L'intelligence artificielle appliquée à la détermination des frontières de parcelles agricoles à partir d'images satellites haute résolution en Wallonie

Details

Supervisors

Defourny, Pierre ; Waldner, François

Faculty

Faculté des bioingénieurs

Degree label

Master [120] : bioingénieur en sciences et technologies de l'environnement

Abstract

L’agriculture est un des secteurs prioritaires de notre société. L’Union européenne y a donc alloué un de ces décrets principaux, la Politique Agricole Commune. Cette politique octroie différentes aides aux agriculteurs en collectant des données sur leur production. Pour ce faire, un recensement des parcelles a lieu annuellement entre les mois de mars et de mai, recensement durant lequel les agriculteurs dessinent les frontières de leurs parcelles et déclarent ce qui s’y trouve. Ce mémoire a pour objectif de délimiter les parcelles agricoles, indépendamment de la déclaration des agriculteurs, à l’aide d’un algorithme d’intelligence artificielle, et plus spécifiquement de deep learning, Robosat. Robosat a été entraîné puis évalué sur une région d’agriculture intensive en Wallonie. Sa performance a ensuite été comparée, sur base de six métriques, à deux algorithmes classiquement utilisés pour la délimitation d’objets : eCognition et Hollistically-Nested Edge Detection. Les résultats montrent une nettement meilleure performance de Robosat sur l’ensemble des métriques, même si cette performance n’est pas suffisante pour une utilisation directe dans le cadre de la PAC. Néanmoins, les résultats appuient l’idée que l’intelligence artificielle est une piste prometteuse dans le domaine de la segmentation de parcelles agricoles en télédétection. Pour améliorer les résultats obtenus, différentes propositions ont été imaginées sur l’ensemble de la chaîne de production des algorithmes de deep learning.