STAGIAIRE : PHÉNOTYPAGE AU CHAMP ET CARACTÉRISATION DE MÉTHODES CAPTEURS F/H

Descriptif du poste

LIEU D’ACCEUIL : ARVALIS - Station Villers St Christophe 29 rue de Foreste  02590 - VILLERS St CHRISTOPHE

SUJET

Le phénotypage haut-débit vise à caractériser l’état et le fonctionnement des cultures à l’aide de capteurs (imagerie RGB, multispectrale, LiDAR, etc.) installés sur différents vecteurs (perches, plateformes, drones, véhicules). Ces technologies permettent d’obtenir des mesures non destructives, répétables et rapides, couvrant de larges surfaces expérimentales, avec pour objectif de remplacer ou compléter certaines observations manuelles réalisées dans les essais agronomiques ou de sélection variétale. Les progrès techniques et méthodologiques réalisés ces dernières années dans le cadre de projets nationaux (PHENOME-EMPHASIS...) et européens (EPPN...) ont permis d’atteindre un niveau de maturité élevé pour plusieurs chaînes de traitement. Cependant, leur adoption à grande échelle nécessite encore une validation méthodologique à grande échelle sur la robustesse et l’interopérabilité de ces méthodes.

Le projet ValiTrait, coordonné par ARVALIS en partenariat avec INRAE, Terres Inovia et le GEVES, vise à caractériser les méthodes de phénotypage assistées par capteurs et à en évaluer et comparer les performances en conditions réelles d’expérimentation.

OBJECTIF DU TRAVAIL

Le stagiaire contribuera à la caractérisation de méthodes de phénotypage capteurs à travers la collecte, la structuration et l’analyse de jeux de données obtenus dans plusieurs essais du projet ValiTrait.

Deux volets complémentaires seront proposés selon le profil du candidat :

1. Volet terrain

· Participation aux campagnes de phénotypage au champ : mesures capteurs (perche LITERAL, phénomobile, etc.) et relevés manuels de référence (hauteur, densité d’épis, couverture, biomasse).

· Organisation et traçabilité des données collectées (sessions, métadonnées, protocoles).

2. Volet analyse

· Structuration et nettoyage des jeux de données (Python, R).

· Analyses statistiques : répétabilité, corrélations, biais, incertitudes, pouvoir discriminant.

· Participation à la rédaction de rapports de synthèse et à la visualisation graphique des résultats (tableaux de bord, graphiques comparatifs).