EP4211457A1 - Procédé et système de suivi, de surveillance et de prédiction de la santé d'un patrimoine végétal - Google Patents

Procédé et système de suivi, de surveillance et de prédiction de la santé d'un patrimoine végétal

Info

Publication number
EP4211457A1
EP4211457A1 EP21769520.4A EP21769520A EP4211457A1 EP 4211457 A1 EP4211457 A1 EP 4211457A1 EP 21769520 A EP21769520 A EP 21769520A EP 4211457 A1 EP4211457 A1 EP 4211457A1
Authority
EP
European Patent Office
Prior art keywords
specimen
health
sensors
measurement
state
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
EP21769520.4A
Other languages
German (de)
English (en)
Inventor
Stéphane KREBS
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Krebs Paysagistes Sa
Original Assignee
Krebs Paysagistes Sa
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Krebs Paysagistes Sa filed Critical Krebs Paysagistes Sa
Publication of EP4211457A1 publication Critical patent/EP4211457A1/fr
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
    • G01N33/0098—Plants or trees
    • A—HUMAN NECESSITIES
    • A01—AGRICULTURE; FORESTRY; ANIMAL HUSBANDRY; HUNTING; TRAPPING; FISHING
    • A01G—HORTICULTURE; CULTIVATION OF VEGETABLES, FLOWERS, RICE, FRUIT, VINES, HOPS OR SEAWEED; FORESTRY; WATERING
    • A01G17/00—Cultivation of hops, vines, fruit trees, or like trees
    • A01G17/005—Cultivation methods
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/02—Agriculture; Fishing; Forestry; Mining
    • G—PHYSICS
    • G08—SIGNALLING
    • G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
    • G08B21/00—Alarms responsive to a single specified undesired or abnormal condition and not otherwise provided for
    • G08B21/18—Status alarms

