|
Résumé :
|
L'estimation du rendement des arbres fruitiers, notamment les agrumes, est déterminante pour les producteurs et propriétaires de fermes, notamment pour la planification logistique, le stockage, et les stratégies d'exportation avant la récolte. Une estimation précise garantit la quantité et la qualité des fruits, ainsi que la rentabilité de l'exploitation. Cependant, les méthodes traditionnelles d'estimation présentent plusieurs défis : elles sont souvent longues, coûteuses et moins précises. Bien que certaines études antérieures aient exploré l'utilisation de l'intelligence artificielle et des modèles avancés de Deep Learning pour estimer le rendement des vergers, elles se sont principalement concentrées sur les fruits déjà mûrs. Or, la prévision du rendement doit être effectuée bien à l'avance, avant la récolte, pour des raisons liées à la commercialisation. Dans le cas des fruits encore immatures, cela pose des défis supplémentaires, tels que les occlusions causées par les arbres et le feuillage. C'est pour répondre à ces défis que notre projet se distingue en proposant une méthode basée sur l'imagerie drone et terrestre via smartphone, pour une estimation précise à l'échelle des arbres.La méthodologie a été appliquée dans le domaine de Ouargha, commune de Oulad Noueil, Khénichat, au sein de la province de Sidi Kacem. Le modèle adopté pour la détection et suivi est YOLOV8 associé au tracker DEEP SORT a atteint des résultats de détection très satisfaisants : précision : 93%. Ainsi que pour les résultats de comptage des fruits à l’aide de l’imagerie par smartphone et drone ont été encourageantes, soulignant ainsi l'efficacité et le potentiel de cette approche pour l'estimation du rendement, offrant une solution relativement convenable pour les producteurs et les propriétaires de fermes.
|
