Imaginez une ferme dans laquelle chaque plante reçoit une attention personnalisée de la part de robots autonomes qui fournissent l’équilibre exact de nutriments au stade critique de la croissance et appliquent la quantité exacte d’herbicide ou de pesticide à la mauvaise herbe ou à l’insecte qui pose problème. C’est l’agriculture de précision, et c’est ce qui se passe aujourd’hui.
L’agriculture de précision nécessite un ensemble de technologies – capteurs, connectivité à haut débit, intelligence artificielle et automatisation – qui doivent fonctionner ensemble. Elle fait avancer la révolution de l’agriculture autonome avec pour objectif de maximiser les rendements et la rentabilité des cultures tout en minimisant l’impact environnemental.
Lors d’une session principale du récent Green Engineering Summit, Yulin Wang, analyste technologique chez IDTechEx, a expliqué comment l’agriculture de précision rend l’agriculture plus durable et a discuté des opportunités et des défis de la robotique agricole.
Détecter l’environnement
Il n’y a pas si longtemps, les agriculteurs devaient se fier à l’imagerie satellitaire et aérienne ou à d’autres systèmes de cartographie pour suivre les conditions dans leurs zones de culture. En agriculture, cependant, il est essentiel de prendre des décisions éclairées en temps voulu. Si les agriculteurs manquent le moment idéal pour planter ou cultiver dans leur zone géographique, le résultat est une baisse du rendement des cultures.
Les réseaux de capteurs sans fil (WSN : Wireless sensor network) sont désormais utilisés pour collecter une grande variété d’informations environnementales, notamment l’intensité lumineuse et le spectre de la lumière incidente. Les capteurs peuvent également détecter les variations climatiques (par exemple, la température de l’air, les niveaux d’humidité, les niveaux de dioxyde de carbone et la vitesse de l’air), le phénotype des plantes (par exemple, la couleur des feuilles, la masse et la taille des plantes) et l’apport en nutriments (par exemple, le niveau de pH et la concentration en nutriments).
Une fois que suffisamment de données ont été collectées et transférées, « nous utilisons des systèmes logiciels tels que l’apprentissage automatique, le traitement d’images et les techniques d’IA pour analyser les données d’entrée afin de déterminer la température optimale, l’intensité lumineuse, l’apport en nutriments et si les cultures ont besoin d’une gestion des mauvaises herbes, entre autres », a déclaré Wang.
Tirer profit de l’IA
L’agriculture est extrêmement variable et imprévisible. Les conditions météorologiques sont une cible mouvante, et il peut y avoir trois ou quatre types de sol dans un seul champ. L’IA commence à tenir sa promesse d’apporter une réelle valeur ajoutée, grâce aux progrès récents des algorithmes de reconnaissance des formes et à l’augmentation des ressources informatiques.
« Les algorithmes d’IA apprennent à prendre des décisions en étant entraînés sur des données, qui peuvent provenir de n’importe quelle source », note Wang. « Ces données doivent contenir suffisamment d’informations sur le résultat attendu. De meilleures données conduisent à de meilleurs résultats, ce qui signifie que les données doivent être précises, disponibles aux fréquences et aux niveaux de granularité requis, et diverses. Les performances des algorithmes d’IA sont toujours aussi bonnes que la qualité des données utilisées pour les entraîner. »
L’IA peut être utilisée en agriculture pour améliorer la gestion et la productivité des cultures en classant rapidement les espèces, en identifiant les maladies des plantes, en détectant efficacement les mauvaises herbes, en prédisant les rendements et en surveillant la qualité des cultures.
Désherbage
L’une des principales applications de l’IA en robotique agricole est le désherbage intelligent, dans lequel le robot peut distinguer les mauvaises herbes des cultures et détruire sélectivement les mauvaises herbes. Cela permet un désherbage intra-rang ou une pulvérisation ponctuelle, ce qui ne peut être accompli avec la technologie agricole conventionnelle.
L’IA pour la reconnaissance des mauvaises herbes utilise généralement des algorithmes d’apprentissage profond formés sur de grands ensembles de données, ainsi que des caméras RVB utilisées pour l’imagerie. Les grands ensembles de données nécessaires peuvent rendre le partage des données des exploitations agricoles nécessaire pour améliorer les algorithmes, a déclaré Wang.
Automatiser les tâches agricoles
Selon IDTechEx, le marché des robots agricoles devrait tripler d’ici 2025, les tracteurs autonomes connaissant la croissance la plus rapide et les robots de désherbage et de semis la deuxième plus importante. Les robots de récolte, en revanche, sont peu adoptés.
Les progrès récents de l’IA, de la vision par ordinateur et des technologies de positionnement ont débloqué la valeur des robots agricoles et accéléré leur développement et leur adoption. Les principaux fournisseurs d’équipements tels que John Deere, AGCO et Kubota ont lancé des tracteurs autonomes, tandis que des startups ont développé des robots orientés vers les tâches. Par exemple, la start-up française Naïo Technologies a commercialisé Ted, un robot viticole qui désherbe les parcelles de vigne sans assistance, tandis que la société américaine TerraClear vise à améliorer la productivité des agriculteurs en automatisant le déblaiement des roches de bout en bout.
