L. Bardon . – Une nouvelle recherche utilisant l’apprentissage machine et permettant de prédire la croissance et la santé des racines grâce à l’imagerie de surface était publiée le 14 juin dans Plant Methods. Grâce à cette technologie, les phytogénéticiens peuvent maintenant réagir immédiatement, en appliquant des engrais si un nutriment particulier manque, ou de l’eau. Les données permettent également aux scientifiques de découvrir rapidement quelles sont les cultures les plus résistantes aux chocs climatiques, afin de pouvoir conseiller aux agriculteurs de cultiver des variétés plus résistantes à la sécheresse ou à la chaleur.
Les recherches technologiques visant à révolutionner l’une des plus anciennes et des plus grandes occupations de la planètese concentrent sur l’imitation et le dépassent de pouvoirs extraordinaires de deux parties du corps humain :
- la main, capable d’utiliser une pince à épiler ou de tenir un bébé, d’attraper ou de lancer un ballon de football, de couper de la laitue ou de cueillir une fraise mûre avec son calice intact
- et l’œil, qui est de plus en plus sollicité par une puissante combinaison d’informatique dématérialisée, d’imagerie numérique et d’apprentissage machine.
Le terme « ag tech » a été inventé lors d’une conférence à Salinas il y a près de 15 ans ; les promoteurs ont promis une vague de gadgets et de logiciels qui remodeleraient l’industrie agricole pendant au moins cette période. Et bien que les jeunes pousses de l’ag tech aient eu tendance à trouver plus facilement des investisseurs que des clients, il se peut que les promoteurs soient enfin sur la bonne voie.
Même de près, toutes sortes de facteurs peuvent fausser la « vision » des ordinateurs qui alimentent les systèmes automatisés comme ceux qu’utilise FarmWise. Il est difficile pour un ordinateur de dire, par exemple, si une tache contiguë de feuilles de laitue verte représente un seul plant sain ou un « double », où deux graines ont germé l’une à côté de l’autre et vont donc retarder la croissance de l’autre. Les champs agricoles sont lumineux, chauds et poussiéreux : des conditions qui ne sont guère idéales pour assurer le bon fonctionnement des ordinateurs. Une roue se coince dans la boue et modifie temporairement le sens de la distance de l’algorithme : les pneus de gauche ont maintenant tourné d’un quart de tour de plus que les pneus de droite.
D’autant que le numérique fait face à ses propres défis. Pour les satellites, il faut faire face à la couverture nuageuse ; pour les drones et les avions, au vent et aux vibrations des moteurs qui les maintiennent en altitude. Dans les trois cas, les logiciels de reconnaissance d’images doivent tenir compte de l’apparence changeante des mêmes champs à différents moments de la journée, au fur et à mesure que le soleil se déplace dans le ciel. Et il y a toujours un compromis entre la résolution et le prix. Les agriculteurs doivent payer pour des drones, des avions ou toute autre machine de terrain. L’imagerie satellitaire, qui a toujours été produite, payée et partagée librement par les agences spatiales publiques, s’est limitée à des images peu fréquentes à résolution grossière.
Depuis, la Silicon Valley a vu naître une multitude de jeunes entreprises financées par des fonds de capital-risque dont les services d’analyse et de prévision s’appuient sur des outils capables de recueillir et de traiter des informations de manière autonome ou à distance : non seulement des images, mais aussi des éléments tels que des capteurs de sol et des sondes d’humidité.
L’agriculture peut être considérée comme une protection permanente contre les incertitudes qui affectent les résultats financiers : le temps, les maladies, la dose optimale et le moment de l’application des engrais, des pesticides et de l’irrigation, et les énormes fluctuations des prix. Chacun de ces facteurs est à l’origine de milliers de décisions progressives au cours d’une saison – des décisions basées sur de longues années d’essais et d’erreurs, d’intuition et d’expertise durement acquise.
La détection numérique est une forme de mesure par procuration : un moyen de traduire des tranches du spectre électromagnétique en compréhension des processus biologiques qui affectent les plantes. La réflectance infrarouge thermique est en corrélation avec la température de la surface terrestre, qui est en corrélation avec l’humidité du sol et, par conséquent, la quantité d’eau disponible pour les racines des plantes. La mesure des ondes réfléchies de lumière verte, rouge et proche infrarouge est une façon d’estimer la couverture du couvert végétal, ce qui aide les chercheurs à suivre l’évapotranspiration, c’est-à-dire la quantité d’eau qui s’évapore par les feuilles d’une plante, un processus qui a des liens évidents avec la santé des plantes.
L’amélioration de ces chaînes d’extrapolation est un appel et une réponse entre les données générées par les nouvelles générations de capteurs et les modèles logiciels qui nous aident à les comprendre. L’explosion de l’intérêt pour les technologies agricoles est en partie due à la disponibilité de quantités de données sans précédent. Pour la première fois, la technologie peut fournir des instantanés de chaque couronne de brocoli sur une parcelle de 1 000 acres et montrer quels champs sont les plus susceptibles de voir les incursions des cerfs et des sangliers qui vivent dans les collines au-dessus de la vallée de Salinas.
La suite ici (Rowan Moore Gerety)
