Reconstruction 3D différentiable et segmentation sémantique d'arbres fruitiers pour l'évaluation de leur résilience // Differentiable 3D Reconstruction and Semantic Segmentation of Fruit Trees for Structure-Function Based Resilience Assessment

Topic description

L'agriculture de précision s'appuie de plus en plus sur l'analyse structurelle détaillée des arbres fruitiers (pommier, abricotier, citronnier, pêcher). L'organisation spatiale des branches, feuilles et fruits influence directement l'interception lumineuse, la photosynthèse, la productivité et les réponses aux stress. Pourtant, les outils existants ne permettent pas de capturer la complexité architecturale 3D nécessaire à une évaluation fiable de la résilience des arbres.



Cette thèse de trois ans, financée par le programme PEPR TreeD-Resist, vise à développer de nouvelles méthodes de reconstruction 3D et de segmentation sémantique d'arbres fruitiers, en combinant plusieurs sources de données — images RGB, LiDAR, multispectral et infrarouge thermique — adaptées à des architectures végétales complexes.



Deux défis majeurs sont abordés. D'une part, sur le plan géométrique, le projet s'appuie sur le Gaussian Splatting ...