Solution de gestion territoriale - Agriculture durable - Ressources naturelles et territoires
- Accueil
- Collaborer avec nous
- Solutions Cirad'Innov
- Produits et services
- Prévisions de récolte de fruits tropicaux : l’expertise PixFruit
Prévisions de récolte de fruits tropicaux : l’expertise PixFruit® en appui à la création d’outils d’aide à la décision
![](png/pixfruit-4.png)
Pixfruit © Cirad
Mieux gérer l’incertitude sur les prévisions de récolte
Mesurer, estimer et prédire le rendement est un enjeu partagé par les acteurs des filières agricoles à travers le monde. L’incertitude et le manque d’informations ont des répercussions importantes sur les plans logistique, organisationnel, agronomique mais également économique. Plusieurs niveaux sont impactés, de la plante au bassin de production. L’expertise PixFruit® permet d’acquérir et de rendre accessibles ces estimations de rendements : depuis l’échelle de la plante jusqu’à l’échelle du bassins de production et des pays en passant par la parcelle. La prise d’images et de calculs adaptés à chaque espèce, système de culture et conditions pédoclimatiques permet d’obtenir ces estimations de rendements.
À l’échelle d’un territoire, l’ensemble de ces informations, recueillies au plus près de la réalité du terrain et sur la base d’un traitement scientifique des données, apporte une vision plus juste du niveau et de la variabilité de production régionale.
PixFruit® associe trois compétences majeures développées au Cirad :
- la reconnaissance d’images via l’intelligence artificielle entraînée par des réseaux de neurones ;
- les calculs de prévision de récolte adaptés aux espèces fruitières et aux terrains de culture maîtrisés par nos experts scientifiques ;
- des solutions numériques coconstruites, adaptées aux besoins des différents acteurs des filières.
Stade de développement
Quels sont les atouts de PixFruit® ?
Avec l’appui de l’intelligence artificielle et de la numérisation des données, un outil d’aide à la décision issu de l’expertise PixFruit® offre de nombreux avantages selon les besoins de différentes types d’utilisateurs. Il permet, entre autres, de :
- repérer et compter le nombre de fruits présents dans les arbres via le recueil participatif d’images prises au champ ;
- déterminer une production biologique de l’arbre en fonction de son environnement et de la variété plantée ;
- extrapoler les données à l’échelle du verger à partir d’un échantillonnage qui intègre les données structurelles du verger (surface, densité, variétés cultivées, etc.) ;
- analyser les rendements par des modèles de production sur serveur distant, estimer la production de la parcelle avec une précision mesurée (jusqu’à 95 % de précision) ;
- fournir des informations traitées et synthétisées issues de ces modèles, qui sont consultables et téléchargeables sur une WebApp : rendement des vergers, hétérogénéité de production intra et interparcellaire, rendement moyen de la zone, potentiels de production, disponibilité en fruits, suivi de production, etc.
Pour finaliser le développement d’un outil d’aide à la décision (OAD), le partenariat repose sur une collaboration avec un acteur du numérique qui développera le back et front-end de la solution. Les travaux de recherche en cours étudient les prédictions en matière de calibre, de coloration et de maturité des fruits, ce qui permettra une base d’expertise complémentaire.
PixFruit® au service des filières fruits tropicaux
Fort de l’expérience de l’outil PlantNet®, un outil collaboratif pour la reconnaissance de plantes, PixFruit® bénéficie à l’ensemble des acteurs des filières tropicales. De la mise en application sur la mangue et les agrumes en Afrique avec la société Sowit est né SoYield®, un exemple concret d’usage. SoYield® qui a été développé au travers d’une combinaison Application mobile et WebApp adressant les différents utilisateurs.
Pour les producteurs
L’expertise associée à une application mobile permet une meilleure connaissance de leurs rendements effectifs, et ce le plus précocement possible. Cela leur permet d’orienter leurs prises de décision en vue d’écouler au mieux les quantités de fruits avant la fin de la saison (limitation des pertes) ou de trouver des compléments de revenus si la récolte ne s’annonce pas au niveau espéré. L’objectif est de sécuriser ces revenus et l’accès aux marchés frais ou de transformation.
Pour les négociants, grossistes et exportateurs
Les données, rapidement disponibles et plus fiables que les méthodes traditionnelles de comptage manuel, sécurisent les estimations de vente et permettent d’anticiper des contractualisations avec les marchés de distribution.
Pour les services d’appui, politiques, scientifiques, etc.
Les données récoltées et extrapolées à l’échelle d’un territoire, fiabilisent les chiffres de la production et permettent d’affiner les actions de soutien aux filières. Au travers de la WebApp, les données sont faciles à traiter et exporter avec une analyse fine selon l’échelle spatiale souhaitée.
PixFruit® est une innovation qui mobilise l’expertise de différentes unités de recherche du Cirad. Au centre des interactions interdisciplinaires, l’unité de recherche Amap (Botanique et modélisation de l'architecture des plantes et des végétations) est experte dans les processus de détection par entraînement de réseaux de neurones. L’unité développe de nombreuses autres compétences en vue de modéliser le développement de la plante et des arbres et les interactions possibles avec leur environnement ou les préconisations en matière de gestion des arbres notamment. Les connaissances agronomiques et l’identification des besoins des filières incombent à des unités de recherche spécialistes des systèmes de culture tropicales et méditerranéennes. Elles visent à améliorer ces systèmes de production tant dans leurs dimensions sanitaires qu’environnementales. À l’initiative du développement de PixFruit®, l’unité de recherche Hortsys, spécialiste des systèmes de culture horticole, a apporté son expertise sur l’échantillonnage et les modèles agronomiques sur la filière mangue. Cela ouvre potentiellement la voie à d’autres cultures soutenues par l’unité Hortsys, voire d’autres unités au Cirad, notamment :
- Geco, spécialiste de la banane, du plantain et de l’ananas ;
- Diade, pour la filière café ;
- Absys pour les plantes pérennes telles que palmier à huile et hévéa ;
- Aïda pour les cultures annuelles telles que la canne à sucre, le coton, le riz, etc.
Références et propriété intellectuelle
Brevets
L’expertise repose sur la combinaison des savoir-faire de nos équipes de recherche et le transfert s’opère généralement via un partenaire spécialiste des outils d’aide à la décision.
Publications
Alexandre C., Tresch L., Sarron J., Lavarenne J., Bringer G., Rkha Chaham H., Bendahou H., Carmeni S., Borianne P., Koffi J.M., Faye, E. Creating shared value(s) from On-Farm Experimentation: Ten key lessons learned from the development of the SoYield® digital solution in Africa . Agronomy for sustainable development.
P Borianne, J Sarron, F Borne, É Faye. Deep Mango cultivars: from fruit to cultivar detection with hysteresis identification condition. Soumis à Computer and electronics in agriculture.
Sarron J., Beillouin D., Huat J., Koffi J.M., Diatta J., Malézieux E., Faye E. 2022. Digital agriculture to fulfill the shortage of horticultural data and achieve food security in sub-Saharan Africa. In: Diarra K. (ed.), Hannweg I.O.O. (ed.). Proceedings of the IV All Africa Horticultural Congress - AAHC2021: transformative innovations in horticulture. Louvain : ISHS, p. 239-246. (Acta Horticulturae, 1348). All Africa Horticultural Congress (AAHC 2021). 4, 2021-03-29/2021-03-31, Dakar (Sénégal). https://doi.org/10.17660/ActaHortic.2022.1348.33
J. Sarron, L. Tresch, J.M. Koffi, N. Avlessi, C.A.B. Sané, E. Faye, J. Lavarenne. 2022. Fruit yield estimation using image analysis is also about correcting the number of detections. IHC 2022. Acta Horticulturae. In press.
Carlier Maxime. 2021. Mise au point de méthodes pour l'estimation des dimensions et de la masse individuelle de mangues par analyse d'image. Lyon : INSA de Lyon, 49 p. Mémoire de master 2 : BioInformatique et modélisation : Institut national des sciences appliquées de Lyon https://agritrop.cirad.fr/599148/
Faye E., Sarron J., Diatta J., Borianne P. 2019. In : Bonnet Pascal (ed.), Roche Mathieu (ed.), Kirchner Hélène (ed.). AgriNumA'2019. Résumés des communications. PixFruit: un outil d'acquisition, de gestion, et de partage de données pour une normalisation de la filière mangue en Afrique de l'Ouest aux services de ses acteurs. Dakar : Cirad, p. 10-11. AgriNumA 2019 : Symposium « Agriculture numérique en Afrique », 2019-04-28/2019-04-30, Dakar (Sénégal). http://publications.cirad.fr/une_notice.php?dk=592757
Sarron J., Malézieux E., Sane C.A.B., Faye E. 2019. In : Bonnet Pascal (ed.), Roche Mathieu (ed.), Kirchner Hélène (ed.). AgriNumA'2019. Résumés des communications. Cartographie de la production des vergers de mangue à partir des paramètres de structure des arbres et de l'occupation des sols évalués par drone. Dakar : Cirad, 1 p.. AgriNumA 2019 : Symposium « Agriculture numérique en Afrique », 2019-04-28/2019-04-30, Dakar (Sénégal). http://publications.cirad.fr/une_notice.php?dk=592663