Des drones pour détecter la propagation des mauvaises herbes dans les champs cultivés

Les critiques publiées il y a une décennie sur la « détection à distance des mauvaises herbes dans les cultures champs» avait indiqué que, des images d’infestations de mauvaises herbes qui se produisent dans de grandes des correctifs pourraient être obtenus. Les réponses spectrales spécifiques des mauvaises herbes doivent être analysé. Nous devons être prudents dans la lecture des signatures spectrales des mauvaises herbes/cultures.

Réflectance spectrale même d’une seule espèce de culture/adventice ou de génotypes pourrait changer avec les stades de croissance, la structure de la canopée et un fond de sol variable. Cependant, Thorp et Tian (2011) avaient clairement indiqué que, spectrale la différenciation des mauvaises herbes et des cultures doit tenir compte des réponses spectrales de cultures à divers stades de croissance, de couvert végétal et de biomasse. Dans l’ensemble, ils avait remarqué que la détection à distance des mauvaises herbes dans les régions agraires est possible en utilisant des plateformes terrestres, satellites et drones. Cependant, l’utilisation à grande échelle de l’imagerie aérienne lors de l’application à taux variable d’herbicides est encore rudimentaire. La localisation précise des mauvaises herbes est possible grâce à la « technologie des drones » récemment popularisée. Par conséquent, on pense que l’imagerie aérienne de des drones pourraient être utilisés. Ils pourraient être utilisés lors de la gestion des mauvaises herbes dans les cultures

des champs. Fondamentalement, les techniques de télédétection nous permettent de détecter la croissance des mauvaises herbes et leur propagation dans les champs cultivés. L’imagerie satellitaire avec des capteurs spectraux haute résolution a déjà été utilisée pour détecter et cartographier les zones infestées de mauvaises herbes dans les champs cultivés (Lopez-Granados, 2011, De Castro, 2013 ; Pena-Barragan et al., 2006 ; Pena et al., 2013 ; Thorp et Tian, ​​2011). L’imagerie satellitaire pourrait être flou car il manque de résolution.

Alors que les drones qui volent près de la récolte canopée nous offre des images précises de l’infestation de mauvaises herbes. Les drones ont été en mesure de détecter la population de mauvaises herbes qui infeste les champs de blé dès le début stades de la culture. Les drones permettent des gros plans des champs cultivés et des mauvaises herbes espèces qui infestent les cultures. En fait, lors des procédures d’agriculture de précision sans labour, la détection de la croissance des mauvaises herbes en début de saison est un aspect important.

Petit les mauvaises herbes de grande taille doivent être détectées tôt et éradiquées. Cela réduit alors les coûts sur le désherbage à la mi-saison de la culture. En fait, dans la plupart des cas, les recommandations d’herbicides sont conçues comme une injection de sol en prélevée qui évite germination des graines de mauvaises herbes. Ensuite, les recommandations d’herbicides visent à éradiquer les mauvaises herbes dès le début du stade de semis. Détection à un stade précoce et la pulvérisation d’herbicides à l’aide de drones réduirait les besoins en herbicides, de 50 % à un stade ultérieur (Torres-Sanchez et al., 2013).

Début de saison la détection des mauvaises herbes et la gestion des mauvaises herbes spécifiques au site évitent en fait, plusieurs d’autres difficultés qui surviennent pendant les derniers stades de la culture. Dans les céréales, pour exemple, la canopée des cultures de fin de saison masque les mauvaises herbes présentes à la fois en intra et en espace inter-rangs. Détection des mauvaises herbes à l’aide de drones équipés de capteurs spectraux peut devenir difficile.

Souvent, la détection et la cartographie de l’occurrence de l’herbe mauvaises herbes dans un champ de céréales bien développé comme le blé ou l’orge, n’est pas facile. De même, la détection des mauvaises herbes légumineuses dans les légumineuses à feuilles larges les champs peuvent devenir difficiles. L’imagerie spectrale doit être nette et informatique l’aide à la décision doit distinguer les signatures spectrales des adventices et récoltes avec précision. Cela dépend beaucoup des banques de données de signatures spectrales qui les ordinateurs consultent pour identifier et distinguer les mauvaises herbes des cultures.

