Les ingénieurs de l’Université Cornell et les scientifiques des plantes se sont associés pour développer un système à faible coût qui permet aux viticulteurs de prédire leurs rendements beaucoup plus tôt dans la saison et avec plus de précision que les méthodes traditionnelles coûteuses.

La nouvelle méthode permet à un producteur d’utiliser un smartphone pour enregistrer des vidéos de vignes tout en conduisant un tracteur ou en se promenant dans le vignoble la nuit. Les producteurs peuvent ensuite télécharger leur vidéo sur un serveur pour traiter les données. Le système repose sur la vision par ordinateur pour améliorer la fiabilité des estimations de rendement.

Méthodes traditionnelles d’estimation du raisin groupe les nombres sont souvent faits manuellement par les ouvriers, qui comptent un sous-ensemble de grappes sur les vignes, puis augmentent leur nombre pour prendre en compte l’ensemble du vignoble. Cette stratégie est laborieuse, coûteuse et imprécise, avec des taux d’erreur moyens de dénombrement des grappes pouvant atteindre 24% des rendements réels. La nouvelle méthode réduit de près de moitié ces taux d’erreur moyens maximum.

«Cela pourrait vraiment changer la donne pour les petites et moyennes fermes du Nord-Est», a déclaré Kirstin Petersen, professeur adjoint de génie électrique et informatique au College of Engineering.

Petersen est co-auteur de l’article «Low-Cost, Computer Vision-Based, Prebloom Cluster Count Prediction in Vineyards», publié dans le journal Frontières en agronomie. Jonathan Jaramillo, étudiant au doctorat dans le laboratoire de Petersen, est le premier auteur de l’article; Justine Vanden Heuvel, professeur à la section horticulture de l’École des sciences végétales intégratives du Collège d’agriculture et des sciences de la vie, est co-auteur.

Lorsque les ouvriers comptent manuellement les grappes sur une vigne, la précision dépend grandement de la personne qui compte. Dans une expérience, les chercheurs ont constaté que pour un panel de quatre vignes contenant 320 grappes, les dénombrements manuels allaient de 237 à 309. Les travailleurs compteront le nombre de grappes de raisin dans une petite partie du vignoble pour obtenir un nombre moyen de grappes par rang . Les agriculteurs multiplient ensuite la moyenne par le nombre total de lignes pour prédire les rendements d’un vignoble. Lorsque les nombres de grappes sont mal comptés, la multiplication ne fait qu’amplifier davantage les prévisions de rendement inexactes.

« Nous avons montré que par rapport à la technologie, un agriculteur devrait compter manuellement 70% de son vignoble pour gagner le même niveau de confiance dans sa prévision de rendement », a déclaré Petersen, « et personne ne le ferait. »

Des compteurs de robots précis et de haute technologie existent, mais ils coûtent plus de 12 000 $, ce qui les rend inaccessibles aux petits et moyens producteurs. Autre inconvénient: ils comptent les raisins lorsqu’ils sont plus proches de la maturation, en fin de saison, en septembre ou octobre. La nouvelle méthode compte les grappes de mai à juin.

« Avoir de bonnes prévisions plus tôt dans la saison donne aux agriculteurs plus de temps pour agir sur l’information », a déclaré Jaramillo. Les cultivateurs peuvent alors obtenir la main-d’œuvre et les acheteurs à l’avance. Ou, s’ils fabriquent du vin, ils peuvent acquérir la bonne quantité d’équipement pour le produire et le conditionner. « Ne pas avoir ces choses alignées à l’avance peut causer des problèmes aux producteurs de dernière minute et finalement réduire les bénéfices », a déclaré Jaramillo.

Désormais, un ouvrier non qualifié peut simplement conduire un tracteur dans les rangs avec un smartphone installé sur un cardan. Alors que les détails d’une version publique sont encore en cours d’élaboration, les chercheurs testeront une application sur le terrain cet été. Les chercheurs ont l’intention que cette application soit open source et que les composants d’apprentissage automatique soient configurés de manière à ce que les utilisateurs téléchargent simplement leur vidéo sur un serveur qui traitera les données pour eux.