Encore peu connue il y a quelques années, l'utilisation des drones dans tous les secteurs de l'industrie offre des perspectives inédites. La filière est en plein essor. De plus, la miniaturisation et le développement des caméras multispectrales et hyperspectrales équipées de leurs systèmes d’enregistrement et embarquées sur le drone offrent des possibilités pléthoriques d’applications. L’agriculture est très probablement le secteur professionnel où l’usage du drone a le plus de potentiel, bien devant les marchés des topographes, géomètres, de l’inspection des ouvrages d’art, d’usines et de toutes autres infrastructures.

Les premières applications datent du début des années 2010 et concernent l'imagerie « multispectrale » par drone. Elles sont essentiellement réalisées dans les domaines : visible (RVB) et proche infrarouge. Les méthodes développées s’appuient sur le calcul d’indices comme l'indice de végétation ou l’indice de stress hydrique. Ces indices ont permis de mesurer des caractéristiques « génériques », par exemple pour déterminer si une plante est saine ou non. Mais ils se révèlent incapables de distinguer ou de classer différents types de mauvaises herbes, détecter des maladies ou alerter de la présence de parasites…

De par sa résolution spectrale (intrinsèquement) plus élevée, l'imagerie hyperspectrale semble très prometteuse, car elle permet d’envisager des acquisitions avec un nombre de bandes spectrales au moins 10 fois supérieur. L’analyse de ces images doit permettre d'identifier des « caractéristiques physiologiques » uniques des cultures. Les enjeux sont considérables et visent à créer les outils indispensables qui permettront de répondre aux grands enjeux agricoles de cette première moitié du XXIe siècle.

Cette projet vise à développer de nouvelles méthodes de traitement de données hyperspectrales acquises par drones et de les mettre en œuvre dans le cadre d’applications de classification (d’espèces végétales), de segmentation (parcelles) et de détection (maladies). Le travail sera à la fois : 

• Théorique (étude des méthodes existantes, proposition de nouveaux algorithmes, optimisation des critères proposés, élaboration et développement de nouvelles approches).
• Pratique (implémentation des algorithmes proposés et des outils d’évaluation adaptés, validation expérimentale des méthodes proposées sur des données simulées et réelles).

Le principal verrou à lever consiste à développer des techniques de traitement de données susceptibles de permettre d'identifier par exemple les maladies des cultures, les parasites et les carences en nutriments à partir des différentes signatures spectrales disponibles en liens directs avec les changements dans la physiologie végétale. L'imagerie hyperspectrale doit permettre aussi de classer différents types de mauvaises herbes, de végétations sauvages et de variétés végétales.

Cette projet entre dans un plan global de développement d’une plateforme expérimentale « EXPERI » orientée vers les agroéquipements et l’agriculture connectée (smart agriculture). La plateforme nous mettra à disposition pour ce projet des terrains, 2 drones équipés par des caméras hyper spectrales, caméras thermiques et dans le domaine du visible. Ce projet ambitieux vise à faire travailler ensemble des enseignants chercheurs Chalonnais du CReSTIC, des professionnels de l’agriculture et des entreprises ou start-ups intéressées par le sujet.

Mots clés : Images Hyperspectrales, Classification, Segmentation, Drones, Smart Agriculture