Thèse : Imagerie Radar en ondes millimétriques appliquée à l’estimation du rendement de la vigne – influence de la mobilité et des conditions d’environnement local

Résumé

L’estimation du rendement de grappes de raisin avant les vendanges (la période de récolte) est cruciale pour le vigneron car elle permet de: (i) anticiper la logistique nécessaire pour les vendanges, (ii) planifier la commercialisation du vin et (iii) adapter la production aux réglementations (tel que AOC). Récemment, des techniques dites proximales (véhicules terrain ou drones) et des techniques de télédétection par satellite reposant sur l’utilisation de bandes de fréquences optiques ont été utilisées pour la détection de grappes et l’estimation de rendement. En revanche, les techniques de mesure à distance de proximité optiques sont sujettes à des limitations en termes de robustesse aux conditions environnementales et à la pénétration dans la végétation. Pour combler les lacunes technologiques, nous avons introduit l’utilisation de capteurs radar à ondes millimétriques qui permettent de dépasser les limitations des systèmes optiques de proximité. Les travaux précédents ont démontré qu’il était possible d’estimer le rendement avec uniquement 1% d’erreur en utilisant un système radar statique et à 10% près en utilisant un système mobile se déplaçant à des vitesses de l’ordre de 0.5m/s. Dans cette thèse, nous démontrons l’utilisation d’un système de mesure à distance mobile (à 1.0m/s) utilisant des capteurs radar MIMO pour la reconstruction 3D de rangs de vigne et l’estimation du rendement de grappe à partir d’images radar 3D. Les approches d’analyse implémentées ont permis d’estimer le rendement de grappes avec une erreur de 13%. Nous avons analysé la sensibilité des estimateurs de rendement à la variété de grappes, à la trajectoire, aux vibrations mécaniques du vecteur mobile et aux conditions de météorologiques locales.

Abstract

Estimating the grape yield before the vintages (the harvest period) is crucial for the winegrower as it allows to: (i) anticipate needed logistics for the harvest, (ii) plan wine commercialization and (iii) adapt production to viticultural regulations (such as AOC). In recent years, proximal (UGV-based or UAV-based) and satellite-based remote sensing instrumentation that relies on optical frequency bands has been used for detecting grapes and estimating the grape yield. However proximal optical sensing techniques exhibit limitations in terms of robustness to environmental conditions and vegetation penetration. To fill the technological gaps, we introduced the use of mm-wave radar sensors that allow to mitigate the limitations of optical proximal sensing. Previous work allowed to demonstrate that it is possible to estimate grape yield with only 1% error using a static radar setup and with 10% error using a UGV-based radar system moving at 0.5m/s. In this thesis, we demonstrate the use of a mobile system (at 1.0m/s) using MIMO radar sensors for the 3D reconstruction of vinerows and the estimation of grape yield from these 3D images. The implemented analysis approaches allowed to estimate grape yield with 13% error on average. We analyzed the sensitivity of the performance of the yield estimators regarding grape variety, UGV trajectory and vibrations and local weather conditions.