L’imagerie par drone est une technique largement utilisée pour observer les plantations agricoles. Equipée de capteurs spécifiques, l’imagerie permet de capter des zones du terrain et de réaliser des rapports détaillés en un temps record. Nous mettrons l’accent sur la détection des maladies, la santé des plantes et des sols à l’aide de techniques d’intelligence artificielle, y compris la vision par ordinateur. En particulier, nous utiliserons les couleurs de ndvi avec des méthodes comparatives telles que le cosinus de similarité et le support vectoriel machine basé sur les bibliothèques Opencv.
L’irrigation automatique est une méthode avancée pour apporter des ressources en eau substantielles aux terres agricoles en fonction des besoins. Cette irrigation automatique peut être réalisée sur des systèmes au sol ou sur des supports mobiles tels que des tracteurs semi-autonomes pour l’agriculture. Notre étude portera sur l’utilisation de techniques d’apprentissage profond pour l’auto-guidage de véhicules semi-autonomes ainsi que sur la régulation des vannes d’irrigation en fonction des besoins du sol. Nous utiliserons de nombreuses simulations basées sur les librairies Numpy et Tensorflow.
Notre étude se concentrera sur la culture et la production en intérieur de plantes d’algues pour l’alimentation du bétail. La plante d’algues possède les caractéristiques essentielles pour favoriser la santé du bétail - la production de qualité et de quantité de lait mais aussi la réduction du taux d’émission de CO2 dans l’atmosphère. Nous irons de la simulation des installations à la mise en place de l’unité de production.
La production de divers articles scientifiques et d’études de cas permet aux personnes du monde agricole et aux entreprises agtech d’en savoir un peu plus sur nos activités, réalisées dans le passé, et de découvrir comment cela pourrait leur être utile.
Deep learning et agriculture : le cas du réseau de neurones siamois dans la classification des plantes
Les méthodes comparatives d’apprentissage profond, dans ce cas d’apprentissage de quelques coups, sont de plus en plus utilisées dans le secteur agricole. L’objectif de ce livre blanc est d’étudier les problèmes de détection des maladies des plantes. Grâce à l’algorithme du réseau de neurones siamois, une sous-branche de Few Shot Learning.
Drones, robots et IoT pour les cultures médicales
Le livre blanc est une étude détaillant les dernières tendances en matière d’agriculture intelligente pour les plantes médicinales. Ces tendances s’appuient sur la transformation de l’écosystème des entreprises agricoles et l’évolution de la chaîne de valeur. La position d’Alta Robotique repose sur l’utilisation de l’intelligence artificielle, une place importante pour l’humain et les pratiques durables.
Deep learning et agriculture : Evaluation du logiciel Agdrone sur 200 hectares
Cette étude de cas vise à proposer une évaluation des coûts des exploitations agricoles conventionnelles par rapport à ceux de l’utilisation de la suite Alta AgDrone sur une superficie de 200 hectares. La plupart des données proviennent d’expériences sur les cultures céréalières pour donner des informations aux agriculteurs ainsi qu’aux fournisseurs de services d’imagerie et d’interprétation par drone.
Détection et traitement des infections par la chenille légionnaire
Alta Robotics a eu l’opportunité de travailler sur le défi proposé par la Fondation Bill Gates nommé : Détection et traitement des infections par la chenille légionnaire. L’objectif était de proposer des solutions technologiques pour lutter contre l’infection par la chenille légionnaire dans les plantations des pays moins développés.