Monitoring Station for Agriculture Image Acquisition and Automatic Information about Plant
Cet article présente une station de surveillance agricole basée sur la vision par ordinateur qui intègre un Raspberry Pi 4 avec des capteurs DHT11 et une caméra pour suivre simultanément les conditions environnementales, les variations de hauteur des plantes et le pourcentage de couverture du sol grâce à l'acquisition et la segmentation d'images en temps réel.
Article original sous licence CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). Ceci est une explication générée par l'IA de l'article ci-dessous. Elle n'a pas été rédigée ni approuvée par les auteurs. Pour une précision technique, consultez l'article original. Lire la clause de non-responsabilité complète
Imaginez un monde où les agriculteurs ne se contentent pas de deviner quand leurs cultures ont soif ou quelle est leur taille, mais possèdent plutôt un « super-sens » numérique capable de voir les détails invisibles d'un champ. C'est le cœur de l'agriculture de précision, un domaine technologique de l'agriculture qui traite chaque plante comme un individu unique nécessitant des soins spécifiques. Pour comprendre comment cela fonctionne, imaginez les capteurs comme le système nerveux de la ferme, ressentant constamment la température et l'humidité comme une peau humaine percevant une brise. Ensuite, il y a la vision par ordinateur, qui consiste essentiellement à apprendre à un ordinateur à « voir » et à comprendre des images, tout comme votre cerveau sait instantanément faire la différence entre une feuille verte et de la terre brune. Enfin, la segmentation d'image est le tour de magie consistant à découper une photo en morceaux pour compter exactement quelle partie de l'image est couverte par les plantes par rapport au sol. Pourquoi est-ce important ? Parce qu'à mesure que la planète s'intensifie et que la météo devient plus imprévisible, comprendre exactement comment cultiver plus de nourriture avec moins de gaspillage n'est pas seulement un projet scientifique ; c'est la clé pour nourrir tout le monde.
Entrez l'équipe d'Algérie, qui a construit une « montre connectée » pour un champ de blé. Ils ont créé une station de surveillance qui agit comme un robot jardinier curieux, combinant un minuscule ordinateur, une caméra et un capteur météorologique pour surveiller de près les cultures. Leur objectif était simple mais complexe : construire un système capable de prendre automatiquement des photos de plants de blé, de mesurer leur hauteur et de calculer exactement quel pourcentage du sol était couvert de feuilles vertes (un chiffre qu'ils appellent PGC, ou Pourcentage de Couverture du Sol).
Le matériel qu'ils ont construit est un peu comme un sac à dos high-tech pour un drone. En son cœur se trouve un Raspberry Pi 4, un ordinateur de la taille d'une carte de crédit qui sert de cerveau. À lui sont attachés deux sens principaux : un capteur DHT11 qui agit comme un minuscule thermomètre et un hygromètre, et une caméra de 5 mégapixels qui prend des photos du blé. Pour s'assurer que toutes ces données ne soient pas perdues, ils ont utilisé un module sans fil Xbee pour envoyer les informations du champ vers l'ordinateur, qui les enregistre ensuite sur une carte SD, comme un journal numérique. L'ensemble de l'installation est alimenté par une batterie ou un panneau solaire, ce qui la rend prête à travailler au milieu d'un champ sans avoir besoin d'une prise murale.
Mais la véritable magie opère dans le logiciel. L'équipe n'a pas seulement pris des photos ; elle a appris à l'ordinateur à « réfléchir » à propos d'elles en utilisant une méthode mathématique appelée le modèle de Mumford-Shah. Imaginez que vous avez la photo d'un champ de blé et que vous voulez séparer le blé vert de la terre brune. Au lieu de simplement deviner, cet algorithme agit comme un artiste très intelligent qui trace une ligne autour du blé, affinant cette ligne encore et encore jusqu'à ce qu'elle soit parfaite. Ils ont testé cela en prenant des photos de blé à différents âges : 20 jours, 75 jours, 117 jours et 160 jours après la germination.
Les résultats étaient très clairs. Le système a réussi à mesurer les plantes sans avoir besoin d'étapes de « prétraitement » supplémentaires pour nettoyer les images au préalable. À mesure que le blé grandissait, les chiffres changeaient d'une manière cohérente. À 20 jours, les plants étaient minuscules, mesurant seulement 10 cm de haut, et ne couvraient que 13 % du sol. À 75 jours, ils avaient grimpé jusqu'à 40 cm et couvraient 42 % du sol. À 117 jours, ils mesuraient 82 cm de haut avec 81 % de couverture au sol. Curieusement, à 160 jours, les plants mesuraient 90 cm de haut, mais la couverture du sol était tombée à 40 %, probablement parce que les plantes étaient devenues si hautes et denses que l'angle de la caméra ou la façon dont les feuilles se déployaient avait changé la vue.
Les auteurs suggèrent que ce système est un moyen robuste, simple et efficace de surveiller les cultures dans le monde réel. Ils n'ont pas prétendu avoir résolu tous les problèmes de l'agriculture, mais ils ont prouvé qu'une installation à bas coût utilisant un Raspberry Pi et un algorithme mathématique ingénieux peut suivre automatiquement la santé et la croissance des plantes. C'est un petit pas vers un avenir où les fermes sont gérées avec la précision d'un jeu vidéo, garantissant que chaque goutte d'eau et chaque rayon de soleil compte.
Noyé(e) sous les articles dans votre domaine ?
Recevez des digests quotidiens des articles les plus récents correspondant à vos mots-clés de recherche — avec des résumés techniques, dans votre langue.