Détection de formes compactes en imagerie : développement de méthodes cumulatives basées sur l'étude des gradients : Applications à l'agroalimentaire

Detection of compact forms in imaging : Development of cumulative methods based on the study of gradients : Applications for the food

• Auteur / Autrice : Emmanuel Denimal
• Direction : Paul Molin
• Type : Thèse de doctorat
• Discipline(s) : Génie informatique, automatique et traitement du signal
• Date : Soutenance le 28/03/2018
• Etablissement(s) : Bourgogne Franche-Comté
• Ecole(s) doctorale(s) : École doctorale Environnements, Santé (Dijon ; Besançon ; 2012-....)
• Partenaire(s) de recherche : Laboratoire : Procédés Alimentaires et Microbiologiques (PAM) (Dijon)
• Jury : Président / Présidente : Fan Yang
• Jury : Examinateurs / Examinatrices : Stéphane Guyot, Hervé Rigneault
• Jury : Rapporteurs / Rapporteuses : Marco Mora, John Aldo Lee

Mots clés

Mots clés contrôlés

Microscopie

Cercle

Vision artificielle (robotique)

Numération cellulaire

Mots clés libres

Image

Cercle

Detection

Malassez

Microscopie

Image

Circle

Detection

Malassez

Microscopy

Résumé

Les cellules de comptage (Malassez, Thoma …) sont conçues pour permettre le dénombrement de cellules sous microscope et la détermination de leur concentration grâce au volume calibré de la grille apparaissant dans l’image microscopique. Le comptage manuel présente des inconvénients majeurs : subjectivité, non-répétabilité… Il existe des solutions commerciales de comptage automatique dont l’inconvénient est de nécessiter un environnement bien contrôlé qu’il n’est pas possible d’obtenir dans le cadre de certaines études (ex. : le glycérol influe grandement sur la qualité des images). L’objectif du projet est donc double : un comptage des cellules automatisé et suffisamment robuste pour être réalisable, quelles que soient les conditions d’acquisition.Dans un premier temps, une méthode basée sur la transformée de Fourier a été développée pour détecter, caractériser et effacer la grille de la cellule de comptage. Les caractéristiques de la grille extraites par cette méthode servent à déterminer une zone d’intérêt et son effacement permet de faciliter la détection des cellules à compter.Pour réaliser le comptage, la problématique principale est d’obtenir une méthode de détection des cellules suffisamment robuste pour s’adapter aux conditions d’acquisition variables. Les méthodes basées sur les accumulations de gradients ont été améliorées par l’adjonction de structures permettant une détection plus fine des pics d’accumulation. La méthode proposée permet une détection précise des cellules et limite l’apparition de faux positifs.Les résultats obtenus montrent que la combinaison de ces 2 méthodes permet d’obtenir un comptage répétable et représentatif d’un consensus des comptages manuels réalisés par des opérateurs.

The counting cells (Malassez, Thoma ...) are designed to allow the enumeration of cells under a microscope and the determination of their concentration thanks to the calibrated volume of the grid appearing in the microscopic image. Manual counting has major disadvantages: subjectivity, non-repeatability ... There are commercial automatic counting solutions, the disadvantage of which is that a well-controlled environment is required which can’t be obtained in certain studies ( eg glycerol greatly affects the quality of the images ). The objective of the project is therefore twofold: an automated cell count and sufficiently robust to be feasible regardless of the acquisition conditions.In a first step, a method based on the Fourier transform has been developed to detect, characterize and erase the grid of the counting cell. The characteristics of the grid extracted by this method serve to determine an area of interest and its erasure makes it easier to detect the cells to count.To perform the count, the main problem is to obtain a cell detection method robust enough to adapt to the variable acquisition conditions. The methods based on gradient accumulations have been improved by the addition of structures allowing a finer detection of accumulation peaks. The proposed method allows accurate detection of cells and limits the appearance of false positives.The results obtained show that the combination of these two methods makes it possible to obtain a repeatable and representative count of a consensus of manual counts made by operators.