Toward Smart Palm Precision Agriculture: A Study on Palm Tree and Red Palm Weevil Detection
Vers une agriculture de précision intelligente des palmiers : une étude sur la détection des palmiers et du charançon rouge du palmier.
Résumé
In the era of precision agriculture, where a 70% increase in global food production is imperative,
this research unfolds as a transformative force propelled by data-driven methodologies.
Focusing on the vital realm of palm cultivation, which is particularly crucial for date palm
production and environmental balance, this study tackles the challenges posed by diverse
and voluminous data through the integration of remote sensing big data and the Internet of
Things (IoT). The central stage is deep learning, ushering in a new era of smart precision
agriculture tailored for effective palm management. Three key challenges were addressed:
agricultural data management, palm tree detection and counting, and pest and disease management,
all with the overarching goal of fortifying resilience, productivity, and sustainability
in palm production. The contributions of this research are manifested in a scalable remote
sensing data management model, the introduction of a distributed architecture to handle
massive, high-resolution remote sensing data, and a deep learning and UAV-based approach
for efficient palm tree detection. This revolutionary approach not only accelerates data collection,
reduces errors, and enhances decision-making but also contributes significantly to the
sustainability of the palm industry and aligns with Sustainable Development Goals (SDGs).
Additionally, this study presents an innovative solution for sustainable palm cultivation by
integrating computer vision, deep learning, IoT, and geospatial data for the early detection
and mapping of Red Palm Weevil (RPW) infestations. Achieving 98.8%-99.5% accuracy and
detection rate with a custom DL model, this technology-driven strategy enables comprehensive
mapping, monitoring, and targeted management of RPW spread, benefiting agricultural
agencies, growers, and researchers.
À l’ère de l’agriculture de précision, où une augmentation de 70 % de la production alimentaire
mondiale est impérative, cette recherche se dévoile comme une force transformative, propulsée
par des méthodologies axées sur les données. Axée sur le domaine vital de la culture
du palmier, particulièrement cruciale pour la production d’huile de palme et l’équilibre environnemental,
l’étude aborde les défis posés par des données diverses et volumineuses grâce à
l’intégration de données massives de télédétection et de l’Internet des objets (IdO). Le protagoniste
de cette scène est l’apprentissage profond, inaugurant une nouvelle ère d’agriculture de
précision intelligente adaptée à une gestion efficace des palmiers. Trois défis clés sont abordés:
la gestion des données agricoles, la détection et le comptage des palmiers, ainsi que la gestion
des ravageurs et des maladies, le tout dans le but ultime de renforcer la résilience, la productivité
et la durabilité de la production de palmiers. Les contributions de cette recherche se
manifestent par un modèle évolutif de gestion des données de télédétection, introduisant une
architecture distribuée pour gérer des données massives de télédétection haute résolution,
et une approche basée sur l’apprentissage profond et les drones pour une détection efficace
des palmiers. Cette approche révolutionnaire accélère non seulement la collecte de données,
réduit les erreurs et améliore la prise de décision, mais contribue également de manière significative
à la durabilité de l’industrie du palmier et s’aligne sur les objectifs de développement
durable (ODD). De plus, l’étude présente une solution innovante pour une culture durable
du palmier en intégrant la vision par ordinateur, l’apprentissage profond, l’IdO et les données
géospatiales pour la détection précoce et la cartographie des infestations du charançon rouge
du palmier (RPW). Atteignant une précision et un taux de détection de 98.8%-99.5% avec
un modèle personnalisé d’apprentissage profond, cette stratégie technologique permet une
cartographie complète, une surveillance et une gestion ciblée de la propagation du RPW,
bénéficiant aux organismes agricoles, aux cultivateurs et aux chercheurs.
Origine | Fichiers produits par l'(les) auteur(s) |
---|