{"id":407,"date":"2019-05-30T09:45:49","date_gmt":"2019-05-30T07:45:49","guid":{"rendered":"https:\/\/project.inria.fr\/emergences\/?p=407"},"modified":"2021-01-25T10:09:42","modified_gmt":"2021-01-25T09:09:42","slug":"developper-lanalyse-dimages-pour-lagriculture-4-0","status":"publish","type":"post","link":"https:\/\/project.inria.fr\/emergences\/developper-lanalyse-dimages-pour-lagriculture-4-0\/","title":{"rendered":"D\u00e9velopper l’analyse d’images pour l’agriculture 4.0"},"content":{"rendered":"

En combinant l’intelligence artificielle et les capteurs surveillant les champs, les exploitants pourront bient\u00f4t cartographier l’arriv\u00e9e des mauvaises herbes, des ravageurs et des maladies sur leurs cultures. Consortium rassemblant des coop\u00e9ratives agricoles et des entreprises high-tech, Cartam vise \u00e0 d\u00e9velopper un outil num\u00e9rique pour accompagner les fili\u00e8res c\u00e9r\u00e9ali\u00e8res et l\u00e9gumi\u00e8res dans cette nouvelle fa\u00e7on de travailler. Le centre Inria Rennes \u2013 Bretagne Atlantique participe \u00e0 ce projet en y impliquant \u00e0 la fois une \u00e9quipe de recherche et une de ses start-up.<\/b><\/span><\/p>\n

\n

\"\"<\/a><\/p>\n

En 2025, l’agriculture fran\u00e7aise devra avoir diminu\u00e9 de 50% sa consommation de pesticides. Ainsi en a d\u00e9cid\u00e9 le gouvernement dans son plan EcoPhyto 2 pour la pr\u00e9servation de l’environnement. Cons\u00e9quence : les exploitants vont devoir trouver d’autres moyens de prot\u00e9ger leurs cultures. En r\u00e9ponse, la profession amorce un virage vers l’agriculture de pr\u00e9cision, aussi appel\u00e9e agriculture 4.0. Et c’est dans ce contexte que s’inscrit le projet Cartam. Son objectif : placer des capteurs dans les champs, sur des tracteurs ou sur des drones, puis utiliser les derni\u00e8res technologies en analyse d’images pour produire automatiquement des cartes localisant l’apparition des mauvaises herbes et des maladies sur les cultures. Ce rep\u00e9rage permettra ensuite d’appliquer des traitements beaucoup plus cibl\u00e9s.<\/p>\n

Lanc\u00e9 d\u00e9but 2019, le projet va durer trois ans. Pilot\u00e9 par la coop\u00e9rative Triskalia<\/a>, le consortium rassemble : l’interprofession des entreprises l\u00e9gumi\u00e8res (Unilet<\/a>), Copeeks<\/a>, concepteur de bo\u00eetiers connect\u00e9s, NeoTec-Vision<\/a>, int\u00e9grateur de solutions d’imagerie, Rainbow<\/a>, \u00e9quipe de recherche Inria en vision robotique (1) et Dilepix<\/a>, start-up Inria sp\u00e9cialis\u00e9e en analyse d’images pour l’agriculture. Labellis\u00e9 par les p\u00f4les de comp\u00e9titivit\u00e9 Vegepolys<\/a> et Images&R\u00e9seaux,<\/a> Cartam est financ\u00e9 par le Fonds Europ\u00e9en pour le D\u00e9veloppement R\u00e9gional (Feder), la R\u00e9gion Bretagne et Lannion Tr\u00e9gor Agglom\u00e9ration.<\/p>\n

