|
|
Des chercheurs italiens ont développé une méthode pour prédire le rendement des vignobles à partir d'images aériennes. Ils ont prouvé qu'il est possible de déterminer rapidement et de manière fiable la quantité de récolte avant la vendange en utilisant des drones. Cette étude publiée sur la plateforme de recherche Oeno-one est la première sur l'utilisation de drones pour l'estimation du rendement dans la viticulture. L'équipe était composée de scientifiques du Conseil national de la recherche d'Italie ainsi que de l'Université de Modène et de Reggio d'Émilie. Ils ont profité du fait que les caractéristiques externes des produits agricoles peuvent être bien capturées par le traitement d'images numériques. Les pixels d'image provenant des raisins sont cruciaux pour l'évaluation des images aériennes numériques.
Les enquêtes ont eu lieu en 2021 et 2022 dans plusieurs vignobles de Sangiovese près de Sienne. Là, les chercheurs ont placé des marqueurs de comparaison colorés pour identifier les raisins sur les images aériennes et automatiser le traitement d'images. Ensuite, des drones équipés de caméras ont survolé les vignobles et photographié les ceps. Les distorsions géométriques apportées par les images aériennes ont été corrigées par les scientifiques à l'aide d'un outil de points de contrôle. Pour la détection des raisins, ils ont utilisé des seuils de couleur et des filtres d'image. À partir du nombre de pixels de raisins ainsi déterminé, les chercheurs ont ensuite calculé le rendement des raisins par cep à l'aide d'un modèle de régression linéaire. Après la récolte au cours des deux années, le rendement réel a été établi. Le résultat de la prévision automatique s'est avéré satisfaisant: la mesure d'erreur pertinente était dans la plage de tolérance. Jusqu'à présent, les viticulteurs estiment souvent le rendement des vignobles en coupant et en pesant des échantillons de raisins. Les valeurs estimées qui en résultent fournissent ensuite la quantité de récolte prévue. Cette méthode prend du temps et est particulièrement difficile dans les terrains escarpés. La nouvelle méthode est nettement plus rapide, indépendante de la topographie et des conditions météorologiques, et évite les interventions dans le vignoble. L'équipe de recherche souhaite maintenant améliorer davantage le traitement d'images et utiliser des outils d'apprentissage profond pour reconnaître et segmenter les pixels de raisins. D'autres objectifs incluent l'élargissement de l'approche à d'autres domaines agricoles et le développement d'outils faciles à utiliser pour l'application, par exemple avec des smartphones. (cs / oeno-one.eu)Plus d'informations sur le sujet: