Application de méthodes d’intelligence artificielle dans la détection des parcelles agricoles afin de produire des indicateurs spatialisés d’exposition indirecte aux pesticides

Abstract

Cette note technique présente une méthode basée sur l’intelligence artificielle pour la détection automatisée des parcelles de vigne et de verger à partir de prises de vue aériennes à haute résolution. Les images utilisées pour ce travail ont été obtenues à partir de la base de données ORTHO en infrarouge couleur (IRC) à une résolution de 20 cm. Le processus de traitement de ces images comprend d’abord une phase de prétraitement pour la constitution des annotations des images, réalisé à partir du Registre parcellaire graphique (RPG) qui a été aussi utilisé pour la création de la base de données initiale. Ensuite, une étape de traitement a été réalisée pour l’entraînement du modèle de segmentation sémantique U-Net. Enfin, un post-traitement a été effectué pour la vectorisation des inférences générées par ce modèle de deep learning. Cette approche a été évaluée sur une zone de 250 km² dans les départements de la Gironde et de la Charente-Maritime. Les résultats ont montré un rappel de 97 % pour les vignes et de 90,9 % pour les vergers sur la zone d’étude, tout en maintenant une précision similaire à celle initiale du RPG. Grâce à cette méthode, il a été possible de combler 24 % des manques dans le RPG sur ces groupes de cultures. Ainsi, ces données géographiques générées de manière exhaustive offrent de nombreuses opportunités de recherche, notamment pour améliorer la caractérisation d’un proxy d’exposition aux cultures agricoles des riverains.