L’agriculture adopte l’intelligence artificielle

Nov 03, 2023

L’intelligence artificielle utilise des quantités de données pour améliorer l’efficacité.

Les Barbes Grises se souviennent peut-être du frisson qu'ils ont ressenti lorsque les calculs mathématiques chargés au crayon ont fait avancer la vitesse de distorsion dans l'ère des calculatrices.

De nos jours, l’intelligence artificielle (IA) promet d’apporter à l’agriculture la même chaleur qu’elle a apporté aux cours de mathématiques il y a plusieurs décennies. L'intelligence artificielle est une technologie qui comprend plusieurs sous-ensembles tels que l'apprentissage automatique, explique Rania Khalaf, directrice de l'information et des données d'Inari.

"L'apprentissage automatique permet aux ordinateurs de prédire mathématiquement les résultats ou d'effectuer des classifications en trouvant des modèles dans de grandes quantités de données", explique-t-elle. "Il apprend ensuite à mettre à jour ces modèles ou classifications au fil du temps, à mesure qu'il détecte de nouvelles données."

"Le plus grand avantage de l'intelligence artificielle est la capacité d'effectuer des calculs complexes à grande vitesse qui nécessitaient auparavant un être humain", ajoute Kent Klemme, directeur général de See & Spray pour Blue River Technology. "Les récentes améliorations apportées aux GPU [unités de traitement graphique] ont fourni la puissance de calcul nécessaire pour rendre cela possible. Il faut beaucoup de données pour cibler des problèmes spécifiques."

La technologie See & Spray Ultimate, optimisée par l'apprentissage automatique, permet aux pulvérisateurs de cibler uniquement les mauvaises herbes lors de la pulvérisation entre les cultures. "Nous avons pris des milliers et des milliers d'images de différentes mauvaises herbes dans différentes cultures dans différentes situations telles que un ciel clair, un ciel nuageux, un ciel sombre, différents sols et différents niveaux de résidus", explique Klemme.

Les data scientists de Blue River et John Deere entraînent ensuite le système See & Spray Ultimate à reconnaître les plantes dans une myriade de conditions. Ces images sont triées grâce à des algorithmes qui impliquent la répétition d’une ou plusieurs opérations mathématiques. Les algorithmes sont souvent implémentés et résolus sur des ordinateurs.

Les pulvérisateurs Patriot de la série 50 de Case IH utilisent une forme d'apprentissage automatique appelée guidage visuel.

« Il s'agit d'une solution de guidage dans les rangs qui génère une commande de direction basée sur l'emplacement de l'usine », explique Chris Dempsey, directeur mondial des technologies de précision chez Case IH.

Le guidage visuel utilise une caméra embarquée qui transmet l'emplacement du plant de maïs au pulvérisateur afin qu'il reste sur le rang plutôt que de passer sur les plants de culture, ajoute-t-il.

L’intelligence artificielle est un vaste domaine qui comprend de nombreux sous-ensembles, comme l’apprentissage automatique. Fondamentalement, cependant, il utilise des quantités de données pour améliorer l’efficacité, explique Dempsey.

"Le plus grand obstacle auquel l'ensemble du secteur agricole est confronté en matière d'agriculture numérique est de transformer des ensembles de données volumineux et complexes en informations significatives", explique Ashwin Madgavkar, fondateur de Ceres Imaging. "L'IA peut vraiment aider à combler cet écart en synthétisant toutes ces données en actions qu'un producteur peut entreprendre."

Son utilisation est de plus en plus utilisée en sélection végétale.

"Nous étudions toutes sortes de nouvelles technologies, qu'il s'agisse de l'apprentissage automatique ou de modèles analytiques avancés pour prédire les performances des hybrides", déclare Mike Popelka, responsable des sélectionneurs de produits hybrides d'AgReliant Genetics. "L'industrie [de la sélection végétale] s'oriente davantage vers ces modèles."

L’utilisation de l’IA est également couramment utilisée dans de nombreuses lignes de machines. Case IH utilise l'apprentissage automatique via 16 capteurs qui ajustent son système AFS Harvest Command.

"Augmenter le débit tout en réduisant les pertes [de grains] se fait désormais automatiquement", explique Dempsey. "Historiquement, les opérateurs de moissonneuses-batteuses devaient procéder à des ajustements de tamis s'ils avaient trop d'épis ou de matières étrangères dans un échantillon de grain."

L’apprentissage automatique le fait désormais automatiquement.

"Les capteurs indiquent à la moissonneuse-batteuse qu'elle doit arrêter un tamis inférieur ou augmenter la vitesse du ventilateur ou du rotor", explique-t-il. "Ces ajustements sont basés sur la connaissance de l'apparence des matières étrangères ou de la mauvaise qualité des grains dans une base de données connue d'un type de culture donné. Il s'agit essentiellement d'une base de données d'images montrant les bons [grains de qualité] et les mauvais."

John Deere utilise également l'apprentissage automatique dans sa fonction de maintenance automatique sur les moissonneuses-batteuses des séries S700 et X9 pour maintenir des performances ciblées en matière de perte de grain et de qualité du grain.