À citer un autre exemple, il a été observé que les données spectrales dérivées de les drones et l’aide à la décision informatique peuvent avoir des difficultés à détecter et séparer les espèces de Chenopodium à feuilles larges et le tournesol bien développé principalement parce que les signatures spectrales des espèces cultivées et adventices se chevauchent, en particulier, aux stades intermédiaires de croissance (Torres-Sanchez et al., 2013 ; Thorp et Tian, ​​2011). Par conséquent, pour appliquer des méthodes d’agriculture de précision sur une cultures céréalières ou légumineuses en stade intermédiaire ou avancé, nous avons besoin de drones équipés de caméras visuelles et proches infrarouges (NIR) à haute résolution. De telles caméras devraient fournissent des images à de très petits pixels de 2 à 5 cm (Lopez-Granados, 2011).

Torres-Sanchez et al. (2013) ont signalé qu’actuellement des capteurs installés sur Les drones (drones) sont capables de fournir de telles images à haute résolution. Tel les images numériques discriminent les mauvaises herbes et les cultures. Lopez-Granados et al. (2006) ont signalé que l’imagerie multispectrale utilisant des bandes passantes visuelles et NIR est capable d’identifier les mauvaises herbes telles que la folle avoine, l’alpiste et le ray-grass trouvés dans les champs de blé. Les données spectrales permettent aux agriculteurs de discriminer la fin de saison mauvaises herbes avec une précision de 80 à 90 %. Genik (2015) a montré que les drones pourrait être efficace pour détecter la folle avoine qui sévit dans certaines parties du Nord Ceinture de blé américaine.

L’imagerie par drone pourrait être utile pour réduire les coûts de contrôle de cannabis. Il y a en fait un fort besoin de développer une bibliothèque ou des données banque de signatures spectrales de diverses espèces de mauvaises herbes, comme observé en utilisant drones. Il permettra aux technologues en drones d’être efficaces dans la détection et cartographier un large éventail de mauvaises herbes dans un champ de culture (Hung et al., 2014). Thomson et al. (2014) ont signalé que les caméras avec fonction pour l’infrarouge couleur Imagerie de bande passante (CIR), infrarouge thermique (TIR) ​​et NIR visible (VNIR) pourrait être adoptée pour juger de l’effet du glyphosate désherbant. Nous pouvons aussi préparer une carte des mauvaises herbes tolérantes au glyphosate et de celles qui y sont sensibles.

Torres-Sanchez et al. (2013) déclarent que, le contrôle des mauvaises herbes pendant la précision l’agriculture consiste à détecter les adventices en début de saison, à l’aide de drones imagerie. Sans aucun doute, mener des mesures de désherbage à un stade précoce nous mène à un plus grand succès. Torres-Sanchez et al. (2013) déclarent en outre que, lors d’un programme de détection de mauvaises herbes assisté par drone, on peut envisager au moins la trois étapes suivantes : (a) planification de la mission, (b) survol de la récolte par drone acquisition d’images et (c) traitement d’images spectrales. Ces étapes aideront techniciens qualifiés pour rationaliser la route de vol, la zone couverte, les caméras et intervalles d’imagerie, le cas échéant. L’altitude de vol et les ensembles de caméras multispectrales sont crucial, pour une détection correcte des mauvaises herbes dans un champ de culture. Altitude du drone au-dessus le recadrage doit être maintenu bas si des gros plans haute résolution sont nécessaires.

Détection et discrimination précise, par exemple, d’une graminée adventice dans un champ de céréales peut avoir besoin de ces gros plans à haute résolution. Les rapports suggèrent que la détection des mauvaises herbes dans l’espace entre les rangs est également plus facile, en utilisant le visuel et le NIR appareils photo. L’imagerie spectrale permet une bonne distinction entre la surface du sol, adventices dans l’inter-rang et culture dans les rangs (Torres-Sanchez et al., 2013).

Le « projet TOAS » est un projet espagnol visant à générer des cartes géo-référencées d’infestation de mauvaises herbes de quelques cultures céréalières et plantations ligneuses. Ce projet utilise des drones comme plates-formes pour placer le visuel et Capteurs NIR. Les chercheurs ont évalué une série de caméras (capteurs) avec des spécifications différentes, notamment en ce qui concerne la résolution des images obtenu.

