Embrapa Instrumentação a développé une méthode d'intelligence artificielle pour détecter le légionnaire d'automne Dans le maïs. Le système utilise des caméras simples pour capturer des images des feuilles et des épis. Des algorithmes d'apprentissage automatique classent ensuite les stades de développement du ravageur. La technologie analyse la texture, la couleur et la forme pour reconnaître l'insecte. L'étude a évalué 2 280 images et a permis de distinguer cinq stades de développement de la chenille.
Les chercheurs Alex Bertolla et Paulo Cruvinel soulignent que cette méthode réduit la subjectivité des analyses du champ visuel. Actuellement, l'identification repose sur l'observation humaine et des pièges à phéromones, qui ne détectent les papillons adultes que lorsqu'ils ne causent plus de dommages aux cultures.
La proposition combine la vision par ordinateur, les statistiques multivariées et les réseaux de neurones artificiels. Un réseau convolutif (CNN) a été entraîné pour classer les images de la chenille en différents stades. Les performances ont été comparées à celles des machines à vecteurs de support (SVM), avec de bons résultats en termes de précision et de temps de traitement.
Le système a été programmé en Python et testé en conditions réelles de terrain, avec des images de feuilles et d'épis de maïs. L'équipe affirme que des caméras fixées à des tracteurs ou à des drones pourraient capturer ces images pendant les opérations agricoles, ouvrant ainsi la voie à une surveillance automatisée.
Des tests ont montré que la méthode pouvait être intégrée aux futurs équipements d'agriculture de précision. Son utilisation sur des plateformes embarquées permettrait d'identifier les nuisibles en temps réel et d'éclairer les décisions de lutte chimique ou biologique.
Recevez les dernières actualités agricoles par email
Recevez les dernières actualités agricoles par email
