Drones intelligents pour surveiller les nuisibles dans les cultures

L'agriculture intelligente et la culture de précision changent notre façon de cultiver, rendant le tout plus efficace et durable. Des petits Drones, à peu près de la taille d'une paume, peuvent servir de Capteurs intelligents pour vérifier les cultures et repérer rapidement les signes de nuisibles. Cependant, créer un système qui fonctionne nécessite un équilibre délicat entre le matériel et le logiciel pour s'assurer que les drones détectent les nuisibles avec précision sans utiliser trop de puissance ou de mémoire.

#Le besoin de surveiller les nuisibles

Identifier les nuisibles rapidement est crucial en agriculture. Agir à temps peut éviter des dommages importants aux cultures, réduire les pertes économiques et diminuer l'impact environnemental des traitements antiparasitaires. Par exemple, au lieu de pulvériser des produits chimiques sur tout un champ, les agriculteurs peuvent traiter seulement les zones touchées ou des plantes spécifiques. Les méthodes traditionnelles utilisaient des stratégies globales pour le contrôle des nuisibles, qui sont moins efficaces et peuvent nuire aux espèces non ciblées.

Avant, la surveillance des nuisibles reposait sur des pièges nécessitant des experts humains pour les vérifier et enregistrer les données, ce qui prenait du temps et coûtait cher. L'émergence des technologies de l'Internet des objets (IoT) et des systèmes petits et économes en énergie a transformé ce processus. Les appareils embarqués peuvent maintenant automatiser la surveillance grâce à de petites caméras et capteurs alimentés par des batteries.

#Défis avec les solutions existantes

Malgré les améliorations, les systèmes automatisés actuels nécessitent encore un support externe comme des serveurs et des connexions Internet à haut débit, ce qui entraîne des coûts opérationnels élevés et une grande consommation d'énergie. Les petits dispositifs alimentés par batterie ont une mémoire et une puissance de traitement limitées, ce qui peut restreindre leurs capacités. C'est là qu'il faut une nouvelle approche.

#Une nouvelle approche : Des drones de poche

Notre travail actuel introduit un système qui utilise de tout petits drones pour surveiller les nuisibles. Ces drones peuvent inspecter les plantes en s'appuyant uniquement sur leurs capteurs internes et leurs capacités de calcul. Le grand avantage des mini-drones, c'est leur flexibilité. Ils peuvent atteindre des endroits où les équipements plus grands ne peuvent pas, ce qui les rend idéaux pour différents environnements, y compris les serres.

Cependant, concevoir ce système implique de surmonter des obstacles significatifs liés aux ressources limitées de ces petits drones. Le défi consiste à créer des modèles d'apprentissage profond puissants capables de distinguer les insectes nuisibles des inoffensifs, surtout que certains peuvent se ressembler beaucoup sur les images.

#Choisir le bon matériel

Pour cela, on a sélectionné deux types de petites cartes de calcul efficaces : l'Arduino Portenta H7 et le GAP9 de Greenwaves Technologies (GWT). La Portenta H7 est une carte à double cœur, tandis que le GAP9 a plusieurs cœurs, offrant différents niveaux de puissance de traitement.

On a utilisé deux modèles d'apprentissage profond adaptés pour détecter un nuisible spécifique, Popillia japonica. Le premier modèle, FOMO-MobileNetV2, est léger et fonctionne bien avec la Portenta H7. Le second, SSDLite-MobileNetV3, est plus complexe et correspond aux capacités du GAP9.

#Entraînement des modèles

Nos modèles ont commencé avec des versions pré-entraînées qui savaient déjà reconnaître des objets. On les a ensuite ajustés en utilisant un ensemble d'images personnalisées du nuisible ciblé. Cet ensemble comprenait plus de 3 300 images soigneusement choisies, en veillant à ce qu'il n'y ait pas de doublons.

L'entraînement a impliqué de régler les modèles pour qu'ils fonctionnent bien avec nos images, en s'assurant qu'ils pouvaient détecter avec précision l'insecte ciblé. L'entraînement a inclus un processus pour réduire la taille des modèles afin qu'ils puissent tenir dans les limites de mémoire de nos appareils.

#Évaluation des performances

Après l'entraînement, on a testé la performance de chaque modèle. Le modèle FOMO-MobileNetV2 a atteint un score de précision moyenne de 0,66 lors de la détection de Popillia japonica, tandis que le SSDLite-MobileNetV3 a atteint 0,79. Ces scores indiquent la précision des modèles et leur capacité à identifier correctement le nuisible ciblé.

En termes de rapidité, le FOMO-MobileNetV2 pouvait traiter des images à une fréquence de 16,1 images par seconde, tandis que le SSDLite-MobileNetV3 a atteint 6,8 images par seconde. Les deux modèles consommaient peu d'énergie, conçus pour fonctionner dans les limites des dispositifs alimentés par batterie.

#Avantages des mini-drones

Utiliser des mini-drones offre plusieurs avantages par rapport aux méthodes traditionnelles. Ils peuvent fonctionner sans avoir besoin de communications constantes avec des serveurs externes, permettant une détection des nuisibles plus rapide et localisée. La faible consommation d'énergie signifie également que les drones peuvent fonctionner longtemps sans avoir besoin de recharges fréquentes.

En mettant en œuvre nos modèles dans les mini-drones, on crée un système qui peut surveiller dynamiquement les cultures et détecter efficacement les nuisibles. L'objectif est d'utiliser ces drones pour aider les agriculteurs à prendre des décisions éclairées sur le contrôle des nuisibles, réduisant l'impact global sur l'environnement.

#Perspectives d'avenir

En regardant vers l'avenir, cette technologie ouvre la voie à des systèmes plus autonomes en agriculture. Ces drones intelligents peuvent être déployés dans divers environnements, fournissant des données en temps réel aux agriculteurs et permettant des mesures de contrôle des nuisibles plus ciblées.

Les applications potentielles sont vastes. Les agriculteurs peuvent utiliser ces drones pour inspecter rapidement et efficacement de grands champs, ce qui réduit l'utilisation de produits chimiques et améliore la Gestion des cultures. Cette approche s'aligne avec des pratiques agricoles durables, favorisant des écosystèmes plus sains tout en maintenant la productivité.

#Conclusion

En résumé, notre travail se concentre sur le développement d'un système de détection des nuisibles utilisant de petits drones alimentés par des modèles avancés d'apprentissage profond. Cette innovation offre une solution fiable pour les techniques agricoles modernes, mettant l'accent sur l'efficacité et la durabilité. En tirant parti des capacités des mini-drones et des réseaux neuronaux puissants, nous posons les bases d'une nouvelle façon de surveiller et de gérer les populations de nuisibles en agriculture. L'avenir de l'agriculture pourrait être plus radieux avec ces technologies, menant à des cultures plus saines et à une planète en meilleure santé.