OpenCV et la caméra de profondeur détectent les mauvaises herbes

L'utilisation de la technologie de vision pour identifier les mauvaises herbes en agriculture est un domaine de développement actif, et une équipe de chercheurs a récemment partagé sa méthode utilisant une combinaison de vision industrielle et d'informations de profondeur pour identifier et cartographier les mauvaises herbes à l'aide d'OpenCV, l'ordinateur open source. bibliothèque de visions. L’agriculture est la façon dont les gens se nourrissent, et l’amélioration de la gestion des mauvaises herbes est l’un de ses défis les plus importants.

De nombreux efforts actuels de détection et de classification des mauvaises herbes utilisent des caméras multispectrales sophistiquées (et coûteuses), maisPhenoCV-WeedCam s'appuie principalement sur une caméra de profondeur stéréo OAK-D. Le système est encore en cours de développement, mais il est un peu plus avancé qu'une preuve de concept. Les configurations portables utilisent un Raspberry Pi, une caméra stéréo, des banques d'alimentation, une tablette Android pour l'interface et nécessitent actuellement un humain obéissant pour les déplacer et les pointer.

C'est un aperçu intéressant du type de travail pratique nécessaire à la collecte de données pour le développement. Armé de nombreuses données de terrain provenant de nombreux environnements différents, le système peut utiliser ces données pour identifier les graminées, les plantes à feuilles larges et le sol dans chaque image. Cela seul est utile, mais les informations sur la profondeur permettent également au système d'estimer la densité globale des plantes et d'essayer de déterminer le centre de croissance d'une plante particulière. Savoir qu’une mauvaise herbe est présente est une chose, mais l’éliminer avec précision – par exemple avec un laser ou un mini désherbeur sur un bras robot – savoir d’où pousse réellement la mauvaise herbe est un détail important.

PhenoCV-WeedCam (dépôt GitHub) n'est pas encore capable d'analyser en temps réel, mais les résultats sont prometteurs et c'est la prochaine étape. Le système doit actuellement être transporté par des personnes, mais pourrait à terme être attaché à une plate-forme robotique spécialement conçue pour parcourir les champs.