Intégration des techniques de la vision artificielle dans l’identification des grains de quelques variétés de blé en Algérie

Abstract

Les solutions technologiques et l’innovation sont un levier incontournable pour le développement agricole. Elles assurent l’une des voies les plus efficaces pour accroitre et pour maintenir la production à des niveaux quantitatifs et qualitatifs acceptables, ceci par la maitrise technologique des différents aspects de l’agriculture. On assiste depuis le début de cette dernière décade à l’ère de la transition technologique et digitale qui est pilotée par l’intelligence artificielle ; cette dernière a permis de générer des solutions technologiques à des problèmes agronomique complexes, tout en augmentant l’efficacité du machinisme et de l’automatisation conventionnelle. La maitrise technologique a pris aujourd’hui, grâce à des systèmes de contrôle intelligent, un nouveau cadre conceptuel. Elle est basée sur la capture et l’exploration des quantités massive de données et l’implémentations des solutions technologiques basées sur l’intelligence artificielle. Le cap des processus de production est fixé sur une démarche de qualité générative de produits traçables. Ce travail est un exemple de l’élaboration et l’implémentation d’une solution technologique pour le problème de la reconnaissance de l’identité des grains de blé, qui a permis par conséquent de réaliser l’indentification variétale dans toute la chaine des grains. Nous avons redéfini ce problème de l’identification des grains de blé d’un contexte de perception humaine vers un contexte de perception machine avec la technique de classification d’images en exploitant une solution basée sur la Computer Vision (CV) et Le machine Learning (ML). Cette solution technologique nous a permis de tester deux approches de classification d’images (la classique et la Deep learning) et d’aboutir, par une approche adaptée à l’Intégration des techniques de la vision artificielle dans l’identification des grains de quelques variétés de blé, à un résultat satisfaisant (95-98% de précision) par l’approche de Deep Learning.