L’apprentissage automatique a maintenant été utilisé pour identifier les ravageurs importants qui peuvent ravager les cultures maraîchères, selon des travaux publiés dans le Journal international de l’informatique sans fil et mobile.
Changzhen Zhang de l’Université de Kaili à Guizhou, Yaowen Ye, Deqin Xiao, Long Qi et Jianjun Yin de l’Université d’agriculture de Chine du Sud à Guangzhou, en Chine, soulignent qu’une lutte antiparasitaire efficace nécessite une connaissance des espèces affectant les plantes et du niveau d’infestation. L’équipe a utilisé un modèle dit « sac de fonctionnalités » pour développer un système de surveillance automatique des ravageurs. Ils expliquent que leur approche combine la technologie de traitement de l’information à distance et la technologie de vision artificielle.
Le système proposé peut être mis en œuvre dans un champ de cultures maraîchères pour surveiller quatre ravageurs majeurs : Phyllotreta striolata (l’altise rayée, un ravageur des crucifères), Frankliniella occidentalis (le thrips des fleurs de l’Ouest envahissant, se nourrit d’environ 500 espèces différentes ou plus de légumes). , fruits et fleurs), Bemisia tabaci (la mouche blanche du tabac, qui affecte la tomate et d’autres plantes apparentées) et Plutella xylostella (la teigne des crucifères, un ravageur des cultures cruciformes).
L’équipe a démontré un taux d’erreur inférieur à 10 % par rapport à la détection et au comptage par des personnes formées pour repérer les ravageurs. Étant donné que B. tabaci peut réduire les rendements des cultures de tomates de 60 %, la détection de ces espèces est donc essentielle pour une agriculture efficace et efficiente. Les autres espèces mentionnées peuvent toutes affecter une grande variété de cultures avec des conséquences dévastatrices lorsque l’infestation est autorisée à sévir.
L’équipe a fait preuve de succès dans un environnement contrôlé. La prochaine étape consistera à tester le système et à améliorer ses capacités dans un environnement maraîcher plus complexe et réaliste.
Changzhen Zhang et al, Détection et identification rapides des principaux ravageurs des légumes sur la base de l’apprentissage automatique, Journal international de l’informatique sans fil et mobile (2022). DOI : 10.1504/IJWMC.2022.124813