L’imagerie par drone vise en fait à étudier la phénologie et le taux de propagation des mauvaises herbes dans les champs de céréales. Les cartes des mauvaises herbes produites offrent une base solide pour que les agriculteurs préparent des programmes de pulvérisation d’herbicides et un programme généralisé de lutte contre les mauvaises herbes (TOAS Project, 2015). De plus, ce projet impliquait l’identification et la cartographie des mauvaises herbes à l’aide d’une image basée sur des objets analyse (OBIA). L’identification des rangs de cultures à l’aide d’images de drones a été effectuée avec une précision de 100 %.

Détection de la répartition des mauvaises herbes dans l’inter-rang a été atteint avec une précision de plus de 80 %. La technique OBIA consiste à procédure connue sous le nom de segmentation. De plus, il utilise des caractéristiques de mauvaises herbes telles que localisation, proximité et relations hiérarchiques avec les spectres des objet (herbe/culture). Un tel système offre une identification plus précise et cartographie des mauvaises herbes dans les champs cultivés.

Il ne fait aucun doute que dans n’importe quelle ceinture de culture, la détection et la précision la cartographie des adventices sont des étapes essentielles, lors de la gestion des adventices. Cannabis le dépistage par les travailleurs sur le terrain est la méthode la plus courante. Cela a aidé à localiser les mauvaises herbes, noter l’intensité de l’infestation puis les cartographier.

Cependant, la tendance actuelle est de concevoir et d’adopter des drones à hyperspectral capteurs. Les drones fournissent des données numériques et des cartes montrant les mauvaises herbes dans les champs.

Par conséquent, le développement de drones, de leurs capteurs, d’ordinateurs appropriés les logiciels et les systèmes d’aide à la décision sont cruciaux. Souvent, il faut plusieurs étapes d’essais et d’erreurs avant que les drones puissent être efficaces. Considérons un Exemple. Jones (2007) a évalué des drones équipés de caméras visuelles, pour leur capacité à détecter des mauvaises herbes spécifiques, telles que le chardon musqué (Carduus nutans) et Linaire dalmate (Linaria dalmatica).

Premiers efforts au Camp Williams dans l’Utah, aux États-Unis, ont montré que certaines mauvaises herbes sont rapidement et précisément identifié dans un champ de céréales. Dans l’étude ci-dessus, le chardon musqué a été précisément localisé et cartographié par des drones. Cependant, la détection de la linaire dalmate par les caméras visuelles et IR n’était pas clair. Cette espèce de mauvaise herbe a été confondue au mélilot (Melilotus officinalis).

Jones (2007) déclare que l’ordinateur un logiciel qui analyse l’imagerie post-vol est crucial. Dans le passé quelques années, plusieurs progrès ont eu lieu en ce qui concerne les mauvaises herbes/cultures discrimination, en utilisant des signatures spectrales. En outre, l’accumulation de signatures numériques d’espèces de mauvaises herbes dans la « grande banque de données » et l’utilisation de la haute résolution les capteurs spectraux s’est également amélioré. Par conséquent, la détection assistée par drone et la cartographie d’un éventail plus large d’espèces de mauvaises herbes devrait être possible.

Des rapports du Nevada, aux États-Unis, suggèrent qu’un hexacoptère tel que « Aeroscout » avec un poids de 2,2 kg et une endurance de 12 min peut être efficace. Les le drone peut détecter la croissance des mauvaises herbes et la flore dans les champs cultivés. Ce drone particulier couvre une superficie de 40 ac en 10 min de vol. Il vole à 20-30 m de hauteur au-dessus la récolte. L’imagerie numérique est ensuite exploitée par un drone aérien (copter) ou véhicule terrestre (pulvérisateur) équipé de réservoirs d’herbicide (Meier, 2015b).

Gray et al. (2008) rapportent que plusieurs espèces de mauvaises herbes telles comme sesbania de chanvre, sida épineux, faucille, gloire du matin petite fleur, Ipomea sp et quelques autres infestent couramment les champs de soja dans le Mississippi, aux États-Unis. Ces espèces pourraient être identifiées, différenciées et cartographiées à l’aide de caméras multispectrales.

