Système d’aide à l’estimation du rendement agricole par une méthode de deeplearning

Abstract:

Le secteur agricole est au coeur de l’économie de la plupart des pays. Pour cela, plusieurs pays ont compris l’importance d’y intégrer les nouvelles technologies afin de permettre un essor toujours croissant du secteur. On parle alors d’E-agriculture. L’estimation du rendement agricole est une donnée très importante dans la statistique agricole car elle permet d’évaluer l’efficacité d’un système de production mis en place et donc d’y apporter des améliorations si nécessaire. Cependant les méthodes classiques d’estimation ou de mesure des rendements ne sont pas toujours satisfaisantes. La plus efficace si elle était intégralement appliquée serait la méthode directe qui comporte la mesure effective de la production totale de la culture. La mise en œuvre n’est pas possible, encore moins pour une culture étendue sur une large superficie. Nous avons donc entrepris de mettre en place un système d’aide à l’estimation du rendement agricole de la culture de tomate en se basant sur une vue aérienne du champs et une méthode de deeplearning qui permet de détecter tous les fruits et d’en estimer la masse de manière automatique. Ce système repose sur un découpage fonctionnel : la détection des tomates, l’estimation de leur masse puis le calcul du rendement effectif. Nous avons utilisé l’algorithme Faster-RCNN implémenté dans la bibliothèque tensorflow comme modèle pré-entraîné. Nous avons en outre travaillé sur une base de données contenant 150 images de taille différentes récupérées dans la base de donnée Fruit 360 et sur champs puis normalisé à une résolution de 100*100 pixel en RGB. Ces images ont été étiqueté grâce à l’utilitaire …

Google Scholar: https://scholar.google.com/citations?view_op=view_citation&hl=fr&user=7aH_AsgAAAAJ&pagesize=100&sortby=pubdate&citation_for_view=7aH_AsgAAAAJ:tS2w5q8j5-wC

DOI:

PDF: