ROSEAU

RObotics SEnsorimotor loops to weed AUtonomously

Le projet

Le projet ROSEAU vise à développer des outils pour réaliser des opérations de désherbage sur le rang.

Ces outils interviennent sur 3 composantes (perception/décision/action) qui sont les 3 concepts fondamentaux des boucles sensorimotrices. Les boucles sensorimotrices sont des boucles de commande qui lient les capteurs (« sensori… ») aux actionneurs (« …motrices ») via des couches de décisions à plusieurs niveaux, allant du reflexe (boucles très rapides, de l’ordre du centième de seconde) aux réflexions élaborées (pouvant prendre plusieurs heures).

L’objectif de ROSEAU est de décliner ce cadre aux opérations de désherbage sur le rang, avec des outils allant de la détection/éradication des adventices à la volée jusqu’à l’optimisation des itinéraires techniques en croisant les proliférations adventices et les fenêtres d’interventions.

Le consortium

Le consortium ROSEAU est composé de cinq partenaires.

SITIA

SITIA développe et intègre des systèmes robotiques innovants dans le but de faire de la R&D une réalité. A travers ses branches Factory et Offroad, SITIA réalise ses projets grâce à une équipe de docteurs et ingénieurs rassemblant toutes les compétences de la robotique, plus de 20 ans d’expérience et une connaissance fine des technologies de pointe (plusieurs publications et brevets en robotique tout terrain).

Quelques liens : Plateforme PUMAGRI, Vidéo 1, Vidéo 2

UMR AgroEcologie

UMR AgroEcologie associe l’INRA, l’Université de Bourgogne et AgroSup Dijon. L’équipe «Precision Agriculture» qui travaille sur ROSEAU se concentre sur la caractérisation du champ de culture afin de réduire l’utilisation d’intrants chimiques et de développer des équipements agricoles innovants. Le double objectif est de fournir de nouvelles pratiques de gestion avec des outils de décision et de concevoir des systèmes innovants et respectueux de l’environnement.

IRSEEM - Esigelec

L’IRSEEM (Institut de Recherche de Systèmes Electroniques Embarqués) a été créé en 2001 au sein de ESIGELEC. Il réunit des compétences en électronique, automatisation, traitement du signal et de l’image, réseaux et télécommunication afin de trouver des réponses innovantes et durables aux défis des systèmes embarqués électroniques, de plus en plus présents dans les objets et projets  environnants.

Lien vers le challenge ARGOS

Chambre régionale d'agriculture de Bretagne

La Chambre régionale d’agriculture de Bretagne emploie 600 ingénieurs et techniciens au service des agriculteurs. Le service régional de recherche appliquée emploie 55 ingénieurs spécialisés et 7 stations expérimentales couvrant la production végétale et animale avec pour principales missions l’innovation et la diffusion de références, le soutien technique aux agriculteurs, la représentation des intérêts des agriculteurs à travers le monde.

Chambre régionale d'agriculture de Pays de loire

La Chambre régionale d’agriculture de Pays de Loire est un organisme public représentant les agriculteurs régionaux et le monde rural. Il a un rôle technique avec un large éventail de services fournis aux agriculteurs et aux acteurs ruraux. CRAPdL gère la ferme expérimentale de DERVAL qui est une vitrine numérique inclus dans le réseau français DigiFermes® et qui sera terrain d’essai pour le projet ROSEAU. Cette ferme est également étroitement liée au Centre régional AgroEquipement de Nozay et à son expertise en agriculture de précision.

Comité Scientifique et Technique

Afin d’augmenter sa pertinence et sa portée, le consortium de ROSEAU sera entouré d’un Comité Scientifique et Technique d’experts en pratiques agriculturales, usages, et sciences humaines.

La solution ROSEAU

Détection

  • Perception multi-échelle : depuis un drone et depuis un robot mobile terrestre
  • Cameras : Utilisation de caméras sensibles aux fréquences visibles et infrarouge
  • Traitements : Détection des plantes d’intérêt et des adventices via des algorithmes de traitement d’image et d’apprentissage. Volonté d’aller jusqu’à distinguer la famille d’adventice et son développement pour améliorer les décisions.