Definitions

  • the present invention generally relates to a method and a system for monitoring, monitoring and predicting the health of plant heritage comprising one or more specimens of ligneous or herbaceous plants, in particular plant heritage in an urban or rural environment, such as, in particular, tree heritage, orchards, vines, agricultural crops, market gardening, etc.
  • Patent publication No. EP 3 421 988 A1 the content of which is incorporated by reference into the present application, describes a device and a method for continuously measuring the "staticity" of trees.
  • staticity we mean the susceptibility of each tree to undergoing movement or - in other words - the degree of stability of the tree.
  • the degree of stability of the tree is measured and evaluated by means of a triple-axis motion sensor, such as an accelerometer.
  • an anemometer to optionally measure the force of the wind to which the tree is subjected.
  • Patent publication No. CN 103903400 A the content of which is also incorporated by reference in the present application, describes a system for measuring the degree of inclination of a tree likely to present a risk of falling, which system is arranged in order to generate an alert when the degree of inclination of the tree is indicative of a danger.
  • it is planned to use a triple acceleration sensor axes, which sensor is attached to the trunk of the tree. This approach suffers from essentially the same limitations as the approach disclosed in patent publication No. EP 3 421 988 A1 discussed above.
  • European patent No. EP 1 793 225 B1 the content of which is incorporated by reference in the present application, describes a device and a method for the non-destructive inspection of a tree operating by acoustic tomography.
  • This solution makes it possible to inspect the internal state of a tree in a non-destructive way, which is particularly desirable in order to determine and visualize the internal state of the trunk of the tree, in particular in order to diagnose the hardness, the existence of cavities and rot, and/or the humidity content of the tree trunk, parameters which allow an assessment of the risk of the tree falling.
  • this approach is cumbersome and complex to implement in practice.
  • Utility Model No. CN 208969721 U the contents of which are incorporated by reference into the present application, describes an ancient tree management system based on the Internet of Things ("Internet of Things” or "loT”) namely the use of connected objects. It is essentially a question of allowing the competent service of a city to facilitate the tasks of managing the tree heritage of the city by concentrating and listing the information relating to each tree and its state of health, as noted on the field, in a centralized server, which centralized server can be interrogated or updated remotely by an operator of the city service.
  • Internet of Things Internet of Things
  • Each tree is equipped with a device for predicting the appearance of the disease comprising in particular at least one measurement sensor placed on or near the tree, and a communication unit configured to transmit the measurement data to a server via a data transmission network.
  • a device for predicting the appearance of the disease comprising in particular at least one measurement sensor placed on or near the tree, and a communication unit configured to transmit the measurement data to a server via a data transmission network.
  • prediction devices are envisaged combining various types of measurement sensors, in particular a first humidity measurement sensor placed on the tree, a second humidity measurement sensor placed in the ground where the tree is located, in particular at the level of the roots, a temperature/humidity sensor placed in the environment of the tree, a sensor for measuring the sugar content relative to the tree, and a sensor for measuring rosin (or "rosin”) ).
  • Patent publication No. WO 2019/124657 A1 describes a method as well as a system for predicting a disease affecting trees based essentially on a humidity measurement.
  • Patent publication No. WO 99/44050 A1 describes an ultrasonic tomography measuring apparatus comprising a belt configured to be arranged around the trunk of a tree, which belt comprises a plurality of ultrasonic sensors capable of measuring the internal structure of the tree.
  • a general object of the present invention is to propose a method and a system making it possible to ensure the monitoring and surveillance, with the possibility of prediction, of the health of plant heritages which remedies the problems and limitations of the known solutions. More specifically, an object of the present invention is to propose such a solution which makes it possible to ensure such monitoring and such monitoring in real or almost real time, thereby ensuring permanent or almost permanent monitoring and monitoring of the heritage in question. .
  • Yet another object of the present invention is to propose such a solution which allows a more reliable, representative and complete characterization and evaluation of the state of health of each specimen constituting a plant heritage.
  • the present invention meets these aims by proposing a method whose characteristics are listed in claim 1, namely a method for monitoring, monitoring and predicting the health of a plant heritage comprising at least one specimen of a plant. woody or herbaceous, the method comprising the following steps: a) equipping each specimen constituting the plant heritage by means of a set of sensors making it possible to measure several parameters representative of the state of health of the specimen or likely to affect the state of health of the specimen; b) communication of the measurement data generated by each set of sensors to a data collection centre; c) characterization of the state of health of each specimen using the measurement data collected by the data collection center in order to build a predictive model of the health of each specimen; d) assessment of the health status of each specimen based on the specimen health predictive model; and e) generating an alert if the specimen health predictive model is indicative of a hazard or other risk associated with a decline in specimen health status.
  • the invention differs notably from known solutions in that a predictive model of the health of each specimen is constructed on the basis of the measurement data collected.
  • This predictive model makes it possible to characterize not only the current state of health of the specimen, but also its susceptibility to lead to the occurrence of a danger (for example a fall) or any other risk linked to a deterioration in the state of health of the specimen (for example a disease, a parasite, or other pathology affecting the state of health of the plant in question). It is therefore on the basis of the predictive model of the health of the specimen, which takes into account all the parameters representative of the state of health of the specimen or likely to affect the state of health of the specimen, that the assessment of the state of health of each specimen is carried out.
  • the step d) of evaluating the state of health of each specimen includes the comparison of the predictive model of the health of the specimen with at least one reference model characterizing a good state of health of the specimen or a poor state of specimen health.
  • the predictive model of the health of each specimen is compared to at least one reference model (or even several) which characterizes a good state of health or, on the contrary, a bad state of health of the specimen.
  • both the predictive model and the reference model are constructed on the basis of a set of data relating to the various parameters representative of the state of health of the specimen or likely to affect the state of health. of the specimen. According to this preferred approach, it is thus possible to identify and characterize the signature of a breast specimen, respectively that of a specimen at risk or suffering from a disease, a parasite, or other pathology affecting the state of health of the specimen. .
  • step c) of characterizing the state of health of each specimen is carried out taking into account the typology specific to each specimen and the characteristics specific to the typology of each specimen. Indeed, the state of health of any plant specimen cannot necessarily be characterized by the same set of parameters or measurement data. Each type of plant can thus lead to the need to build a predictive model of the state of health that is different from one type to another.
  • each set of sensors is configured to carry out several measurements from among the set of following measurements, namely a measurement of water stress undergone by the specimen, a measurement of sap flow circulating in the trunk of the specimen, a measurement of structural integrity of the trunk of the specimen, a measurement of the temperature of the specimen and/or its environment, a measurement by imaging the specimen in a determined wavelength or range of wavelengths, a measurement of the movement of the specimen, a measurement of mechanical stresses to which the specimen is subjected, a measurement of environmental conditions undergone by the specimen, a measurement of electrical conductivity of the specimen, and a measurement of the surrounding gaseous components.
  • this is not necessarily an exhaustive list, other additional measures may be considered if necessary. It will be understood that the greater the diversity of the measurements taken, the more representative the predictive model of the state of health of the specimen concerned will be. Although it is possible to install only one sensor, it is preferable to proceed with the installation of several sensors.
  • the set of sensors considered must make it possible to optimize an overall management of the specimens considered in correlation with their history, for the benefit of their health and/or the safety of people and the environment.
  • each specimen is implanted, particularly in terms of robustness, dangerousness, statics and vitality, by measuring (directly or indirectly) and analyzing multiple physical and physiological factors, exogenous and/or endogenous, such as:
  • Step a) of equipping each specimen may in particular include: equipping a plurality of dedicated sensors arranged on or near the specimen concerned; the equipment of a short-distance receiver device configured to receive the measurement data from one or more sensors among said plurality of dedicated sensors by means of a wireless link; and the equipment of a transmitter device coupled to said short-distance receiver device, and if necessary directly to one or more sensors among said plurality of dedicated sensors, which transmitter device is configured to communicate the measurement data collected locally to said central data collection.
  • This solution offers increased flexibility in that the various sensors required can be distributed on and/or in the vicinity of the specimen concerned, without being constrained by the need to arrange all of the sensors in a single and unique device attached to the specimen. All or part of the sensors can thus communicate the measurement data to the associated short-distance receiver device by means of a wireless link in order to allow their retransmission by the transmitter device to the control center. data gathering. It is alternatively or additionally conceivable that all or part of the sensors directly transmit the measurement data to the data collection center, in which case each sensor concerned will be equipped with transmission means suitable for this purpose.
  • step b) of communicating measurement data is carried out in real time or periodically
  • step c) of characterizing the state of health of each specimen includes updating in real time or the specimen health predictive model periodically based on the collected measurement data.
  • steps d) and e) are preferably repeated as soon as the predictive model of the health of the specimen concerned is updated.
  • the present invention also meets the aforementioned aims by proposing a system whose characteristics are listed in claim 7, namely a system for monitoring, monitoring and predicting the health of a plant heritage for the implementation of the method according to the invention, comprising: at least one set of sensors intended to equip each specimen constituting the plant heritage; a data collection center configured to collect the measurement data generated by each set of sensors and compile a set of collected measurement data relating to the plant heritage; and a transmitter device associated with each set of sensors and configured to ensure the communication of the measurement data generated by the set of sensors to said data collection center.
  • Steps c) to e) of the method according to the invention can be implemented by the data collection center or by means of one or more ad hoc data processing systems able to access the measurement data collected by the central data collection.
  • each set of sensors comprises a plurality of dedicated sensors arranged on or near the specimen concerned and the system further comprises a short-distance receiver device associated with each set of sensors and configured to receive the measurement data from one or several sensors among said plurality of dedicated sensors by means of a wireless link.
  • each transmitter device is then configured to ensure the communication of measurement data collected locally to said data collection center.
  • the present invention also relates to a measuring device capable of being used in particular within the framework of the system according to the invention.
  • This measuring device comprises an extensible belt configured so as to be able to be arranged around the trunk of a specimen of a capitaous plant, said extensible belt being coupled by a wired or non-wired connection to at least one sensor and/or bearing at least a sensor, which sensor is capable of measuring a parameter representative of the state of health of the specimen or capable of affecting the state of health of the specimen.
  • the measuring apparatus comprises alternatively or additionally a measuring device which can be inserted at least partially inside the trunk of a specimen of a woody plant, which measuring device comprises at least one sensor capable of measuring a parameter representative of the health of the specimen or likely to affect the health of the specimen.
  • the measuring equipment comprises alternatively or additionally one or more sensors placed in the vicinity of the specimen, on its foliage, its branches, or its plant ramifications.
  • - Figure 1 shows an overall schematic view of a system applied to the monitoring and surveillance of the health of a plant heritage, in this case, and more specifically, a tree heritage comprising a plurality of trees, according to an embodiment of the invention
  • - Figure 2 shows a schematic view of an isolated tree among the set of trees of the tree heritage of Figure 1 as well as a set of associated sensors making it possible to measure several parameters representative of the state of health of the tree or likely to affect the state of health of the tree;
  • FIG. 3 is a schematic diagram summarizing the various steps of the method implemented by means of the system of Figure 1 and each set of sensors, such as the set of sensors of Figure 2;
  • FIG. 4 is a schematic representation of an embodiment of step d) of the method of Figure 3 according to a preferred embodiment
  • FIG. 5 is a schematic diagram of an embodiment of step c) of the method of Figure 3 according to a preferred embodiment
  • FIG. 6 is a schematic representation of a measuring device according to one embodiment of the invention, which measuring device comprises in particular an extensible belt arranged around the trunk of a tree as well as a measuring device at least partially inserted into the trunk of the tree; and
  • FIG. 7 is a schematic representation of the measuring device of Figure 6 partially inserted into the trunk of the tree.
  • FIG. 1 is a schematic overview of a system for tracking, monitoring and predicting the health of a plant heritage according to an embodiment of the present invention, which plant heritage is designated globally by the reference PV .
  • This plant heritage PV is constituted here by way of illustrative example of a tree heritage comprising a plurality of trees A.1, A.2, A.3, etc. (each tree of the tree heritage PV also being designated indifferently by the reference Ai) distributed over the whole of a determined territory, for example the territory of a city.
  • any reference to the tree heritage PV must be understood as an illustrative reference to an example of plant heritage (in this case a capitaous plant heritage) within the meaning of the invention.
  • any reference to each tree Ai should be understood as an illustrative reference to an example of a plant specimen (in this case a ligneous plant) within the meaning of the invention.
  • the present invention is particularly applicable to the management of plant heritage (in particular but not exclusively ligneous) in an urban environment, but is not necessarily limited to such an application.
  • the invention is thus perfectly applicable to the management of a plant heritage in a rural environment, for example a forest or an arboreal exploitation such as an orchard comprising one or more species of fruit trees, or else vines, shrubs, crops agriculture or market gardening, this list not being exhaustive.
  • a forest or an arboreal exploitation such as an orchard comprising one or more species of fruit trees, or else vines, shrubs, crops agriculture or market gardening, this list not being exhaustive.
  • the particular nature of each plant is not limiting and it can indifferently be any ornamental or fruit tree, established naturally or not in the environment, vines, shrubs, shrubs, or any other specimen of plants.
  • the present invention is also applicable where appropriate to the management of herbaceous plant heritage, namely for any application in the field of agriculture and market gardening.
  • plant heritage it must therefore be understood that it is a question of a heritage made up of one or more specimens of plants (woody or herbaceous) which one specifically wishes to ensure the monitoring and surveillance, which heritage can be representative of a wider range of specimens located in the targeted territory.
  • the heritage considered may, where appropriate, consist of one and the same species of plants or, conversely, of a mix of different species.
  • each tree Ai of the tree heritage PV considered is equipped with a set of sensors 10.i (sets which are designated by the references 10.1 to 10.9 in Figure 1), each set of sensors 10.i being arranged to allow the measurement of various parameters representative of the state of health of the associated tree Ai or likely to affect the state of health of the associated tree Ai As will be seen later, each set of sensors 10.i is configured to carry out several measurements indicative of or liable to impact the state of health of the associated tree Ai
  • Each set of sensors 10.i thus allows the collection of a corresponding set of measurement data, designated ⁇ DATAA ⁇ , specific to each tree A.i.
  • These measurement data ⁇ DATAA ⁇ are collected, for each tree Ai of the tree heritage PV, and communicated to a data collection center 100 which compiles these data in the form of a set of data ⁇ DATAPV ⁇ relating to the tree heritage considered PV.
  • This data ⁇ DATAPV ⁇ may be processed, in accordance with the provisions mentioned below, directly at the level of the data collection center 100 or be made available to one or more ad hoc data processing systems 100*.
  • the measurement data collected by each sensor can, if necessary, be processed or preprocessed at the level of the sensor concerned or at the level of the set of sensors 10.i before being transmitted to the data collection center.
  • optimization methods such as “edge computing” (or “periphery computing”) or “fog computing” (or “geodistributed computing”) can be perfectly implemented.
  • Figure 2 is a schematic view of an isolated tree Ai among the set of trees of the tree heritage PV and of the set of associated sensors 10.i making it possible to measure various parameters representative of the state of health of the tree Ai or likely to affect the state of health of the tree Ai More specifically, the set of sensors 10.i comprises a plurality of dedicated sensors 10A-10F arranged on or near the tree Ai
  • the sensor 10A is placed close to the rooting of the tree A.i in order to perform a direct measurement at the level of the roots of the tree A.i. It may in particular be a sensor partially or completely buried at the level of the roots of the tree A.i in order to measure the degree of humidity of the soil at the level of the rooting of the tree A.i. Such a measurement makes it possible in particular to derive a measurement of the water stress undergone by the tree A.i.
  • the sensors 10B, 10D and 10E are arranged on or near the plant, respectively the trunk T of the tree A.i in order to carry out various direct or indirect measurements at the level of the trunk T of the tree A.i.
  • the sensor 10B can thus be a sensor making it possible to carry out a measurement (invasive or non-invasive) of the flow of sap circulating in the trunk T of the tree A.i.
  • the sensor 10D can itself be a sensor making it possible to measure the structural integrity of the trunk of the tree A.i, for example by means of a probe inserted into the trunk T of the tree.
  • the sensor 10E can be a sensor making it possible to measure the movement of the shaft A.i, such as an accelerometer, or a measurement of the mechanical stresses to which the shaft A.i is subjected, such as a strain gauge.
  • a sensor making it possible to perform an electrical conductivity measurement.
  • the sensor 10C is placed close to the tree Ai in order to carry out an additional measurement, such as a thermal measurement of the tree Ai (for example a measurement of the average temperature of the foliage F) or a measurement by imaging of all or part of the Ai tree by means of a camera.
  • a thermal measurement of the tree Ai for example a measurement of the average temperature of the foliage F
  • a measurement by imaging of all or part of the Ai tree by means of a camera This may be a measurement by imaging in the visible (by means of a color camera or not) or in the invisible (for example by means of an infrared camera or any other camera sensitive to a wavelength or range of wavelengths outside the visible range) making it possible to derive a qualitative measurement of all or part of the tree and its evolution over time. Imaging techniques can thus be implemented in order to determine the occurrence of a noticeable change in the appearance and/or posture of the tree Ai
  • the sensor 10F is for its part arranged close to the tree Ai in order to proceed to a measurement of environmental conditions undergone by the tree, such as the force of the wind, the sunshine, the ambient temperature, the level of precipitation, the possible lightning strikes, degree of environmental pollution, etc.
  • a thermal or environmental measurement also makes it possible to detect the possible occurrence of a fire affecting the specimen concerned and/or its surrounding environment, which is of interest for the purposes of detecting, for example, the occurrence of forest or brush fires.
  • At least a portion of the sensors may suitably be mounted on an expandable belt placed around the trunk of the specimen, resistant to weather, theft and vandalism. Some sensors can also take the form of sensors inserted directly into the trunk of the tree, if necessary connected to the aforementioned stretch belt.
  • FIG. 6 is a schematic illustration of a measuring device suitable for use according to one embodiment of the invention.
  • This measuring apparatus comprises in particular an extensible belt C arranged around the trunk T of a tree as well as a measuring device 15 at least partially inserted into the trunk T of the tree.
  • the expandable belt C can carry a sensor 10b (or even several) and/or be coupled by a wired or wireless connection to one or more remote sensors, such as a sensor 10c mounted on a branch B or a sensor 10d coupled to the foliage F of the tree.
  • the expandable belt C can also carry other components necessary for the implementation of the required functionalities, such as the short-distance receiver device 20 and the transmitter device 50 discussed below, and/or any other component, for example an energy source 30 (battery or other), an audible and/or visual alert transmitter 40, etc.
  • the measuring device 15 can for example be inserted into the trunk T close to the expandable belt C and be connected to the latter by means of a wired (as illustrated) or non-wired connection.
  • the measuring device 15 is illustrated schematically in Figure 7. It can advantageously take the form of a probe or essentially hollow screw 11 insertable at least partially into the trunk T and accommodating within it one or more sensors 10a.
  • This probe 11 can be closed at its outer end by a head 11a closing off the probe 11 in order to protect the sensors 10a from any environmental interference and to allow their maintenance.
  • the sensor or sensors 10a can be functionally connected to the stretch belt C by means of a wired connection 15a in order to ensure the transmission of measurement data.
  • the transmission of the measurement data coming from the sensor(s) 10a could alternatively be carried out by means of a wireless link.
  • the measurements made in relation to each specimen of the plant heritage can be endogenous, namely relating to the specimen A.i itself, or exogenous, namely relating to the environment in which the specimen A.i is found.
  • exogenous namely relating to the environment in which the specimen A.i is found.
  • sensors directly or indirect
  • physiological measurements by sensors can also be carried out, including in particular root absorption, circulation of raw and elaborated sap, photosynthesis, evapotranspiration, respiration, sap analysis, stored reserves, available water in the soil, etc.
  • each specimen Ai can still be equipped with a location system (for example GPS) making it possible to determine the location of the specimen concerned, information likely to also be communicated to the central collection of data 100 in addition to the measurement data.
  • a location system for example GPS
  • each specimen may also be equipped with a danger warning system capable of emitting an audible and/or visual alert in the event of the occurrence of a danger or other risk identified in relation to the state of health of the specimen.
  • a danger warning system capable of emitting an audible and/or visual alert in the event of the occurrence of a danger or other risk identified in relation to the state of health of the specimen.
  • each specimen with a machine-readable identifier (such as a QR code or any other suitable coding), or even an information system dedicated to amateurs and/or professionals in order to provide descriptive information specific to each specimen (species, age, date of establishment, history, specificities, etc.).
  • a smartphone application can thus be provided in order to read a QR code associated with each specimen and provide access to said descriptive information. Any other device or information system is possible.
  • Figure 2 also illustrates the presence of a transmitter device 50 associated here with the aforementioned set of sensors 10.i and configured to transmit the measurement data ⁇ DATAA ⁇ collected locally by the set of sensors 10.i to the data collection center 100 previously mentioned.
  • the transmitter device 50 can thus be a connected device (or “loT” device) capable of directly transmitting the measurement data ⁇ DATAA ⁇ , preferably in a secure manner, over a local or extended data network, such as the Internet.
  • a connected device or “loT” device
  • the measurement data ⁇ DATAPV ⁇ of all the PV tree heritage concerned could thus be automatically downloaded into a dedicated cloud hosted on a server accessible via the Internet.
  • the transmission of the data ⁇ DATAA ⁇ can be operated through a cellular telephone network or any other radio transmission network, in which case the transmitter device 50 will then be configured to format and transmit the measurement data ⁇ DATAA ⁇ on the radio frequency band allocated or made available for this purpose.
  • the transmitter device 50 can be directly connected to a wired communication network, whether it is an optical fiber network or any other suitable physical channel making it possible to ensure the wired transmission of data.
  • FIG. 2 illustrates by way of example that the sensors 10B, 10D and 10E are directly connected to the transmitter device 50, thus allowing the direct transmission of measurement data to the transmitter device 50, while the sensors 10A, 10C and 10F are sensors that do not have a direct link with the transmitter device 50.
  • Each of these sensors 10A, 10C, 10F is in wireless communication with the short-distance receiver device 20 in order to transmit the measurement data to it.
  • this wireless link can be ensured in any suitable manner, for example, but not exclusively by means of a local wireless network link (or "WLAN") established according to a Wi-Fi protocol based on the standard IEEE 802.11.
  • WLAN wireless network link
  • FIG. 2 shows the transmitter device 50 and the short-distance receiver device 20 as two distinct devices, it will be understood that the functions of each device can be perfectly integrated into one and the same transmitter-receiver device.
  • one or more of the dedicated sensors 10A-10F directly communicate the measurement data which are specific to him/her/them to the data collection unit 100 (for example by means of a direct connection to an extended data network such as the Internet, in which case we can speak of connected sensors or loT sensors), the functionalities of the transmitter device 50 then being integrated into each sensor concerned.
  • a transmitter device 50 common to each set of sensors 10.i nevertheless appears preferable in the sense that such use makes it possible to transmit the measurement data ⁇ DATAA ⁇ specific to each tree Ai in the form of a same data packet, if necessary accompanied by identification data specific to the tree Ai concerned, including for example an indication of the type of tree Ai (ornamental or fruit, essence, species, etc.) and/or other information such as the location of the Ai tree, its age, its location, etc.
  • Figure 3 is a schematic diagram summarizing the various steps of the method implemented by means of the system of Figure 1 and of each set of sensors, such as the set of sensors 10. i of Figure 2.
  • the method according to invention is essentially divided into five main steps, namely: a) the equipment (or apparatus) of each specimen Ai constituting the plant heritage concerned PV by means of a set of sensors 10.i making it possible to measure several parameters representative of the state of health of the specimen Ai or likely to affect the state of health of the specimen Ai (as discussed above); b) the communication of the measurement data ⁇ DATAAJ ⁇ generated by each set of sensors 10.i to the data collection center 100 (according to one or the other of the methods already discussed); c) the characterization of the state of health of each specimen Ai by means of the measurement data ⁇ DATAPV ⁇ collected by the data collection center 100 in order to construct a predictive model, designated [HEALTHAJ], of the health of each specimen Have ; d) evaluating the health status of each specimen Ai based on the predictive model [HE
  • the innovative approach is thus based on the characterization of the state of health of each specimen in a global and “multisensory” way, rather than on the basis of a single measurement parameter or a very small set of measurement parameters. It is in fact a question of determining and measuring the parameters which characterize a specimen in good health versus a subject presenting a reduced vitality, even a risk for the population or its immediate environment.
  • the characterization of the state of health of each specimen which is carried out according to the invention must therefore be understood as being based on a multi-parameter analysis making it possible to characterize the health of the specimen concerned from multiple angles and according to multiple variables.
  • the various measurement variables specific to each specimen or type of specimen may in particular be described by Gaussians or other statistical parameters characterizing a "normal" variation envelope through an initial calibration or learning phase, which may require implementation of machine learning techniques and algorithms.
  • step b) of communicating measurement data is carried out in real time or periodically
  • step c) of characterizing the state of health of each specimen includes updating in real time or periodicity of the predictive model [HEALTHA ] of the health of the specimen Ai according to the collected measurement data.
  • steps d) and e) are preferably repeated as soon as the predictive model of the health of the specimen concerned is updated.
  • Figure 4 is a schematic representation of an embodiment of step d) of the method of Figure 3 according to a preferred embodiment of the invention.
  • the predictive model [HEALTHAJ] of the health of specimen Ai with at least one reference model, designated [HEALTHREF].
  • This reference model [HEALTHREF] can be a reference model characterizing a good state of health of the specimen Ai or a reference model characterizing, conversely, a poor state of health of the specimen Ai (for example due to a disease, a parasite , or other pathology).
  • This reference model [HEALTHREF] can be constructed on the basis of an earlier predictive model [HEALTHA ] of the health of the specimen Ai, judged to be representative of a good state of health, in which case the comparison leads to determining any variations in the state of health of the specimen Ai over time.
  • the reference model [HEALTHREF] can be built on the basis of a standard predictive model of the health of a specimen of the same nature elaborated on the basis of a statistical model taking into account a large population of specimens of same nature.
  • FIG. 5 is a schematic diagram of an embodiment of step c) of the method of Figure 3 according to a preferred embodiment of the invention.
  • the step of characterizing the state of health of each specimen Ai namely the development of the predictive model [HEALTHAJ]
  • TYPEAJ the typology, designated TYPEAJ, specific to each specimen Ai and characteristics specific to the TYPEA typology of each specimen Ai
  • TYPEAJ the typology, designated TYPEAJ
  • TYPEA typology of each specimen Ai the state of health of any plant cannot necessarily be characterized by the same set of parameters or measurement data.
  • Each type of plant can thus lead to the need to build a predictive model of the state of health that is different from one type to another.
  • the typology corresponding to the specimen concerned Ai is first selected from a predetermined set of typologies designated TYPEi, TYPE2, TYPE3, etc. On the basis of this selection, one then proceeds to the selection of a basic predictive model, designated [HEALTHBASELINE], which is predetermined for the selected typology TYPEAJ.
  • the proper characterization of the state of health of the specimen concerned Ai can be carried out by means of the measurement data ⁇ DATAAJ ⁇ of the specimen concerned Ai
  • a “typical” predictive model is previously determined for each typology of specimen concerned, and the predictive model of each specimen is built from this "typical” predictive model and feeds using the current measurement data ⁇ DATAA ⁇ of the specimen concerned Ai
  • Figures 1 and 2 show a tree heritage PV made up of several trees A.i, it will again be understood that the invention is applicable to any ligneous, even herbaceous plant heritage, comprising one or more plant specimens.
  • the plant heritage can be made up of a set of specimens belonging to the same plant species or, on the contrary, be made up of a mix of plant species.

Landscapes

  • Engineering & Computer Science (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Physics & Mathematics (AREA)
  • Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • Theoretical Computer Science (AREA)
  • Human Resources & Organizations (AREA)
  • Chemical & Material Sciences (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • General Health & Medical Sciences (AREA)
  • Marketing (AREA)
  • General Business, Economics & Management (AREA)
  • Botany (AREA)
  • Tourism & Hospitality (AREA)
  • Primary Health Care (AREA)
  • Marine Sciences & Fisheries (AREA)
  • Food Science & Technology (AREA)
  • Data Mining & Analysis (AREA)
  • Biochemistry (AREA)
  • Immunology (AREA)
  • Mathematical Physics (AREA)
  • Medicinal Chemistry (AREA)
  • Pathology (AREA)
  • Analytical Chemistry (AREA)
  • Mining & Mineral Resources (AREA)
  • Wood Science & Technology (AREA)
  • Agronomy & Crop Science (AREA)
  • Animal Husbandry (AREA)
  • Algebra (AREA)
  • General Engineering & Computer Science (AREA)
  • Software Systems (AREA)
  • Databases & Information Systems (AREA)
  • Pure & Applied Mathematics (AREA)
  • Mathematical Optimization (AREA)
  • Mathematical Analysis (AREA)
  • Computational Mathematics (AREA)
  • Emergency Management (AREA)
  • Environmental Sciences (AREA)

Abstract

Il est décrit un procédé et un système de suivi, de surveillance et de prédiction de la santé d'un patrimoine végétal (PV) comportant au moins un spécimen d'un végétal (A.1, A.2, A.3,...) Chaque spécimen (A.i) constituant le patrimoine végétal (PV) est équipé d'un ensemble de capteurs (10.i, 10.1, 10.2, 10.3,...) permettant de mesurer plusieurs paramètres représentatifs de l'état de santé du végétal (A.i) ou susceptibles d'affecter l'état de santé du végétal (A.i). Les données de mesure ({ DATAA.i }) générées par chaque ensemble de capteurs (10.i) sont communiquées à une centrale de collecte de données (100). Une caractérisation de l'état de santé de chaque spécimen (A.i) est effectuée au moyen des données de mesure ({ DATAPV }) collectées par la centrale de collecte de données (100) afin de construire un modèle prédictif de la santé de chaque spécimen (A.i). Une évaluation de l'état de santé de chaque spécimen (A.i) est effectuée sur la base du modèle prédictif et une alerte est générée si le modèle prédictif de la santé du spécimen est indicatif d'un danger ou autre risque lié à une dégradation de l'état de santé du spécimen (A.i).

