Rencontres du Végétal

Phénotypage 3D : vers des jumeaux numériques de nos essais ?

Contexte
Le phénotypage, qu’il soit réalisé en conditions contrôlées ou en plein champ est aujourd'hui confronté à un paradoxe majeur : alors que la génétique et les biotechnologies ont montré des progrès significatifs ces dernières années, la mesure des caractères phénotypiques reste souvent manuelle, fastidieuse et doit être réalisée dans un laps de temps court. Ces contraintes font que l’information est souvent simplifiée, dégradée, voire dans le pire des cas perdue. La complexité biologique d’une plante en trois dimensions est ainsi souvent réduite à quelques chiffres dans un fichier Excel. L'enjeu est donc de numériser nos essais pour ne plus perdre d’informations et de les transformer en objets numériques permanents : des jumeaux numériques.

Objectifs
L’objectif de ce projet est de démontrer l’efficacité de la technologie Splatara comme solution tout en un pour le phénotypage de précision. Il ne s'agit pas simplement de prendre une photo en 3D, mais de déployer un écosystème complet permettant de :
1.Capturer la réalité du terrain avec une fidélité photoréaliste.
2.Analyser les données de manière immersive et différée.
3.Coopérer grâce à une infrastructure de partage décentralisée.
4.Automatiser l'extraction de mesures complexes.

Démarche et méthodes
Le workflow proposé avec Splatara est constitué de quatre piliers technologiques :
•La 3D Gaussian Splatting : Au lieu d'utiliser des scanners LiDAR coûteux et lents, nous utilisons un Meta Quest. En quelques minutes, le logiciel permet d’acquérir les données nécessaires à la reconstruction.
•Le rendu Immersif en réalité virtuelle : L’utilisateur peut ensuite visualiser et intéragir avec le jumeau numérique. Cette immersion permet de manipuler la plante, de zoomer sur une insertion foliaire ou de mesurer un entre-nœud. On sépare physiquement le temps de la capture du temps de l’analyse.
•Segmentation par IA avec SAM (Segment Anything Model) : Il est possible d’intégrer au processus des IA complémentaires telle que SAM. Cette IA permet d'isoler n'importe quel organe végétal. Une fois une feuille ou un fruit "segmenté" dans l'espace 3D, le logiciel peut en calculer automatiquement la surface, le volume ou l'orientation.
•Le Partage Peer-to-Peer : Les modèles 3D haute définition sont des fichiers extrêmement lourds. Pour éviter les goulots d'étranglement des serveurs cloud classiques, Splatara utilise le protocole P2P. Les fichiers sont partagés directement entre les machines des collaborateurs, garantissant une fluidité totale ainsi qu’une sécurité absolue.

Résultats obtenus
L'utilisation de cette chaîne de traitement montre des résultats sur la qualité des données. Le premier gain est celui de la détection. En réalité virtuelle, le jumeau numérique permet d'observer la plante sous des angles difficiles d’accès sur le terrain.
L'aspect collaboratif apporte une dimension nouvelle : la possibilité de taguer des parties du scan. Un expert peut marquer une zone suspecte (début de maladie, carence spécifique) directement dans le modèle 3D. Ses collègues, en ouvrant le fichier via le réseau P2P, voient immédiatement le point d'intérêt dans son contexte. L'essai devient un espace de discussion interactif et réutilisable à l'infini.
Perspectives
La prochaine étape est celle du suivi temporel (4D). En superposant les jumeaux numériques d'une même parcelle acquis à différentes dates, nous pourrons visualiser et quantifier la dynamique de croissance réelle. L'intégration de l'IA pour l'automatisation totale des mesures permettra bientôt de traiter des milliers de plantes sans intervention humaine, ouvrant la voie à un phénotypage haut débit réellement accessible. Splatara ne se contente pas de copier le terrain, il le rend interactif et résistant au temps.

Références bibliographiques
Liu B., et al. (2026). Cotton field population phenotyping analysis based on 3D Gaussian reconstruction and dynamic spatial constraints. Frontiers in Plant Science
Deng W., et al. (2026). Hyperspectral imaging meets 3D Gaussian Splatting: A novel approach beyond 3D plant morphology
Nabaei H., et al. (2025). A survey on 3D reconstruction techniques in plant phenotyping: From classical methods to Neural Radiance Fields (NeRF), 3D Gaussian Splatting (3DGS), and beyond