Agriculture assistée par capteurs hyperspectraux et polarimétriques intelligents – AGRIPOLHYS

L’imagerie hyperspectrale (IHS) est un bon candidat pour la veille massive de la santé des végétaux en agriculture intelligente. Pour pouvoir réduire de manière conséquente les pertes de végétaux et les traitements chimiques, il est essentiel de fournir aux agriculteurs des outils capables de détecter et d’identifier les maladies des végétaux, à un stade très précoce, avant même l’apparition de symptômes détectables par l’œil humain. Construire de tels outils constitue, aujourd’hui, un réel défi. Dans le projet AGRIPOLHYS, nous proposons de détecter et d'identifier précocement quatre maladies du plant de tomate (oïdium, mildiou, botrytis et cladosporiose). Nous considérons, tout d’abord, les quatre maladies séparément, puis en consortium. Nous suivons et combinons les trois stratégies suivantes : utiliser un système IHS avec une plage spectral étendue couvrant le visible et le proche infrarouge (VNIR) ainsi que l’infrarouge à ondes courtes (SWIR); ajouter la capacité de polarimétrie à la caméra IHS;
utiliser des algorithmes d’intelligence artificielle innovants. Premièrement le projet AGRIPOLHYS concentre ses efforts sur la conception d’une nouvelle caméra IHS, rapide, et capable de mesures simultanément polarimétriques et hyperspectrales. Deuxièmement, le projet AGRIPOLHYS vise à améliorer les performances des méthodes d’intelligence artificielle réalisant la détection et l’identification des maladies des végétaux. D’une part, nous recherchons des approches innovantes d’intelligence artificielle pour l’analyse du volume colossal de données produites par la nouvelle caméra spectro-polarimétrique à grande vitesse d'acquisition . D’autre part, nous créons une base de données de haute qualité en imageant les feuilles des végétaux et en détectant les maladies à des stades précoces par des nouveaux marqueurs (moléculaires ou biochimiques). Cette base de données est utilisée comme vérité terrain pour la calibration et le test de nos algorithmes.