BIOMTRACE

Le chêne est une ressource stratégique pour la France, confrontée à une très forte demande d'export vers l'Asie. Afin de limiter ces exportations et d’assurer l'approvisionnement des industries françaises, l'ONF et l’APECF ont mis en place le label « Transformation UE ». Cependant, pour être pleinement efficace, ce label nécessite un système de traçabilité renforcé. Les systèmes de traçabilité physique tels que les étiquettes plastiques et les puces RFID ne sont pas suffisamment fiables et sont facilement falsifiables. L'objectif du projet Biomtrace est de tester le développement d'une méthode de traçabilité biométrique des grumes de chêne basée sur les caractéristiques intrinsèques des grumes, comme alternative aux marqueurs physiques. L'approche suivie consiste à développer une méthode de traçabilité basée sur l'analyse de photos prises au bout des grumes en forêt et après le transport à l'aide de capteurs conventionnels tels que des caméras de smartphones. La reconnaissance des grumes à partir d’une photo de section doit fonctionner comme la reconnaissance des humains à partir de leurs empreintes digitales. Le projet fait fortement appel à des algorithmes basés sur l’intelligence artificielle qui nécessitent une grande quantité de données. Une base contenant près de 40 000 photos de sections de grumes a donc été constituée représentant près de 6 000 grumes et différentes conditions d’acquisition. Le projet doit évaluer la pertinence de la traçabilité biométrique pour l'identification des grumes de chêne. Il doit également identifier les défis scientifiques et techniques qui devront encore être relevés et clarifier la faisabilité d'un développement opérationnel. Les résultats obtenus à ce jour sont excellents avec un taux de reconnaissance très proche de 100 %. Des tests additionnels dans des situations plus complexes d’acquisition sont en cours de réalisation ainsi que des études de cas d’application en industrie.

Publications

Martinetto, D., Wimmer, G., Ngo, P., Mothe, F., Piboule, A., Uhl, A., Debled-Rennesson, I., Longuetaud, F. (2025). A new approach to biometric wood log traceability combining traditional methods and deep learning. Smart Agricultural Technology, 10, 100686. https://doi.org/10.1016/j.atech.2024.100686

Longuetaud, F., Mothe, F., Martinetto, D., Ngo, P., Piboule, A.,  Rittié, D., Bordat, F., Jacquin, P., Debled-Rennesson, I., Albert, A.,  Richter, C. (2025). Traceability of oak (Quercus petraea (Matt.) Liebl. and Quercus robur L.) logs: The Biomtrace database. Annals of Forest Science. https://doi.org/10.1186/s13595-025-01276-9

Longuetaud, F., Mothe, F., Martinetto, D., Ngo, P., Piboule, A.,  Rittié, D., Bordat, F., Jacquin, P., Debled-Rennesson, I., Albert, A.,  Richter, C. (2024). Traceability of oak logs: The Biomtrace database, https://doi.org/10.57745/9DBCL4  
Recherche Data Gouv, V1.

Longuetaud, F., Mothe, F., Jacquin, P., Rittié, D., Bordat, F., Ngo, P., Martinetto, D., Debled-Rennesson, I., Piboule, A., Ginet, C., Albert, A., Richter, C. (2024). Développement de méthodes BIOMétriques pour l'identification et la TRACabilitE des grumes de chêne. Rapport final de la tranche 1 du projet Biomtrace. https://hal.science/hal-04822724