Bien évaluer la maturité des cultures grâce aux drones

Bien évaluer la maturité des cultures grâce aux drones

Que diriez-vous de laisser aux drones et à l’intelligence artificielle la tâche d’évaluer si la récolte est prête? Si vous doutez, une récente étude de l’Université de l’Illinois pourrait peut-être vous convaincre.

Des chercheurs de l’université ont en effet pu prédire la date de maturité du soya à deux jours près à l’aide d’images de drone et d’intelligence artificielle.

«L’évaluation de la maturité des gousses prend beaucoup de temps et est sujette à des erreurs. Il s’agit d’un système de notation basé sur la couleur de la gousse, il est donc également soumis à des préjugés humains », explique Nicolas Martin, professeur adjoint au Département des sciences des cultures de l’Illinois et co-auteur de l’étude. «De nombreux groupes de recherche essaient d’utiliser des images de drones pour évaluer la maturité, mais ne peuvent pas le faire à grande échelle. Nous avons donc trouvé une façon plus précise de le faire. C’était vraiment cool, en fait. »

Rodrigo Trevisan, étudiant au doctorat travaillant avec M. Martin, a formé des ordinateurs pour détecter les changements de couleur de la canopée à partir d’images de drones collectées au cours de cinq essais, lors de trois saisons de croissance et deux régions. Surtout, il a pu tenir compte des «mauvaises» images pour maintenir la précision.

«Disons que nous voulons collecter des images tous les trois jours, mais un jour, il y a des nuages ou il pleut, donc nous ne pouvons pas. En fin de compte, lorsque vous obtenez les données d’années différentes ou d’endroits différents, elles auront toutes une apparence différente en termes de nombre d’images et d’intervalles, etc. », explique M. Trevisan.

«La principale innovation que nous avons développée est la façon dont nous pouvons rendre compte de tout ce que nous sommes en mesure de collecter. Notre modèle fonctionne bien, indépendamment de la fréquence à laquelle les données ont été collectées. »

M. Trevisan a utilisé un type d’intelligence artificielle appelé réseaux de neurones à convolution profonde (CNN). Il dit que les CNN sont similaires à la façon dont le cerveau humain apprend à interpréter les composants des images – couleur, forme, texture – de nos yeux.

«Les CNN détectent de légères variations de couleur en plus des formes, des bordures et de la texture. Pour ce que nous essayions de faire, la couleur était la chose la plus importante », dit M. Trevisan. «Mais l’avantage des modèles d’intelligence artificielle que nous avons utilisés est qu’il serait assez simple d’utiliser le même modèle pour prédire un autre trait, comme le rendement. Alors maintenant que nous avons mis en place ces modèles, il devrait être beaucoup plus facile pour les gens d’utiliser la même architecture et la même stratégie pour faire beaucoup plus de choses. »

Source: Farmtario (traduit de l’anglais)


à propos de l'auteur

La référence en nouvelles technologies agricoles au Québec.

Le Bulletin des agriculteurs

Fondé en 1918, Le Bulletin des agriculteurs traite des tendances, des innovations et des dernières avancées en matière de cultures, d’élevages et de machinisme agricole dans le but de faire prospérer les entreprises agricoles d’ici.  

Articles récents de Le Bulletin des agriculteurs

Commentaires