Introduction
La viticulture de précision progresse à grands pas grâce aux nouvelles technologies basées sur l’analyse avancée des données des drones. Dans ce contexte, le sous-projet VineScalequi fait partie du projet Caméléonvise à révolutionner le suivi des vignobles grâce à l’analyse des images de drones. L’objectif du projet VineScale est de tester et de valider l’outil d’analyse automatique des données de drone de Chameleon, en vérifiant son efficacité et sa fiabilité dans divers scénarios d’application, sur 12 vignobles répartis dans toute l’Italie (Fig. 1).

Fig.1 : Résumé du projet VineScale.

Pour s’assurer de la validité des informations obtenues par le système automatisé de Chameleon, les résultats de VineScale ont été comparés aux données collectées directement sur le terrain.

Détection automatique des plants de vigne
Parmi les outils proposés par la plateforme Chameleon figure l’outil de détection automatique pour l’identification des plantes grimpantes. L’outil, grâce à l’analyse d’un nuage de points 3D dérivé du traitement d’images prises par drone pendant la période sans feuilles, permet de générer un masque vectoriel qui identifie toutes les plantes dans le champ.

Cet outil s’est avéré efficace, mais la nécessité de spécifier des lignes directrices pour l’acquisition, telles que la hauteur de vol, le chevauchement et la grille (par exemple, vol à double grille), a été mise en évidence afin d’obtenir un ensemble de données adéquat et de traiter les données correctement.

Fig.2 : Nuage de points des plantes extraites (à gauche) et masque des plantes (à droite)

Suivi de la croissance des cultures à l’aide d’informations RVB
Une fois les masques générés (automatiquement ou manuellement), il est possible de tester un autre algorithme, qui permet de contrôler le volume des feuilles de chaque plante. En comparant les estimations du volume du couvert végétal obtenues à l’aide de l’outil Chameleon avec certaines mesures manuelles de l’épaisseur et de la hauteur des plantes, un modèle cohérent est apparu (Fig. 3, 4). Les différences sont dues à des simplifications dans le calcul du volume, mais dans l’ensemble, la méthode a montré une bonne fiabilité pour le suivi de la croissance. En interpolant les valeurs pour chaque plante, des cartes thématiques ont pu être générées pour représenter la situation sur le terrain.

Fig.3 : Résultats de l’algorithme de calcul du volume de chaque plante.

Fig.4 : Corrélation entre les données estimées par l’instrument Caméléon et les données mesurées au sol.

Détection du stress hydrique dans les vignes
L’analyse du stress hydrique est réalisée à l’aide de techniques d’imagerie thermique et de segmentation de la végétation, en calculant le Crop Water Stress Index (CWSI ) pour chaque pied de vigne à partir de la température. Cela a permis d’obtenir très rapidement des données fondamentales sur l’état hydrique des plantes afin d’améliorer la gestion de l’irrigation. Afin d’estimer avec précision les valeurs du CWSI dérivées des données thermiques, les données de température et d’humidité de l’air ont été utilisées comme référence pour assurer le bon fonctionnement du système.

Fig.5 : Résultats de la température pour chaque plante.

Analyse des vignes à partir d’informations multispectrales
En utilisant des orthomosaïques multispectrales, le système a permis d’identifier précisément la vigueur des vignes, facilitant ainsi la segmentation et le suivi des cultures à un rythme plus rapide que les méthodes traditionnelles. En outre, les cartes de zonage des sols dérivées des données des drones ont été comparées à l’échantillonnage physique. À l’aide d’un coefficient de corrélation (Pearson), la similitude entre les cartes générées par l’instrument et les données collectées sur le terrain a été évaluée, confirmant la fiabilité de la méthode de zonage.

Fig.6 : NDVI pour chaque plante individuelle.

Conclusions et perspectives d’avenir
Le projet VineScale a démontré le potentiel de l’utilisation des drones pour la viticulture de précision, offrant un outil innovant pour le suivi des vignes, l’analyse de la croissance et la gestion de l’eau. Bien que certains défis soient apparus, les résultats montrent un avenir prometteur pour l’intégration de ces technologies dans la gestion moderne des vignobles.

Un élément clé du projet est que le système Chameleon a été capable d’analyser environ 44,6 hectares et 129 636 plantes en 33 752 secondes (environ 9 heures). Ce système a calculé de nombreux indices et mesures biométriques, notamment le NDVI, la température, le CWSI et le volume de la couronne, à une vitesse inimaginable par rapport aux mesures manuelles. En effet, alors que l’étude traditionnelle de ces paramètres nécessiterait des jours de travail et une main-d’œuvre considérable, l’utilisation de drones et d’algorithmes avancés a permis une analyse rapide, complète et détaillée.

En améliorant encore les algorithmes, l’efficacité de ces outils pourrait être encore plus grande, ce qui conduirait à une viticulture de plus en plus intelligente et durable.