Posture pro-active<\/span><\/h2>\n

 <\/p>\n

\u201cDes outils d’aide \u00e0 la d\u00e9cision, nous en commercialisons depuis longtemps<\/i>, explique Beno\u00eet Camus<\/strong>, du p\u00f4le Innovation de Triskalia<\/strong>, une coop\u00e9rative qui repr\u00e9sente aujourd’hui 16 000 agriculteurs. Mais jusqu’\u00e0 pr\u00e9sent, ces produits nous \u00e9taient propos\u00e9s par nos fournisseurs. L\u00e0, avec le projet Cartam, nous adoptons une posture beaucoup plus pro-active. Nous nous investissons pour participer directement au d\u00e9veloppement d’une solution. Nous contribuons \u00e0 imaginer un service pour lequel nous apportons aussi notre vision du march\u00e9 et notre connaissance agronomique. Nous partageons la r\u00e9daction du cahier des charges avec Unilet, l’interprofession des l\u00e9gumes d’industrie.<\/i>\u201d<\/p>\n

En pratique, chacune de ces organisations va s’int\u00e9resser \u00e0 une culture sp\u00e9cifique : le bl\u00e9 pour Triskalia, le haricot pour Unilet. \u201cPour le bl\u00e9, ce sera en lien avec une maladie et une mauvaise herbe. En l’occurrence, nous avons choisi la rouille jaune et une adventice qui s’appelle le s\u00e9ne\u00e7on commun. Pour le haricot, ce sera en lien avec le datura stramoine. Ces mod\u00e8les nous serviront \u00e0 mettre au point l’outil. Ensuite, il y aura un travail d’apprentissage sur les autres couples menace\/culture\u00a0\u00bb. <\/i><\/p>\n

\u00ab\u00a0L’objectif est de d\u00e9velopper un produit commun qui puisse r\u00e9pondre aux probl\u00e9matiques des diff\u00e9rentes cultures.<\/i>\u201d<\/p><\/blockquote>\n

Une premi\u00e8re phase du projet vise \u00e0 d\u00e9finir les meilleures modalit\u00e9s pour l’acquisition des donn\u00e9es. \u201cCette partie est assur\u00e9e par les entreprises Copeeks et NeoTec Vision. Il y a beaucoup de points \u00e0 \u00e9claircir. Faut-il embarquer le capteur sur un tracteur ? Sur un drone ? \u00c0 quelle altitude ? En fonction du type de capteur retenu, l’investissement peut varier \u00e9norm\u00e9ment. Ce qui va impacter le mod\u00e8le \u00e9conomique.<\/i>\u201d<\/p>\n

Intelligence artificielle<\/span><\/h2>\n

 <\/p>\n

\"\"<\/a>

Alban Pobla et Aur\u00e9lien Yol ont fond\u00e9 la start-up Dilepix : n\u00e9e d\u0092un transfert de technologie avec Inria Rennes-Bretagne-Atlantique en 2017, elle a officialis\u00e9 sa cr\u00e9ation en mars 2018.<\/p><\/div>\n

Une fois ces captures effectu\u00e9es, place \u00e0 Dilepix<\/strong><\/a>, une start-up Inria n\u00e9e des travaux en vision robotique men\u00e9s au centre de recherche de Rennes. \u201cNous sommes un acteur purement logiciel sp\u00e9cialis\u00e9 dans l’intelligence artificielle pour l’agriculture<\/i>, pr\u00e9cise Aur\u00e9lien Yol<\/strong>, co-fondateur. Nous d\u00e9veloppons un service d’analyse d’images qui s’adresse aux coop\u00e9ratives. Il peut s’agir de traiter des vid\u00e9os issues de la surveillance des \u00e9levages, ou des images provenant de pi\u00e8ges \u00e0 insectes connect\u00e9s, ou bien encore des images de cultures prises \u00e0 partir de cam\u00e9ras mont\u00e9es sur des tracteurs, des drones, ou autre. L’analyse automatique de ces donn\u00e9es permet de remonter des alertes pour signaler, par exemple, l’imminence d’un v\u00ealage ou l’apparition de mauvaises herbes sur une parcelle.<\/i>\u201d<\/p>\n

