L’extraction de caractères à partir d’images de drones est un outil transformateur pour les sélectionneurs de cultures, offrant des informations sans précédent sur les performances et la santé des cultures. Cette technologie accélère non seulement le processus de sélection, mais donne également aux sélectionneurs les connaissances nécessaires pour développer des cultures capables de résister aux défis de l’agriculture du 21e siècle.
Jusqu’à récemment, l’évaluation des caractéristiques des plantes impliquait un travail de terrain long et exigeant en main-d’œuvre. L’imagerie par drone accélère toutefois ce processus en fournissant des données haute résolution à grande échelle. De la hauteur des plantes et du couvert forestier à la teneur en chlorophylle et aux indicateurs de stress, les drones peuvent capturer une multitude d’informations essentielles à la compréhension des performances d’une culture.
Extraction de caractères végétaux : un changement de donne pour les sélectionneurs de cultures
En 1973, John Rouse a appliqué pour la première fois un concept consistant à utiliser un rapport réflectance/absorption de deux bandes spectrales (rouge et proche infrarouge) pour différencier les différents écosystèmes à partir de l’imagerie satellite. Ce fut la naissance de l’indice de végétation par différence normalisée (NDVI). Au fil des années, les phytologues ont conçu de nombreux rapports différents de lumière absorbée et réfléchie et les ont combinés dans une soupe alphabétique (MCARI, NDRE, NRI, LAI, MSAVI, etc.) d’indices végétatifs pour mesurer les caractéristiques phénotypiques et phénologiques des plantes.
Au début, le processus d’assemblage d’images a commencé à évoluer et, lorsqu’il a été appliqué à l’acquisition d’images par drone, il a permis la création de recréations 3D de champs. Cela permet d’extraire des caractéristiques architecturales telles que la hauteur des plantes et le biovolume à partir d’ensembles d’images de drones. La projection orthographique issue de ce processus a également facilité le géoréférencement des cartes de parcelles, ouvrant ainsi la porte à l’extraction de caractéristiques du travail sur de petites parcelles, omniprésent chez les chercheurs et les sélectionneurs de cultures.
Les développements récents en apprentissage automatique permettent la classification et la quantification des caractéristiques des images de drones. Ce développement a conduit à des caractéristiques telles que le dénombrement des peuplements, la couverture du sol et le dénombrement d’organes comme les épis de blé et les panicules de sorgho.
Les drones peuvent désormais être équipés de capteurs thermiques capables de détecter les premiers signes de maladie des plantes. Le LiDAR peut également être fixé sous forme de charges utiles sur des drones, augmentant ainsi la précision et la résolution des traits 3D.
Pour de nombreuses cultures clés, ces caractères sont en mode production via des organisations de pointe en solutions d’imagerie comme Hiphen. À mesure que ces caractères deviennent plus courants, les données générées sont analysées au moyen de séries chronologiques ou d’algorithmes qui combinent différents caractères pour en dériver des marqueurs clés de performance et de gestion tels que la maturité, la date de floraison et même des prévisions de rendement.
Même si l’extraction de caractéristiques végétales à partir d’images de drones est extrêmement prometteuse, des défis demeurent. La normalisation des protocoles de collecte de données, la résolution des problèmes de confidentialité et l’affinement des algorithmes d’analyse des données sont des efforts continus. De plus, l’intégration de cette technologie dans le paysage agricole plus large nécessite une collaboration entre les chercheurs, les sélectionneurs et les développeurs de technologies.
Prise de décision basée sur les données
Le volume considérable de données générées par l’imagerie des drones nécessite des techniques sophistiquées d’analyse des données. Les algorithmes d’intelligence artificielle et d’apprentissage automatique entrent en jeu, traitant de grands ensembles de données pour en extraire des informations significatives. Cette approche basée sur les données permet aux sélectionneurs de plantes de prendre des décisions éclairées, d’identifier les marqueurs génétiques associés aux caractères souhaitables et de rationaliser la sélection de variétés végétales prometteuses. Dans le prochain volet de cette chronique, Alexis Comar, PDG d’Hiphen, parlera de la manière de donner un sens à toutes ces nouvelles données devenues disponibles.
2024-02-13 11:08:56
1707812806
#Transformer #sélection #végétale #grâce #lextraction #caractères #partir #dimages #drones