Participation du GEVES au Symposium EPPS sur le phénotypage à Bonn en Allemagne du 16 au 19 septembre 2025
Trois personnes du GEVES ont participé et présenté 4 posters au symposium européen sur la phénomique végétale, l’EPPS (European Plant Phenomics Symposium), du 16 au 19 Septembre 2025, à Bonn en Allemagne, réunissant environ 350 participants issus du monde scientifique et de l’industrie.
Les acteurs ont pu échanger sur les dernières innovations, méthodes et applications dans des conditions contrôlées et au champ, l’intégration avec la génomique, la science des données ainsi que les stratégies visant à accélérer la sélection de cultures résistantes aux stress biotiques et abiotiques en lien avec le changement climatique et à soutenir des agroécosystèmes durables, dans le cadre d’Emphasis, la structure européenne de recherche sur le phénotypage des plantes. Le 16 septembre fut aussi l’occasion de visiter les installations de phénotypage des plantes au Jülich Plant Phenotyping Center (JPPC), avec notamment le growScreen-Rhizo 3 en serre pour phénotyper les racines de façon non invasives et au campus Klein Altendorf de l’Université de Bonn avec notamment une rampe de phénotypage sur une parcelle sur une parcelle sur laquelle est injectée du gaz carbonique pour étudier l’influence du CO2 sur les cultures.
Dans le cadre du projet européen Phenet, Valérie Cadot a présenté 2 posters, sur les nouveaux outils de phénotypage pour détecter et quantifier par IA deux maladies des céréales à paille à l’aide de capteurs RGB légers (smartphones, trépieds, perche literal) :
- Automated detection of Fusarium Head blight symptoms on wheat spikes using Deep Learning on field RGB imaging
- Development of deep learning models to detect and quantify symptoms of Barley Yellow Dwarf Virus in barley using RGB images
Didier Demilly a présenté un poster rétrospectif de 20 ans d’expériences en caractérisation du phénotypage numérique de la germination sur plus de 1.4 millions de semences et Sherif Hamdy a présenté le poster intitulé « Unsupervised Contaminant Detection in Pelleted Seeds Using Computed Tomography ».
