L2M QC 2024 – «Développement d’une application mobile pour l’estimation de la couverture des résidus à l’échelle du champ à partir d’observations de la Terre à haute résolution en utilisant l’intelligence artificielle»

Le projet vise à développer un outil cartographique à haute résolution permettant d’évaluer automatiquement le pourcentage de couverture de résidu au sol. Il est basé sur l’utilisation d’un modèle UNet à Attention Résiduelle (RAUNet). Le RAUnet est un modèle possédant une architecture d’apprentissage profond, léger et efficace, conçue pour estimer la couverture des résidus de cultures à partir de photos prises par smartphones.
Au vu des défis actuels auxquels nous sommes confrontés en termes de ressources, l’agriculture de précision devient de plus en plus une nécessité. L’une des pratiques de conservation de sol les plus conseillées est le maintien d’une couverture résiduelle de 30% au sol (Muth et al. 2013). La technologie que nous proposons permettrait donc aux agriculteurs canadiens d’estimer efficacement cette couverture via leurs smartphones. Cela aura pour effet une optimisation de leurs pratiques améliorant ainsi les rendements de cultures tout en réduisant du même coup leur impact environnemental.
Aussi, pour la mise en place réussie d’un tel projet, une étude de marché est nécessaire afin de recueillir les besoins, les préoccupations ainsi que les différentes pratiques agricoles des producteurs afin de pouvoir les intégrer dans le développement de l’application. Une conduite réussite de l’étude de marché en plus de mieux orienter la conception du projet, permettrait également d’attirer l’attention des producteurs sur les capacités de l’intelligence artificielle à estimer avec précision et moins de ressources la quantité de résidus qui leur est utile dans le champ.

Faculty Supervisor:

Saeid Homayouni

Student:

Partner:

V1 Studio

Discipline:

Earth science

Sector:

Agriculture and Food

University:

Université du Québec : Institut national de la recherche scientifique

Program: