Classification automatique des espèces adventices pour destruction ciblée

Abstract

Les mauvaises herbes dans les champs agricoles en Algérie constituent l’un des principaux facteurs réduisant la productivité des cultures et affectant leur qualité. Pour faire face à ce problème, l’agriculture moderne s’appuie sur l’agriculture de précision et les techniques d’intelligence artificielle, permettant une gestion plus efficace et précise des parcelles, que ce soit par la réduction de l’utilisation des pesticides chimiques ou par des interventions mécaniques ciblées. Cette étude vise à développer un système de classification des mauvaises herbes les plus répandues en Algérie en utilisant des techniques de vision par ordinateur et des réseaux de neurones convolutifs. Le système a été entraîné sur des images de mauvaises herbes à leurs stades de développement précoce, permettant ainsi une détection précoce et précise des adventices ciblées, améliorant l’efficacité des opérations de désherbage et réduisant les coûts agricoles. Dans ce contexte, nos recherches ont pour objectif de faciliter la classification des principales espèces de mauvaises herbes présentes dans les exploitations agricoles en Algérie. Grâce aux expériences menées, nous avons développé un modèle de classification basé sur les réseaux de neurones convolutifs, capable de déterminer avec une grande précision le type de mauvaise herbe parmi plusieurs espèces, permettant ainsi d’optimiser les stratégies de désherbage ciblées et efficaces à partir des images analysées des champs agricoles.