GRAINS DE BLÉ
16/05/2014
Qu’est-ce que le phénotypage?
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.
.03
Eloïse Lancelot / ANALYSE EN COMPOSANTES PRINCIPALES D’IMAGES HYPERSPECTRALES PIR DE GRAINS DE BLÉ
16/05/2014
Projet PHENOME
2012-2019
http://www.phenome-fppn.fr/
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.
.04
Eloïse Lancelot / ANALYSE EN COMPOSANTES PRINCIPALES D’IMAGES HYPERSPECTRALES PIR DE GRAINS DE BLÉ
16/05/2014
Développement de nouvelles méthodes d’analyse
Imagerie hyperspectrale Proche Infrarouge:
 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
.05
Eloïse Lancelot / ANALYSE EN COMPOSANTES PRINCIPALES D’IMAGES HYPERSPECTRALES PIR DE GRAINS DE BLÉ
16/05/2014
Développement de nouvelles méthodes d’analyse
Système d’imagerie hyperspectrale Proche Infrarouge:
Spectre d’un point xy donné
Système HyperPro (BurgerMetrics)
λ (212)
~6mm
x (231)
950-2500nm
Pas ~7nm
y (318)
~8,2mm
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
Image à la
longueur d’onde
sélectionnée
1min20s/image
.06
Eloïse Lancelot / ANALYSE EN COMPOSANTES PRINCIPALES D’IMAGES HYPERSPECTRALES PIR DE GRAINS DE BLÉ
16/05/2014
Développement de nouvelles méthodes d’analyse
Traitement des données:
Extraction de
paramètres de l’image
10
ACP, classification,
régression
9
2
3
6
1
11
12
8
4
7
5
10
Traitement de
l’image entière
Prédiction,
Quantification
8
6
4
2
0
ACP concaténée
Classification,
régression
.07
Eloïse Lancelot / ANALYSE EN COMPOSANTES PRINCIPALES D’IMAGES HYPERSPECTRALES PIR DE GRAINS DE BLÉ
16/05/2014
Problématique
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 génétique
Adhésion entre les
granules d’amidon et le
réseau protéique
Vitrosité :
Facteur environnemental
Degré de porosité de
l’albumen
.08
Eloïse Lancelot / ANALYSE EN COMPOSANTES PRINCIPALES D’IMAGES HYPERSPECTRALES PIR DE GRAINS DE BLÉ
16/05/2014
Problématique
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
.09
Eloïse Lancelot / ANALYSE EN COMPOSANTES PRINCIPALES D’IMAGES HYPERSPECTRALES PIR DE GRAINS DE BLÉ
16/05/2014
Description des échantillons
4 lots de lignées de blés tendres quasi-isogéniques (97%) qui ne différent que par
le caractère de dureté et de lieux de culture différents qui permettent l’obtention
de vitrosités contrastées.
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
2 groupes
Grains coupés à 50%
Grains entiers
15grains/lot
SF
SV
HF
60 images
15 grains/lots
HV
SF
SV
HF
HV
60 images
.010
Eloïse Lancelot / ANALYSE EN COMPOSANTES PRINCIPALES D’IMAGES HYPERSPECTRALES PIR DE GRAINS DE BLÉ
16/05/2014
Pré-traitement des données
Sélection d’une région d’intérêt:
Dépliement de l’hypercube:
Création d’un masque binaire pour
chaque grain afin de supprimer le fond.
λ
λ
n
p
nxp
.011
Eloïse Lancelot / ANALYSE EN COMPOSANTES PRINCIPALES D’IMAGES HYPERSPECTRALES PIR DE GRAINS DE BLÉ
16/05/2014
Méthode ACP classique
Échantillonnage aléatoire :
1000 pixels dans ROI/image
Concaténation
220
220
1000
60
cubes
dépliés
220
Analyse ACP
1000
…
220
60000
1000
.012
Eloïse Lancelot / ANALYSE EN COMPOSANTES PRINCIPALES D’IMAGES HYPERSPECTRALES PIR DE GRAINS DE BLÉ
16/05/2014
Méthode ACP concaténée
Cubes images
dépliés
2ème étape
1ère étape
220
220
Matrice de Covariance
220

Cumulation des matrices
220
de covariance
…
220

…
10
2. Projection
sur les vecteurs propres
nxp
3ème étape
220
Scores
1. Diagonalisation
de la matrice globale
Scores repliés
Scores
10 Repliement des scores
220
220
dans les dimensions
nxp
initiales de l’image
220
=
220
Matrice de Covariance
«globale»
.013
Eloïse Lancelot / ANALYSE EN COMPOSANTES PRINCIPALES D’IMAGES HYPERSPECTRALES PIR DE GRAINS DE BLÉ
16/05/2014
Résultats
ACP Classique:
Sur sélection des longueurs d’onde comprises entre 1900 et 2500nm
Dur
Dur
Vitreux
Farineux
Vitreux
Farineux
Friable
Friable
Grains coupés
Grains entiers
PC1
PC2
Vitrosité
Dureté
.014
Eloïse Lancelot / ANALYSE EN COMPOSANTES PRINCIPALES D’IMAGES HYPERSPECTRALES PIR DE GRAINS DE BLÉ
16/05/2014
Résultats
ACP Concaténée
Score image PC1 des grains coupés
HF
SF
Farineux
23
Indice théorique 21
SV
HV
Vitreux
48
68
.015
Eloïse Lancelot / ANALYSE EN COMPOSANTES PRINCIPALES D’IMAGES HYPERSPECTRALES PIR DE GRAINS DE BLÉ
16/05/2014
Résultats
ACP Concaténée
Score image PC2 des grains coupés
HF
SF
Friable
Indice théorique 17
SV
51
Dur
HV
25
63
.016
Eloïse Lancelot / ANALYSE EN COMPOSANTES PRINCIPALES D’IMAGES HYPERSPECTRALES PIR DE GRAINS DE BLÉ
16/05/2014
Résultats
ACP Concaténée
Score image PC1 des grains entiers
HF
SF
Farineux
23
21
SV
HV
Vitreux
48
68
.017
Eloïse Lancelot / ANALYSE EN COMPOSANTES PRINCIPALES D’IMAGES HYPERSPECTRALES PIR DE GRAINS DE BLÉ
16/05/2014
Résultats
ACP Concaténée
Score image PC2 des grains entiers
HF
SF
Friable
51
17
SV
Dur
HV
25
63
.018
Eloïse Lancelot / ANALYSE EN COMPOSANTES PRINCIPALES D’IMAGES HYPERSPECTRALES PIR DE GRAINS DE BLÉ
16/05/2014
Conclusion/Perspectives
 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
.019
Eloïse Lancelot / ANALYSE EN COMPOSANTES PRINCIPALES D’IMAGES HYPERSPECTRALES PIR DE GRAINS DE BLÉ
16/05/2014
Merci pour votre attention
.020
Eloïse Lancelot / ANALYSE EN COMPOSANTES PRINCIPALES D’IMAGES HYPERSPECTRALES PIR DE GRAINS DE BLÉ
16/05/2014