A Method for 3D Morphological Measurement and Cutting Point Localization of Green Asparagus Based on Improved YOLOv8n-seg and RGB-D Data

Dans les rangées silencieuses d'un champ de légumes, un problème simple mais tenace frustre depuis longtemps les agriculteurs : comment récolter une culture qui pousse vite, qui pousse en groupe et qui refuse de rester immobile. L'asperge est une plante vivace qui produit de tendres pousses chaque printemps, mais ces pousses ne sont pas uniformes. Elles se courbent, se tordent et cachent souvent leurs racines profondément dans le sol, ce qui rend difficile pour une machine de savoir exactement où couper. Pendant des décennies, cela a signifié que la récolte reposait entièrement sur les mains humaines, un processus de main-d'œuvre intensive qui devient de plus en plus coûteux et difficile à doter en personnel. Pour résoudre cela, les scientifiques se sont tournés vers le domaine de la vision par ordinateur, une branche de la technologie qui apprend aux machines à « voir » et à comprendre le monde à travers des caméras. L'objectif est de construire un robot capable de regarder un carré d'asperges, d'identifier quels pieds sont prêts à être consommés, de mesurer leur taille et de localiser l'endroit exact pour les sectionner de la terre. Cependant, apprendre à une machine à faire cela n'est pas aussi simple que de prendre une photographie ; la forme irrégulière de la plante et l'éclairage complexe d'une ferme créent un casse-tête visuel que les logiciels standards échouent souvent à résoudre.

Une équipe de chercheurs de l'Académie des sciences agricoles du Jiangxi et de l'Académie chinoise des sciences agricoles a récemment développé une nouvelle façon d'aider un robot à voir clairement les asperges vertes. Ils ont créé un programme informatique spécialisé, un type d'intelligence artificielle conçue pour reconnaître et détourer les plantes individuelles sur une photographie. Les chercheurs sont partis d'un système existant et bien connu pour trouver des objets dans des images, mais ont réalisé qu'il était trop lourd et trop lent pour un robot se déplaçant dans un champ. Le système d'origine était comme un moteur puissant mais encombrant qui consommait trop de carburant pour être pratique pour une petite machine alimentée par batterie. Pour corriger cela, l'équipe a redessiné le cœur du programme, en éliminant le poids inutile tout en le rendant plus précis pour repérer la forme spécifique et élancée d'une tige d'asperge. Ils ont remplacé le « cerveau » standard du système par une structure plus efficace qui pouvait traiter l'information plus rapidement sans perdre en précision. Ils ont également ajouté des outils spéciaux pour aider l'ordinateur à comprendre la nature longue et fine de la plante et pour ignorer le bruit des mauvaises herbes ou des ombres qui pourraient le confondre.

Le résultat de ce remodelage est un nouveau modèle appelé SES-YOLO, qui agit comme les yeux d'un futur robot de récolte. Lorsque ce modèle regarde une image d'un champ d'asperges, il ne se contente pas de trouver la plante ; il trace un contour précis autour de chaque tige, la séparant du sol et des feuilles. C'est une étape cruciale car, contrairement aux fruits qui ont une peau claire ou une forme distincte, l'asperge est une tige longue et continue qui peut se courber dans n'importe quelle direction. Les chercheurs ont testé leur nouveau modèle par rapport à plusieurs autres systèmes populaires et ont constaté qu'il était non seulement plus rapide, mais aussi plus précis. Lors de leurs tests, le nouveau modèle a correctement identifié et détouré les tiges d'asperges avec une précision de 98,6 %, ce qui signifie qu'il ratait rarement une plante ou confondait une mauvaise herbe avec une culture. Il s'est également exécuté nettement plus vite que les anciennes versions, traitant les images assez rapidement pour suivre le rythme d'un robot en mouvement. Cette vitesse est vitale car un robot de récolte ne peut pas attendre qu'un ordinateur lent réfléchisse ; il doit prendre des décisions en temps réel pendant qu'il avance dans la rangée.

Une fois que l'ordinateur a réussi à détourer la plante, le défi suivant est de la mesurer et de décider où couper. Les chercheurs ont combiné le contour visuel avec les données d'une caméra de profondeur, un type spécial de lentille capable de dire à quelle distance se trouve chaque partie de l'image. En fusionnant l'image plate avec cette information de distance, le système peut calculer la longueur réelle et l'épaisseur de la tige d'asperge, même si elle est courbée. Ils ont découvert qu'en décomposant la tige en petits segments et en mesurant chacun d'eux, ils pouvaient déterminer la longueur totale avec une erreur moyenne de moins de 2 %. Ce niveau de précision est important car les agriculteurs doivent connaître la taille de la culture pour déterminer si elle est prête à être récoltée. Le système localise également le « point de coupe », l'endroit spécifique sur la tige où la partie comestible commence et où la racine ligneuse et dure se termine. Puisque la transition entre le sommet vert tendre et la racine blanche souterraine est souvent cachée juste sous la surface du sol, les chercheurs ont programmé le système pour estimer ce point en se basant sur la géométrie de la tige. Lors de leurs tests sur le terrain, le système a localisé ce point de coupe avec une erreur moyenne de seulement 0,34 centimètre, une marge d'erreur si petite qu'un bras mécanique pourrait facilement s'y ajuster.

Pour prouver que ce système pouvait fonctionner dans le monde réel, les chercheurs ont installé leur nouveau programme sur un petit ordinateur portable conçu pour les robots, connu sous le nom de Jetson Orin NX. Cet appareil est suffisamment puissant pour exécuter des logiciels complexes, mais assez petit et efficace pour être transporté par un robot dans les champs. Lorsqu'ils ont testé le système sur ce matériel, il a traité les images à une vitesse de 38,69 images par seconde. Cela signifie que le robot pouvait « voir » et prendre des décisions plus de 38 fois par seconde, un taux assez rapide pour gérer les mouvements rapides requis lors d'une récolte. Les chercheurs ont noté que cette vitesse était près de 60 % plus rapide que l'original, non modifié, démontant que leur conception légère a réussi à équilibrer le besoin de vitesse et le besoin de précision. L'étude conclut que cette approche fournit une base technique fiable pour la construction de récolteurs d'asperges automatisés, offrant un moyen de remplacer le travail épuisant de la cueillette manuelle par une machine capable de voir, de mesurer et de couper avec une précision quasi humaine.