WeedElec : associer intelligence artificielle, drones et robotique pour désherber sans herbicides
Le projet WeedElec explore une solution de désherbage de précision sans produit chimique. Son principe : repérer les plantes indésirables grâce à des images prises par drone et par un robot, les identifier à l’aide de l’intelligence artificielle, puis les éliminer individuellement au moyen d’une décharge électrique contrôlée. Les technologies et les données de Pl@ntNet jouent un rôle essentiel dans ce dispositif.
Dans une parcelle agricole, les plantes qui entrent en concurrence avec les cultures sont appelées des adventices. Leur gestion repose encore largement sur l’emploi d’herbicides, avec des conséquences sur la qualité de l’eau, les écosystèmes et la santé humaine. Réduire ces traitements nécessite de développer des méthodes capables de distinguer automatiquement les cultures des adventices, puis d’intervenir uniquement là où cela est nécessaire.
Soutenu par l’Agence nationale de la recherche dans le cadre du Challenge ROSE 2017, le projet WeedElec réunit des spécialistes de la robotique agricole, de l’imagerie, de l’intelligence artificielle, de la botanique et de la physiologie végétale. Son objectif est de construire les bases scientifiques et techniques d’un système intégré associant un drone, un robot agricole équipé d’un bras articulé rapide et un outil de désherbage électrique à haute tension.
Dans ce projet, l’analyse combinée d’images issues de capteurs permet de cartographier les zones infestées, d’anticiper les risques de concurrence entre cultures et adventices, et de préparer la trajectoire d’outils de désherbage autonome. Ceux-ci peuvent alors éviter les déplacements inutiles, ce qui réduit la durée de l’intervention, la consommation d’énergie et le tassement du sol.
Identifier les adventices grâce à Pl@ntNet
Reconnaître une plante photographiée par une personne et détecter automatiquement une petite adventice au milieu d’une culture sont deux problèmes très différents. Les images prises par un drone ou une caméra embarquée peuvent en effet présenter des plantes très petites, partiellement cachées ou observées sous des angles inhabituels. Elles sont également soumises aux variations de lumière, de météo, de sol et de stade de développement.
Les équipes impliquées dans Pl@ntNet ont étudié l’adaptation des méthodes de reconnaissance végétale à ces conditions agricoles. Le projet s’est notamment intéressé à l’apprentissage profond, une famille de techniques d’intelligence artificielle capables d’apprendre à reconnaître les caractéristiques visuelles des espèces à partir de grandes collections d’images.
Plusieurs approches ont été explorées :
. adapter ces modèles aux prises de vue produites automatiquement par les drones et les robots ;
. développer un workflow afin de pouvoir les exécuter sur un robot disposant de capacités de calcul limitées.
Cette recherche contribue à élargir les usages de Pl@ntNet. La plateforme n’est plus seulement mobilisée pour identifier les photographies prises par ses utilisateurs : ses méthodes peuvent aussi être adaptées à des capteurs automatisés et intégrées à des équipements capables d’agir directement sur le terrain.
Intervenir uniquement sur les plantes ciblées
Une fois les adventices localisées, le robot rejoint les zones concernées. Sa caméra embarquée affine la détection en temps réel afin de positionner précisément l’outil de désherbage. Celui-ci applique alors une impulsion électrique à haute tension sur la plante ciblée.
Le passage du courant endommage les tissus végétaux et peut atteindre le système racinaire. Mais toutes les espèces ne réagissent pas de la même manière. L’efficacité du traitement dépend notamment de la taille et du stade de développement de la plante, de son état hydrique, de son architecture racinaire ainsi que de l’humidité et de la nature du sol.
WeedElec a donc étudié la signature électrique de différentes adventices, cultures et catégories de sols. L’objectif était de déterminer les caractéristiques du signal les mieux adaptées à chaque situation : tension, durée, fréquence et quantité d’énergie. Ces travaux devaient permettre d’obtenir un effet létal avec la plus faible consommation énergétique possible, tout en préservant les plantes cultivées.
Une recherche au service de l’agroécologie
En réunissant détection aérienne, reconnaissance embarquée et intervention électrique localisée, WeedElec propose une autre manière de gérer les adventices : observer avant d’agir, identifier la plante et intervenir uniquement sur la cible.
La solution complète a été pensée pour être testée dans des parcelles de grandes cultures et de maraîchage, notamment sur le maïs et la carotte. Ses différents composants peuvent aussi être valorisés séparément : algorithmes d’identification, méthodes d’analyse hyperspectrale, outil électrique ou système robotisé.
Pour Pl@ntNet, WeedElec a constitué un terrain de recherche important à l’interface entre botanique, intelligence artificielle et agriculture de précision. Le projet a contribué à rendre la reconnaissance automatique des plantes plus robuste face à de nouvelles conditions d’observation et montre comment les connaissances produites par une plateforme participative peuvent soutenir le développement d’outils agricoles réduisant le recours aux herbicides.
Programme : Challenge ROSE, édition 2017
Financement : Agence nationale de la recherche
Domaines : agroécologie, intelligence artificielle, reconnaissance végétale, imagerie hyperspectrale et couleur, drones, robotique agricole, désherbage électrique.
