Service Communautaire d'Information sur la Recherche et le Développement - CORDIS

H2020

PCT — Résultat en bref

Project ID: 666534
Pays: Hongrie
Domaine: Agriculture et Sylviculture

Le «bilan de santé» intelligent pour les fermes se heurte aux maladies des cultures

Un système de diagnostic et de collecte de renseignements agricoles rassemble des données météorologiques et des informations relatives aux récoltes et aux ravageurs pour alerter les agriculteurs sur les maladies des plantes et autres conditions susceptibles de causer des dommages aux cultures.
Le «bilan de santé» intelligent pour les fermes se heurte aux maladies des cultures
En moyenne, près de 60 % des pertes de rendement dans l’agriculture sont dues aux maladies des plantes. Mais l’effet sur les fermes individuelles peut être dévastateur, des récoltes entières étant susceptibles d’être anéanties si ces maladies ne sont pas détectées à temps.

Les scientifiques travaillant sur le projet Plant CT, financé par l’UE, ont mis au point un système de renseignement agricole, de diagnostic et de conseil constitué de dispositifs de mesure installés dans les zones cultivées. Un ensemble de dispositifs de capteurs rassemble des données sur le site, le sol, les conditions foliaires et les conditions météorologiques locales, ainsi que sur la présence de ravageurs et autres agents pathogènes, puis les compare à une base de données de maladies spécifiques aux plantes.

Le «bilan de santé» complet à distance basé sur la surveillance sur site fournit aux agriculteurs des informations précises sur le risque de maladie, agit comme un système d’alerte en amont et fournit des recommandations sur les actions à prendre pour prévenir la maladie.

«Vous ne pulvérisez que si vous devez», explique Csaba Arendas, PDG de QuantisLabs à Budapest, en Hongrie, la société qui a développé Plant CT. En Europe, un agriculteur pulvérise un verger de pommiers 15 fois en moyenne sur la période de végétation, de mars à août. Pour le raisin, cette moyenne est de sept. «Si vous utilisez moins de matériaux [chimiques], le coût de production est également plus bas, donc le timing est la clé», explique M. Arendas.

Les calculs de la surface des feuilles de Plant CT permettent de déterminer avec précision la juste quantité de produit à pulvériser, limitant ainsi toute utilisation intensive. «Pour le raisin, vous pouvez économiser une ou deux pulvérisations», ce qui réduit les pertes de rendement de 30 % et réduit d’environ 20 % l’utilisation de pesticides.

Réseau de capteurs

Une série de capteurs rattachés à une unité centrale de la taille d’un ordinateur portable est fixée à un mât facilement transportable et qui peut être installé dans un champ sans besoin de compétences spécialisées. Le modèle Plant CT standard comprend une douzaine de capteurs pour mesurer l’humidité de l’air, les précipitations et la température, l’humidité et la température du sol ainsi que des capteurs de feuilles et de canopée, et des détecteurs de ravageurs et de spores qui recensent les pathogènes des plantes, dont les champignons.

«Pour la détection des spores et des ravageurs, le taux de détection est de 95 %, la précision est donc très élevée», explique M. Arendas, notant qu’environ 99 % des maladies des plantes sont causées par des ravageurs et des spores fongiques.

Les mesures sont téléchargées sur un serveur, et des algorithmes et des modèles mathématiques scientifiquement validés sont utilisés pour déterminer la probabilité d’infection dans une zone donnée. Ces informations sont disponibles sous forme visuelle et peuvent être consultées par l’utilisateur sur tout appareil connecté à Internet. «Tous les agriculteurs n’ont pas une grande expérience de l’identification des maladies. Ils attendent un format visuel facile à comprendre et une réponse simple à leurs questions sur les actions à prendre», ajoute M. Arendas.

L’analyse est basée sur une énorme banque de données dérivée de milliers d’années de connaissances agricoles et d’autres données recueillies par l’équipe du projet. «Dix de nos scientifiques ont étudié en profondeur la littérature disponible, les principaux articles scientifiques provenant de toutes les publications que nous pouvions utiliser», explique M. Arendas.

QuantisLabs disposait déjà d’énormes ensembles de données et de mesures provenant d’un précédent produit SmartVineyard. «Le financement de l’UE nous a permis d’étendre le système existant pour les vignobles à un système complet adapté aux différentes cultures», ajoute-t-il. Le système actuellement sur le marché peut être utilisé pour les pommes, les olives, le cacao, le café, le riz et le coton, d’autres cultures sont en cours d’ajout. L’intelligence artificielle et l’apprentissage automatique ajustent le système aux schémas locaux.

Des conditions localisées

Des différences mineures d’humidité ou de température peuvent modifier l’apparence ou l’intensité d’une maladie végétale, et le stade de croissance de la plante compte également. «Certains ravageurs préfèrent manger les feuilles, d’autres préfèrent les fleurs. Si les deux coïncident, l’infection peut être gigantesque», explique M. Arendas.

Une partie de la technologie des capteurs a été achetée, une technologie de capteur existante a été améliorée, et d’autres capteurs plus avancés ont été conçus et prototypés sur mesure au cours du projet. La plupart des pièces ont été testées dans des laboratoires universitaires et de petits laboratoires privés, y compris des batteries spéciales à l’épreuve des intempéries et une unité centrale alimentée à l’énergie solaire.

Plant CT est déjà sur le marché international, avec des commandes et des pré-commandes provenant de pays d’Amérique latine pour diverses cultures, et des versions pour des cultures comme celle de l’avocat sont en cours de développement. Actuellement, 80 % des ventes sont réalisées sur un modèle d’abonnement à 150 EUR par mois et par appareil, avec des possibilités de mise à niveau pour inclure davantage de capteurs. Un appareil en moyenne peut scanner 10 hectares. «Tous les trois ans, vous recevez un nouvel appareil, comme pour un abonnement mobile», conclut M. Arendas.

Mots-clés

Plant CT, agriculture, viticulture, maladies des plantes, ravageurs, climat, insecticide, fongicide, environnement, rendement des cultures, capteurs, intelligence artificielle, sol, science des sols, TIC