Description

PROCÉDÉ ET SYSTÈME DE SUIVI, DE SURVEILLANCE ET DE PRÉDICTION DE LA SANTÉ D’UN PATRIMOINE VÉGÉTAL
DOMAINE TECHNIQUE
La présente invention se rapporte de manière générale à un procédé et un système de suivi, de surveillance et de prédiction de la santé de patrimoines végétaux comprenant un ou plusieurs spécimens de végétaux ligneux ou herbacés, en particulier de patrimoines végétaux en milieu urbain ou rural, tels que, notamment, des patrimoines arborés, des vergers, des vignes, des cultures agricoles, des cultures maraichères, etc..
ARRIÈRE-PLAN TECHNOLOGIQUE
La publication brevet No. EP 3 421 988 A1 , dont le contenu est incorporé par référence dans la présente demande, décrit un dispositif et un procédé pour mesurer en continu la « staticité » d’arbres. Par « staticité », il faut comprendre la susceptibilité de chaque arbre à subir un mouvement ou - en d’autres termes - le degré de stabilité de l’arbre. Selon l’enseignement de cette demande de brevet européen, le degré de stabilité de l’arbre est mesuré et évalué au moyen d’un capteur de mouvement triple axes, tel un accéléromètre. Il est également prévu l’emploi complémentaire d’un anémomètre afin de mesurer optionnellement la force du vent auquel est soumis l’arbre. Cette approche, bien qu’opportune afin d’anticiper la chute éventuelle d’un arbre, ne permet toutefois pas d’obtenir une indication suffisamment fiable, représentative et complète de l’état de santé de l’arbre, l’évaluation opérée étant limitée à une mesure de mouvement de l’arbre, le cas échéant combinée à une mesure d’une condition environnementale susceptible d’affecter ce mouvement, à savoir la force du vent.
La publication brevet No. CN 103903400 A, dont le contenu est également incorporé par référence dans la présente demande, décrit un système pour mesurer le degré d’inclinaison d’un arbre susceptible de présenter un risque de chute, lequel système est agencé afin de générer une alerte dès lors que le degré d’inclinaison de l’arbre est indicatif d’un danger. À l’image de la publication brevet No. EP 3 421 988 A1 , il est prévu l’utilisation d’un capteur d’accélération triple axes, lequel capteur est fixé au tronc de l’arbre. Cette approche souffre essentiellement des mêmes limitations que l’approche exposée dans la publication brevet No. EP 3 421 988 A1 discutée ci-dessus.
Le brevet européen No. EP 1 793 225 B1 , dont le contenu est incorporé par référence dans la présente demande, décrit un dispositif et un procédé d’inspection non destructif d’un arbre opérant par tomographie acoustique. Cette solution permet d’inspecter l’état interne d’un arbre d’une manière non destructive, ce qui est particulièrement souhaitable de manière à déterminer et visualiser l’état interne du tronc de l’arbre, en particulier de manière à diagnostiquer la dureté, l’existence de cavités et de pourriture, et/ou la teneur en humidité du tronc de l’arbre, paramètres qui permettent une évaluation du risque de chute de l’arbre. Cette approche est toutefois lourde et complexe à mettre en œuvre en pratique.
Le modèle d’utilité No. CN 208969721 U, dont le contenu est incorporé par référence dans la présente demande, décrit un système de gestion d’arbres anciens basé sur l’Internet des objets (« Internet of Things » ou « loT ») à savoir l’utilisation d’objets connectés. Il est pour l’essentiel question de permettre notamment au service compétent d’une ville de faciliter les tâches de gestion du patrimoine arboré de la ville en concentrant et répertoriant les informations relatives à chaque arbre et à son état de santé, tel que constaté sur le terrain, dans un serveur centralisé, lequel serveur centralisé peut être interrogé ou mis à jour à distance par un opérateur du service de la ville. Il est ainsi notamment prévu d’associer à chaque arbre une étiquette d’identification portant un code bidimensionnel, laquelle étiquette d’identification peut être lue au moyen d’un terminal mobile et faciliter ainsi l’identification de l’arbre et la consultation ou l’actualisation des informations y relatives dans le serveur centralisé. Il est également envisagé de permettre le cas échéant à des utilisateurs tiers, tels des touristes, d’accéder à des informations descriptives relatives aux arbres anciens concernés en exploitant de même l’étiquette d’identification afin de faciliter l’identification de chaque arbre et l’accès auxdites informations descriptives. Il n’est toutefois nullement question de procéder à une quelconque caractérisation ou évaluation en temps réel de l’état de santé de chaque arbre. La publication brevet No. EP 3 531 367 A1 décrit un système et un procédé de prédiction de l’apparition d’une maladie affectant un ou plusieurs arbres, en l’occurrence une maladie de flétrissement du pin (« pine wilt disease »). Chaque arbre est équipé d’un dispositif de prédiction de l’apparition de la maladie comprenant notamment au moins un capteur de mesure placé sur ou à proximité de l’arbre, et une unité de communication configurée pour transmettre les données de mesure à un serveur via un réseau de transmission de données. Plusieurs variantes de dispositifs de prédiction sont envisagées combinant divers types de capteurs de mesures, notamment un premier capteur de mesure d’humidité placé sur l’arbre, un second capteur de mesure d’humidité placé dans le sol où l’arbre est situé, en particulier au niveau des racines, un capteur de température/humidité placé dans l’environnement de l’arbre, un capteur de mesure de la contenance en sucre relative à l’arbre, et un capteur de mesure de colophane (ou « rosine »).
La publication brevet No. WO 2019/124657 A1 décrit une méthode ainsi qu’un système de prévision d’une maladie affectant les arbres reposant essentiellement sur une mesure d’humidité.
La publication brevet No. WO 99/44050 A1 décrit un appareillage de mesure par tomographie ultrasonique comportant une ceinture configurée afin d’être disposée autour du tronc d’un arbre, laquelle ceinture comporte une pluralité de capteurs à ultrasons aptes à mesurer la structure interne de l’arbre.
Il subsiste donc un besoin de proposer une solution qui permette d’assurer un meilleur suivi et une meilleure surveillance de la santé de patrimoines végétaux, notamment des patrimoines constitués d’arbres ornementaux, d’arbres fruitiers, d’arbres forestiers, d’arbustes, d’arbrisseaux, de vignes, ou de tout autre spécimen de végétaux ligneux ou herbacés.
EXPOSÉ DE L’INVENTION
Un but général de la présente invention est de proposer un procédé et un système permettant d’assurer le suivi et la surveillance, avec possibilité de prédiction, de la santé de patrimoines végétaux qui remédie aux problèmes et limitations des solutions connues. Plus spécifiquement, un but de la présente invention est de proposer une telle solution qui permette d’assurer un tel suivi et une telle surveillance en temps réel ou quasi réel, assurant dès lors un suivi et une surveillance permanente ou quasi-permanente du patrimoine considéré.
Encore un autre but de la présente invention est de proposer une telle solution qui permette une caractérisation et une évaluation plus fiable, représentative et complète de l’état de santé de chaque spécimen constitutif d’un patrimoine végétal.
La présente invention répond à ces buts en proposant un procédé dont les caractéristiques sont énumérées dans la revendication 1 , à savoir un procédé de suivi, de surveillance et de prédiction de la santé d’un patrimoine végétal comportant au moins un spécimen d’un végétal ligneux ou herbacé, le procédé comprenant les étapes suivantes : a) équipement de chaque spécimen constituant le patrimoine végétal au moyen d’un ensemble de capteurs permettant de mesurer plusieurs paramètres représentatifs de l’état de santé du spécimen ou susceptibles d’affecter l’état de santé du spécimen ; b) communication des données de mesure générées par chaque ensemble de capteurs à une centrale de collecte de données ; c) caractérisation de l’état de santé de chaque spécimen au moyen des données de mesure collectées par la centrale de collecte de données afin de construire un modèle prédictif de la santé de chaque spécimen ; d) évaluation de l’état de santé de chaque spécimen sur la base du modèle prédictif de la santé du spécimen ; et e) génération d’une alerte si le modèle prédictif de la santé du spécimen est indicatif d’un danger ou autre risque lié à une dégradation de l’état de santé du spécimen.
L’invention se distingue notablement des solutions connues en ce qu’un modèle prédictif de la santé de chaque spécimen est construit sur la base des données de mesure collectées. Ce modèle prédictif permet de caractériser non seulement l’état de santé actuel du spécimen, mais également sa susceptibilité à conduire à l’occurrence d’un danger (par exemple de chute) ou de tout autre risque lié à une dégradation de l’état de santé du spécimen (par exemple une maladie, un parasite, ou autre pathologie affectant l’état de santé du végétal considéré). C’est donc sur la base du modèle prédictif de la santé du spécimen, lequel tient compte de l’ensemble des paramètres représentatifs de l’état de santé du spécimen ou susceptibles d’affecter l’état de santé du spécimen, que l’évaluation de l’état de santé de chaque spécimen est opérée.
Préférablement, l’étape d) d’évaluation de l’état de santé de chaque spécimen inclut la comparaison du modèle prédictif de la santé du spécimen avec au moins un modèle de référence caractérisant un bon état de santé du spécimen ou un mauvais état de santé du spécimen. En d’autres termes, le modèle prédictif de la santé de chaque spécimen et comparé à au moins un modèle de référence (voire plusieurs) qui caractérise un bon état de santé ou, a contrario, un mauvais état de santé du spécimen. L’on doit donc comprendre que tant le modèle prédictif que le modèle de référence sont construits sur la base d’un ensemble de données relatives aux divers paramètres représentatifs de l’état de santé du spécimen ou susceptibles d’affecter l’état de santé du spécimen. Selon cette approche préférée, l’on peut ainsi identifier et caractériser la signature d’un spécimen sein, respectivement celle d’un spécimen à risque ou souffrant d’une maladie, un parasite, ou autre pathologie affectant l’état de santé du spécimen.
Plus préférablement encore, l’étape c) de caractérisation de l’état de santé de chaque spécimen est opérée en tenant compte de la typologie propre à chaque spécimen et des caractéristiques propres à la typologie de chaque spécimen. En effet, l’état de santé de tout spécimen de végétal ne peut pas nécessairement être caractérisé par un même ensemble de paramètres ou de données de mesure. Chaque typologie de végétal peut ainsi conduire à la nécessité de construire un modèle prédictif de l’état de santé qui soit différent d’une typologie à une autre.
Dans ce dernier contexte, l’on procédera donc avantageusement à la définition d’un modèle prédictif de base propre à chaque typologie de spécimen (parmi une pluralité de typologies) et l’on veillera à ce que le modèle prédictif de la santé de chaque spécimen concerné soit construit sur la base du modèle prédictif de base correspondant à la typologie du spécimen concerné et des données de mesure du spécimen concerné.
Préférablement, chaque ensemble de capteurs est configuré pour procéder à plusieurs mesures parmi l’ensemble des mesures suivantes, à savoir une mesure de stress hydrique subi par le spécimen, une mesure de flux de sève circulant dans le tronc du spécimen, une mesure d’intégrité structurelle du tronc du spécimen, une mesure de la température du spécimen et/ou de son environnement, une mesure par imagerie du spécimen dans une longueur d’onde ou gamme de longueurs d’onde déterminée, une mesure de mouvement du spécimen, une mesure de contraintes mécaniques auxquelles est soumis le spécimen, une mesure de conditions environnementales subies par le spécimen, une mesure de conductivité électrique du spécimen, et une mesure des composantes gazeuses environnantes. Il s’agit là toutefois d’une liste non nécessairement exhaustive, d’autres mesures complémentaires pouvant être envisagées le cas échéant. L’on comprendra que plus grande est la diversité des mesures effectuées, plus représentatif sera le modèle prédictif de l’état de santé du spécimen concerné. Bien qu’il soit envisageable de n’installer qu’un unique capteur, l’on procédera préférablement à l’installation de plusieurs capteurs.
De manière générale, l’on comprendra que l’ensemble de capteurs considéré doit permettre d’optimiser une gestion globale des spécimens considérés en corrélation avec leur historique, au profit de leur santé et/ou de la sécurité des personnes et de l’environnement immédiat où chaque spécimen est implanté, notamment en matière de robustesse, de dangerosité, de statique et de vitalité, en mesurant (directement ou indirectement) et analysant de multiples facteurs physiques et physiologiques, exogènes et/ou endogènes, tels que :
- la robustesse du spécimen ;
- la stabilité du tronc et/ou de l’assise racinaire ;
- l’épaisseur des tiges et troncs ;
- l’allongement des tiges et troncs ;
- la solidité du tronc ;
- la résistance des branches charpentières ;
- l’absorption racinaire ; - la circulation de sève brute et élaborée ;
- la photosynthèse ;
- l’évapotranspiration ;
- la conductivité électrique ;
- la température du végétal ;
- la température ambiante ;
- l’imagerie à différentes longueurs d’onde (visible, infrarouge, etc.) ;
- la présence de composantes gazeuses environnantes, notamment d’oxygène, de gaz carbonique, d’azote, etc. ;
- la respiration ;
- l’analyse de la sève ;
- les réserves stockées ;
- l’eau disponible dans le sol ; et
- les conditions et prévisions météorologiques.
L’étape a) d’équipement de chaque spécimen peut en particulier inclure : l’équipement d’une pluralité de capteurs dédiés disposés sur ou à proximité du spécimen concerné ; l’équipement d’un dispositif récepteur courte-distance configuré pour recevoir les données de mesure d’un ou plusieurs capteurs parmi ladite pluralité de capteurs dédiés au moyen d’une liaison sans fil ; et l’équipement d’un dispositif transmetteur couplé audit dispositif récepteur courte-distance, et le cas échant directement à un ou plusieurs capteurs parmi ladite pluralité de capteurs dédiés, lequel dispositif transmetteur est configuré pour communiquer les données de mesure collectées localement à ladite centrale de collecte de données.
Cette solution offre une flexibilité accrue en ce que les divers capteurs nécessaires peuvent être distribués sur et/ou au voisinage du spécimen concerné, sans être contraint par la nécessité de disposer l’ensemble des capteurs dans un même et unique dispositif rattaché au spécimen. Tout ou partie des capteurs peuvent ainsi communiquer les données de mesure au dispositif récepteur courte-distance associé au moyen d’une liaison sans fil afin de permettre leur retransmission par le dispositif transmetteur à la centrale de collecte de données. Il est alternativement ou complémentairement envisageable que tout ou partie des capteurs transmettent directement les données de mesure à la centrale de collecte de données, auquel cas chaque capteur concerné sera équipé de moyens de transmission adéquats à cet effet.
Selon une variante préférée, l’étape b) de communication des données de mesure est opérée en temps réel ou périodiquement, et l’étape c) de caractérisation de l’état de santé de chaque spécimen inclut la mise à jour en temps réel ou périodique du modèle prédictif de la santé du spécimen en fonction des données de mesure collectées. Dans ce contexte, les étapes d) et e) sont préférablement répétées dès lors que le modèle prédictif de la santé du spécimen concerné est mis à jour.
