Séminaire Marceau Larouere

Utilisation de l’intelligence artificielle pour la détection des spores fongiques: cas d’étude de la campagne de mesure RACLET et construction d’un réseau de neurones convolutifs

par Marceau LAROUERE

Dans le domaine des sciences atmosphériques, les spores fongiques appartiennent à la famille des aérosols biologiques ou bioaérosols (Fröhlich-Nowoisky et al., 2016). De nos jours, ces particules sont encore trop peu étudiées, pourtant elles représentent une menace pathogène réelle, notamment dans un contexte agricole (Anand, G and Rajeshkumar, KC, 2022). De nombreux cas de rouilles, mildious ou moisissures grises connus peuvent détruire une grande partie des récoltes, et engendrer des pertes économiques importantes (De Rossi et al., 2010, Charles et al., 2016). Dans ce contexte, le site instrumenté de l’OPGC CO-PDD a fait l’acquisition d’un Poleno Jupiter, un cytomètre à flux d’air doté de technologies d’imagerie holographique et de fluorescence capable de détecter des particules ayant un diamètre compris entre 0,5 et 100 µm environ (Huffman et al., 2020). À partir de ces mesures, des études récentes se sont penchés sur la construction de modèles d’intelligence artificiel, aussi appelés réseau de neurones convolutifs (CNN), pour détecter les pollens à partir des caractéristiques morphologiques et de la signature de fluorescence des particules (Sauvageat et al., 2020; Erb et al., 2024). Aujourd’hui, l’enjeu est de reproduire ces types de modèles avec un intérêt porté sur les spores fongiques. Dans ce cadre également, la colocalisation du Poleno du Puy de Dôme avec les autres moniteurs in situ constitue un avantage pour valider les mesures et les intégrer dans un contexte scientifique local déjà en place.