Les chercheurs présentent un outil d'IA pour aider les oléiculteurs à prédire le moment de la récolte

Résumé

Le groupe opérationnel Predic 1 a développé avec succès une plateforme permettant de prédire les récoltes d'olives jusqu'à une saison entière à l'avance, avec une précision pouvant atteindre 90 %, grâce à des méthodes d'exploration de données et des algorithmes d'apprentissage automatique. Financé par des fonds agricoles européens, ce projet vise à fournir une application web gratuite pour améliorer la gestion des exploitations et l'optimisation des ressources dans le secteur oléicole, avec le potentiel d'améliorer la prise de décision et la durabilité du secteur.

Après plus de trois années de développement, les résultats des travaux du groupe opérationnel Predic 1 ont été présentés le mois dernier lors d'une conférence à Mengíbar, Jaén.

La mission du groupe était de fournir une plateforme capable de prédire les récoltes d'olives une saison entière à l'avance, un objectif qu'ils ont déclaré avoir atteint avec une précision allant jusqu'à 90 pour cent.

Le travail a été réalisé par un consortium comprenant l'Université de Jaén, Cetemet, Citoliva, Cooperativas Agro-alimentarias de Andalucía, un syndicat d'agriculteurs, et Nutesca, en utilisant comme cas de test les oliveraies traditionnelles de Picual à Jaén, Cordoue et Grenade.

Selon María Isabel Ramos, professeur au Département d'ingénierie cartographique, géodésique et photogrammétrique de l'Université de Jaén et auteur correspondant d'un 2022 étude En ce qui concerne la technologie, les systèmes prédictifs sont cruciaux pour l'avenir du secteur oléicole.

"Au niveau scientifique, la prévision des récoltes est l’un des problèmes les plus complexes de l’agriculture de précision », a-t-elle déclaré. "Il existe plusieurs études qui font ces prédictions sur la base de la relation étroite entre l'émission de pollen et la production de fruits, d'autres sur des variables aérobiologiques, phénologiques et météorologiques, toutes avec des précisions efficaces et acceptables à partir de juillet.

"Nous avons l'intention de faire progresser cette prévision et d'être en mesure de faire des prévisions optimales avant la floraison… bien avant que l'agriculteur ne réalise sa planification stratégique et son investissement économique dans l'exploitation », a ajouté Ramos.

Le groupe a utilisé des méthodologies d'exploration de données précédemment utilisées dans des projets de soins de santé prédictifs pour créer des modèles de régression à partir de données météorologiques et de données historiques de récolte dans la zone cible initiale.

Celles-ci ont été combinées aux données actuelles provenant de drones équipés de capteurs thermographiques et de caméras multispectrales, d'images satellite, d'évaluations phénologiques, d'analyses foliaires et de sol et de données collectées auprès de fermes modèles.

Le modèle utilise l’apprentissage automatique, le domaine de l’intelligence artificielle le mieux établi et ayant fait ses preuves en agriculture, pour prédire les rendements des cultures aussi précisément que possible.

L'utilisation d'un algorithme de machine à vecteurs de support a permis d'utiliser plusieurs noyaux, à savoir les noyaux linéaire et gaussien. Cela permet à l’algorithme de s’adapter plus facilement à la nature des données, permettant d’effectuer des transformations infinies.

La plateforme sera disponible gratuitement sous la forme d'une application Web similaire à SIGPAC, le système d'information géographique du gouvernement espagnol sur les parcelles agricoles.

Les utilisateurs peuvent visualiser une représentation graphique interactive des informations demandées et exporter les données.

Francisco Ramón Feito Higueruela, titulaire de la chaire d'infographie et de géomatique de l'Université de Jaén et coordinateur technique du projet, a expliqué qu'à mesure que le nombre d'utilisateurs augmente et que les résultats des récoltes futures sont réinjectés dans le système, la précision des prévisions s'améliorera. . Des modèles plus efficaces et adaptés à chaque domaine seront possibles.

José Menar Pacheco, de la Cooperativas Agro-alimentarias de Andalucía, a souligné l'importance du rôle de son organisation dans la diffusion des résultats et des connaissances du projet auprès des parties prenantes.

Il espère assurer une large diffusion et l'adoption des résultats du projet afin d'améliorer la gestion agricole et l'optimisation des ressources de ses membres. Ces membres représentent plus de 11 millions d'euros de chiffre d'affaires annuel et plus de 70 pour cent de la production totale d'huile d'olive d'Andalousie.

Le projet est financé par le Fonds agricole européen pour le développement rural et par le gouvernement régional andalou dans le cadre de l'appel à groupes opérationnels régionaux du Partenariat européen d'innovation en matière de productivité agricole et de durabilité dans le secteur oléicole.

"au sein de la Politique agricole commune, une série de nouvelles réformes sont mises en œuvre, notamment la lutte contre changement climatique avec ces objectifs environnementaux, ainsi que la réalisation d'un secteur agricole durable et compétitif en soutenant les agriculteurs, et tout cela avec un engagement fort en faveur de la numérisation du secteur oléicole pour atteindre ces objectifs », a déclaré Ramos.

Elle a ajouté, "La réalisation de ces objectifs dépend de la prise de décision appropriée de chacun des acteurs impliqués dans le secteur. Les systèmes prédictifs constituent donc un outil crucial dans la gestion et la prise de décision.

• Université de Jaén