L’imagerie hyperspectrale est une avancée majeure dans le domaine de la capture et de l’analyse des images. Comparée à l’imagerie conventionnelle et multispectrale, elle offre une vision plus précise et permet d’extraire des informations riches et variées. Dans cet article, nous explorons le fonctionnement de l’imagerie hyperspectrale et son application révolutionnaire dans l’analyse et la caractérisation des sols.
Qu’est-ce que l’imagerie hyperspectrale ?
Fonctionnement
L’imagerie hyperspectrale est une technologie puissante qui permet de capturer des informations détaillées sur les objets et les matériaux en utilisant la lumière. Elle peut détecter des détails subtils et des variations dans la composition chimique des objets. Les capteurs hyperspectraux collectent une quantité énorme de données en enregistrant la réflexion de chaque bande spectrale. Ensuite, ces données sont analysées pour identifier les caractéristiques des matériaux présents dans une scène.
Comparaison avec les autres types d'imagerie
On distingue deux autres types d’imagerie : l’imagerie conventionnelle et l’imagerie multispectrale.
L‘imagerie conventionnelle, également connue sous le nom d’imagerie RGB (rouge, vert, bleu) ou monochrome, est le type d’imagerie le plus couramment utilisé dans notre vie quotidienne. Elle repose sur le principe de capturer et de représenter les couleurs visibles à l’œil humain. Pour ce type d’imagerie, les caméras ou les capteurs enregistrent des images en combinant les trois canaux de couleur primaire (rouge, vert et bleu) pour former une image complète. L’imagerie conventionnelle est largement utilisée dans les domaines de la photographie, de la télévision, du cinéma et de nombreux autres secteurs. Bien qu’elle ne puisse pas fournir des informations détaillées sur les propriétés spectrales des objets, elle reste une méthode efficace pour capturer et partager des images colorées de notre environnement.
L‘imagerie multispectrale est une méthode d’imagerie qui utilise plusieurs bandes spectrales spécifiques au-delà de la vision humaine, en plus des canaux rouge, vert et bleu. Contrairement à l’imagerie conventionnelle, qui se concentre sur les couleurs visibles, l’imagerie multispectrale explore des longueurs d’onde plus larges pour capturer des informations supplémentaires sur les objets et leur composition. En utilisant des filtres ou des capteurs spécifiques, elle peut révéler des caractéristiques invisibles à l’œil nu, telles que la chaleur, l’humidité, la végétation, les variations atmosphériques, etc. Elle permet une analyse plus approfondie des caractéristiques des objets et fournit des informations supplémentaires pour une meilleure compréhension de notre environnement.
L‘imagerie hyperspectrale est une avancée majeure dans le domaine de la capture et de l’analyse des images. Elle représente une amélioration significative par rapport à l’imagerie classique et multispectrale en acquérant une multitude de bandes spectrales très étroites, permettant ainsi d’obtenir une gamme continue de données spectrales. En conséquence, l’imagerie hyperspectrale offre une vision plus détaillée et précise de la scène capturée, permettant aux scientifiques et aux chercheurs d’extraire des informations plus riches et variées. En analysant ces données hyperspectrales, il devient possible de détecter des signatures spécifiques des matériaux, de quantifier leur composition et de mieux comprendre les propriétés des objets présents dans l’image.
L’imagerie hyperspectrale au service des sols
Tellux est la première entreprise en France à utiliser l’imagerie hyperspectrale appliquée à l’analyse et la caractérisation des sols au travers sa technologie brevetée : l’HyperLab.
Utilisée au niveau du sol, l’imagerie hyperspectrale permet d’acquérir une grande quantité de données à haute résolution sur des échantillons/carottages pour en connaître la composition. Le principe est d’analyser la lumière provenant de ces matériaux. Elle permet également d’appréhender les formes en plus de la composition, ce qui en fait une technologie très puissante pour distinguer des matériaux présents en mélange dans un échantillon de sol.
L’innovation de Tellux est d’associer l’utilisation de l’imagerie hyperspectrale à l’intelligence artificielle, afin de permettre de traiter toutes les données en temps réel.
La gamme continue de données spectrales permet de rechercher un large panel de polluants différents. Avec une seule machine, il est possible de détecter les principaux polluants présents dans les sols des friches industrielles. L’intérêt est d’obtenir les informations sur site. Les analyses sont réalisées numériquement, sans contact, là où la chimie réalise des analyses par solvants, plus longues et qui génèrent des déchets.
Étant donné que ce type d’imagerie a initialement été développé pour des applications embarquées (satellite, avion), celle-ci est en mesure de produire des analyses sur les chantiers de diagnostic et de travaux de dépollution.
Nous avons conçu un banc qui intègre une caméra hyperspectrale facile à déplacer et à utiliser. Notre objectif est d’aider les professionnels à optimiser leur processus de décision, avec plus d’informations, plus de précision et plus rapidement.
Notre savoir-faire consiste à apprendre à une intelligence artificielle à convertir les données hyperspectrales en concentrations chimiques fournies habituellement par les laboratoires. Notre IA se renforce de projet en projet pour détecter davantage de polluants, davantage de type de sol et répondre à davantage de cas de besoins pour nos partenaires.
Process
- Mesure : après qu’un opérateur ait placé les échantillons sur le banc Tellux, il donne l’instruction au logiciel Tellux de lancer l’acquisition de l’image hyperspectrale.
- Analyse : lorsque le logiciel a terminé l’acquisition, il lance le traitement de données hyperspectrales par l’intelligence artificielle.
- Base de données : en comparant les données hyperspectrales acquises avec celles enregistrées, l’IA détermine la composition de l’échantillon. Plus la base de données d’entraînement sera conséquente, plus l’intelligence artificielle sera robuste et le risque d’erreurs sera faible.
- Résultats : les résultats sont donnés sous forme d’images de sol et de graphiques de concentrations de composants en fonction de la profondeur/localisation de l’échantillon mesuré pour des carottages, et en tableau de données en mg/kg pour les échantillons.
