Des chercheurs lancent un outil d'IA destiné à aider les oléiculteurs à prévoir le moment de la récolte

En s'appuyant sur l'apprentissage automatique pour analyser diverses données provenant d'exploitations pilotes, les chercheurs ont pu prédire la date de la récolte des olives avec une précision de 90 %.

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

Le groupe avait pour mission de mettre au point une plateforme capable de pré­dire les récoltes d’olives une saison entière à l’avance, un objectif qu’il affirme avoir atteint avec une précision pouvant atteindre 90 %.

Ces travaux ont été menés par un consortium regroupant l’université de Jaén, le Cetemet, Citoliva, les Cooperativas Agro-alimentarias de Andalucía (un syndicat d’agriculteurs) et Nutesca, en utilisant comme cas d’étude des oliveraies traditionnelles de la variété Picual situées à Jaén, Cordoue et Grenade.

Voir aussi : Des chercheurs andalous développent un outil d’IA pour améliorer l’efficacité de l’irrigation

Selon María Isabel Ramos, professeure au département d’ingénierie cartographique, géodésique et photogrammétrique de l’université de Jaén et auteure correspondante d’une étude de 2022 sur cette technologie, les systèmes prédictifs sont essentiels pour l’avenir du secteur oléicole.

« Sur le plan scientifique, la prévision des récoltes est l’un des problèmes les plus complexes de l’agriculture de précision », a-t-elle déclaré. « Plusieurs études établissent ces prévisions en s’appuyant sur 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 du mois de juillet. »

« Nous avons l’intention de faire évoluer ces prévisions afin de pouvoir établir des prévisions optimales avant la floraison… bien avant que l’agriculteur ne mette en œuvre sa planification stratégique et ses investissements économiques dans son exploitation », a ajouté M. Ramos.

Le groupe a utilisé des méthodologies d’exploration de données précédemment employées dans des projets de santé prédictive pour créer des modèles de régression à partir de données météorologiques et de données historiques sur les récoltes provenant de l’ensemble de la zone cible initiale.

Ces données ont été combinées avec des données en temps réel provenant de drones équipés de capteurs thermographiques et de caméras multispectrales, d’images satellites, d’évaluations phénologiques, d’analyses foliaires et pédologiques, ainsi que de données collectées dans des exploitations agricoles modèles.

Le modèle utilise l’apprentissage automatique, le domaine le plus établi de l’intelligence artificielle et qui a fait ses preuves dans l’agriculture, pour prédire les rendements des cultures avec la plus grande précision possible.

L'utilisation d'un algorithme de machine à vecteurs de support a permis d'utiliser plusieurs noyaux, à savoir les noyaux linéaires et gaussiens. Cela facilite l’adaptation de l’algorithme à la nature des données, permettant ainsi d’effectuer des transformations infinies.

La plate-forme sera accessible gratuitement sous la forme d’une application web similaire à SIGPAC, le système d’information géographique du gouvernement espagnol dédié aux parcelles agricoles.

Voir aussi : Des chercheurs développent un algorithme pour prédire le potentiel de récolte à partir de données climatiques

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

Francisco Ramón Feito Higueruela, titulaire de la chaire d’infographie et de géomatique à l’université de Jaén et coordinateur technique du projet, a expliqué qu’à mesure que le nombre d’utilisateurs augmentera et que les résultats des récoltes futures seront réintégrés dans le système, la précision des prévisions s’améliorera. Il sera alors possible de disposer de modèles plus efficaces et adaptés à chaque zone.

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

Il espère assurer une large sensibilisation et l’adoption des conclusions du projet afin d’améliorer la gestion des exploitations de ses membres et l’optimisation des ressources. Ces membres représentent plus de 11 millions d’euros de chiffre d’affaires annuel et plus de 70 % de la production totale d’huile d’olive en Andalousie.

Le projet est financé par les fonds européens agricoles pour le développement rural et le gouvernement régional andalou dans le cadre de l’appel à candidatures pour les groupes opérationnels régionaux du Partenariat européen d’innovation en matière de productivité et de durabilité agricoles dans le secteur oléicole.

« Dans le cadre de la politique agricole commune, une série de nouvelles réformes sont mises en œuvre, notamment la lutte contre le changement climatique avec ces objectifs environnementaux, ainsi que la mise en place d’un secteur agricole durable et compétitif grâce au soutien apporté aux agriculteurs, et tout cela avec un engagement fort en faveur de la numérisation du secteur oléicole pour atteindre ces objectifs », a déclaré Mme Ramos.

Elle a ajouté : « La réalisation de ces objectifs dépend de la prise de décisions appropriées par chacun des acteurs impliqués dans le secteur. C’est pourquoi les systèmes prédictifs constituent un outil essentiel pour la gestion et la prise de décision. »