Précédent : Vidéosurveillance Remonter : Domaines d'applications Suivant : Logiciels
Précédent : Vidéosurveillance
Remonter : Domaines d'applications Suivant :
Logiciels
Nos travaux prennent place dans un projet de santé publique avec des objectifs épidémiologiques et médicaux. Les objectifs épidémiologiques sont ici de mettre en évidence le rôle et l'importance des différents facteurs et cofacteurs de pollution de l'air dans l'augmentation de la prévalence des maladies allergiques ainsi que d'intégrer un réseau de surveillance des pollens anémophiles dans les réseaux existant de surveillance de la qualité de l'air. Du point de vue médical, il s'agit de réduire la fréquence et l'intensité des manifestations cliniques de l'allergie aux pollens, et d'assurer des actions de prédiction, d'information et de prévention médicale. Afin d'atteindre ces objectifs, les mesures de détection et de reconnaissance des différents types de pollens doivent être effectuées, d'une part, sur un réseau plus dense (il y a seulement 38 points de prélèvements en France) et, d'autre part, de manière beaucoup plus rapide (les résultats de mesures sont diffusés entre 8 et 15 jours après les prélèvements). Pour ces deux raisons, l'automatisation de la détection et de la reconnaissance des grains de pollens est souhaitée. De tels travaux n'ont commencé que très récemment dans la communauté scientifique ; ils sont basés sur l'utilisation de données images numériques, acquises à partir de lames, qui sont ensuite traitées par ordinateur. Deux directions principales sont étudiées : le comptage de tous les grains de pollen présents sur une lame dans le but d'avoir un compte global de la quantité de pollens, et la reconnaissance individuelle de chaque grain pour avoir une quantité précise pour chaque type de pollen. En ce qui concerne l'estimation globale de la quantité de pollens, son automatisation a commencé à être étudiée en utilisant des techniques de traitement d'images, à partir de 1995, que ce soit au Japon [KTAN95] ou en France[TBA+97]. Toutefois, l'intérêt d'un système d'analyse automatique de pollens réside dans sa capacité à reconnaître le type de chaque grain de pollen ; c'est à ce problème qu'Orion s'est intéressé dès la fin de l'année 1996 [Maz97]. À cause de la complexité des différentes formes de pollens, nous étudions une approche prenant en compte la connaissance des pallinologues ; pour cela, nous nous appuyons sur la coopération entre deux types d'outils : d'une part, des algorithmes de traitement d'images et de reconnaissance de formes et, d'autre part, des outils d'intelligence artificielle sous forme de systèmes à base de connaissances. Les algorithmes de traitement d'images et de reconnaissance de formes doivent permettre d'isoler les grains de pollens, et de réaliser les mesures numériques sur les grains susceptibles d'être des pollens. Les systèmes à base de connaissances doivent permettre de reconnaître les différents types de pollens en s'appuyant sur une modélisation taxonomique des espèces, et éventuellement, à terme de piloter les algorithmes pour optimiser les traitements. Notons que nous avons déjà utilisé cette approche dans d'autres domaines d'applications pour la reconnaissance d'objets naturels complexes tels que les galaxies, les zooplanctons [TG92,Oss96] ou les foraminifères [LSMTB96,LTB94]. Après avoir mené en 1997 en collaboration avec les pallinologues du CEMBREU et le service de pneumologie du CHU de Nice, une étude de faisabilité sur ce sujet montrant la nécessité de travailler en 3D, nous avons monté en 1998 un projet européen incluant des palynologues espagnols et le réseau européen d'analyse de l'air (cf. module 8.3).