Les empreintes biométriques des arbres : traçage de la forêt à la scierie et évaluation précoce de la qualité – TreeTrace

Deux campagnes d'échantillonnage ont été conduites, une pour chaque essence du projet. La campagne « épicéa » a été menée en étroite collaboration avec les partenaires autrichiens du projet en septembre 2018. Elle a concerné 100 billons de 4,5 m de long prélevés dans les Vosges. Des images en bout des billons ont été prises en forêt, puis les billons ont été acheminés à Freiburg pour de nouvelles prises de photos des sections après trans port. Dans le but de tester les algorithmes de reconnaissance des billons, plusieurs photos ont été prises de chaque section en faisant varier l'angle d'inclinaison de l'appareil. Les billons ont ensuite été scannés par un tomographe industriel à rayons X à l'Institut de recherche forestière du Baden-Württemberg (FVA). Un LiDAR terrestre a aussi été utilisé pour recueillir des informations sur la forme tridimensionnelle des billons en complément des informations disponibles sur les sections pour évaluer la qualité. Des rondelles ont été découpées aux deux extrémités de chaque billon pour être analysées avec des caméras hyperspectrales puis permettre les mesures de qualité au laboratoire (densité du bois et largeurs de cernes).
La campagne « Douglas » a plutôt concerné les équipes françaises, et notamment le LaBoMaP et AMVALOR pour les essais industriels. La scierie BBF (sur la commune de La Machine) a accepté d'équiper sa chaîne d'amenage d'une caméra et de réaliser l'expérience de sciage pour la collecte des planches. Après des essais de prises d'images sur un site d'exploitation puis suivi des billons jusqu'au parc de la scierie, nous avons décidé de prélever plutôt les grumes sur parc en sélectionnant quatre sites d'exploitation. Treize grumes (12-13 m) ont été choisies dans chaque site. Après billonnage, 156 billons de 3,5 à 4 m ont été obtenus. Des rondelles ont été prélevées entre chaque billons. Les billons ont été photographiés sur le parc avec un smartphone puis avec la caméra de la chaîne d'amenage, et en n sciés (à l'exception de 4 billons qui ont servi à des essais de déroulage). Les produits du sciage ont été collectés sur 32 billons (4 sites × 4 arbres × 2 billons). Les 346 planches ont ensuite été acheminées à Cluny pour être testées par une machine d'essai puis par des essais en flexion statique jusqu'à la rupture.

Le projet TreeTrace a permis d’obtenir d’excellents résultats à plusieurs niveaux. Il a permis d’initier des collaborations intéressantes et fructueuses avec l’Université de Salzbourg, en informatique et en sciences du bois, le projet étant très fortement interdisciplinaire. Également avec le LaBoMaP des Arts et Métiers à Cluny pour la connexion avec l’aval de la filière, le projet étant plutôt positionné sur la partie amont entre la forêt et l’industrie. Le projet a permis la création de deux bases de données déposées en libre accès sur data.gouv.fr qui ont été valorisées dans plusieurs nouveaux projets depuis. TreeTrace a permis de nombreuses avancées scientifiques tant sur le plan de la caractérisation des bois ronds que sur celui de la traçabilité biométrique par analyse de photos de sections transversales de grumes/billons. L’intérêt de l’intelligence artificielle pour traiter ces problématiques a été démontré. TreeTrace a permis de devenir performants et reconnus internationalement sur ces deux thématiques et a permis l’émergence de nouveaux projets : EffiQuAss (ANR-21-CE10-0002) sur l’évaluation de la qualité du bois ; Biomtrace (Avec l’ONF et financé par France Bois Forêt, en collaboration avec l’Université de Salzbourg) sur le développement d’une méthode de traçabilité biométrique des grumes de chêne ; TraCertiBois (PIA France 2030 RéCLasSIF, associant l’ENSAM et l’Institut Mines Télécom) sur la traçabilité des bois sciés pour certifier leur origine et leur qualité.

Aujourd'hui il est très important de continuer le travail initié en fournissant les algorithmes manquants dans un premier temps puis en testant ces méthodologies en vraie grandeur sur un territoire afin d'évaluer plus précisément leur potentiel. Des projets complémentaires au projet TreeTrace sont encore en cours etd'autres sont en construction. Les données collectées durant le projet sont libre d'accès et permettront à la communauté des chercheurs de poursuivre les travaux.

