Les industries agricoles et alimentaires sont en passe d’être rapidement dominées par l’intelligence artificielle (IA). Ce secteur est en permanence impacté par la technologie, en l’espace d’une cinquantaine d’années il a été totalement modifié.
Comment l’intelligence artificielle est utilisée dans l’agriculture ?
Dans l’analyse des cultures avec la vision par ordinateur
Il faut beaucoup de terres pour nourrir des milliards de personnes. De nos jours, la culture manuelle n’est plus possible. En même temps, les mauvaises récoltes sont fréquemment causées par des infestations de parasites et des maladies des plantes. Ces invasions sont difficiles à repérer et à arrêter dans l’œuf, étant donné l’ampleur des opérations agricoles modernes.
Cela ajoute une nouvelle application pour les techniques de vision par ordinateur. Les cultivateurs utilisent la photographie aérienne pour identifier les indicateurs précoces de maladies ou de parasites des plantes au niveau macro et les photographies en gros plan des feuilles et des plantes au niveau micro pour identifier les maladies des cultures.
Veuillez noter que nous utilisons le terme « vision par ordinateur » de manière assez large. Les images ne sont souvent pas les sources d’information les plus fiables. La meilleure méthode pour étudier de nombreux aspects importants de la vie des plantes consiste à utiliser d’autres moyens. Il est souvent possible de recueillir des images hyperspectrales à l’aide de capteurs spécialisés ou d’effectuer un balayage laser 3D pour mieux comprendre la santé des plantes. En agronomie, ces techniques sont de plus en plus appliquées. Ayant généralement une haute résolution, ce type de données est plus comparable à l’imagerie médicale qu’aux photos. AgMRI est le nom de l’un des systèmes de surveillance des champs.
La recherche sur le phénotypage des plantes et l’imagerie est largement subventionnée.. La tâche principale consiste à rassembler des ensembles de données importants sur les cultures (souvent sous forme de photos ou d’images 3D) et à comparer les informations phénotypiques avec le génotype des plantes. Les résultats et les informations obtenus peuvent être appliqués pour faire progresser les technologies agricoles mondiales.
L’utilisation de la robotique dans l’agriculture
Prospero (par exemple) et d’autres robots agricoles autonomes ont la capacité de creuser des trous dans le sol et de planter des graines tout en respectant les modèles de base établis et en tenant compte des caractéristiques uniques de la zone. Les robots sont également capables de gérer le processus de croissance et d’interagir avec chaque plante séparément. Les robots récolteront au moment opportun, en traitant une fois de plus chaque plante exactement comme il se doit. L’agriculture en essaim est la base de Prospero. Imaginez une horde de petits Prospero rampant sur les cultures, laissant derrière eux des rangées de végétation bien rangées et régulières. Il est intéressant de noter que Prospero est apparu en 2011, avant que la révolution actuelle du deep learning n’atteigne son apogée.
Aujourd’hui, il est possible d’automatiser un nombre croissant d’opérations ordinaires dans l’agriculture grâce à l’utilisation de plus en plus répandue des robots :
Un drone pulvérise les cultures automatiquement. Les drones, qui sont petits et agiles, peuvent délivrer des substances dangereuses avec plus de précision que les gros avions. En outre, les photographies aériennes prises par les drones pulvérisateurs peuvent être utilisées pour collecter des données destinées aux algorithmes de vision par ordinateur mentionnés au début de cet article.
Des robots conçus spécifiquement pour la récolte sont créés et déployés de plus en plus.
Les moissonneuses-batteuses sont utilisées depuis longtemps. Pourtant, ce n’est que récemment que l’on a pu créer, par exemple, un robot qui sélectionne les fraises grâce aux progrès de la vision par ordinateur et de la robotique.
Les mauvaises herbes individuelles peuvent être reconnues et retirées mécaniquement par des robots comme Hortibot. Il s’agit là d’une autre réalisation fantastique de la robotique contemporaine et de la vision par ordinateur, car il était auparavant impossible de distinguer les mauvaises herbes des plantes bénéfiques et d’employer des manipulateurs pour interagir avec les petites plantes.
