Auteurs
Bordeaux Sciences Agro, Département Numérique pour l’Agriculture : B. Keresztes, F. Rançon, C. Germain, J.-P. Da Costa, O. Burtscher, L. Cimetière, N. Toulon
Laboratoire IMS, UMR 5218 CNRS : B. Keresztes, F. Rançon, C. Germain, J.-P. Da Costa, A. Deshayes, H. Pham
Contact
Contexte
Appréhender la variabilité spatiale et temporelle des parcelles agricoles est un préalable à l’application des principes de l’agriculture de précision, facilitatrice d’une conduite agro-écologique des exploitations. Comme l’illustre l’abondante littérature sur le sujet, les capteurs imageurs constituent un moyen efficace d’obtenir des informations à différentes résolutions temporelles et/ou spatiales. La variabilité temporelle peut être extraite des données satellitaires, telles que les séries temporelles de Sentinel-2. Cependant, la faible résolution spatiale des capteurs impliqués limite voire interdit certaines applications telles que l’estimation du stade de développement et de la vitesse de croissance de la plante. Cela rend également plus difficiles des tâches comme la différenciation de symptômes foliaires de maladies. Dans ces cas, la caractérisation précise de la dynamique individuelle d’une plante est d’un intérêt primordial.
Il existe ainsi un intérêt pour les capteurs au sol conçus pour surveiller une plante avec une haute résolution temporelle. Un tel capteur doit être robuste (capacité à résister aux passages répétés de machines agricoles), économe en énergie (capacité à surveiller toute la saison végétative sans remplacement de batterie) et peu coûteux (pour pouvoir installer plusieurs capteurs dans le même vignoble). Ces objectifs ont motivé la conception de VineLapse, une caméra statique autonome conçue pour surveiller une vigne tout au long de la saison végétative.
Dispositif
VineLapse fait coopérer un microcontrôleur Arduino et un ordinateur Raspberry Pi Zero. Il s’agit d’ordinateurs embarquables, réduits à leur plus simple expression. Le premier se contente de réveiller le système à intervalles réguliers tandis que le second acquiert les images, effectue les calculs et communique les résultats. Ils sont programmés pour prendre une photo nocturne avec un éclairage contrôlé utilisant une combinaison de LED visibles et infrarouges. L’indice de surface foliaire (LAI) et l’indice de végétation par différence normalisée (NDVI) sont calculés à la volée par le Raspberry Pi. Le protocole de communication LoRa à faible consommation d’énergie est ensuite utilisé pour envoyer ces indicateurs ainsi que d’autres informations utiles telles que la tension de la batterie, à une base de données distante. Les informations relatives à l’état des capteurs et à la croissance des plantes peuvent ensuite être facilement visualisées en ligne sur un tableau de bord.
Déploiement & exploitation
Conçu et prototypé en quelques exemplaires par l’équipe MOTIVE du laboratoire IMS, le capteur a été fabriqué en petite série en 2024 par l’entreprise Furgo, fondée par N. Daüy, ingénieur AgroTIC, diplômé de Bordeaux Sciences Agro. Déployés depuis Avril 2024 sur une parcelle du Château Luchey-Halde, ils sont opérés dans le cadre du DigiLab, plateforme dédiée au test et à la démonstration des technologies numériques et robotiques pour la filière vitivinicole. Une extension des applications et une plus large diffusion peuvent d’ores et déjà être envisagées. Positionnés en des points clés d’une parcelle, de tels capteurs permettent de suivre des paramètres clés sur la santé et le développement de la plante et ainsi d’aider à la conduite des opérations culturales. Dans un cadre de R&D, ils permettent le suivi de dispositifs expérimentaux et le croisement à d’autres sources d’informations.
Une utilisation originale concerne l’exploitation conjointe d’informations collectées par VineLapse – à forte résolution temporelle mais faible résolution spatiale – à celles de caméras embarquées sur engins ou robots agricoles – à forte résolution spatiale mais faible résolution temporelle. Ce sujet fait d’ailleurs l’objet de la thèse de Ha Pham, conduite au sein du laboratoire IMS.
Encore en phase de développement, ce capteur fera l’objet d’améliorations futures, notamment par l’intégration de capacités de calcul supérieures permises par de nouveaux circuits électroniques très basses consommation dédiées aux tâches d’intelligence artificielle. Ces améliorations laissent envisager l’exécution de tâches plus complexes comme l’identification de stades phénologiques ou la détection de maladies.
Liens
Remerciements
Les développements autour du capteur VineLapse ont fait l’objet de différents financements universitaires (Ecole Doctorale SPI et Réseau RobSys de l’Université de Bordeaux) et européens (projets IOF2020, H2020 Program, grant agreement no. 731884 et ANDANTE, ECSEL JU, grant agreement no. 876925). Le DigiLab a quant à lui bénéficié de financements de la Région Nouvelle Aquitaine et du programme PIA VitiRev.