Perspective de projet TreeTrace chêne avec l'INRAE, le LaBoMaP (Arts et Métiers Cluny) et le Loria (sur l'évaluation de la qualité et la traçabilité des billons et sciages de chêne).

Decelle, R.; et al. Ant Colony Optimization for Estimating Pith Position on Images of Tree Log Ends. Image Processing On Line (IPOL). 2022, 12, 558–581.

Decelle, R.; Jalilian, E. Neural Networks for Cross-Section Segmentation in Raw Images of Log Ends. In Proceedings of IPAS 2020 - Fourth IEEE International Conference on Image Processing, Applications and Systems, Gênes, Italy, 2020.

Decelle, R.; et al. Light U-Net with a New Morphological Attention Gate Model Application to Analyse Wood Sections. In Proceedings of ICPRAM 2023 - 12th International Conference on Pattern Recognition Applications and Methods. 2023.

Longuetaud, F.; et al. TreeTrace project database on traceability and quality assessment of round woods: Douglas fir sampling. Ann. For. Sci. 2022, 79(46).

Longuetaud, F.; et al. Traceability and quality assessment of Norway spruce (Picea abies (L.) H. Karst.) logs: the TreeTrace_spruce database. Ann. For. Sci. 2023, 80(1), 9.

La quantité croissante de dispositifs d'imagerie installés dans les scieries indique l'importance accrue de ces données pour améliorer le rendement dans les industries de transformation du bois. Dans ce contexte, des questions cruciales concernant l'imagerie et le traitement des image se posent, dont plusieurs seront abordées dans ce projet commun.
Le projet prend en compte deux types d'application : le premier est la question du suivi des grumes depuis la forêt jusqu'à la scierie en exploitant des informations biométriques liées à la grume et des techniques de reconnaissance basées sur le traitement d'images de sections de grume. Cette approche suppose bien sûr de pouvoir capturer des images des extrémités des grumes en forêt. Des dispositifs d'imagerie X, qui sont de plus en plus présents dans les scieries, ne sont bien sûr pas disponibles en forêt. La question difficile de la correspondance entre les types d'images se pose donc.
Le second type d'application est la détermination de la qualité du bois à partir des images de sections transversales de grume, qui pourraient être obtenues aussi bien en forêt que dans la scierie.
De toute évidence, ces deux types d'application partagent de nombreux aspects. (1) Ils peuvent être combinés au niveau de l'application, c'est à dire que la qualité du bois peut être évaluée une première fois en forêt grâce à des dispositifs d'imagerie utilisés pour la traçabilité, puis affiné grâce à des capteurs disponibles à la scierie. A l'inverse, les données provenant d'un scanner en scierie destinés à la qualité du bois, pourront être utilisés pour l'application de traçage ; (2) le prétraitement des données et de nombreuses caractéristiques extraites des images sont communes aux deux types d'application ; (3) les questions concernant le choix des capteurs d'imagerie et la façon dont doivent être combinées les données résultantes doivent être résolues.
Les synergies entre ces deux types d'application qui ont été mises en évidence seront exploitées de façon aussi efficace que possible dans le projet. Un jeu de données de validation commun pourra être utilisé (ce qui implique aussi le partage des capteurs utilisés), les mesures réalisées sur les images pourront être partagées et plusieurs briques logicielles (telles que la détection de la moelle, les méthodes de segmentation, l'optimisation des contrastes) ainsi que les techniques utilisées pour extraire des caractéristiques des images (limites des cernes annuels de croissance, bois de réaction, noeuds) pourront être développées conjointement et partagées par les deux types d'application.
Le projet sera innovant dans le domaine de l'imagerie et du traitement des données correspondantes par des algorithmes de vision et d'apprentissage avec un accent particulier sur la mise en correspondance entre différentes modalités. Bien que ces techniques soient mises en oeuvre pour deux types d'application différentes, les algorithmes développés seront applicables à un large éventail d'applications de traitement d'image du bois ainsi que pour des domaines voisins où des questions similaires se posent.