Introduction
L’innovation technologique est de plus en plus présente dans le monde agricole, et le sous-projet AgroTwinfinancé à hauteur de 60 000 euros par le programme Horizon Europe ICAERUSen est un parfait exemple.
ICAERUS est un projet qui se concentre sur l’exploration de l’innovation technologique dans l’agriculture. potentiel des des drones en tant que moyens polyvalents pour l’agriculture, la surveillance de l’environnement et les services ruraux.
L’objectif du sous-projet AgroTwin était de développer et de tester un système d’aide à la décision (DSS) basé sur des algorithmes avancés d d’IA et de vision par ordinateur pour optimiser les traitements phytosanitaires grâce à l’utilisation de drones grand public, tels que le DJI Phantom 3 Professional (Fig. 1).

Fig.1 : Préparation du vol du DJI Phantom 3 Professional dans le vignoble d’essai.

Un système d’aide à la décision pour l’agriculture durable
La collecte d’images et les tests d’algorithmes ont été effectués sur un vignoble de Sangiovese d’environ 1,2 ha dans le domaine régional de Cesa (AR) (Fig. 2). Cette dernière a été divisée en 2 parcelles de taille et de vigueur végétative similaires, l’une utilisée pour le dosage variable des produits phytosanitaires sur la base des résultats de notre DSS (test) et l’autre pour les doses fixes (contrôle), où les doses standard de l’exploitation ont été appliquées.

Pour capturer les images visibles (RVB) du vignoble, nous avons utilisé un drone facile à utiliser et largement commercialisé, le DJI Phantom 3 Professional. Ces images ont été utilisées pour générer des nuages de points 3D qui nous ont permis de créer un jumeau numérique du vignoble à trois stades phénologiques différents.

Pour chaque vol, à l’aide d’algorithmes propriétaires, le modèle numérique a été analysé avec précision afin d’extraire les principaux paramètres biométriques des vignes individuelles d’intérêt. À l’aide de ces données, le DSS a généré des cartes de prescription personnalisées pour les traitements à taux variable (VRT), améliorant ainsi l’efficacité de l’application des pesticides.

Fig.2 : Localisation du vignoble testé et subdivision des deux parcelles (test, contrôle).

Algorithmes avancés pour l’analyse biométrique
L’un des aspects les plus innovants d’AgroTwin a été le développement d’algorithmes avancés d’IA et de vision par ordinateur pour analyser les données biométriques des vignes. Ces algorithmes, appliqués aux nuages de points 3D générés par le drone, ont permis d’analyser avec précision les principaux paramètres d’intérêt, tels que l’épaisseur, la hauteur et le volume de la canopée des plantes individuelles, avec une marge d’erreur moyenne inférieure à 10 % par rapport aux mesures manuelles (Fig. 3, 4).

Fig.3 : Evolution dans les différentes phases phénologiques d’une vigne test (épaisseur (m), hauteur (m), volume (m3)).

Fig.4 : Mesures manuelles sur le terrain.

Grâce à l’utilisation de ces paramètres biométriques, les algorithmes ont permis de construire un indice de vigueur très important, le LAI (indice de surface foliaire) ainsi que de générer le LWA (Leaf Wall Area) et le TRV (Tree Row Volume), qui donnent une indication de la surface et du volume de la canopée du vignoble.
En interpolant un nombre approprié d’échantillons de plantes, les algorithmes génèrent automatiquement des cartes de vigueur végétative (LAI) et des cartes de prescription de traitements phytosanitaires (Fig. 5). (Fig. 5).

Fig.5 : Cartes de vigueur (LAI) et cartes de prescription (litres/hectare) des traitements phytosanitaires pour chaque phase phénologique.

Analyse de sensibilité pour améliorer la collecte des données
Une autre phase cruciale du projet a été l’analyse de sensibilité pour trouver les meilleurs paramètres de vol pour les relevés par drone qui offriraient le meilleur compromis entre la qualité des données et le temps de vol. Cette étude a permis d’identifier les meilleures configurations de vol pour garantir la meilleure précision dans l’estimation des paramètres des couverts végétaux par rapport aux mesures manuelles.
La meilleure configuration, avec des erreurs inférieures à 10% par rapport aux mesures manuelles, s’est avérée être la hauteur de vol de 30 mètres, avec 85% de chevauchement entre les photos et avec des angles de caméra combinés (nadiral et 30°), ce qui a amélioré de manière significative la précision des données collectées.

Avantages environnementaux et économiques
Une procédure normalisée au niveau international (ISO 22522) et un traceur alimentaire (tartrazine) ont été utilisés pour évaluer la quantité et la qualité des dépôts de pesticides sur le couvert végétal dans les deux zones différentes. L’objectif principal était de comparer l’efficacité des deux types de traitement. Les mesures de l’efficacité des traitements ont été effectuées par le département de mécanique agricole (DAGRI) de l’université de Florence.

Fig.6 : La procédure comprenait l’échantillonnage de trois vignes représentatives dans les zones de faible, moyenne et forte vigueur, avec l’utilisation de cartes sensibles à l’eau et de collecteurs en nylon positionnés à trois hauteurs différentes de la canopée (H1 au-dessus du cordon, H2 au milieu de la canopée, H3 au sommet).

Les résultats ont montré que la couverture moyenne était de 35% dans la parcelle VRT, légèrement supérieure au seuil optimal (30%), mais les canopées des vignes ont été couvertes en fonction de leur biomasse réelle, alors que la parcelle de contrôle a enregistré une couverture moyenne de 39%, sans tenir compte de la biomasse réelle dans le champ. Enfin, aucune maladie n’a été détectée dans les parcelles testées et aucune différence significative dans le rendement et la qualité des raisins n’a été constatée au moment de l’évaluation.
En ce qui concerne les doses, grâce à l’approche VRT, une réduction moyenne de 35 % de l’utilisation de pesticides et d’eau a été obtenue, avec un pic de 41 % pendant la phase phénologique intermédiaire. Ces économies se traduisent par une réduction de l’impact des produits sur l’environnementet ainsi améliorer la préservation de la biodiversité dans le vignoble et limiter la pollution des eaux souterraines et de l’air.

Conclusions
Le projet AgroTwin représente une avancée dans l’agriculture de précision en exploitant les images dans l’aide à la décision agronomique. Grâce à lui, il a été conçu un prototype de DSS à partir d’images de drones. En outre, la mesure dans laquelle l’intégration des drones et des algorithmes avancés peut d’algorithmes avancés peut améliorer la durabilité environnementale et économique des exploitations agricoles.

Le projet a démontré comment l’utilisation d’un drone prenant de simples photos RVB peut générer des modèles numériques d’une qualité suffisante pour analyser une culture dans le champ et obtenir des informations sur la qualité de l’eau. des cartes de prescription qui peuvent être utilisées pour les opérations les plus importantes, telles que la distribution des produits phytosanitaires ou la récolte sélective sur la base de la vigueur végétative.comme la distribution de produits phytosanitaires ou la récolte sélective sur la base de la vigueur végétative, ce qui permet d’économiser de précieuses ressources et d’améliorer les processus de production. économiser des ressources précieuses et améliorer les processus de production.

Grâce aux économies significatives de pesticides et d’eau, et à la meilleure redistribution sur le terrain, le DSS développé se positionne comme un outil agronomique innovant et durable, permettant de suivre les préceptes de l’agriculture de précision en exploitant les copies numériques du vignoble.
Dans un secteur de plus en plus orienté vers la durabilité, cette technologie est en mesure d’offrir aux agriculteurs une solution pratique, rentable et de pointe aux défis actuels de l’agriculture moderne.