Les plantes, en tant qu’organismes vivants, possèdent un mécanisme de défense qui les aide à réagir aux changements des conditions environnementales. Leur réseau de signalisation électrique interne est le moyen de transmission des informations liées à ces stimuli. En fait, l'adaptation d'une plante à une perturbation engendre des changements dans son processus physiologique sous-jacent qui se manifestent par des variations de signaux électriques. De ce fait, le signal électro-physiologique de la plante peut révéler l'état de santé de celle-ci.

La miniaturisation de l'électronique et des unités de traitement intégré du signal, associée à de grandes capacités de stockages et à une transmission toujours plus rapide des données, permettent la conception d'une large gamme de capteurs pour des applications innovantes dans le domaine de l’agriculture de précision. Cependant, ces dispositifs sont généralement conçus pour mesurer et surveiller différents paramètres de l'environnement dans lequel vivent les plantes, sans tenir compte directement de leur physiologie.

L'objectif de ce projet est de concevoir un capteur électro-physiologique, multicanaux, capable d'acquérir le signal électrique de plantes poussant dans des conditions typiques de production, sans cage de Faraday, et d’y appliquer des techniques avancées d'analyse de signal et de traitement de données pour identifier l’état d'une plante.

Pour assurer des enregistrements continus et stables, dans différents environnements, les recherches menées dans le cadre de ce projet permettront de relever les défis liés à la conception d'un capteur à haute impédance et garantissant un bon rapport signal/bruit. D'autre part, comme il s'agit d'un domaine de recherche récent, nous considérons un large éventail de caractéristiques de signaux permettant de modéliser la réponse électrique complexe des plantes à différents stimuli, ce qui permettra de mieux comprendre la signalisation et la physiologie des plantes.

Dans le cadre de ce projet, l'équipe de l'HEIG-VD amène son expertise en traitement du signal et en analyse intelligente de données pour construire des modèles de classification capables de distinguer l'état de stress d’une plante pouvant être causé par différents facteurs : la sécheresse, le manque de nutriments ou encore l'infestation d'insectes.

Projet financé par Innosuisse - 27661.1 PFLS-LS.

Conférences

• Early detection of Tetranychus urticae in tomato soilless culture using electrophysiology and machine learning
  Poster at 4th International Symposium on Horticulture in Europe (08-11.03.2021, Virtual symposium)
• Insights of plant electrophysiology : using signal processing techniques and machine learning algorithms to associate tomatoes reaction to external stimuli
  Oral presentation at 31st Conference of the International Biometric Society of the Austro-Swiss Region (9-12.09.2019, Lausanne, Switzerland)

Publications

• Classification of plant electrophysiology signals for detection of spider mites infestation in tomatoes
  Applied Sciences 2021, vol. 11(4), no. 1414
• Electrophysiological assessment of plant status outside a Faraday cage using supervised machine learning
  Scientific Reports 2019, vol. 9, no. 17073