Il est déjà évident que le machine learning, l’IA et la robotique peuvent fonctionner correctement dans l’agriculture, même si de nombreux robots agricoles sont encore des prototypes ou ne sont testés qu’à petite échelle. On peut supposer que, dans un avenir proche, une part croissante de l’activité agricole sera mécanisée.
L’intelligence artificielle et l’entretien des animaux de ferme
De nombreuses autres applications de l’IA dans l’agriculture sont en cours de développement. Par exemple, un projet pilote de Neuromation applique la vision par ordinateur au secteur de l’élevage, un domaine qui n’a pas encore suscité un grand intérêt de la part de la communauté du deep learning.
Bien sûr, il y a eu des initiatives visant à exploiter les données de suivi du bétail pour le machine learning. Par exemple, l’entreprise pakistanaise Cowlar a présenté un collier au slogan accrocheur « FitBit for Cows » qui surveille sans fil l’activité et la température des vaches. Des chercheurs français travaillent sur une technologie de reconnaissance faciale pour les vaches.
Il existe également des initiatives visant à utiliser la vision par ordinateur dans l’élevage de porcs, un secteur jusqu’ici sous-utilisé dont la valeur marchande se chiffre en centaines de milliards de dollars. Dans les exploitations modernes, les porcs sont logés en groupes relativement petits, où l’on choisit les animaux les plus comparables. La nourriture est la principale dépense dans la production porcine, et l’objectif majeur de la production porcine contemporaine est donc de maximiser le processus d’engraissement.
Si les éleveurs avaient une connaissance approfondie de la prise de poids des porcs, ils pourraient être en mesure de résoudre ce problème. Hors les animaux ne sont généralement pesés que deux fois au cours de leur vie : au début et à la fin de l’engraissement. Les experts pourraient concevoir un régime d’engraissement unique pour chaque porc et même un mélange unique d’additifs alimentaires s’ils savaient comment chaque porcelet prend du poids. Cela permettrait d’augmenter considérablement la production. Bien que conduire les animaux sur des balances ne soit pas particulièrement difficile, cela leur cause beaucoup de stress, et les porcs stressés perdent du poids. La nouvelle recherche en IA vise à créer une nouvelle approche non intrusive de la pesée des animaux. Le poids des porcs sera déduit des données photo et vidéo par Neuromation à l’aide d’un modèle de vision par ordinateur. Ces estimations seront intégrées aux modèles de machine learning traditionnels et analytiques existants afin d’améliorer le processus d’engraissement.
La frontière de l’intelligence artificielle dans l’agriculture
L’agriculture et l’élevage sont parfois considérés comme des professions dépassées. Aujourd’hui, cependant, l’intelligence artificielle commence à accorder une place plus importante à l’agriculture.
La cause première en est que de nombreuses tâches se déroulent en même temps dans l’agriculture :
Elles sont si complexes que le deep learning et l’intelligence artificielle contemporaine doivent être utilisés afin de les automatiser. Chaque buisson de tomates et chaque cochon requiert une méthode unique. Ainsi, jusqu’à très récemment, l’intervention humaine était absolument nécessaire.
C’est assez simple pour que nous puissions résoudre les problèmes en utilisant les développements actuels de l’intelligence artificielle tout en automatisant les technologies permettant d’interagir avec les plantes et les animaux et de prendre en compte leurs caractéristiques uniques. Peser un porc est plus simple que d’apprendre à passer le test de Turing, et conduire un tracteur dans un grand champ est plus simple que de conduire une voiture dans un trafic dense.
Étant donné que l’agriculture reste l’une des activités les plus importantes et les plus significatives au monde, même une petite amélioration de l’efficacité se traduira par des gains significatifs.
L’intelligence artificielle est en passe de révolutionner la majorité des secteurs. On parle souvent de la manière dont les outils IA ont modifié les métiers du tertiaire, mais pas assez de comment ils vont changer l’agriculture. Pourtant les enjeux sont énormes, et assez importants.
