Using unmanned aerial vehicle with multispectral camara to efficiently and precisely monitor the incidence of downy mildew and technical maturity of beibinghong (vitis amurensis Rpru.) grapes 

Abstract

Utilización de un drone con cámara multiespectral para supervisar de forma eficaz y precisa la incidencia del mildio y la madurez técnica de la uva beibinghong (vitis amurensis Rpru.)

Drones con camaras multiespectrales (dm) se han aplicado con éxito en la monitorización del crecimiento vegetativo de la vid, sin embargo, todavía existen relaciones potenciales entre los índices de vegetación (ivs) obtenidos por teledetección y el estado de la vid o la calidad de la uva, por lo que merece la pena una investigación más profunda para hacer un mejor uso de los dm. Uno de los propósitos del estudio es averiguar los ivs que podrían denotar la gravedad del mildio, de modo que posteriormente se adopten estrategias de control precisas y diferenciadas. Del mismo modo, el seguimiento de la madurez técnica de la uva es siempre importante, pero los métodos invasivos tradicionales son defectuosos. Por lo tanto, el otro objetivo es establecer un método fiable para estimar la madurez técnica mediante dm. Los experimentos del mildio (experimento 1, e1) y de seguimiento de la madurez (experimento 2, e2) se realizaron por separado pero de forma similar. E1 se realizó una vez y e2 se implementó semanalmente entre el envero y la cosecha. En cada experimento, dm planeó justo encima del mantillo de plástico negro donde se colocaron los brotes cortados con síntomas de mildio o racimos de uva. Las imágenes de teledetección se procesaron con dji terra y la plataforma envi, y luego se extrajo la información de 5 bandas individuales y 5 ivs de brotes o racimos. En e1, se utilizó python con opencv y la biblioteca scikit-learn para identificar las placas de mildio y calcular la incidencia del mildio de cada brote. En e2, se midieron los sólidos solubles totales (sst), los ácidos titulables (at) y el ph de cada muestra. Por último, se realizaron análisis estadísticos para correlacionar los datos de teledetección con la incidencia del mildio y los parámetros de madurez de la uva, respectivamente. Asimismo, se estableció y evaluó un modelo de regresión lineal mediante el método de descenso de gradiente, para predecir el nivel de sst a través de los datos de teledetección. Coeficiente de correlación entre gndvi, ndre and lci con incidencia del mildio son -0.614, -0.626 y -0.621, respectivamente, siendo la correlación fuerte de densidad moderada y significativa. Por otro lado, sst mostró una fuerte correlación positiva con ndre y lci (0.719 y 0,684, respectivamente) mientras que at mostró una correlación negativa de intensidad media con ellos (-0.549 y -0.525, respectivamente). Inversamente, la banda de borde rojo está correlacionada significativamente de forma negativa con sst y positivamente con at. El modelo de regresión de aprendizaje automático para predecir el nivel de sst tuvo un error medio absoluto de 1.01 y un coeficiente de determinación de 0,54, lo que demuestra que se trata de un modelo fiable para la estimación de la sst. Por último, como intento de aplicación de aterrizaje de e2, se utilizó el modelo transformer mejorado para la segmentación semántica de imágenes de uva de fotografía oblicua tomadas por dm. Los resultados mostraron que la intersección sobre la unión (iou) y la precisión (acc) del modelo fueron del 60.2% y el 69.81%, respectivamente. En conclusión, dm es una herramienta prometedora para monitorizar el viñedo de forma altamente eficiente y no invasiva. En particular, un drone con una cámara de rotación flexible permite inspeccionar el estado sanitario de la vegetación y la madurez del fruto, especialmente en aquellos viñedos en los que siempre se realiza el deshojado en la zona del fruto.

Utilisation d’un drone équipé d’une caméra multispectrale pour surveiller de manière efficace et précise l’incidence du mildiou et la maturité technique du raisin beibinghong (vitis amurensis Rpru.)

Les drones équipés de caméras multispectrales (dm) ont été utilisés avec succès pour surveiller la croissance végétative de la vigne. Cependant, il existe encore des relations potentielles entre les indices de végétation (iv) obtenus par télédétection et l’état de la vigne ou la qualité du raisin, ce qui justifie des recherches plus approfondies pour une meilleure utilisation des dm. L’un des objectifs de cette étude est d’identifier les iv qui pourraient indiquer la gravité du mildiou, afin de pouvoir adopter par la suite des stratégies de contrôle précises et différenciées. De la même manière, le suivi de la maturité technique du raisin est toujours important, mais les méthodes invasives traditionnelles sont peu fiables. Par conséquent, l’autre objectif est d’établir une méthode fiable pour estimer la maturité technique à l’aide de dm. Les expériences sur le mildiou (expérience 1, e1) et le suivi de la maturité (expérience 2, e2) ont été menées séparément mais de manière similaire. E1 a été menée une fois et e2 a été mise en œuvre chaque semaine entre la véraison et la récolte. Dans chaque expérience, le dm a été planifié juste au-dessus du paillis en plastique noir où les pousses présentant des symptômes de mildiou ou les grappes de raisin ont été placées. Les images de télédétection ont été traitées avec dji terra et la plateforme envi, puis les informations sur les 5 bandes individuelles et les 5 iv des pousses ou des grappes ont été extraites. Dans e1, python avec opencv et la bibliothèque scikit-learn ont été utilisés pour identifier les plaques de mildiou et calculer l’incidence du mildiou de chaque pousse. Dans e2, les solides solubles totaux (sst), les acides titrables (at) et le ph de chaque échantillon ont été mesurés. Enfin, des analyses statistiques ont été effectuées pour corréler les données de télédétection avec l’incidence du mildiou et les paramètres de maturité du raisin, respectivement. De plus, un modèle de régression linéaire a été établi et évalué par la méthode de la descente de gradient pour prédire le niveau de sst à partir des données de télédétection. Les coefficients de corrélation entre gndvi, ndre et lci avec l’incidence du mildiou sont respectivement de -0,614, -0,626 et -0,621, la corrélation étant forte de densité modérée et significative. D’autre part, les sst ont montré une forte corrélation positive avec ndre et lci (0,719 et 0,684, respectivement), tandis que les at ont montré une corrélation négative de intensité moyenne avec eux (-0,549 et -0,525, respectivement). Inversement, la bande rouge est significativement corrélée de manière négative avec sst et positivement avec at. Le modèle de régression d’apprentissage automatique pour prédire le niveau de sst avait une erreur moyenne absolue de 1,01 et un coefficient de détermination de 0,54, ce qui montre qu’il s’agit d’un modèle fiable pour estimer le sst. Enfin, dans une tentative d’application pour e2, le modèle transformer amélioré a été utilisé pour la segmentation sémantique d’images de raisins prises en oblique par dm. Les résultats ont montré que l’intersection sur l’union (iou) et la précision (acc) du modèle étaient respectivement de 60,2% et 69,81%. En conclusion, dm est un outil prometteur pour surveiller la vigne de manière hautement efficace et non invasive. En particulier, un drone avec une caméra à rotation flexible permet d’inspecter l’état sanitaire de la végétation et la maturité du fruit, en particulier dans les vignobles où l’ébourgeonnage est toujours pratiqué dans la zone du fruit.