Les silos sont plus qu'un simple endroit pour stocker le grain sur Paulman Farms. Ils représentent également des poches de rendement isolées, humidité, machine, et des données nutritionnelles qui pourraient aider le Sutherland, Nebraska, exploitation tirer le meilleur parti des près de 10, 000 acres qu'il couvre.
Roric Paulman s'appuie sur 40 applications différentes pour contrôler et surveiller les 14 cultures de terres arides et irriguées cultivées sur la terre. Le logiciel génère un téraoctet de données spécifiques au site chaque mois, ce qui équivaut à 75 millions de pages d'informations.
Cette information est essentielle pour l'aider à prendre des décisions éclairées en matière de gestion. Le problème est, personne n'a créé un système qui relie sans effort les points pour donner à Paulman de meilleures informations. Aussi, s'il ne peut pas accéder aux informations depuis son smartphone, il n'est pas intéressé. « Les applications et les informations collectées ont cessé d'être utiles, " dit Paulman, qui cultive avec sa femme Deb et son fils Zachary.
Création d'une solution
Les entreprises ayant une longue histoire dans l'agriculture s'efforcent de créer un système convivial qui traite et intègre de manière transparente les données d'une myriade d'applications. Encore, le partage des données et l'interopérabilité ne sont toujours pas faciles ou transparents.
Ces entreprises sont également confrontées à un problème qui leur est propre :comment collaborent-elles avec d'autres pour développer une solution tout en restant compétitives ? Alors que les acteurs existants de l'agriculture travaillent sur une résolution, des outsiders comme IBM émergent avec leur propre approche.
Lancé en 2018, la Watson Decision Platform for Agriculture exploite la puissance de l'intelligence artificielle (IA) pour analyser des silos de données, puis générer des informations factuelles. Watson commence par créer une représentation numérique d'un champ. Cette fiche électronique de terrain (EFR) comprend le sol, équipement, pratiques agricoles et flux de travail, et les données d'imagerie. Il peut également accepter les données météorologiques de The Weather Company.
Application de l'IA, apprentissage automatique, et des analyses avancées à l'EFR, la plate-forme met en évidence les facteurs clés qui pourraient affecter les rendements des cultures comme la température du sol, taux d'humidité, stress des cultures, parasites, et les maladies. Finalement, chaque EFR devient un jumeau numérique de tout ce qui se passe sur les 113 champs de Paulman. Un tableau de bord unifié lui permet de voir et de surveiller facilement les données ainsi que de recevoir des alertes lorsque des éléments critiques comme la météo pourraient affecter une culture.
La difficulté avec la plupart des décisions que Paulman essaie de prendre est qu'elles sont basées sur la biologie. « Ils sont presque toujours influencés par la météo que nous ne connaissons pas encore. Avoir la capacité de prévoir les conditions doit faire partie intégrante de toute plateforme de décision, " dit Kenneth Sudduth, ingénieur agronome de recherche à l'USDA-ARS.
En outre, le processus doit être automatisé du début à la fin. Des technologies comme le guidage automatique, fermetures, et le contrôle de la hauteur de la flèche - des systèmes qui n'avaient que peu ou pas de contrôle humain direct - ont été adoptés assez rapidement car ils ont amélioré le flux de travail sans nécessiter l'intervention de l'opérateur.
Aujourd'hui, trop d'applications obligent les agriculteurs à saisir des informations encore et encore. « Chaque fois que les agriculteurs font une entrée, il y a une chance qu'ils réussissent, mais il y a aussi une chance qu'ils se trompent, " dit Michael Gomes, VP développement commercial IoT, Topcon Agriculture.
Le plus souvent, la variété la plus couramment plantée est étiquetée « une » parce que la fenêtre pour obtenir cette graine dans le sol se rétrécit continuellement.
C'est un processus douloureux, et les agriculteurs en ont marre.
Si les agriculteurs peuvent choisir dans une liste de sélection, Gomes dit, leur risque de se tromper est bien moindre que d'avoir à le taper lettre par lettre ou de s'assurer qu'ils l'appellent exactement la même chose à chaque fois.
« Seulement environ 8 % des données collectées sont réellement utilisables, " dit John Fulton, professeur agrégé à l'Ohio State University.
le pouvoir de l'IA
Pour améliorer l'analyse, un ensemble de données beaucoup plus propre est nécessaire, et beaucoup pensent que l'IA peut y emmener les producteurs. L'appliquer aux données fournit à Paulman une myriade de nouvelles capacités.
De l'air, il peut déployer un drone pour capturer un champ de maïs et utiliser la reconnaissance visuelle de l'IA pour identifier une maladie des cultures ou une infestation de ravageurs. À partir du sol, les plantes peuvent être photographiées de près, ainsi Paulman peut réagir en temps réel.
