Le potentiel de la proxidétection d’images pour les applications agricoles a été un sujet scientifique prolifique dans la littérature récente. Son principal intérêt réside dans la détection d’informations précises sur l’état des plantes, qu’il est difficile, voire impossible, d’extraire de capteurs d’images à plus faible résolution, comme les images satellite ou les images de drones.

Pourtant, de nombreux problèmes théoriques et pratiques se posent lorsqu’on aborde la proxidétection, en particulier sur les cultures pérennes telles que la vigne. En effet, les vignobles présentent des obstacles physiques difficiles à franchir et une grande variabilité dans leur agencement.

Dans cet article, publié dans la revue scientifique « Sensors », les auteurs présentent la conception d’une caméra mobile adaptée aux vignobles et aux conditions expérimentales difficiles, ainsi que les résultats et les évaluations de huit années d’études utilisant cette caméra.

Ces projets vont de l’estimation du rendement sur le terrain (comptage des baies) à la détection des maladies, offrant de nouvelles perspectives sur les problèmes typiques de la viticulture qui pourraient également être généralisées aux cultures fruitières.

Différentes recommandations sont ensuite fournies à l’aide de petites études de cas, qui permettent d’aborder les difficultés liées à la configuration des parcelles ou le montage du capteur sur un véhicule en mouvement.

Les études de cas et les projets présentés dans cet article se basent sur les travaux menés dans le cadre d’un laboratoire de recherche de recherche spécialisé dans le traitement des images et du signal (laboratoire IMS  » Intégration du Matériau au Système » laboratoire-UMR 5218, CNRS Talence, France) et d’une école d’ingénieur agronome (Bordeaux Sciences Agro, Gradignan, France).

Alors que les résultats soulignent l’importance évidente et les avantages considérables d’une conception expérimentale approfondie, ils indiquent également certains pièges inévitables, illustrant le besoin d’algorithmes d’analyse d’image plus robustes et de meilleures bases de données.

Lire l’article : https://www.mdpi.com/1424-8220/23/2/847/pdf

Mots clés : viticulture de précision ; agriculture intelligente ; proxidétection ; détection des maladies ; estimation du rendement ;
analyse d’image ; caméra mobile ; apprentissage profond

Références :

Rançon, F.; Keresztes, B.; Deshayes, A.; Tardif, M.; Abdelghafour, F.; Fontaine, G.; Da Costa, J.-P.; Germain, C. Designing a Proximal Sensing Camera Acquisition System for Vineyard Applications: Results and Feedback on 8 Years of Experiments.
Sensors 2023, 23, 847. https://doi.org/10.3390/s23020847