Un outil d’IA pouvant prédire la croissance, la santé et le rendement futurs d’une culture à partir d’une seule image
Il pourrait favoriser l’agriculture de précision et les pratiques agricoles durables, en permettant notamment de réduire au minimum les engrais et les pesticides et de limiter le gaspillage alimentaire.
Par Emma Bryce (Abre numa nova janela)
Une image vaut mille mots, dit le vieil adage. Désormais, les scientifiques des récoltes ont conçu une technologie qui le prouve : leur outil optimisé par l’IA peut prédire avec précision la croissance, la santé et les rendements futurs d’une culture, à partir d’un simple cliché de la plante.
Selon une équipe de recherche de l’Université de Bonn, il ne s’agit pas d’un autre gadget d’IA : son nouvel outil pourrait aider les agriculteurs à cultiver de manière plus durable sans sacrifier les rendements – par exemple, en indiquant les endroits du champ où l’ajout d’une quantité moindre d’engrais pourrait permettre d’obtenir une productivité égale, voire supérieure.
Pour élaborer leur outil, l’équipe a entraîné un algorithme d’apprentissage automatique – souvent qualifié d’« intelligence artificielle » ou IA – à l’aide de milliers d’images de cultures en croissance. Ces images ont été recueillies dans le cadre d’études antérieures portant sur trois séries de cultures différentes, photographiées par des caméras aériennes ou des drones : des plants d’essai d’arabette des dames cultivés en laboratoire, un champ de choux-fleurs en croissance et un champ mixte de blé entrecoupé de féveroles. Au total, elle a versé plus de 100 000 images dans l’algorithme, qui a capturé les trois séries de cultures en croissance sur une période allant de plusieurs mois à plusieurs années.
Grâce à cette analyse de données, l’algorithme a appris à établir un lien entre certaines caractéristiques visuelles d’une culture à ses débuts et la manière dont sa croissance se déroule au fil du temps. L’équipe de recherche a également entraîné l’algorithme à identifier avec précision les caractéristiques spécifiques des cultures, telles que la surface foliaire et la biomasse estimée, qui peuvent être liées aux rendements.
Après cette période d’entraînement intense, elle a fait une découverte frappante : si elle présentait à l’algorithme une seule image d’une culture dans les premières phases de sa croissance, celui-ci pouvait s’en servir comme base pour générer des dizaines d’images artificielles, qui prédisaient l’aspect de la culture à différents stades de sa croissance future. Ces images artificielles étaient étonnamment précises, ressemblant à s’y méprendre aux images réelles de ces cultures dans les champs, comme l’explique Lukas Drees, doctorant à l’Université de Bonn et auteur principal de cette nouvelle étude.
Fait intéressant, l’équipe de recherche a également constaté que l’algorithme générait des prévisions visuelles plus précises de la croissance des cultures si on lui fournissait quelques informations supplémentaires sur les conditions de croissance de ces cultures, telles que le cultivar et la densité des plantes semées dans le champ ou dans le cadre de l’expérience en laboratoire.
Cette démonstration de principe donne un aperçu de ce que l’immense puissance de traitement du modèle pourrait permettre de réaliser. Par exemple, l’algorithme pourrait être alimenté par des images montrant comment les cultures se comportent en fonction de différents niveaux d’engrais. En prenant une seule photo d’une jeune culture, une agricultrice ou un agriculteur pourrait alors choisir la bonne méthode d’application d’engrais pour garantir une croissance optimale à long terme.
En tant qu’outil, l’algorithme pourrait rendre l’agriculture de précision (Abre numa nova janela) plus facile à mettre en œuvre sur le terrain, en favorisant des pratiques plus durables en général. « Cela s’applique non seulement à la fertilisation, mais aussi, par exemple, à l’irrigation et aux pesticides, précise M. Drees. Au lieu d’appliquer ces précieuses ressources à l’ensemble du champ, le modèle, qui possède des coordonnées géographiques, peut prédire des images montrant quelles régions sont susceptibles d’évoluer plus mal, de sorte que des interventions ciblées et économes en ressources peuvent être effectuées. »
L’imagerie intelligente peut même aider les agriculteurs à planifier leurs récoltes avec plus de précision, ajoute-t-il : « Il devient ainsi possible de négocier des prix équitables et de réduire le gaspillage alimentaire, deux éléments qui contribuent à la durabilité. »
Drees et. coll. « Data-driven crop growth simulation on time-varying generated images using multi-conditional generative adversarial networks (Abre numa nova janela) ». Plant Methods. 2024.
Article original en anglais : https://www.anthropocenemagazine.org/2024/06/this-ai-tool-predicts-a-crops-future-growth-health-and-yield-based-on-a-single-image/ (Abre numa nova janela)
Suivez-nous sur :
🖤 Twitter (Abre numa nova janela) 💙 LinkedIn (Abre numa nova janela) 💜 Instagram (Abre numa nova janela)
(Abre numa nova janela)Anthropocène est la version française d’Anthropocene Magazine (Abre numa nova janela). La traduction française des articles est réalisée par le Service de traduction de l’Université Concordia (Abre numa nova janela), la Durabilité à l’Ère Numérique (Abre numa nova janela) et le pôle canadien de Future Earth (Abre numa nova janela).