Potential of UAV-derived RGB spectral indices for the early selection of cotton genotypes based on fiber quality traits

Le coton est la source de fibre naturelle la plus importante au monde, un matériau qui commence sous la forme d'un capiton duveteux sur une plante et finit par devenir le tissu de nos vêtements. Pour l'industrie textile, la valeur de cette culture dépend entièrement de la qualité de ses fibres : leur longueur, leur résistance et la manière dont elles se maintiennent ensemble de façon uniforme. Traditionnellement, les sélectionneurs qui développent de nouvelles variétés de coton ont dû attendre que les plantes soient pleinement développées et que les capsules soient récoltées pour savoir si une nouvelle variété est de bonne qualité. Ils prélèvent un échantillon de la fibre, l'envoient à un laboratoire spécialisé et la passent dans une machine qui mesure ces propriétés techniques. Ce processus est précis mais lent, coûteux, et nécessite une grande quantité de matière végétale, ce qui signifie que les sélectionneurs ne peuvent souvent pas tester les nouvelles variétés avant qu'elles ne soient déjà assez avancées dans leur développement.

Ces dernières années, une nouvelle approche est apparue pour accélérer ce processus : utiliser des drones pour prendre des photos des cultures depuis le ciel. Ces véhicules aériens sans pilote, ou UAV, peuvent capturer des images détaillées d'un champ en quelques minutes. En analysant les couleurs de ces images, les scientifiques peuvent calculer des chiffres qui décrivent à quel point les plantes sont saines et vigoureuses. L'idée est que l'apparence d'une plante vue d'en haut — sa couleur et sa luminosité — pourrait nous en dire long sur la qualité de la fibre qu'elle produira à l'intérieur de la capsule, bien avant la récolte. Si ce lien est fort, les sélectionneurs pourraient tester des milliers de plantes tôt dans la saison, ne choisissant que les meilleures pour poursuivre leur croissance, économisant ainsi du temps et de l'argent.

Une équipe de chercheurs au Brésil s'est donné pour mission de tester si cette idée fonctionne pour la qualité de la fibre de coton. Ils ont travaillé avec dix-neuf différentes variétés de coton commercial, les plantant dans un champ de l'Université Fédérale d'Uberlândia. À mesure que les plantes poussaient, les chercheurs attendaient que les champs soient en pleine floraison, une étape où les plantes sont couvertes de fleurs ouvertes. À ce moment précis, ils ont fait voler un drone au-dessus du champ pour capturer des images haute résolution en rouge, vert et bleu. À partir de ces images, ils ont calculé quatre nombres différents basés sur la couleur, appelés indices spectraux, qui servent de résumé de la verdure et de la saturation des couleurs de la plante. Plus tard, après la récolte du coton, ils ont prélevé des échantillons de chaque variété et mesuré la qualité de la fibre à l'aide de la machine de laboratoire standard, qui a déterminé des traits tels que la longueur de la fibre, la résistance et un score composite appelé Indice de Constance de Filature (Spinning Consistency Index) qui prédit la capacité de la fibre à être filée en fil.

Les chercheurs ont découvert qu'il existait effectivement un lien significatif entre ce que le drone voyait et ce que le laboratoire mesurait. Ils ont découvert que deux des nombres basés sur la couleur étaient particulièrement utiles. L'un, qui mesurait la verdure des feuilles, montrait une forte connexion avec l'Indice de Constance de Filature. Un autre, qui comparait la quantité de lumière verte à la lumière rouge, était étroitement lié à l'uniformité de la longueur de la fibre. En termes simples, les plantes qui paraissaient plus vertes et plus vibrantes du point de vue du drone avaient tendance à produire des fibres mieux adaptées à une filature de haute qualité. L'équipe a utilisé des modèles statistiques pour voir s'ils pouvaient prédire la qualité de la fibre simplement en regardant ces chiffres issus du drone. Les modèles ont été capables d'expliquer environ un tiers des différences observées entre les variétés. Bien que cela ne soit pas une prédiction parfaite, c'est une étape importante, suggérant qu'une image de drone prise tôt dans la saison peut offrir un indice fiable sur la qualité finale du coton.

Cependant, l'étude a également clairement indiqué que cette technologie n'est pas un remplacement des tests traditionnels en laboratoire. Les images du drone ne pouvaient pas prédire chaque détail de la qualité de la fibre, et certaines variétés qui semblaient similaires depuis le ciel se sont avérées avoir des caractéristiques de fibres différentes. Les chercheurs ont noté que la meilleure variété de leur étude, un type appelé DP 2077, présentait une excellente qualité de fibre mais n'affichait que des scores de couleur moyens dans les images du drone. Cela nous indique que, si le drone peut repérer des tendances générales, il ne peut pas encore voir l'image complète de manière autonome. La couleur des feuilles est influencée par de nombreux facteurs, notamment la quantité de lumière solaire reçue et la quantité d'eau disponible, ce qui peut parfois masquer le potentiel génétique de la qualité de la fibre.

La valeur de ce travail réside dans son potentiel à agir comme un filtre. Les sélectionneurs doivent souvent gérer des milliers de plantes, et tester chacune d'elles en laboratoire est trop coûteux et trop lent. Si un drone peut survoler un champ et identifier rapidement les plantes qui sont susceptibles d'avoir une mauvaise qualité de fibre, ces plantes peuvent être retirées du programme de sélection plus tôt. Cela permet aux sélectionneurs de concentrer leurs ressources sur les candidats les plus prometteurs. Les chercheurs ont conclu que, bien que les chiffres dérivés du drone ne soient pas une solution miracle éliminant le besoin de travail de laboratoire, ils constituent un outil puissant à utiliser en complément de celui-ci. En combinant la rapidité de l'imagerie aérienne avec la précision des tests traditionnels, les sélectionneurs de coton peuvent prendre des décisions plus intelligentes et plus rapidement, apportant potentiellement de nouvelles variétés de coton de meilleure qualité aux agriculteurs et aux usines textiles plus tôt. L'étude suggère qu'à mesure que ces modèles seront affinés avec des données provenant de différents environnements et de types de plantes plus diversifiés, leur capacité à prédire la qualité future d'une culture de coton ne fera que s'améliorer.