Titre : DISCRIMINATION AUTOMATIQUE DES ESPÈCES PAR IMAGERIE ET INTELLIGENCE ARTIFICIELLE. APPLICATION AU CAS DE L’AMBROISIE A FEUILLES D’ARMOISE
Title :
Auteur(s) : A. THÉBAULT, A. ACHARD (Carbon Bee AgTech - Châteauneuf-sur-Isère), S. PIERRON (Corteva Agriscience - Paris)
Evénement : COLUMA
Numéro : 24
Année : 2019
Numéro de page : 221
Nombre de pages : 10
Résumé : Des solutions innovantes permettent aujourd’hui de discriminer différents groupes de plantes (ex : graminées vs. dicotylédones) ou, plus largement, les adventices de la culture d’intérêt. L’identification précise des espèces demeure toutefois largement empirique, menant à de nombreuses incertitudes. Les algorithmes d’intelligence artificielle sont de puissants outils de discrimination d’objets. Dans ce cadre, Carbon Bee AgTech propose une offre innovante de détection d’espèces par imagerie grâce à une technologie reposant sur l’utilisation d’un capteur hyperspectral, adapté à une utilisation sur le terrain, associé à des algorithmes d’intelligence artificielle. Une étude a été menée sur trois saisons dans le but d’estimer la capacité de cette solution à discriminer l’ambroisie à feuilles d’armoise des autres adventices dans divers contextes agricoles. Les données ont été acquises sur le terrain via le capteur hyperspectral puis annotées. L’intelligence artificielle développée par Carbon Bee a permis d’élaborer une base de connaissances basée sur plus de 700 images d’ambroisie annotées. Globalement, la base de connaissances permet de détecter plus de 90% des pieds d’ambroisie. Les résultats de détection varient en fonction du stade de développement de la plante et du contexte, avec un meilleur taux de détection en contexte maïs et tournesol qu’en orge de printemps. Les résultats doivent être confirmés en 2019 et élargis à une plus grande variété de contextes, notamment les milieux fermés.
Mots-clés : intelligence artificielle, imagerie agronomique, hyperspectral, désherbage, ambroisie
Abstract : Nowadays, innovative solutions allow to discriminate different groups of plants based on their phenological traits (e.g. grasses vs. broadleaf) or, more widely, weeds in crops. However, the precise identification of species is still based on human expertise, leading to some uncertainties or mistakes. Artificial intelligence algorithms are powerful tools to detect objects. In this context, Carbon Bee AgTech proposes an innovative solution of species discrimination based on the coupling of in-field hyperspectral imagery and artificial intelligence algorithms. A three-year study has been done to test the ability of this solution to specifically discriminate the common ragweed in different agricultural contexts. Data were acquired in the field via the hyperspectral sensor and annotated. Carbon Bee’s artificial intelligence allowed to build a relevant knowledge base based on more than 700 annotated pictures. Overall, the knowledge base presents promising results with more than 90% detection of ragweed plants. Performances vary between ragweed’s development stage and contexts, with better results in maize and sunflower than barley. These results need to be consolidated in 2019 and widen to more contexts, including high vegetation density areas.
Keywords : artificial intelligence, agronomic imagery, hyperspectral, weeding, ragweed
Pour accéder à la compilation des articles : nous consulter