L’imagerie multispectrale à haute résolution permet en fait aux agriculteurs de distinguer le sol (zone non plantée), la culture de soja et des plaques de mauvaises herbes de différentes espèces (Gray et al., 2008). Les agriculteurs pourraient classer réellement les mauvaises herbes et les regrouper avec une précision de 60% à l’aide de la télécommande sentir. Par conséquent, il a été suggéré qu’en utilisant un drone à ailes plates, les agriculteurs pouvaient obtenir des données numériques et des images des champs de soja montrant répartition des mauvaises herbes. Les pulvérisations d’herbicides pourraient être basées sur de telles cartes des mauvaises herbes.

Un tel effort réduit les besoins en herbicides puisque seuls les endroits avec les mauvaises herbes sont pulvérisées. Il réduit également la contamination des canaux d’irrigation et les eaux souterraines avec un herbicide.

Dans une étude portant sur la discrimination culture/adventices, Jones et al. (2008) ont ont signalé qu’une bonne précision pouvait être obtenue même en utilisant le sol robots équipés de caméras spectrales. Il doit être suivi d’une image

En traitement. Un logiciel pour discriminer avec précision les espèces de mauvaises herbes est  nécessaire. La précision de détection des adventices peut atteindre 80 % pour les adventices inter-rangs.

Cependant, les mauvaises herbes intra-rang sont difficiles à identifier en raison du couvert végétal qui les masque pendant l’imagerie.

Actuellement, il existe plusieurs sociétés liées aux drones agricoles qui offrir des images aériennes traitées montrant l’infestation de mauvaises herbes, la croissance des cultures prévisions de statut et de rendement. En fait, l’imagerie haute résolution des cultures/mauvaises herbes dans champs est recherché périodiquement par les agriculteurs, afin de prendre des décisions sur pulvérisations de désherbants (SoyL, 2013).

McGowen et al. (2014) pensent que la gestion des mauvaises herbes à grande échelle nécessite une connaissance approfondie de l’abondance des mauvaises herbes. De plus, périodique les changements dans la flore et la répartition des mauvaises herbes qui se produisent dans un champ cultivé devraient aussi être connu. Dans la région australienne de la Nouvelle-Galles du Sud, les les techniques de cartographie des adventices sont coûteuses. Le dépistage fréquent des grandes fermes est généralement pas faisable. La télédétection offre une alternative à faible coût.

À distance la détection peut être utile pour préparer des cartes des mauvaises herbes. Cibler les espèces de mauvaises herbes avec modèle de réflectance spectrale spécifique pourrait être choisi avec précision par le imagerie multispectrale. Par exemple, le chardon écossais pourrait être mappé avec Précision de 80 à 86 %. De même, des touffes dentelées ont été détectées et cartographiées avec une précision de 72 à 82 %. Ils ont suggéré que la fiabilité de la télédétection pourrait être améliorée à l’aide de caméras à haute résolution. Les drones agricoles équipés de caméras haute résolution sont peut-être aptes à détecter et cartographier la flore des mauvaises herbes à plusieurs reprises et noter les changements, le cas échéant.

Les drones pourraient également être dirigés pour détecter et cartographier une mauvaise herbe spécifique. Ça pourrait être une espèce envahissante qui affecte les cultures et la végétation naturelle. Il y a plusieurs espèces de mauvaises herbes qui se propagent rapidement, saison après saison, dans un grande ceinture agraire. Par exemple, aux États-Unis d’Amérique, le cogon l’herbe (Imperata cylindrica) envahit les pâturages, les forêts naturelles et plantées, les régions riveraines et les terres cultivées. Elle affecte les régions agraires de l’Arkansas, Alabama, Mississippi, Géorgie et Texas (Université de l’Arkansas, 2015).

Il se propage par les rhizomes et les graines duveteuses. Les signatures spectrales de ce l’herbe et ses variantes doivent être accumulées et stockées dans la décision informatique systèmes. Ensuite, il faut identifier rapidement l’occurrence de l’herbe à cogon patchs.

La surveillance périodique de cette herbe à l’aide de drones est une possibilité évidente. Nous pouvons localiser les emplacements (points chauds) qui abritent l’herbe à cogon.

Ensuite, éradiquez la mauvaise herbe à temps pour arrêter sa propagation plus loin dans les terres cultivées.