L’ estimation visuelle de la quantité de symptômes manque souvent de précision, et présente des biais liés à la subjectivité des notateurs. En revanche, un phénotypage fondé sur des approches d’analyse automatisée d’images permet d’envisager un traitement calibré visant à éliminer de tels problèmes, ainsi qu’une hausse substantielle des débits par rapport au phénotypage visuel.

De nombreux stress, dont les stress biotiques, altèrent le rendement de fluorescence de la chlorophylle. L’imagerie de fluorescence de chlorophylle permet d’associer à chaque pixel de la feuille une mesure de rendement de fluorescence de chlorophylle. Pour chacune des mesures, l’algorithme que nous avons développé attribue une probabilité d’appartenance à du tissu sain ou malade. La surface symptomatique totale correspond au nombre de pixels "malades".

Plus les symptômes sont avancés, plus le rendement de fluorescence de chlorophylle est faible. Parmi les pixels  "malades", plusieurs classes de pixels sont déterminées en fonction de leur valeur de rendement de fluorescence de chlorophylle. Ainsi, les classes obtenues représentent les différents degrés d’avancement des symptômes et cette mesure de l’intensité des symptômes peut compléter la mesure de la surface foliaire totale présentant des symptômes.

Notre technique est exempte de l’a priori de l’observation visuelle par des notateurs experts, et peut être adaptée à de nombreux pathosystèmes, présentant ainsi un intérêt générique pour le phénotypage de la résistance des végétaux aux bio-agresseurs.

Contact :
Tristan BOUREAU, unité IRHS
tristan.boureau@univ-angers.fr
Références :
Rousseau C., Belin E., Bove E., Rousseau D., Fabre F., Berruyer R., Guillaumès J., Manceau C., Jacques M.A., Boureau T. (2013). High throughput quantitative phenotyping of plant resistance using chlorophyll fluorescence image analysis. Plant Methods 2013, 9:17.