La semaine dernière, nous vous parlions des fraises rouges ou blanches d’Ezor Tekuma, nous restons un peu dans la même veine pour vous parler d’une autre production israélienne : les tomates. Et c’est une méthode pionnière pour déterminer si les tomates sont prêtes à être récoltées que nous allons vos présenter. Des chercheurs de l’Université hébraïque de Jérusalem ont récemment développé un modèle d’apprentissage automatique permettant d’évaluer la qualité des tomates avant la récolte. Cette méthode innovante pourrait faciliter la récolte des tomates tout en la rendant plus économique et plus durable.
Les chercheurs expliquent que la tomate est « l’une des cultures les plus importantes au monde, avec une valeur économique et nutritionnelle significative ». En 2020, la production mondiale brute de tomates s’élevait à 189 millions de tonnes. Riche sur le plan nutritionnel, la tomate contient des sucres, des acides organiques, du lycopène et de l’acide ascorbique (vitamine C). Elle pourrait également contribuer à réduire les risques de certains cancers, de maladies cardiovasculaires et de dégénérescence maculaire liée à l’âge.
Les méthodes traditionnelles d’évaluation de la qualité des cultures de tomates ne s’effectuaient qu’après la récolte et présentaient de nombreuses limites.
Les chercheurs de l’Université Hébraïque de Jérusalem, en collaboration avec ceux de l’Université Bar-Ilan et de l’Organisation de recherche agricole du Volcani Center, ont utilisé l’imagerie hyperspectrale pour développer un modèle d’apprentissage automatique permettant d’évaluer la qualité des tomates avant leur récolte. L’imagerie hyperspectrale repose sur l’analyse de bandes spectrales spécifiques – différentes longueurs d’onde de la lumière – pour étudier les propriétés des objets en fonction de leur manière de refléter la lumière. Les scientifiques ont utilisé une caméra hyperspectrale portative pour collecter des données sur 567 tomates issues de cinq cultivars différents. Ils ont ensuite appliqué des algorithmes d’apprentissage automatique afin de prédire sept paramètres critiques de qualité des tomates : le poids, la fermeté, les solides solubles totaux, l’acide citrique, l’acide ascorbique, le lycopène et le pH. Le modèle a démontré une grande précision dans ses prédictions, comblant ainsi le fossé entre les technologies d’imagerie avancées, l’intelligence artificielle et les applications agricoles concrètes.
Les chercheurs estiment que cette étude ouvre la voie à l’intégration de cette méthode dans les pratiques agricoles afin d’évaluer la qualité des produits lors des différentes étapes de maturation et d’optimiser ainsi le moment de la récolte. Cette approche pourrait également être utilisée dans les supermarchés pour contrôler la qualité des tomates plus tard dans la chaîne d’approvisionnement.
Jean-François Strouf
L'espace des commentaires est ouvert aux inscrits.
Connectez-vous ou créez un compte pour pouvoir commenter cet article.