Décision

  • Sur la base des détections drones : Utilisation d’un simulateur pour optimiser les interventions du robot en fonction des fenêtres d’interventions météos et de la prolifération et du type d’adventices.
  • Sur la base des détections du robot terrestre : lors de l’intervention, décision d’action et génération de trajectoire de l’outil mécanique ou du pulvérisateur pour éliminer localement les adventices.

Action

  • Action de désherbage: Adaptation et développement d’outils de désherbage mécanique et chimique sur le rang.
  • Intervention : navigation autonome du robot adaptée en temps réel au besoins du travail outil en cours
  • Comportement robot : Efficacité autonomie décisionnelle robuste du robot pour être efficace dans des contextes agricoles

Pour en savoir plus

Perception off-road & autonomie

Hassan NEHME – Thèse CIFRE Sitia/Irseem : « Perception de l’environnement de navigation pour un robot autonome en milieu agricole » Soutenue en Juin 2022

  • Nehme, Hassan, Clément Aubry, Thomas Solatges, Xavier Savatier, Romain Rossi, and Rémi Boutteau. “LiDAR-based Structure Tracking for Agricultural Robots: Application to Autonomous Navigation in Vineyards.” Journal of Intelligent & Robotic Systems 103, no. 4 (2021): 1-16
  • Nehme, Hassan, Clément Aubry, Romain Rossi, and Rémi Boutteau. “An Anomaly Detection Approach to Monitor the Structured-Based Navigation in Agricultural Robotics.” In 2021 IEEE 17th International Conference on Automation Science and Engineering (CASE), pp. 1111-1117. IEEE, 2021
  • Nehme Hassan “Détection de nouveauté et d’anomalie pour le suivi de structure autonome”. dans le webinaire “IA et robotique agricole” de l’association RobAgri. 2020

Identification d’adventices

Jehan-Antoine VAYSSADE – Thèse UMR Agroécologie Dijon : « Approche multicritère pour la caractérisation des adventices par imagerie » Soutenue en mars 2022

  • Vayssade, Jehan-Antoine, Gawain Jones, Christelle Gée, and Jean-Noël Paoli. “Pixelwise instance segmentation of leaves in dense foliage.” Computers and Electronics in Agriculture 195 (2022): 106797
  • Vayssade, Jehan-Antoine, Jean-Noël Paoli, Christelle Gée, and Gawain Jones. “DeepIndices: Remote Sensing Indices Based on Approximation of Functions through Deep-Learning, Application to Uncalibrated Vegetation Images.” Remote Sensing 13, no. 12 (2021): 2261
  • Vayssade, Jehan-Antoine, Gawain Jones, Jean-Noël Paoli, and Christelle Gée. “Two-step Multi-spectral Registration Via Key-point Detector and Gradient Similarity: Application to Agronomic Scenes for Proxy-sensing.” In VISIGRAPP (4: VISAPP), pp. 103-110. 2020
  • Vayssade, Jehan-Antoine, Jean-Noël Paoli, Christelle Gée, and Gawain Jones. “DeepIndices: Une nouvelle approche des indices de télédétection basée sur l’optimisation et l’approximation de fonctions par DeepLearning. Application aux indices de végétation sur des données non calibrées.” In Conference: RJCIA: Rencontres des Jeunes Chercheur· ses en Intelligence Artificielle. 2021

Les projets de recherche financés

BIPBIP

Bloc-outil de binage intra-rang assisté par imagerie de précision

Voir le projet

PEAD

Perception Et binage autonome des cultures en Agriculture Durable

Voir le projet

ROSEAU

RObotics SEnsorimotor loops to weed AUtonomously

Voir le projet

WeedElec

Désherbage par procédé électrique haute tension combiné avec gestion prédictive et post évaluation par vision hyperspectrale sur drone

Voir le projet

Co-financé par

Organisé par