Optimiser la qualité du semis

Posted Posted in La Lettre B

Conjuguant dispositif optique et intelligence artificielle, le programme Semassist, financé par la Section spécialisée pin maritime de France Bois Forêt, a permis le développement d’un système d’assistance au semis de précision destiné à améliorer la production de plants forestiers et la qualité du reboisement.

Semis de pin taeda sur plaque de 63 alvéoles. Photos : Forelite et R&D Vision

Forelite, filiale d’Alliance Forêts Bois, s’est associée à la société R&D Vision, PME spécialisée dans les systèmes innovants couplant optique et intelligence artificielle. Leur objectif : imaginer une nouvelle technique d’évaluation des plaques de semis. En effet, automatisée, la plantation de graines ne donne pas de résultats optimaux et aucune solution technologique n’existe sur le marché pour améliorer significativement le contrôle de la qualité des semis.

Voilà pourquoi est né le projet collaboratif Semassist. Son ambition est de proposer un équipement contenant de l’intelligence artificielle utilisable non seulement sur l’ensemble des entreprises de production de plants forestiers, mais aussi dans d’autres secteurs agricoles comme le maraîchage. Soutenu par la Section spécialisée pin maritime de France Bois Forêt, ce programme vise, dans un premier temps, à développer un système automatique de repérage et d’identification des erreurs.

Équipement de semis (vues de dessus et de profil).

Optimiser la ressource en graines

Le programme Semassist vise à apporter une aide précieuse aux pépiniéristes, lesquels font aujourd’hui face à de nombreux manques (graines non semées ou semis d’un débris du même poids ou du même format que la graine), comme des semis en double ou des graines mal placées dans leur alvéole. Certes des opérateurs contrôlent la qualité de la plantation en bout de ligne, mais ceux-ci doivent évaluer une plaque de semis toutes les 3 à 4 secondes : une cadence trop élevée pour détecter 100 % des défauts.

À grande vitesse donc, des machines de semis automatiques déposent les graines dans des plaques remplies de substrat. Une seule graine (semis monogerme) est placée au milieu de chaque alvéole afin d’optimiser la ressource en semence forestière. La raison : la production naturelle de graines est diminuée par certains effets du réchauffement climatique et l’émergence de bio-agresseurs.

Autant de raisons de réduire le plus efficacement possible le taux de perte afin de permettre aux programmes de reboisement, partie essentielle de la stratégie d’adaptation au changement climatique, de monter en intensité et de porter leurs fruits. Rappelons-le, la production des jeunes plants commence en pépinière forestière. L’opération est conduite entre les mois d’avril et de juin, avec des graines issues de peuplements classés ou de vergers à graines.

Vue globale des points d’apprentissage de l’IA.
Interface d’apprentissage de l’IA.
Résultats de détection et d’affichage envisagés avec l’apprentissage de l’IA.

Trois méthodes testées

Pour parvenir à limiter radicalement le gaspillage de graines précieuses, R&D Vision a conçu un prototype doté d’un détecteur de plaques à infrarouge et d’un système d’acquisition d’images, basé sur une caméra couleur à 12 millions de pixels. Installé sur une machine de semis automatique, ce dispositif expérimental a permis de numériser 2,5 millions d’alvéoles contenant des semences de pin maritime et de pin tæda. Trois méthodes de détection ont été testées afin de définir les critères nécessaires pour l’apprentissage par l’intelligence artificielle. Le taux d’erreurs avant correction est estimé entre 3 % et 8 % (forte dépendance à la typologie des semences), avec deux alvéoles défectueuses par portoir (un portoir comprend 63 alvéoles).

« Le système Semassist serait donc capable d’alléger la charge mentale de l’opérateur grâce à un repérage des anomalies, et d’éliminer quasiment entièrement les défauts des portoirs avec un taux de réussite de détection supérieur à 99 % », indiquent les deux partenaires. Le nouvel objectif assigné au programme est de déterminer les gains d’efficacité et pécuniaires réalisables grâce à l’assistance visuelle du système.

Partager l'article sur vos réseaux sociaux :