La présente invention répond également aux buts susmentionnés en proposant un système dont les caractéristiques sont énumérées dans la revendication 7, à savoir un système de suivi, de surveillance et de prédiction de la santé d’un patrimoine végétal pour la mise en œuvre du procédé selon l’invention, comprenant : au moins un ensemble de capteurs destiné à équiper chaque spécimen constituant le patrimoine végétal; une centrale de collecte de données configurée pour collecter les données de mesure générées par chaque ensemble de capteurs et compiler un ensemble de données de mesure collectées relatives au patrimoine végétal ; et un dispositif transmetteur associé à chaque ensemble de capteurs et configuré pour assurer la communication des données de mesure générées par l’ensemble de capteurs à ladite centrale de collecte de données.
Les étapes c) à e) du procédé selon l’invention peuvent être mises en œuvre par la centrale de collecte de données ou au moyen d’un ou plusieurs systèmes de traitement de données ad hoc pouvant accéder aux données de mesure collectées par la centrale de collecte de données.
À titre préféré, chaque ensemble de capteurs comporte une pluralité de capteurs dédiés disposés sur ou à proximité du spécimen concerné et le système comporte en outre un dispositif récepteur courte-distance associé à chaque ensemble de capteurs et configuré pour recevoir les données de mesure d’un ou plusieurs capteurs parmi ladite pluralité de capteurs dédiés au moyen d’une liaison sans fil. Dans ce contexte, chaque dispositif transmetteur est alors configuré pour assurer la communication des données de mesure collectées localement à ladite centrale de collecte de données.
La présente invention se rapporte également à un appareillage de mesure apte à être en particulier utilisé dans le cadre du système selon l’invention. Cet appareillage de mesure comporte une ceinture extensible configurée afin de pouvoir être disposée autour du tronc d’un spécimen d’un végétal ligneux, ladite ceinture extensible étant couplée par une liaison filaire ou non filaire à au moins un capteur et/ou portant au moins un capteur, lequel capteur est apte à mesurer un paramètre représentatif de l’état de santé du spécimen ou susceptible d’affecter l’état de santé du spécimen. L’appareillage de mesure comporte alternativement ou complémentairement un dispositif de mesure insérable au moins partiellement à l’intérieur du tronc d’un spécimen d’un végétal ligneux, lequel dispositif de mesure comporte au moins un capteur apte à mesurer un paramètre représentatif de l’état de santé du spécimen ou susceptible d’affecter l’état de santé du spécimen. L’appareillage de mesure comporte alternativement ou complémentairement un ou plusieurs capteurs disposé(s) au voisinage du spécimen, sur son feuillage, son branchage, ou ses ramifications végétales.
D’autres aspects de l’invention sont exposés dans la suite de la présente description.
DESCRIPTION SOMMAIRE DES DESSINS
Les caractéristiques et avantages de la présente invention apparaîtront plus clairement à la lecture de la description détaillée qui suit de modes de réalisation de l’invention, lesquels sont présentés uniquement à titre d’exemples non limitatifs et sont illustrés par les dessins annexés où :
- la Figure 1 montre une vue schématique globale d’un système appliqué au suivi et à la surveillance de la santé d’un patrimoine végétal, en l’occurrence, et plus précisément, d’un patrimoine arboré comportant une pluralité d’arbres, selon un exemple de réalisation de l’invention ; - la Figure 2 montre une vue schématique d’un arbre isolé parmi l’ensemble des arbres du patrimoine arboré de la Figure 1 ainsi que d’un ensemble de capteurs associés permettant de mesurer plusieurs paramètres représentatifs de l’état de santé de l’arbre ou susceptibles d’affecter l’état de santé de l’arbre ;
- la Figure 3 est un diagramme schématique résumant les diverses étapes du procédé mis en œuvre au moyen du système de la Figure 1 et de chaque ensemble de capteurs, tel l’ensemble de capteurs de la Figure 2 ;
- la Figure 4 est une représentation schématique d’un mode de mise en œuvre de l’étape d) du procédé de la Figure 3 selon une variante de réalisation préférée ;
- la Figure 5 est un diagramme schématique d’un mode de mise en œuvre de l’étape c) du procédé de la Figure 3 selon une variante de réalisation préférée ;
- la Figure 6 est une représentation schématique d’un appareillage de mesure selon un mode de réalisation de l’invention, lequel appareillage de mesure comporte notamment une ceinture extensible disposée autour du tronc d’un arbre ainsi qu’un dispositif de mesure au moins partiellement inséré dans le tronc de l’arbre ; et
- la Figure 7 est une représentation schématique du dispositif de mesure de la Figure 6 partiellement inséré dans le tronc de l’arbre.
MODES DE RÉALISATION DE L’INVENTION
La présente invention sera décrite en référence à divers modes de réalisation préférés tels qu’illustrés notamment par les Figures 1 à 7.
La Figure 1 est une vue d’ensemble schématique d’un système de suivi, de surveillance et de prédiction de la santé d’un patrimoine végétal selon un mode de réalisation de la présente invention, lequel patrimoine végétal est désigné globalement par la référence PV. Ce patrimoine végétal PV est constitué ici à titre d’exemple illustratif d’un patrimoine arboré comportant une pluralité d’arbres A.1 , A.2, A.3, etc. (chaque arbre du patrimoine arboré PV étant également désigné indifféremment par la référence A.i) distribués sur l’ensemble d’un territoire déterminé, par exemple le territoire d’une ville. Dans la suite de la présente description, toute référence au patrimoine arboré PV doit être comprise comme une référence illustrative à un exemple de patrimoine végétal (en l’occurrence un patrimoine végétal ligneux) au sens de l’invention. De même, toute référence à chaque arbre A.i doit être comprise comme une référence illustrative à un exemple d’un spécimen de végétal (en l’occurrence un végétal ligneux) au sens de l’invention.
La présente invention est particulièrement applicable à la gestion de patrimoines végétaux (en particulier mais pas exclusivement ligneux) en milieu urbain, mais n’est pas nécessairement limitée à une telle application. L’invention est ainsi parfaitement applicable à la gestion d’un patrimoine végétal en milieu rural, par exemple une forêt ou une exploitation arboricole tel un verger comprenant une ou plusieurs espèces d’arbres fruitiers, ou encore des vignes, des arbustes, des cultures agricoles ou des cultures maraichères, cette liste n’étant pas exhaustive. La nature particulière de chaque végétal n’est pas limitative et il peut indifféremment s’agir de tout arbre ornemental ou fruitier, implanté naturellement ou non dans l’environnement, de vignes, d’arbustes, d’arbrisseaux, ou de toute autre spécimen de végétaux.
La présente invention est également applicable le cas échéant à la gestion de patrimoines végétaux herbacés, à savoir pour toute application dans le domaine de l’agriculture et de la culture maraichère.
L’on comprendra que, pour la mise en œuvre de l’invention, il ne sera pas nécessaire que l’ensemble des spécimens de végétaux figurant sur un territoire donné fasse l’objet d’un suivi et d’une surveillance. Il suffira de sélectionner un échantillon représentatif de spécimens dont l’on souhaite assurer le suivi et la surveillance selon l’invention. Par « patrimoine végétal », il faut donc comprendre qu’il est question d’un patrimoine constitué d’un ou plusieurs spécimens de végétaux (ligneux ou herbacés) dont l’on souhaite spécifiquement assurer le suivi et la surveillance, lequel patrimoine peut être représentatif d’un plus large éventail de spécimens implantés sur le territoire visé. Le patrimoine considéré peut le cas échéant être constitué d’une seule et même essence de végétaux ou, a contrario, d’une mixité d’essences différentes. Selon l’exemple de réalisation de l’invention, chaque arbre A.i du patrimoine arboré PV considéré est équipé d’un ensemble de capteurs 10.i (ensembles qui sont désignés par les références 10.1 à 10.9 dans la Figure 1 ), chaque ensemble de capteurs 10.i étant agencé pour permettre la mesure de divers paramètres représentatifs de l’état de santé de l’arbre associé A.i ou susceptibles d’affecter l’état de santé de l’arbre associé A.i. Comme on le verra plus loin, chaque ensemble de capteurs 10.i est configuré pour procéder à plusieurs mesures indicatives de ou susceptibles d’impacter l’état de santé de l’arbre associé A.i.
Chaque ensemble de capteurs 10.i permet ainsi la collecte d’un ensemble correspondant de données de mesure, désigné { DATAA }, propre à chaque arbre A.i. Ces données de mesure { DATAA } sont collectées, pour chaque arbre A.i du patrimoine arboré PV, et communiquées à une centrale de collecte de données 100 qui assure la compilation de ces données sous la forme d’un ensemble de données { DATAPV } relatives au patrimoine arboré considéré PV. Ces données { DATAPV } peuvent être traitées, conformément aux dispositions mentionnées ci-après, directement au niveau de la centrale de collecte de données 100 ou être mises à disposition d’un ou plusieurs système de traitement de données ad hoc 100*. L’on comprendra également que les données de mesure collectées par chaque capteur peuvent le cas échéant être traitées ou prétraitées au niveau du capteur concerné ou au niveau de l’ensemble de capteurs 10.i avant d’être transmises à la centrale de collecte de données 100 pour un examen et une analyse globale de la santé de l’arbre A.i concerné. À cet égard, des méthodes d’optimisation de type « edge computing » (ou « informatique en périphérie ») ou « fog computing » (ou « informatique géodistribuée ») peuvent parfaitement être mises en œuvre.
La collecte des données de mesure permet non seulement de caractériser et évaluer l’état de santé de chaque spécimen A.i, mais également de construire un historique de l’évolution de l’état de santé de chaque spécimen A.i, en fonction des saisons, des conditions environnementales, de l’âge du spécimen, de son historique propre, etc.. La Figure 2 est une vue schématique d’un arbre isolé A.i parmi l’ensemble des arbres du patrimoine arboré PV et de l’ensemble de capteurs associé 10.i permettant de mesurer divers paramètres représentatifs de l’état de santé de l’arbre A.i ou susceptibles d’affecter l’état de santé de l’arbre A.i. Plus spécifiquement, l’ensemble de capteurs 10.i comporte une pluralité de capteurs dédiés 10A-10F disposés sur ou à proximité de l’arbre A.i.
Dans l’illustration de la Figure 2, le capteur 10A est disposé à proximité de l’enracinement de l’arbre A.i afin d’effectuer une mesure directe au niveau des racines de l’arbre A.i. Il peut en particulier s’agir d’un capteur partiellement ou totalement enfoui au niveau des racines de l’arbre A.i afin de procéder à une mesure du degré d’humidité du sol au niveau de l’enracinement de l’arbre A.i. Une telle mesure permet en particulier de dériver une mesure du stress hydrique subi par l’arbre A.i.
Les capteurs 10B, 10D et 10E sont quant à eux disposés sur ou à proximité du végétal, respectivement du tronc T de l’arbre A.i afin de procéder à diverses mesures directes ou indirectes au niveau du tronc T de l’arbre A.i. Le capteur 10B peut ainsi être un capteur permettant de procéder à une mesure (invasive ou non invasive) du flux de sève circulant dans le tronc T de l’arbre A.i. Le capteur 10D peut quant à lui être un capteur permettant d’effectuer une mesure de l’intégrité structurelle du tronc de l’arbre A.i, par exemple par le biais d’une sonde insérée dans le tronc T de l’arbre. Le capteur 10E peut être un capteur permettant d’effectuer une mesure de mouvement de l’arbre A.i, tel un accéléromètre, ou une mesure des contraintes mécaniques auxquelles est soumis l’arbre A.i, telle une jauge de contrainte. L’on peut encore imaginer équiper l’arbre A.i d’un capteur permettant d’effectuer une mesure de conductivité électrique.
Le capteur 10C est disposé à proximité de l’arbre A.i afin de procéder à une mesure complémentaire, telle une mesure thermique de l’arbre A.i (par exemple une mesure de la température moyenne du feuillage F) ou une mesure par imagerie de tout ou partie de l’arbre A.i au moyen d’une caméra. Il peut s’agir ici d’une mesure par imagerie dans le visible (au moyen d’une caméra couleur ou non) ou dans l’invisible (par exemple au moyen d’un caméra infrarouge ou de toute autre caméra sensible à une longueur d’onde ou gamme de longueurs d’onde hors du domaine visible) permettant de dériver une mesure qualitative de tout ou partie de l’arbre et de son évolution au cours du temps. Des techniques d’imagerie peuvent ainsi être mises en œuvre afin de déterminer l’occurrence d’une modification notable de l’apparence et/ou de la posture de l’arbre A.i.
Le capteur 10F est quant à lui disposé à proximité de l’arbre A.i afin de procéder à une mesure de conditions environnementales subies par l’arbre, tels la force du vent, l’ensoleillement, la température ambiante, le niveau de précipitations, les impacts éventuels de foudre, le degré de pollution environnementale, etc..
Une mesure thermique ou environnementale permet au demeurant de détecter la possible occurrence d’un incendie affectant le spécimen concerné et/ou son environnement avoisinant, ce qui présente un intérêt aux fins de détecter par exemple la survenance de feux de forêts ou de broussailles.
Il est bien évidemment entendu que d’autres capteurs pourraient encore être prévus en complément ou remplacement des capteurs 10A à 10F susmentionnés.
Au moins une partie des capteurs peut adéquatement être montée sur une ceinture extensible placée autour du tronc du spécimen, résistante aux intempéries, au vol et au vandalisme. Certains capteurs peuvent par ailleurs prendre la forme de capteurs insérés directement dans le tronc de l’arbre, le cas échéant reliés à la ceinture extensible susmentionnée.
La Figure 6 est une illustration schématique d’un appareillage de mesure apte à être utilisé selon un mode de réalisation de l’invention. Cet appareillage de mesure comporte notamment une ceinture extensible C disposée autour du tronc T d’un arbre ainsi qu’un dispositif de mesure 15 au moins partiellement inséré dans le tronc T de l’arbre. La ceinture extensible C peut porter un capteur 10b (voire plusieurs) et/ou être couplée par une liaison filaire ou non filaire à un ou plusieurs capteurs déportés, tel un capteur 10c monté sur un branchage B ou un capteur 10d couplé au feuillage F de l’arbre. La ceinture extensible C peut par ailleurs porter d’autres composants nécessaires à la mise en œuvre des fonctionnalités requises, tels le dispositif récepteur courte-distance 20 et le dispositif transmetteur 50 discutés ci-après, et/ou tout autre composant, par exemple une source d’énergie 30 (batterie ou autre), un émetteur d’alerte sonore et/ou visuelle 40, etc.. Le dispositif de mesure 15 peut par exemple être inséré dans le tronc T à proximité de la ceinture extensible C et être relié à cette dernière au moyen d’une liaison filaire (comme illustré) ou non filaire.
Le dispositif de mesure 15 est illustré schématiquement dans la Figure 7. Il peut avantageusement prendre la forme d’une sonde ou vis essentiellement creuse 11 insérable au moins partiellement dans le tronc T et accueillant en son sein un ou plusieurs capteurs 10a. Cette sonde 11 peut être fermée à son extrémité extérieure par une tête 11 a obturant la sonde 11 afin de protéger les capteurs 10a de toute interférence environnementale et permettre leur maintenance. Le ou les capteurs 10a peuvent être reliés fonctionnellement à la ceinture extensible C au moyen d’une connexion filaire 15a afin d’assurer la transmission des données de mesure. La transmission des données de mesure provenant du ou des capteurs 10a pourrait alternativement être réalisée au moyen d’un liaison sans fil.
