Rencontres du Végétal

Contexte
Les pommes à chair rouge suscitent un intérêt croissant pour leurs qualités nutritionnelles et esthétiques. Cependant, elles présentent une sensibilité marquée au brunissement interne au cours de la conservation. Cette maladie de conservation se manifeste par l’apparition de taches brunes en périphérie du fruit, le rendant impropre à la consommation. De façon empirique, les sélectionneurs sont capables d’estimer si un fruit est brun selon le bruit qu’il émet. Une hypothèse est établie selon laquelle ce type de brunissement serait associé à des changements structuraux (perte de fermeté, d’intégrité cellulaire) intervenant au cours de la conservation du fruit. Détecter précocement et de manière non destructive ces altérations internes constitue un enjeu majeur pour la filière horticole.

Objectifs
L’objectif principal de ce travail est de valider la faisabilité d’un diagnostic acoustique non destructif du brunissement chez la variété de pomme à chair rouge ‘RF201’. Un objectif transversal (ou plutôt une conséquence) est de démontrer l’efficacité d’une approche pluridisciplinaire, associant biologie végétale, physique et sciences du numérique, pour répondre à des problématiques concrètes de phénotypage.

Démarche et méthodes
L’étude a été conduite sur un échantillon de près de 5 000 signaux acoustiques acquis sur des fruits de variété ‘RF201’. L’instrumentation utilisée repose sur un dispositif du commerce, l’AWETA-Acoustic Firmness Sensor, qui génère un signal acoustique traversant l’épiderme pour sonder les propriétés mécaniques internes du fruit. Les fruits ont été sondés de manière acoustique puis scannés de manière à obtenir une correspondance image-son.
Les données recueillies ont été traitées via des approches d’apprentissage machine (machine learning) supervisé. Le jeu de données a été segmenté pour l'entraînement et la validation de modèles de classification, avec pour variable cible l'état sanitaire du fruit (brun ou non brun).
Résultats obtenus ou attendus
Les modèles d'apprentissage automatique se montrent performants pour classifier les signaux acoustiques des fruits bruns / non bruns. Ces travaux montrent que ce système non destructif peut être utile pour discriminer les fruits bruns, avec des applications potentielles pour la sélection phénotypique et/ou le tri automatique. Cette preuve de concept valide l’utilisation du capteur AWETA non plus seulement pour la fermeté classique, mais comme un véritable outil de diagnostic sanitaire interne.

Perspectives
Ce système non destructif ouvre des perspectives prometteuses pour le phénotypage haut débit en amont de la sélection variétale. À terme, cette technologie pourrait être utilisée pour suivre les fruits en conservation et faciliter la sélection de variétés peu susceptibles au brunissement. Sur le plan scientifique, l’étape suivante consistera à affiner la compréhension du lien entre la signature acoustique et les stades précoces de dégradation cellulaire, afin d'anticiper l'apparition des symptômes avant qu'ils ne soient détectables à l'œil nu.

Références :
Pierre Bouillon, Etienne Belin, Anne-Laure Fanciullino, Sylvain Hanteville, Yao Letekoma, et al. Internal
browning detection in red-flesh apple (Malus domestica) using image analysis and acoustic signal-based de-
tection. Fruit Research, 2025, ⟨hal-05206849⟩

Espley RV, Leif D, Plunkett B, McGhie T, Henry-Kirk R, Hall M, Johnston JW, Punter MP, Boldingh H, Nardozza S, Volz RK, O'Donnell S, Allan AC. Red to Brown: An Elevated Anthocyanic Response in Apple Drives Ethylene to Advance Maturity and Fruit Flesh Browning. Front Plant Sci. 2019. doi: 10.3389/fpls.2019.01248.