L’une des avancées les plus importantes dans le domaine de l’observation de la terre est la découverte des indices spectraux, ils ont notamment prouvé leur efficacité dans la caractérisation des surfaces agricoles, mais ils sont généralement définis de manière empirique. Cette étude basée sur l’intelligence artificielle et le traitement du signal, propose une méthode pour trouver un indice optimal. Et porte sur l’analyse d’images issues d’une caméra multi-spectrale, utilisée dans un contexte agricole pour l’acquisition en champ proche de végétation.
L’herbe pâturée est l’aliment qui coûte le moins cher dans une ration et la bonne gestion de l’herbe passe entre autre par une connaissance des quantités disponibles. Afin de simplifier et d’automatiser ces mesures d’herbe, et ainsi contribuer au maintien voire au développement du pâturage, le projet HERDECT s’est attaché à construire des méthodes d’estimation de la biomasse des prairies à partir d’outils de télédétection (d’acquisition à distance) et à en estimer la faisabilité opérationnelle.
Cet article présente une nouvelle approche à base de logique floue pour évaluer le risque phytosanitaire dans une serre produisant des roses. Le but de cette étude est de fournir à l’agriculteur un indice représentant le risque de présence de nuisible : Western Flower Thrips (WFT) ou Frankliniella Occidentalis, et d’enlever la phase decomptage manuel. Un systéme d’aide à la décision modulaire basé sur la connaissance d’experts a été conçu. Le systéme proposé fournit un facteur de risque en fonction des données météorologiques et statiques.