De multiples mesures statiques par capteurs (directes ou indirectes) peuvent être opérées, dont notamment la robustesse de l’arbre, la stabilité de l’assise racinaire, la stabilité du tronc (par exemple par suivi de l’inclinaison du tronc), la solidité du tronc aux endroits critiques (par exemple par tomographie embarquée), la résistance des branches charpentières (haubanage), la tension de l’haubanage, etc..
L’on comprendra que les mesures effectuées en rapport à chaque spécimen du patrimoine végétal peuvent être endogènes, à savoir se rapporter au spécimen A.i lui-même, ou exogènes, à savoir se rapporter à l’environnement dans lequel le spécimen A.i se trouve. Ainsi, l’on peut envisager en complément la prise en compte de données exogènes liées par exemple aux conditions ou prédictions météorologiques affectant ou susceptibles d’affecter l’environnement dans lequel se trouve le spécimen A.i.
De multiples mesures physiologiques par capteurs (directes ou indirectes) peuvent de même être opérées, dont notamment l’absorption racinaire, la circulation de sève brute et élaborée, la photosynthèse, l’évapotranspiration, la respiration, l’analyse de la sève, les réserves stockées, l’eau disponible dans le sol, etc..
Bien que non illustré, l’on comprendra que chaque spécimen A.i peut encore être équipé d’un système de localisation (par exemple GPS) permettant de déterminer la localisation du spécimen concerné, information susceptible d’être également communiquée à la centrale de collecte de données 100 en complément des données de mesure.
De plus, chaque spécimen peut également être équipé d’un système d’avertissement de danger susceptible d’émettre une alerte sonore et/ou visuelle en cas de survenance d’un danger ou autre risque identifié en rapport à l’état de santé du spécimen A.i et/ou en rapport à l’arrivée d’une menace, d’une tempête ou de tout autre danger pouvant affecter la population (par exemple un risque terroriste).
Enfin, l’on peut encore envisager d’équiper chaque spécimen d’un identifiant lisible par machine (tel un code QR ou tout autre codage adéquat), voire d’un système d’information dédié aux amateurs et/ou aux professionnels afin de fournir des informations descriptives propres à chaque spécimen (essence, âge, date d’implantation, historique, spécificités, etc.). Une application smartphone peut ainsi être prévue afin de lire un code QR associé à chaque spécimen et donner accès aux dites informations descriptives. Tout autre dispositif ou système d’information est envisageable.
La Figure 2 illustre par ailleurs la présence d’un dispositif transmetteur 50 associé ici à l’ensemble de capteurs susmentionné 10.i et configuré pour transmettre les données de mesure { DATAA } collectées localement par l’ensemble de capteurs 10.i à la centrale de collecte de données 100 précédemment mentionnée.
La transmission de données peut être effectuée de diverses manières. Le dispositif transmetteur 50 peut ainsi être un dispositif connecté (ou dispositif « loT ») capable de transmettre directement les données de mesure { DATAA }, préférablement de manière sécurisée, sur un réseau de données local ou étendu, tel Internet. Nombre de villes proposent en effet déjà une couverture Internet sans fil, accessible librement ou non, qui permettrait d’assurer la transmission des données de mesure { DATAAJ } directement sur Internet, étant entendu que la centrale de collecte de données 100 présenterait alors préférablement la forme d’un serveur matériel ou dématérialisé hébergeant les outils et services nécessaires à la collecte des données de l’ensemble du patrimoine arboré PV concerné. Les données de mesure { DATAPV } de l’ensemble du patrimoine arboré PV concerné pourraient ainsi être téléchargées automatiquement dans un cloud dédié hébergé sur un serveur accessible via Internet.
À défaut de disposer d’une couverture Internet sans fil adéquate, la transmission des données { DATAA } peut être opérée par le biais d’un réseau de téléphonie cellulaire ou tout autre réseau de transmission radio, auquel cas le dispositif transmetteur 50 sera alors configuré pour mettre en forme et transmettre les données de mesure { DATAA } sur la bande de fréquences radio attribuée ou mise à disposition à cette fin.
L’on comprendra également que le dispositif transmetteur 50 peut être relié directement à un réseau de communication filaire, que ce soit un réseau de fibre optique ou toute autre canal physique adéquat permettant d’assurer la transmission filaire de données.
Indépendamment de la nature particulière du dispositif transmetteur 50, il est préférable d’adopter une architecture comportant en outre un dispositif récepteur courte-distance 20 configuré pour recevoir les données de mesure d’un ou plusieurs capteurs parmi la pluralité de capteurs dédiés 10A-10F au moyen d’une liaison sans fil. À cet égard, la Figure 2 illustre à titre d’exemple que les capteurs 10B, 10D et 10E sont reliés directement au dispositif transmetteur 50, permettant ainsi la transmission directe des données de mesure au dispositif transmetteur 50, alors que les capteurs 10A, 10C et 10F sont des capteurs ne disposant pas d’une liaison directe avec le dispositif transmetteur 50. Chacun de ces capteurs 10A, 10C, 10F est en communication sans fil avec le dispositif récepteur courte-distance 20 afin de lui transmettre les données de mesure. L’on comprendra que cette liaison sans fil peut être assurée de toute manière adéquate, par exemple, mais pas exclusivement au moyen d’une liaison réseau sans fil locale (ou « WLAN ») établie selon un protocole Wi-Fi basé sur la norme IEEE 802.11. Bien que la Figure 2 montre le dispositif transmetteur 50 et le dispositif récepteur courte-distance 20 comme deux dispositifs distincts, l’on comprendra que les fonctions de chaque dispositif peuvent parfaitement être intégrées dans un seul et même dispositif émetteur-récepteur.
L’on peut de même envisager que l’un ou plusieurs des capteurs dédiés 10A-10F communique/-nt directement les données de mesure qui lui/leur sont propres à la centrale de collecte de données 100 (par exemple par le biais d’une connexion directe à un réseau étendu de données tel Internet, auquel cas l’on pourra parler de capteurs connectés ou capteurs loT), les fonctionnalités du dispositif transmetteur 50 étant alors intégrées à chaque capteur concerné. L’utilisation d’un dispositif transmetteur 50 commun à chaque ensemble de capteurs 10.i apparaît toutefois préférable en ce sens qu’une telle utilisation permet de transmettre les données de mesure { DATAA } propres à chaque arbre A.i sous la forme d’un même paquet de données, le cas échéant accompagné de données d’identification propres à l’arbre A.i concerné, incluant par exemple une indication de la typologie de l’arbre A.i (ornemental ou fruiter, essence, espèce, etc.) et/ou d’autres informations tels la localisation de l’arbre A.i, son âge, son implantation, etc..
Pour la mise en œuvre de l’invention, l’on privilégiera l’utilisation de capteurs low-cost, éprouvés, permettant une multiplication du nombre et une diversification des mesures effectuées sur chaque arbre, ainsi qu’un déploiement à grande échelle, sans toutefois compromettre l’investissement nécessaire à une telle implémentation. Ceci n’exclut toutefois pas l’utilisation de tout autre capteur susceptible de permettre une mesure directe ou indirecte d’un paramètre représentatif de l’état de santé du spécimen considéré ou susceptible d’affecter l’état de santé du spécimen considéré.
La Figure 3 est un diagramme schématique résumant les diverses étapes du procédé mis en œuvre au moyen du système de la Figure 1 et de chaque ensemble de capteurs, tel l’ensemble de capteurs 10. i de la Figure 2. Le procédé selon l’invention se décline pour l’essentiel en cinq étapes principales, à savoir : a) l’équipement (ou appareillage) de chaque spécimen A.i constituant le patrimoine végétal concerné PV au moyen d’un ensemble de capteurs 10.i permettant de mesurer plusieurs paramètres représentatifs de l’état de santé du spécimen A.i ou susceptibles d’affecter l’état de santé du spécimen A.i (comme discuté ci-dessus) ; b) la communication des données de mesure { DATAAJ } générées par chaque ensemble de capteurs 1O.i à la centrale de collecte de données 100 (selon l’une ou l’autre des modalités déjà discutées) ; c) la caractérisation de l’état de santé de chaque spécimen A.i au moyen des données de mesure { DATAPV } collectées par la centrale de collecte de données 100 afin de construire un modèle prédictif, désigné [HEALTHAJ], de la santé de chaque spécimen A.i ; d) l’évaluation de l’état de santé de chaque spécimen A.i sur la base du modèle prédictif [HEALTHAJ] de la santé du spécimen A.i ; et e) la génération d’une alerte si le modèle prédictif [HEALTHA ] de la santé du spécimen A.i est indicatif d’un danger ou autre risque lié à une dégradation de l’état de santé du spécimen A.i.
L’approche novatrice repose ainsi sur la caractérisation de l’état de santé de chaque spécimen de manière globale et « multisensorielle », plutôt que sur la base d’un unique paramètre de mesure ou d’un ensemble très réduit de paramètres de mesure. Il s’agit dans les faits de déterminer et mesurer les paramètres qui caractérisent un spécimen en bonne santé versus un sujet présentant une vitalité réduite, voire un risque pour la population ou son environnement immédiat. La caractérisation de l’état de santé de chaque spécimen qui est opérée selon l’invention doit donc être comprise comme reposant sur une analyse multi-paramètres permettant de caractériser la santé du spécimen concerné sous de multiples angles et en fonction de multiples variables. L’on parle ainsi communément d’une approche reposant sur la « fusion de données de capteurs » (ou « sensor fusion » en terminologie anglosaxonne) approche qui est usuellement appliquée dans l’industrie des machines ou dans l’aéronautique afin de prédire l’occurrence de défauts ou problèmes et/ou anticiper des opérations de maintenance.
Sachant la grande diversité des espèces d’arbres ou autres végétaux, des situations et expositions des sujets en ville ou en milieu rural, etc., l’efficacité d’une méthode statique ne peut être garantie. Il s’agit donc plutôt de décrire et caractériser une enveloppe normale de variation des divers indicateurs pertinents pour chaque spécimen, avant de déterminer les points de mesure se situant en- dehors d’une enveloppe de variabilité « normale » et pouvant constituer des indicateurs de santé et déclencheurs d’alertes.
Les diverses variables de mesure propres à chaque spécimen ou typologie de spécimen pourront notamment être décrites par des gaussiennes ou d’autres paramètres statistiques caractérisant une enveloppe de variation « normale » moyennant une phase initiale de calibrage ou d’apprentissage, ce qui peut nécessiter la mise en œuvre de techniques et algorithmes d’apprentissage machine (« machine learning »).
Selon une variante préférée, l’étape b) de communication des données de mesure est opérée en temps réel ou périodiquement, et l’étape c) de caractérisation de l’état de santé de chaque spécimen inclut la mise à jour en temps réel ou périodique du modèle prédictif [HEALTHA ] de la santé du spécimen A.i en fonction des données de mesure collectées. Dans ce contexte, les étapes d) et e) sont préférablement répétées dès lors que le modèle prédictif de la santé du spécimen concerné est mis à jour.
La Figure 4 est une représentation schématique d’un mode de mise en œuvre de l’étape d) du procédé de la Figure 3 selon une variante de réalisation préférée de l’invention. Comme illustré schématiquement dans la Figure 4, plutôt que d’évaluer l’état de santé de chaque spécimen A.i sur la base d’un ou plusieurs paramètres mesurées en le ou les comparant à des seuils de référence déterminés, l’on procède préférablement à une comparaison du modèle prédictif [HEALTHAJ] de la santé du spécimen A.i avec au moins un modèle de référence, désigné [HEALTHREF]. Ce modèle de référence [HEALTHREF] peut être un modèle de référence caractérisant un bon état de santé du spécimen A.i ou un modèle de référence caractérisant, a contrario, un mauvais état de santé du spécimen A.i (par exemple dû à une maladie, un parasite, ou autre pathologie). Ce modèle de référence [HEALTHREF] peut être construit sur la base d’un modèle prédictif antérieur [HEALTHA ] de la santé du spécimen A.i, jugé comme étant représentatif d’un bon état de santé, auquel cas la comparaison amène à déterminer les variations éventuelles de l’état de santé du spécimen A.i au cours du temps. Alternativement, le modèle de référence [HEALTHREF] peut être construit sur la base d’un modèle prédictif type de la santé d’un spécimen de même nature élaboré sur la base d’un modèle statistique tenant compte d’une population étendue de spécimens de même nature. Dans les faits, une comparaison peut être effectuée entre le modèle prédictif [HEALTHAJ], actualisé, du spécimen concerné, et une multitude de modèles de référence afin de déterminer si des divergences éventuelles sont révélées d’une manière statistiquement déterminante et prépondérante ou s’il s’agit simplement d’un artéfact susceptible d’être ignoré.
La Figure 5 est un diagramme schématique d’un mode de mise en œuvre de l’étape c) du procédé de la Figure 3 selon une variante de réalisation préférée de l’invention. Selon cette variante de réalisation préférée, l’étape de caractérisation de l’état de santé de chaque spécimen A.i, à savoir l’élaboration du modèle prédictif [HEALTHAJ], est opérée en tenant compte de la typologie, désignée TYPEAJ, propre à chaque spécimen A.i et des caractéristiques propres à la typologie TYPEA de chaque spécimen A.i. En effet, l’état de santé de tout végétal ne peut pas nécessairement être caractérisé par un même ensemble de paramètres ou de données de mesure. Chaque typologie de végétal peut ainsi conduire à la nécessité de construire un modèle prédictif de l’état de santé qui soit différent d’une typologie à une autre.
Plus spécifiquement, comme illustré schématiquement dans la Figure 5, l’on procède tout d’abord à la sélection de la typologie correspondant au spécimen concerné A.i parmi un ensemble prédéterminé de typologies désignées TYPEi, TYPE2, TYPE3, etc.. Sur la base de cette sélection, l’on procède ensuite à la sélection d’un modèle prédictif de base, désigné [HEALTHBASELINE], qui est prédéterminé pour la typologie sélectionnée TYPEAJ. Une fois cette opération effectuée, la caractérisation propre de l’état de santé du spécimen concerné A.i peut être opérée au moyen des données de mesure { DATAAJ } du spécimen concerné A.i. En d’autres termes, un modèle prédictif « type » est préalablement déterminé pour chaque typologie de spécimen concernée, et le modèle prédictif de chaque spécimen est construit à partir de ce modèle prédictif « type » et nourrit au moyen des données actuelles de mesure { DATAA } du spécimen concerné A.i.
L’on comprendra de manière générale que diverses modifications et/ou améliorations évidentes pour l’homme du métier peuvent être apportées aux modes de réalisation décrits dans la présente description sans sortir du cadre de l’invention défini par les revendications annexées.
En particulier, bien que les Figures 1 et 2 montrent un patrimoine arboré PV constitué de plusieurs arbres A.i, l’on comprendra à nouveau que l’invention est applicable à tout patrimoine végétal ligneux, voire herbacé, comprenant un ou plusieurs spécimens de végétaux.
De plus, le patrimoine végétal peut être constitué d’un ensemble de spécimens faisant partie d’une même essence de végétaux ou au contraire être constitué d’une mixité d’essences de végétaux.

