Apport de la super-résolution sur la détection de la jaunisse de la betterave
Par Ahmed Trabelsi (stagiaire Dynafor, diplôme d’ingénieur en sciences de l’informatique à l’École nationale des sciences de l’informatique (ENSI) en Tunisie ; stage financé dans le cadre du projet BEET-SAT CASDAR).
La jaunisse de la betterave est un stress viral qui affecte les cultures de betteraves et peut entraîner une réduction importante de leur rendement. Sa détection repose notamment sur des observations de terrain, qui restent limitées en termes de couverture spatiale. Le projet BEET-SAT vise ainsi à surveiller les cultures de betteraves par télédétection, en exploitant les séries temporelles d’images Sentinel-2 pour détecter la jaunisse à l’échelle des parcelles. Cependant, ces images présentent une résolution spatiale limitée, de l’ordre de 10 m par pixel. Mon travail porte plus particulièrement sur l’apport de la superrésolution, une méthode permettant d’améliorer la résolution spatiale des images Sentinel-2, et sur son intérêt pour la détection de la jaunisse à travers deux approches : une approche par apprentissage automatique et une approche par apprentissage profond.