Invit\u00e9e par l’acc\u00e9l\u00e9rateur <\/a>de start-up du Cr\u00e9dit Agricole, c’est au salon de l’\u00e9lectronique grand public de Las Vegas que Dilepix a pr\u00e9sent\u00e9 son premier produit : un service d’analyse d’images \u00e0 distance sur plateforme cloud. \u201cLe CES de Las Vegas, ce n’est pas que du MP3<\/i>, indique Alban Pobla<\/strong>, co-fondateur. Il y avait aussi la derni\u00e8re moissonneuse batteuse de John Deere. Nous avons d’ailleurs rencontr\u00e9 le responsable de la conception des cabines du constructeur et nous lui avons expliqu\u00e9 que c’est l\u00e0 que nous voulions installer notre technologie.<\/i>\u201d<\/p>\n

 <\/p>\n

S’affranchir des produits phytosanitaires<\/span><\/h2>\n

 <\/p>\n

En France, des syst\u00e8mes de reconnaissance visuelle commencent \u00e0 embarquer sur des tracteurs pour actionner ponctuellement les buses des pulv\u00e9risateurs. \u201cMais ils s’appliquent \u00e0 du traitement direct,<\/em> remarque Beno\u00eet Camus<\/strong>. C‘est \u00e0 dire qu’ils d\u00e9tectent pour mieux pulv\u00e9riser. Nous, nous souhaitons une solution qui permette de nous affranchir le plus possible des produits phytosanitaires. En tant que prescripteur, nous voulons pouvoir faire du conseil afin d’aider les exploitants \u00e0 adapter les pratiques. Parfois, effectivement, il faudra pulv\u00e9riser. Mais dans d’autre cas, on pourra recourir au d\u00e9sherbage m\u00e9canique ou modifier la rotation des cultures, par exemple. C’est pour cela que nous sommes pass\u00e9s de l’id\u00e9e d’un outil de reconnaissance \u00e0 un outil de cartographie.<\/i>\u201d<\/p>\n

De son c\u00f4t\u00e9, Dilepix travaille sur une nouvelle version de sa technologie. \u201cL’id\u00e9e, c’est de ne plus envoyer les images vers le cloud, mais de les traiter directement en local en utilisant la puissance de calcul disponible sur le capteu<\/i>r, r\u00e9sume Alban Pobla<\/strong>. On ne fait plus remonter l’image, ce qui consomme de la bande passante, mais seulement l’information pertinente. Nous envisageons aussi d’effectuer les calculs sur un ordinateur embarqu\u00e9 dans le tracteur. L’exploitant dispose ainsi d’une analyse en temps r\u00e9el et il peut d\u00e9cider imm\u00e9diatement d’une action \u00e0 entreprendre<\/i>.\u201d<\/p>\n

VISP, librairie en vision robotique<\/span><\/h2>\n

 <\/p>\n

Pour ces travaux, la start-up s’appuie sur VISP, une librairie logicielle pour la vision robotique d\u00e9velopp\u00e9e par l’\u00e9quipe de recherche Rainbow au cours des 20 derni\u00e8res ann\u00e9es. \u201cDans le cadre du projet Cartam, un ing\u00e9nieur va \u00eatre recrut\u00e9 au sein de cette \u00e9quipe afin d’adapter des \u00e9l\u00e9ments de la librairie \u00e0 notre cas d’usage<\/i>,\u201d indique Aur\u00e9lien Yol<\/strong>. \u201cNotre start-up agit comme un vecteur de transfert technologiqu<\/i>e, ajoute Alban Pobla<\/strong>. D’une part, nous apportons aux scientifiques une probl\u00e9matique de terrain et, d’autre part, nous contribuons \u00e0 concevoir une solution innovante qui r\u00e9pond aux attentes des utilisateurs<\/i>.\u201d<\/p>\n

Dilepix finalise par ailleurs une lev\u00e9e de fonds et s’appr\u00eate \u00e0 embaucher. \u201cNous allons recruter tr\u00e8s prochainement trois ing\u00e9nieurs. D’autres postes seront aussi \u00e0 pourvoir. Nous tablons sur un effectif d’une dizaine de personnes avant la fin de l’ann\u00e9e.<\/i>\u201d<\/p>\n

 <\/p>\n\n\n\n
\n