Une méthode novatrice pour l’analyse structurale de la vigne

La taille de la vigne, tâche ardue, exige une compréhension fine de la structure, incluant l'identification des branches, leur orientation et la localisation des nœuds. Leur évaluation précise est difficile, compte tenu des variations de luminosité, des angles de vue et de l'imbrication complexe des branches. Les méthodes traditionnelles de taille, qui dépendent du jugement des élagueurs expérimentés, sont sujettes à l’erreur. Les formations nécessaires pour maîtriser les compétences de coupe représentent, de plus, un coût significatif pour les exploitations.

Traitement visuel d'un plant de vigne réalisé par ViNet, un système fonctionnant sans fond artificiel. Visualisation d'un plant de vigne à travers des lunettes de réalité augmentée utilisant le logiciel d'élagage 3D2cut AI.

Par ailleurs, l'industrialisation, la gestion mécanique extensive des vignobles et les changements climatiques complexifient ce travail, les ceps devenant sensibles et nécessitant des soins délicats. Pour relever ces défis, le logiciel ViNet, développé par la start-up 3D2cut, entend moderniser les pratiques grâce à une analyse d'images précise assistée par l’intelligence artificielle.

Une nouvelle ère pour la gestion des vignobles

Automatiser la taille de la vigne est un défi. Bien que des approches mécanisées ou robotiques soient en développement, aucune ne s'attaque directement à la taille, car les prises de décision ne sont pas possibles par les machines. L'apprentissage profond, branche de l'intelligence artificielle, offre une solution en permettant à celles-ci d'imiter les capacités humaines. Les algorithmes peuvent ainsi reproduire nos processus cognitifs via des réseaux de neurones artificiels.

Des avancées récentes assistées par ce procédé ont été réalisées en agriculture dans le but d’augmenter la productivité, mais elles se sont heurtées à des limites liées à l’identification des composantes végétales. Ainsi, l’outil ViNet propose une approche novatrice permettant d’estimer la structure de la vigne en deux phases : la première détecte à partir d’images les nœuds, les branches et leurs relations ; la seconde utilise un algorithme basé sur des cartes de champ vectoriel pour générer des graphes, déterminer les zones de connexions et reconstruire l'arbre dans son intégralité. Mille cinq cents images annotées sont ainsi disponibles sous https://doi.org/10.34777/azf6-tm83 pour les universités, facilitant la recherche dans ce domaine.

Une technologie prédictive de précision

Les outils d'intelligence artificielle en développement sont porteurs d'espoir. Le « Vine Vision System » permet d'observer les vignes et d'extraire toutes les caractéristiques importantes, comme le ferait l'œil d'un professionnel. Le « Pruning Expert System » associe des algorithmes d'apprentissage automatique éprouvés à l'expérience des maîtres élagueurs pour déterminer où effectuer les coupes. Grâce à des lunettes de réalité augmentée, les emplacements optimaux sont visibles, facilitant le travail de l'élagueur.

La taille optimisée grâce à l’outil ViNet devrait limiter la propagation des maladies du bois, améliorer la circulation de la sève et prolonger la durée de vie des plantes. Les rendements s'en trouveraient accrus, avec une réduction de l'utilisation de fongicides toxiques et d'engrais chimiques. En évitant le remplacement des vignes, on réduit également le recours aux machines lourdes consommatrices de combustibles fossiles. La disponibilité accrue des terres favorise d'autres cultures et la biodiversité. Les outils développés par cette jeune entreprise ne sont pas encore commercialisés. ViNet a toutefois été présenté à Montpellier lors du salon SITEVI en novembre dernier, visant à établir des partenariats avec l'industrie.

Les perspectives d'avenir

Les tests ont déjà démontré une précision dans la prédiction des nœuds allant jusqu'à 95 %. En automatisant l'analyse structurelle des vignes, l’outil ViNet vise à affiner l’élagage et à réduire la dépendance envers l'expertise humaine. Cette technologie avancée pourrait simplifier la formation longue et onéreuse des tailleurs de vignes, rendant ainsi le secteur viticole plus accessible aux travailleurs moins qualifiés. Pour ce qui est des ambitions futures de 3D2cut, des recherches liées à l’amélioration du réseau sont en cours, avec pour objectif, des prédictions en temps réel. À terme, l'intégration de systèmes embarqués, éventuellement sur des robots ou des drones, pourrait rendre possible l’assistance d’experts sur le terrain sans délai.

Références

T. Gentilhomme, M. Villamizar, J. Corre & J.-M. Odobez (2023). Towards smart pruning: ViNet, a deep-learning approach for grapevine structure estimation. Elsevier.

3D2cut SA
CH-3960 Sierre
Tél. +41 79 449 58 80
www.3d2cut.com