Source : Andújar et al., 2017

Un article scientifique publié par des chercheurs de l’Institutdes sciences agronomiques de Madrid (Espagne) dans le journal Sensors. Cet article reste anecdotique dans le vaste domaine de l’agriculture de précision. Toutefois il met en évidence la maturité de ces technologies en agriculture. En effet la « premiére génération » d’articles dans ce domaine s’est focalisée (et se focalise encore) sur le lien entre les observations fournies par ce type de capteur avec des variables agronomiques d’intérêt. Cet article marque une « deuxiéme génération » d’études dans ce domaine puisqu’il s’intéresse à la robustesse de la mesure dans les conditions parfois difficiles du monde de l’agriculture. Notons que l’incidence de la lumiére fait partie des premiers travaux dans ce domaine, mais cet article adresse un nouveau type de question qui, à ma connaissance, n’avait jamais été explorée jusqu’à aujourd’hui et qui est assez pertinent : le vent et les déformations de la canopée qu’il provoque, a-t-il une incidence sur la mesure effectuée avec un capteur de végétation ?

Pour répondre à cette question, les chercheurs se sont intéressés à un capteur de proxi détection assez évolué qui permet d’estimer les caractéristiques 3D de la végétation. Ils se sont intéressés à deux types d’espèces avec des architectures différentes : les peupliers et les pruniers. l’analogie à des cultures pérennes (olive, vigne, fruitier, etc.) est donc possible.  Ils ont effectué des répétitions de mesures dans des conditions de vents différentes. Les résultats montrent des réponses différentes selon les espèces et la vitesse du vent. Les estimations de surface et de volume de canopée restent généralement plus cohérentes pour les pruniers que pour les peupliers pour des vitesses de vent élevées. Les mesures sur peupliers sont particulièrement affectées par des vitesses de vent supérieures à 5 m · s-1. Ces résultats montrent que l’utilisation de capteurs de proxi-détection (images 3D) pour la caractérisation des plantes pérennes doit considérer la vitesse du vent dans certains cas. En général, les auteurs préconisent un seuil de vitesse de vent de 5 m · s-1 (18 km · h-1) comme une limite prudente pour maximiser la qualité des estimations.

résumé : Weather conditions can affect sensors’ readings when sampling outdoors. Although sensors are usually set up covering a wide range of conditions, their operational range must be established. In recent years, depth cameras have been shown as a promising tool for plant phenotyping and other related uses. However, the use of these devices is still challenged by prevailing field conditions. Although the influence of lighting conditions on the performance of these cameras has already been established, the effect of wind is still unknown. This study establishes the associated errors when modeling some tree characteristics at different wind speeds. A system using a Kinect v2 sensor and a custom software was tested from null wind speed up to 10 m·s⁻¹. Two tree species with contrasting architecture, poplars and plums, were used as model plants. The results showed different responses depending on tree species and wind speed. Estimations of Leaf Area (LA) and tree volume were generally more consistent at high wind speeds in plum trees. Poplars were particularly affected by wind speeds higher than 5 m·s⁻¹. On the contrary, height measurements were more consistent for poplars than for plum trees. These results show that the use of depth cameras for tree characterization must take into consideration wind conditions in the field. In general, 5 m·s⁻¹ (18 km·h⁻¹) could be established as a conservative limit for good estimations.

référence : Andújar, D., Dorado, J., Bengochea-Guevara, J. M., Conesa-Muñoz, J., Fernández-Quintanilla, C., & Ribeiro, Á. (2017). Influence of Wind Speed on RGB-D Images in Tree Plantations. Sensors, 17(4), 914.