Dans le cadre d'un projet développé par le Groupe Opérateur Andalou avec la participation d'Agrosap, Cooperativas Agroalimentarias et l'Université de Séville, un système de détection d'oranges avec des images RVB obtenues par un drone volant et une machine de formation est actuellement mis en œuvre, très utile pour estimer la production dans les fermes d'agrumes.
Étant donné que la culture des agrumes est actuellement l'une des plus importantes dans les pays de l'Arc Méditerranéen, avec 513 602 hectares cultivés, dont 57 % (295 000 ha) en Espagne et la récolte une des opérations les plus coûteuses, car effectuée manuellement, choisir le moment propice pour l'effectuer est extrêmement important.
La mesure de la maturité, de la couleur et du calibre des fruits est déterminante et, grâce à l'agriculture dite de précision, elle peut être objectivement estimée.
Avec ce nouveau projet, l'analyse des images RVB obtenues est combinée avec l'utilisation de techniques d'apprentissage machine (ML). Ces techniques d'apprentissage approfondies permettent le développement d'un modèle basé sur un ensemble de données préalablement obtenues, rendant possible le tri ou la détection automatique d'éléments dans ces images.
Par conséquent, les véhicules aériens sans pilote (UAV), capables de transporter des capteurs et des caméras à très haute résolution, constituent une alternative facile et rapide à mettre en oeuvre et surtout à moindre coût. Ils génèrent également une grande quantité de données, le plus souvent sous forme d'images ou de séquences vidéo, et permettent des plans de vol flexibles et adaptés aux tâches demandées. La combinaison du potentiel technologique des drones et des techniques de ML fournit des perspectives et des informations uniques qui seraient très coûteuses à obtenir avec l'utilisation des techniques traditionnelles.
Le développement de cette nouvelle méthode pour estimer le rendement des orangers avec une grande précision, ou du moins avec une marge d'erreur plus faible qu'avec les méthodes classiques, peut contribuer à améliorer la rentabilité et réduire les coûts logistiques et opérationnels.
Une fois le projet terminé, on constate que l'estimation du rendement du modèle était plus proche du rendement réel que celle déterminée par un technicien professionnel utilisant des modèles visuels, avec une marge d'erreur de seulement 1,54 %.
Source : interempresas.net