Les chercheurs du Technion ont développé une technologie innovante pour la surveillance automatisée du stress dans les cultures agricoles. La détection précoce du stress hydrique et thermique est cruciale pour les producteurs agricoles, car une humidité réduite se traduit par une conductance stomatique limitée, entraînant une croissance réduite et éventuellement la mort prématurée des plantes. Le développement a été dirigé par les gens du GIP, le Geometric Image Processing Laboratory, au Henry and Marilyn Taub College of Computer Science. 

Los investigadores de Technion, el asistente de investigación Alon Zvirin, el jefe del laboratorio GIP, el profesor Ron Kimmel, y el ingeniero jefe Yaron Honen, han desarrollado una tecnología inteligente para el monitoreo y la predicción del estrés de los cultivos y la segmentación de les feuilles. Dans le contexte du premier, Zvirin explique : « La détection du stress dû à la sécheresse permet de sauver la plante, permet l'identification des maladies et la prévision des quantités de rendement des cultures, autant d'informations cruciales pour le producteur. » Grâce à la photographie couleur, à l’imagerie thermique et à l’apprentissage profond, les chercheurs ont pu prédire le stress et le développement de nouvelles feuilles avec beaucoup de succès ; Lors d’un test de la technologie sur des plants de bananiers, un niveau de prédiction impressionnant de plus de 90 % a été atteint. Dans le contexte de la segmentation des feuilles, les chercheurs ont obtenu des résultats sans précédent dans l’identification des feuilles d’Arabidopsis et de tabac en appliquant l’apprentissage profond. Pour entraîner le système sur un grand nombre d’échantillons, l’équipe de recherche a développé une vaste base de données contenant des images de feuilles artificielles, puis a également testé la technologie sur d’autres cultures : avocat, banane, concombre et maïs.

Jeunes chercheurs

Selon Zvirin, «nous avons inclus de jeunes chercheurs qui commençaient à peine dans le processus de développement technologique. Ils ont proposé de bonnes idées et ont fait un excellent travail. Deux d'entre eux sont également répertoriés comme auteurs principaux des articles: Dmitri Kuznichov, qui terminera bientôt sa maîtrise sous la supervision du professeur Irad Yavneh et du professeur Ron Kimmel, et Sagi Levanon, diplômé du programme d'excellence Psagot, qui a commencé à étudier son deuxième diplôme à la Faculté ». L'article sur la détection de stress a été publié dans la Conférence européenne sur la vision par ordinateur, ECCV, et l'article sur la segmentation a été publié dans la Conférence sur la vision par ordinateur et la reconnaissance de formes, CVPR.