160
BULLETIN OFFICIEL
Nº 7366 – 1er rejeb 1446 (2-1-2025)
Pour le model deep Learning, nous avons obtenu un score de 0,0458 (MSE) et 0,1450 (MAE). De plus, une comparaison individuelle de chaque parcelle a donné un score moyen de 10% dans la totalité des parcelles utilisées pendant 5 ans de test.
Apport par rapport à l’existant : L’apport du premier objectif du travail : nous avons obtenu un score de segmentation de 93% à partir d'images satellite. Nous avons ainsi proposé une nouvelle approche de classification des arbres par taille de canopée, en mettant particulièrement l'accent sur les vergers avec arbres très condensés, un aspect qui n’a pas été traité auparavant. L’apport du deuxième travail réside dans la prédiction du rendement des parcelles d'agrumes deux mois avant la récolte, et avec un meilleur score que les travaux existants. De plus, nous avons développé un nouveau réseau de neurones conçu pour prédire le rendement des parcelles d'agrumes fondé sur une fusion de modalités (il prend en entrée des images satellites en combinaison avec des données numérique).
Retombées économiques : L’impact économique de cette thèse peut être présenté sous plusieurs aspects. Dans le cas de l’agriculture arboricole, en détectant efficacement les anomalies telles que les arbres malades, manquants ou soumis à un stress hydrique. Notre système permet d’optimiser les ressources en offrant un suivi individuel de chaque arbre. Cela se traduit par une gestion plus efficace des intrants agricoles tels que l’eau, les engrais et les produits phytosanitaires, contribuant ainsi à améliorer la production. De plus, la prédiction du rendement est un grand défi pour les agriculteurs, car cela permet d’avoir une idée sur leur rendement avant la récolte, minimisant ainsi les pénalités après la vente de la récolte et/ou évitant la perte de la récolte. Cela influence directement et financièrement sur la production ainsi que l’import/l’export des agrumes de manière significative, aussi bien pour les agriculteurs que pour le pays.
Retombées sociales : L’impact social de cette thèse est significatif. En offrant aux agriculteurs un outil pour prédire le rendement des agrumes, notre système contribue à améliorer leur sécurité financière. Et cela permet de préserver les emplois dans le secteur agricole en garantissant des rendements stables et en évitant les pertes économiques dues à une mauvaise planification. De plus, notre système offre une solution précieuse pour relever les défis sociaux liés à la sécurité alimentaire et à la santé publique. En améliorant la productivité et la qualité des cultures, il contribue à garantir un approvisionnement constant en agrumes. Cela favorise également la réduction de la dépendance aux importations alimentaires et renforce la souveraineté alimentaire du pays.
44