Le phytoplancton joue un rôle fondamental dans le monde du vivant. C’est un générateur de dioxygène et le plus important fixateur de dioxyde de carbone sur Terre. Cependant, sous certaines conditions, son développement peut devenir envahissant et il peut être néfaste pour la santé des autres végétaux et animaux aquatiques. Il s’agit du phénomène d’hyper eutrophisation. Ce phénomène peut mener à des conséquences dramatiques pour l’environnement, car il limite les échanges de gaz et le processus de photosynthèse des autres espèces végétales. Dans un cas extrême, ce processus peut causer la mort de tout l’écosystème aquatique. Il apparait donc essentiel de renforcer la vigilance et le contrôle de la prolifération du phytoplancton et notamment de leur toxicité. Dans une première approche la reconnaissance et l’identification des organismes aquatiques, nécessaires pour la surveillance, sont réalisés par des systématiciens par observations microscopiques. Néanmoins, dans certaines circonstances, il peut être utile d’avoir un système automatique de reconnaissance pour améliorer la surveillance et optimiser l’intervention de l’homme. Le développement d’un tel système de reconnaissance des organismes aquatiques est de plus en plus envisagé.Dans l’objectif d’identifier les organismes aquatiques, un système microscopique original a été développé au cours de cette thèse dans lequel les faisceaux incident et émis sont filtrés par bande sélective de longueur d’onde. Ce double système de filtration permet l’acquisition d’images microscopiques classiques et d’images de fluorescence de la matière organique végétale sous différente illumination. Ensuite, les différentes images obtenues sont analysées et traitées par deux algorithmes de segmentation pour extraire des caractéristiques morphologiques et la composition des pigments, utilisées par la suite pour la reconnaissance automatique. Finalement, toutes les caractéristiques associant la morphologie et les données de fluorescence des espèces du phytoplancton, sont réunies dans une base de données permettant la reconnaissance optique et automatique du phytoplancton. / Phytoplankton plays a fundamental role in the living world. It is a dioxygen generator and the most important carbon dioxide fixer on Earth. However, under certain conditions, its development may become so excessive that it could be harmful to other vegetal and animal aquatic life in the water ponds in which it grows: it is the “hyper eutrophication” phenomenon. Such a situation leads to dramatic consequences on environment due to the difficulties that arise for photosynthesis and gas exchanges of other plant species. At the extreme limit, this can cause the death of the whole aquatic ecosystem. It appears therefore essential to strengthen the vigilance on controlling the proliferation of plankton and toxins with the necessity of risk evaluation. In a first approach, the recognition and the identification of aquatic organisms, necessary for such a control, are usually performed only by specialists algologists from microscopic observations. Nevertheless, in certain circumstances, it may be useful to dispose of an automatic recognition system to improve the monitoring of high-risk water ponds and optimize human intervention of specialists algologists. The development of such an automatic system of recognition of aquatics organism is more and more considered.In order to identify aquatic organisms, an original optical microscopy set up was developed in which the incident and emitted light beams are filtered in wavelengths. Such a set up enables the acquisition of classical microscopic images and microscopic images of fluorescence emission of the vegetal material under different illumination. These different images are then analyzed and processed by two algorithms of segmentation to collect characteristics data of the vegetals morphology and pigments compositions useful thereafter for their automatic recognition. Finally, all these different characteristic parameters linked to morphology and fluorescence emission of the vegetal species are collected to build a database useful for automatic optical recognition.
Identifer | oai:union.ndltd.org:theses.fr/2015CSUP0024 |
Date | 14 December 2015 |
Creators | Lauffer, Mathieu |
Contributors | CentraleSupélec, Genty, Frédéric |
Source Sets | Dépôt national des thèses électroniques françaises |
Language | French |
Detected Language | French |
Type | Electronic Thesis or Dissertation, Text |
Page generated in 0.0022 seconds