Géolocalisation de pieds de vigne et manquants dans le vignoble de Saint-Émilion
Détection et géolocalisation automatisées des pieds de vigne et des manquants sur sept parcelles viticole: résultats issus d’un traitement photogrammétrique et d’approches de deep learning appliqués à 8500 clichés aériens acquis par la société R3Drone. Post-traitement et analyse d’images par Drones Imaging.
L’industrie viticole, historiquement ancrée dans des pratiques traditionnelles, connaît aujourd’hui une transformation majeure portée par les technologies d’acquisition et d’analyse d’images. La détection automatisée des pieds de vigne par Deep Learning, couplée à l’utilisation de drones pour la capture d’images aériennes à très haute résolution, ouvre la voie à une gestion fine et spatialement explicite des parcelles, constituant une étape clé vers l’automatisation et la robotisation des opérations viticoles.
Le protocole opérationnel repose dans un premier temps sur l’acquisition d’images aériennes multi-recouvrements à l’aide d’un drone. En moyenne, une surface d’environ un hectare est couverte en cinq minutes de vol, générant plusieurs centaines de clichés. Ces images, présentant une résolution sub-centimétrique (GSD < 1 cm), permettent de restituer avec précision les caractéristiques morphologiques individuelles des ceps.
Les données acquises sont ensuite traitées par photogrammétrie afin de produire une orthophoto géoréférencée à haute résolution. Sur cette base, un modèle de Deep Learning préalablement entraîné à la détection des pieds de vigne est appliqué. L’algorithme exploite des descripteurs visuels tels que la morphologie, la texture, la signature radiométrique, les ombres et le contexte spatial pour identifier automatiquement chaque plant.
L’analyse a abouti à la cartographie de 44 423 pieds de vigne et à la détection de 568 manquants, géolocalisés avec une précision planimétrique de l’ordre de 10 cm.
Cartographie et détection automatisées de 44 423 pieds de vigne et de 568 manquants
L’intégration de la photogrammétrie par drone et des méthodes de Deep Learning appliquées aux orthophotos à très haute résolution présente plusieurs avantages structurants pour la viticulture de précision :
- Précision spatiale et performance opérationnelle
Les modèles d’apprentissage profond permettent une détection robuste des pieds de vigne avec une précision planimétrique décimétrique. Le traitement automatisé autorise la couverture rapide de surfaces étendues, optimisant significativement les délais d’acquisition et d’analyse par rapport aux méthodes conventionnelles. - Optimisation des ressources humaines et réduction des coûts
La détection automatisée remplace les opérations de comptage manuel, longues et sujettes à variabilité. Elle réduit ainsi les besoins en main-d’œuvre tout en améliorant la reproductibilité et l’objectivité des résultats. - Production de référentiels cartographiques de haute précision
La génération d’une cartographie géoréférencée exhaustive des pieds de vigne et des manquants constitue un référentiel spatial exploitable pour :
- le guidage d’engins agricoles via GNSS RTK,
- la robotisation intra-parcellaire,
- les opérations de complantation ciblée.
- Intégration SIG et analyse spatiale avancée
Les données produites (couches vectorielles géolocalisées) sont directement intégrables dans un Système d’Information Géographique (SIG). Elles permettent des analyses spatiales fines : densité de plantation, distribution des manquants, hétérogénéité intra-parcellaire, corrélation avec des données pédologiques, topographiques ou agronomiques. - Suivi temporel et traçabilité individuelle
Chaque pied détecté peut être associé à un identifiant unique au sein d’une base de données géospatiale. Cette structuration permet un suivi pluriannuel individualisé (rendements, état sanitaire, stress hydrique, maladies, attaques fongiques), facilitant une gestion différenciée et historisée à l’échelle du cep.
INFORMATIONS TECHNIQUES
- Analyse d’images : société Drones Imaging.
- Vols et captation aérienne : Société R3Drone.
- Précision spatiale : décimétrique.
- Nombre d’images traitées : 8500.
- Surface totale d’analyse : 7ha.
- Nombre de plants cartographiés: 44423 + 568 manquants.
- Vecteur aérien : DJI M300.
- Logiciel de photogrammétrie : Agisoft Metashape.