Parmi toutes les applications de la robotique agricole, les drones agricoles commencent à trouver une application répandue pour l’imagerie et la pulvérisation, bien que les réglementations continuent à limiter leur utilisation dans certaines parties du monde et que l’autonomie des tâches reste quelque peu limitée.
Les exploitations agricoles entièrement autonomes ne sont qu’à l’horizon. Les États-Unis et l’Europe sont à la pointe du développement des robots, mais de nombreux défis restent à relever.
Défis techniques
La plupart des applications robotiques agricoles ont atteint un niveau de préparation technologique de 8 ou 9 et sont en cours de commercialisation. La seule application qui n’a pas atteint ce niveau de préparation est la récolte robotisée des fruits et légumes frais.
M. Wang a souligné trois contraintes techniques. Premièrement, les fruits et légumes sont délicats et la force de la cueillette ou de la récolte doit être contrôlée avec précision. Deuxièmement, il est extrêmement difficile pour la vision artificielle de déterminer si les fruits sont suffisamment mûrs. Troisièmement, des tâches telles que l’identification des fruits, la planification de la trajectoire, le fonctionnement intégré de la bande transporteuse et le contrôle de la force des pinces doivent fonctionner harmonieusement, ce qui complique les systèmes de contrôle.
À cela, Wang a ajouté deux contraintes commerciales. La première est d’ordre économique. « Pour obtenir une fiabilité technique et une robustesse élevées, il faut un certain nombre de capteurs et de contrôleurs, ce qui augmente le coût de l’ensemble du système et réduit son accessibilité. De plus, la récolte n’a pas lieu tous les jours – vous devez peut-être faire la récolte une ou deux fois par an – de sorte que les moissonneuses robotisées ne sont pas nécessaires tout au long de l’année, et compte tenu des coûts élevés, les moissonneuses robotisées entraîneront un délai de récupération élevé et un long retour sur investissement. »
La seconde est l’efficacité. Certains robots de récolte ne peuvent tout simplement pas fonctionner aussi rapidement et efficacement que les opérateurs humains.
Inégalité de connectivité
L’adoption d’équipements agricoles autonomes dépend largement de la large disponibilité d’une connectivité sans fil sécurisée et fiable. Pour l’agriculture de terrain à courte portée, l’agriculture verticale et les serres numériques, les options de connectivité typiques comprennent le Wi-Fi, le Bluetooth, le Zigbee et le Z-Wave. Pour l’agriculture de terrain à longue portée, les options cellulaires telles que 3G, 4G et 5G sont couramment utilisées. Wang a toutefois noté que la connectivité « a été un point douloureux pour la numérisation de l’agriculture, car l’agriculture sur le terrain a souvent lieu dans des zones rurales, où l’infrastructure de télécommunication est limitée. »
Propriété des données
Les agriculteurs doivent avoir leurs données à portée de main afin de pouvoir coordonner leur plan d’attaque en fonction de l’historique de leur exploitation et de leur capacité à l’interpréter. Aujourd’hui, les données circulent vers le système basé sur le cloud, et les agriculteurs peuvent les analyser en déplacement via une application mobile sur leur téléphone.
L’une des plus grandes incertitudes entourant la robotique agricole, cependant, est la propriété des données et si elles appartiennent aux agriculteurs, aux collecteurs de données, aux fournisseurs de technologie ou aux propriétaires fonciers, a déclaré Wang.
« En l’absence de réglementation spécifique sur la propriété des données agricoles, la propriété est généralement définie par une série de contrats. Cela peut créer une situation complexe pour les agriculteurs, en particulier lorsque différentes plateformes robotiques sont utilisées dans une même exploitation. »
Les données brutes ne peuvent pas être possédées, mais une fois qu’elles ont été traitées ou organisées dans une base de données, elles peuvent être soumises à la protection du droit d’auteur. Cela peut donner des droits exclusifs aux propriétaires des données et empêcher les agriculteurs de tirer parti des données qu’ils ont générées ou les obliger à travailler avec des fournisseurs spécifiques. La crainte est que cette possibilité décourage l’adoption de la robotique agricole, ainsi que d’autres approches de l’agriculture de précision, a déclaré Wang.
L’obstacle des coûts
Les marges bénéficiaires prévues dans l’agriculture sont de plus en plus étroites, et les investissements sont liés à une stratégie rationalisée. Mais les robots ne doivent pas nécessairement coûter les yeux de la tête.
Si le coût de la transition vers l’automatisation a longtemps été hors de portée de nombreuses petites entreprises, les progrès technologiques ont abaissé la barrière à l’entrée. Le prix typique d’un petit robot de terrain se situe désormais entre 12 000 et 36 000 euros, a indiqué M. Wang, précisant que les robots réduisent les coûts de main-d’œuvre et résolvent la pénurie croissante de main-d’œuvre dans l’agriculture.
Les robots (Robot-as-a-service : RaaS), quant à eux, gagnent en popularité car ils permettent aux agriculteurs d’accéder aux avantages de la robotique sans investissement initial important. Ils ne paient que pour le service et peuvent compter sur un opérateur qualifié pour gérer les problèmes techniques et minimiser les temps d’arrêt. Cela peut s’avérer particulièrement avantageux dans le cas d’équipements robotiques coûteux dotés de multiples capteurs et d’algorithmes complexes.
Source : eetimes.eu
