Retour en haut

Calibrer la pomme de terre à l’aide de l’intelligence artificielle

1 décembre 2022 | Julie Robert

Mise à jour : 29 août 2024

Une équipe de l’INRS développe une application mobile pour mieux calibrer le tubercule le plus consommé au Québec.

Pommes de terre

Crédit : Hai Nguyen, Unsplash

Dans le milieu de la production agricole de la pomme de terre, il y a une étape clé entre la mise en terre et la vente de la récolte : le calibrage.  Cette opération fastidieuse consiste à mesurer le poids et la taille du tubercule, des caractéristiques qui seront déterminantes pour établir le prix de vente. Encore effectué manuellement, le calibrage pose des problèmes quant à la cohérence du classement et à l’uniformité du calibrage. Résultat ? Le prix de vente tend à être sous-estimé, ce qui peut causer des pertes importantes pour les productrices et producteurs. 

Membre de l’équipe du professeur Karem Chokmani à l’INRS, l’étudiante à la maîtrise Corinne Dumais espère remédier à la situation. Elle développe actuellement un outil basé sur l’intelligence artificielle pour le calibrage automatique du légume le plus consommé au Canada. La jeune chercheuse a pu présenter les résultats de son projet lors du Colloque de la patate qui a eu lieu à Lévis, le 25 novembre 2022. Au cœur de ses travaux, un outil qui permet un calibrage des récoltes beaucoup plus rapide et représentatif.

« L’application permet de traiter une photo avec 50 pommes de terre, en l’espace de 30 secondes à 1 minute. C’est automatique et basé sur des mesures statistiques. L’opération peut être répétée avec plusieurs photos jusqu’à obtenir un échantillon qu’on juge représentatif de la récolte. »

Corinne Dumais


L’intelligence artificielle en agriculture

L’étape suivant la récolte s’avère longue et n’est pas forcément représentative. En effet, les pommes de terre ne sont généralement pas toutes passées au calibrage. Dès l’arrivée du camion, un seul échantillon est pris manuellement par l’opératrice ou l’opérateur. Cette personne pèse et mesure à la main les pommes de terre.

Corinne Dumais, étudiante au doctorat en sciences de l’eau

Basé sur la vision numérique et l’intelligence artificielle, le projet de recherche vise à produire un algorithme qui effectue automatiquement la calibration d’un échantillon photographié par téléphone cellulaire. L’objectif est de produire un rapport sur les statistiques de l’échantillon photographié.

« À terme, l’idée serait de développer une application fonctionnelle sur téléphone cellulaire qui puisse être utilisé par le monde agricole », ajoute l’étudiante au Centre Eau Terre Environnement, à Québec.

L’équipe de recherche a utilisé l’apprentissage par réseaux de neurones profonds. Ainsi, le programme d’intelligence artificielle puisse reconnaitre chaque pomme de terre, puis d’en estimer le poids en fonction de la largeur et de la longueur du légume. Corinne Dumais a travaillé sur deux variétés communes au Québec : la Burbank et la Mountain Gem.

L’application créée cumule les résultats des photos prises et traite l’information pour ensuite générer un rapport global transmis au producteur.

Karem Chokmani professeur en Télédétection et hydrologie

« C’est la première fois qu’une telle technologie est mise au point pour l’industrie de la pomme de terre. C’est le légume le plus cultivé au Québec et il y a un besoin réel du milieu agricole qui investit beaucoup dans cette culture. »

Karem Chokmani

La prochaine étape sera de déterminer les différences entre les rapports obtenus par les groupes d’acheteurs et ceux établis avec l’application. L’agricultrice ou l’agriculteur pourront ensuite évaluer s’il y a un gain significatif. L’application pourra aider le productrice ou le producteur à suivre la qualité de son produit.

Ce projet est financé par l’entreprise Productions Maxi-Plant inc., partenaire dans le développement de l’application et chez qui cette dernière sera testée en mode opérationnel. Il également reçu le soutien financier du Conseil canadien de la pomme de terre (CCTP) et Mitacs Canada