Claims

REVENDICATIONS
1. Un procédé de suivi, de surveillance et de prédiction de la santé d’un patrimoine végétal (PV) comportant au moins un spécimen d’un végétal (A.1 , A.2, A.3, ... ), le procédé comprenant les étapes suivantes : a) équipement de chaque spécimen (A.i) constituant le patrimoine végétal (PV) au moyen d’un ensemble de capteurs (10.i, 10.1 , 10.2, 10.3, ... ) permettant de mesurer plusieurs paramètres représentatifs de l’état de santé du spécimen (A.i) ou susceptibles d’affecter l’état de santé du spécimen (A.i) ; b) communication des données de mesure ({ DATAAJ }) générées par chaque ensemble de capteurs (10.i) à une centrale de collecte de données (100) ; c) caractérisation de l’état de santé de chaque spécimen (A.i) au moyen des données de mesure ({ DATAPV }) collectées par la centrale de collecte de données (100) afin de construire un modèle prédictif ([HEALTHAJ]) de la santé de chaque spécimen (A.i) ; d) évaluation de l’état de santé de chaque spécimen (A.i) sur la base du modèle prédictif ([HEALTHA ]) de la santé du spécimen (A.i) ; et e) génération d’une alerte si le modèle prédictif ([HEALTHA ]) de la santé du spécimen (A.i) est indicatif d’un danger ou autre risque lié à une dégradation de l’état de santé du spécimen (A.i).
2. Le procédé selon la revendication 1 , caractérisé en ce que l’étape d) d’évaluation de l’état de santé de chaque spécimen (A.i) inclut la comparaison du modèle prédictif ([HEALTHAJ]) de la santé du spécimen (A.i) avec au moins un modèle de référence ([HEALTHREF]) caractérisant un bon état de santé du spécimen (A.i) ou un mauvais état de santé du spécimen (A.i).
3. Le procédé selon la revendication 1 ou 2, caractérisé en ce que l’étape c) de caractérisation de l’état de santé de chaque spécimen (A.i) est opérée en tenant compte de la typologie (TYPEAJ) propre à chaque spécimen (A.i) et des caractéristiques propres à la typologie (TYPEAJ) de chaque spécimen (A.i).
23
4. Le procédé selon la revendication 3, caractérisé en ce qu’un modèle prédictif de base ([HEALTHBASELINE]) est prédéterminé pour chaque typologie de spécimen (TYPEAJ) parmi une pluralité de typologies de spécimen (TYPEi, TYPE2, TYPE3I ... ), le modèle prédictif ([HEALTHAJ]) de la santé du spécimen (A.i) étant construit sur la base du modèle prédictif de base ([H EALTHBASELINE]) correspondant à la typologie (TYPEA ) du spécimen concerné (A.i) et des données de mesure ({ DATAAJ }) du spécimen concerné (A.i).
5. Le procédé selon l’une quelconque des revendications précédentes, caractérisé en ce que chaque ensemble de capteurs (10.i) est configuré pour procéder à plusieurs mesures sélectionnées parmi l’ensemble des mesures suivantes, à savoir une mesure de stress hydrique subi par le spécimen (A.i), une mesure de flux de sève circulant dans le tronc (T) du spécimen (A.i), une mesure d’intégrité structurelle du tronc (T) du spécimen (A.i), une mesure de la température du spécimen (A.i) et/ou de son environnement, une mesure par imagerie du spécimen (A.i) dans une longueur d’onde ou gamme de longueurs d’onde déterminée, une mesure de mouvement du spécimen (A.i), une mesure de contraintes mécaniques auxquelles est soumis le spécimen (A.i), une mesure de conditions environnementales subies par le spécimen (A.i), une mesure de conductivité électrique du spécimen (A.i), et une mesure des composantes gazeuses environnantes.
6. Le procédé selon l’une quelconque des revendications précédentes, caractérisé en ce que l’étape a) d’équipement de chaque spécimen (A.i) inclut : l’équipement d’une pluralité de capteurs dédiés (10A-10F) disposés sur ou à proximité du spécimen concerné (A.i) ; l’équipement d’un dispositif récepteur courte-distance (20) configuré pour recevoir les données de mesure d’un ou plusieurs capteurs (10A, 10C, 10F) parmi ladite pluralité de capteurs dédiés (10A-10F) au moyen d’une liaison sans fil ; et l’équipement d’un dispositif transmetteur (50) couplé audit dispositif récepteur courte-distance (20), et le cas échant directement à un ou plusieurs capteurs (10B, 10D, 10E) parmi ladite pluralité de capteurs dédiés (10A-10F), lequel dispositif transmetteur (50) est configuré pour communiquer les données de mesure collectées localement ({ DATAAJ }) à ladite centrale de collecte de données (100).
7. Le procédé selon l’une quelconque des revendications précédentes, caractérisé en ce que l’étape b) de communication des données de mesure ({ DATAA }) est opérée en temps réel ou périodiquement, en ce que l’étape c) de caractérisation de l’état de santé de chaque spécimen (A.i) inclut la mise à jour en temps réel ou périodique du modèle prédictif ([HEALTHAJ]) de la santé du spécimen (A.i) en fonction des données de mesure collectées ({ DATAPV }).
8. Le procédé selon la revendication 7, caractérisé en ce que les étapes d) et e) sont répétées dès lors que le modèle prédictif ([HEALTHAJ]) de la santé du spécimen concerné (A.i) est mis à jour.
9. Un système de suivi, de surveillance et de prédiction de la santé d’un patrimoine végétal (PV) pour la mise en œuvre du procédé selon l’une quelconque des revendications précédentes, comprenant : au moins un ensemble de capteurs (10. i, 10.1 , 10.2, 10.3, ... ) destiné à équiper chaque spécimen (A.i) constituant le patrimoine végétal (PV) ; une centrale de collecte de données (100) configurée pour collecter les données de mesure ({ DATAAJ }) générées par chaque ensemble de capteurs (10. i) et compiler un ensemble de données de mesure collectées ({ DATAPV }) relatives au patrimoine végétal (PV) ; et un dispositif transmetteur (50) associé à chaque ensemble de capteurs (10.i) et configuré pour assurer la communication des données de mesure ({ DATAAJ }) générées par l’ensemble de capteurs (10. i) à ladite centrale de collecte de données (100).
10. Le système selon la revendication 9, caractérisé en ce que les étapes c) à e) du procédé sont mises en œuvre par la centrale de collecte de données (100) ou au moyen d’un ou plusieurs systèmes de traitement de données ad hoc (100*) pouvant accéder aux données de mesure ({ DATAPV }) collectées par la centrale de collecte de données (100).
11. Le système selon la revendication 9 ou 10, caractérisé en ce que chaque ensemble de capteurs (10.i) comporte une pluralité de capteurs dédiés (10A-10F) disposés sur ou à proximité du spécimen concerné (A.i), et en ce que le système comporte en outre un dispositif récepteur courte- distance (20) associé à chaque ensemble de capteurs (10.i) et configuré pour recevoir les données de mesure d’un ou plusieurs capteurs (10A, 10C, 10F) parmi ladite pluralité de capteurs dédiés (10A-10F) au moyen d’une liaison sans fil, chaque dispositif transmetteur (50) étant configuré pour assurer la communication des données de mesure collectées localement ({ DATAA }) à ladite centrale de collecte de données (100).
12. Un appareillage de mesure apte à être en particulier utilisé dans le cadre du système selon l’une quelconque des revendications 9 à 11 , caractérisé en ce que ledit appareillage de mesure comporte une ceinture extensible (C) configurée afin de pouvoir être disposée autour du tronc (T) d’un spécimen (A.i) d’un végétal ligneux, ladite ceinture extensible (C) étant couplée par une liaison filaire ou non filaire à un capteur (10a-10d) et/ou portant au moins un capteur (10a-10d), lequel capteur (10a-10d) est apte à mesurer un paramètre représentatif de l’état de santé du spécimen (A.i) ou susceptible d’affecter l’état de santé du spécimen (A.i).
13. Un appareillage de mesure apte à être en particulier utilisé dans le cadre du système selon l’une quelconque des revendications 9 à 11 , caractérisé en ce que ledit appareillage de mesure comporte un dispositif de mesure (15)
26 insérable au moins partiellement à l’intérieur du tronc (T) d’un spécimen (A.i) d’un végétal ligneux, lequel dispositif de mesure (15) comporte au moins un capteur (10a) apte à mesurer un paramètre représentatif de l’état de santé du spécimen (A.i) ou susceptible d’affecter l’état de santé du spécimen (A.i).
14. Un appareillage de mesure apte à être en particulier utilisé dans le cadre du système selon l’une quelconque des revendications 9 à 11 , caractérisé en ce que ledit appareillage de mesure comporte un ou plusieurs capteurs (10c, 10d) disposé(s) au voisinage du spécimen (A.i), sur son feuillage (F), son branchage (B), ou ses ramifications végétales.
27
EP21769520.4A 2020-09-07 2021-09-06 Procédé et système de suivi, de surveillance et de prédiction de la santé d'un patrimoine végétal Pending EP4211457A1 (fr)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
CH01100/20A CH717816A1 (fr) 2020-09-07 2020-09-07 Procédé et système de suivi, de surveillance et de prédiction de la santé d'un patrimoine végétal.
PCT/IB2021/058090 WO2022049552A1 (fr) 2020-09-07 2021-09-06 Procédé et système de suivi, de surveillance et de prédiction de la santé d'un patrimoine végétal

Publications (1)

Publication Number Publication Date
EP4211457A1 true EP4211457A1 (fr) 2023-07-19

Family

ID=77726503

Family Applications (1)

Application Number Title Priority Date Filing Date
EP21769520.4A Pending EP4211457A1 (fr) 2020-09-07 2021-09-06 Procédé et système de suivi, de surveillance et de prédiction de la santé d'un patrimoine végétal

Country Status (3)

Country Link
EP (1) EP4211457A1 (fr)
CH (1) CH717816A1 (fr)
WO (1) WO2022049552A1 (fr)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP4356721A1 (fr) 2022-10-19 2024-04-24 Krebs Paysagistes SA Appareil de surveillance d'un état de santé d'un arbre
WO2024084424A1 (fr) 2022-10-19 2024-04-25 Krebs Paysagistes Sa Appareil de surveillance de l'état de santé d'un arbre

Family Cites Families (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CA2321525A1 (fr) * 1998-02-27 1999-09-02 Massachusetts Institute Of Technology Appareil d'imagerie d'une piece de bois ou d'un arbre par voie acoustique
JP3919015B2 (ja) 2004-08-11 2007-05-23 独立行政法人農業・食品産業技術総合研究機構 音響トモグラフィを用いた樹木内部の非破壊検査方法及び装置
CN103903400A (zh) 2014-04-10 2014-07-02 成都微英威诺环境监控设备有限公司 一种针对高危行道树的倾斜状态危险预警装置
KR101864284B1 (ko) * 2016-10-21 2018-07-04 주식회사 이콘비즈 나무병 발생 예찰 시스템 및 그 방법
EP3421988A1 (fr) 2017-06-29 2019-01-02 Domesens srl Dispositif et procédé de mesure en continu d'une ou de plusieurs staticités arborescentes
US20190059202A1 (en) * 2017-08-07 2019-02-28 Michael C. Lorek Artificial Intelligence System for In-Vivo, Real-Time Agriculture Optimization Driven by Low-Cost, Persistent Measurement of Plant-Light Interactions
KR102233454B1 (ko) * 2017-12-20 2021-03-29 주식회사 이콘비즈 수분 정보를 이용하여 나무병을 예찰하는 방법 및 시스템
CN208969721U (zh) 2018-10-10 2019-06-11 重庆和贯科技有限公司 一种基于物联网的古树名木管理系统
KR101996404B1 (ko) * 2019-04-17 2019-07-04 (주)푸름바이오 휴대형 및 설치형 수목 관리 장치

Also Published As

Publication number Publication date
WO2022049552A1 (fr) 2022-03-10
CH717816A1 (fr) 2022-03-15
WO2022049552A8 (fr) 2022-08-04

Similar Documents

Publication Publication Date Title
US10838936B2 (en) Computer-implemented methods, computer readable medium and systems for generating an orchard data model for a precision agriculture platform
US11812684B2 (en) Computer-implemented methods, computer readable medium and systems for a precision agriculture platform that detects healthy conditions
WO2022049552A1 (fr) Procédé et système de suivi, de surveillance et de prédiction de la santé d'un patrimoine végétal
US20210209705A1 (en) System and Method for Managing and Operating an Agricultural-Origin-Product Manufacturing Supply Chain
US10748081B2 (en) Computer-implemented methods, computer readable medium and systems for a precision agriculture platform that identifies generic anomalies in crops
US20200117897A1 (en) Adaptive Artificial Intelligence Training Data Acquisition and Plant Monitoring System
Cola et al. Description and testing of a weather-based model for predicting phenology, canopy development and source–sink balance in Vitis vinifera L. cv. Barbera
US10395355B2 (en) Computer-implemented methods, computer readable medium and systems for a precision agriculture platform
Gaddam et al. Designing a wireless sensors network for monitoring and predicting droughts
US10410334B2 (en) Computer-implemented methods, computer readable medium and systems for a precision agriculture platform with a satellite data model
Sakowska et al. Remote Sensing of Grassland Biophysical Parameters in the Context of the Sentinel‐2 Satellite Mission
Phillips et al. Integrated sensing of soil moisture at the field-scale: Measuring, modeling and sharing for improved agricultural decision support
US10943173B2 (en) Computer-implemented methods, computer readable medium and systems for generating a satellite data model for a precision agriculture platform
Cooley et al. Assessing regional drought impacts on vegetation and evapotranspiration: a case study in Guanacaste, Costa Rica
EP2344759A1 (fr) Systeme et procede de comptage et d'analyse d'impacts d'animaux sur une pale d'eolienne
KR101864284B1 (ko) 나무병 발생 예찰 시스템 및 그 방법
US7587297B2 (en) Computerized system for targeted horticultural advertising
US20220309595A1 (en) System and Method for Managing and Operating an Agricultural-Origin-Product Manufacturing Supply Chain
Schull et al. Thermal-based modeling of coupled carbon, water, and energy fluxes using nominal light use efficiencies constrained by leaf chlorophyll observations
FR3036578A1 (fr) Systeme de gestion multi-serres
Sadinski et al. Multi-year data from satellite-and ground-based sensors show details and scale matter in assessing climate’s effects on wetland surface water, amphibians, and landscape conditions
EP3973769A1 (fr) Serre connectée intelligente, procédé de gestion et de maintenance d'une telle serre et système associé
Svotwa et al. Remote sensing applications in tobacco yield estimation and the recommended research in Zimbabwe
US20170270817A1 (en) Plant Growth Advisor Device and System
Daniels et al. Optimizing substrate moisture measurements in containerized nurseries

Legal Events

Date Code Title Description
STAA Information on the status of an ep patent application or granted ep patent

Free format text: STATUS: UNKNOWN

STAA Information on the status of an ep patent application or granted ep patent

Free format text: STATUS: THE INTERNATIONAL PUBLICATION HAS BEEN MADE

PUAI Public reference made under article 153(3) epc to a published international application that has entered the european phase

Free format text: ORIGINAL CODE: 0009012

STAA Information on the status of an ep patent application or granted ep patent

Free format text: STATUS: REQUEST FOR EXAMINATION WAS MADE

17P Request for examination filed

Effective date: 20230328

AK Designated contracting states

Kind code of ref document: A1

Designated state(s): AL AT BE BG CH CY CZ DE DK EE ES FI FR GB GR HR HU IE IS IT LI LT LU LV MC MK MT NL NO PL PT RO RS SE SI SK SM TR

DAV Request for validation of the european patent (deleted)
DAX Request for extension of the european patent (deleted)
STAA Information on the status of an ep patent application or granted ep patent

Free format text: STATUS: EXAMINATION IS IN PROGRESS

17Q First examination report despatched

Effective date: 20240322