« Simplifier le processus permet également aux agronomes - qui passent actuellement 80 % de leur temps à essayer de collecter et d'analyser les données d'un agriculteur - de prendre des décisions avec plus de confiance, " dit Kristen Lauria, directeur général de Watson Media et Weather Solutions.
En rassemblant et en conservant les données, Paulman peut également identifier les meilleures pratiques pour ses hectares irrigués. Avec une allocation annuelle de 13 pouces d'eau pour une culture de maïs qui nécessite environ 22 pouces d'eau, il doit s'assurer que chaque goutte est utilisée à bon escient. Cela signifie s'appuyer sur une technologie qui comprend qu'il a des sols qui prendront 2 pouces d'eau par heure et d'autres qui prendront ¼ de pouce par heure.
Parce que les prix fluctuent constamment, Watson propose également un outil qui rassemble d'énormes quantités de données sur les prix - du silo à grains local aux marchés à terme - et recommande le meilleur moment pour vendre afin de maximiser les profits. C'est le type de collecte et d'analyse de données qui serait impossible sans l'IA et l'analyse.
construction de la base de données
Au fur et à mesure que les données affluent, la plateforme de décision devient une solution plus robuste. C'est la mise en garde. Pour que l'IA soit efficace, il nécessite une grande base de données à partir de laquelle puiser. Les agriculteurs devront non seulement permettre à d'autres d'accéder à leurs informations, mais devra également partager des données pour tirer parti des outils numériques.
« Bien que nous parlions d'avoir autant de données, dans de nombreux cas, c'est très localisé. C'est presque comme si nous avions trop de données, mais pas assez de données en même temps, ", dit Sudduth.
La clé, Gomes dit, est d'obtenir les bonnes données acceptées par les agriculteurs, afin qu'ils puissent ensuite agir en toute confiance.
Alors, comment mettre les agriculteurs à l'aise avec le partage de leurs données ? Billy Tiller soutient qu'il doit s'agir d'une initiative dirigée par les producteurs.
Fondée en 2012, la Grower Information Services Cooperative (GiSC) est une coopérative de données appartenant à des agriculteurs qui fournit un stockage cloud sécurisé à ses membres agriculteurs. Basée à Lubbock, Texas, la plate-forme de l'entreprise collecte et gère plusieurs couches de données agronomiques et de rendement sur une variété de cultures, notamment le maïs, soja, blé, et le sorgho.
« Il est temps que les agriculteurs disposent d'options fondées sur des motivations objectives, pas sur une raison d'acheter un autre produit, " dit Tiller, qui est le fondateur et PDG de GiSC.
IBM est également un fervent partisan des coopératives de données. En intégrant des milliers d'expériences d'agriculteurs dans un ensemble de données, Paulman pouvait comprendre, par exemple, ce qui est commun à tous les producteurs de maïs du Nebraska, c'est que les rendements sont supérieurs de 20 % à la moyenne par rapport à ceux qui ont des rendements inférieurs de 20 % à la moyenne. Parce qu'il voit son opération d'un point de vue différent, il peut évaluer quelles pratiques génèrent vraiment de meilleurs rendements et lesquelles n'y contribuent pas.
« Au lieu de se fier uniquement aux données de leurs propres fermes année après année, les agriculteurs peuvent également apprendre les uns des autres, ", dit Lauria.
L'accès et le partage sont des éléments clés de l'infrastructure, parce que la valeur de l'analytique viendra de différentes entreprises, dit Fulton.
Sceptique quant aux entreprises ayant un intérêt direct dans ses données, Watson offre également l'indépendance que Paulman recherche. « IBM n'essaie pas de me vendre plus d'engrais ou de machines, " il dit. "C'est une question de confiance."
Avancer
L'infrastructure est l'élément le plus important pour faire de l'agriculture numérique une réussite. Selon Ag Gateway, 84 % des agriculteurs et leurs partenaires commerciaux de confiance déclarent qu'il est modérément ou très difficile de compiler et d'analyser les données provenant des champs agricoles.
Créé en 2005, Ag Gateway a réduit les frictions d'interopérabilité. Son projet Standardized Precision Ag Data Exchange (SPADE) a produit le Ag Data Application Toolkit (ADAPT), qui permet à différentes applications logicielles et systèmes matériels d'échanger des informations de manière transparente - avec une large adoption comme objectif final. À ce jour, 26 entreprises se sont engagées envers ADAPT en développant un plug-in pour leur format de fichier ou en intégrant la prise en charge d'ADAPT dans leurs systèmes logiciels.
« Nous utilisons la technologie partout et comme nous le pouvons, parce que nous devons nous améliorer dans ce que nous faisons pour les générations futures, ", dit Paulman. « Les informations tirées des données nous aident à le faire. »
Jusqu'à ce qu'il y ait un système unique en place qui standardise et connecte l'ensemble de l'écosystème, les silos resteront, et la valeur des données continuera d'être limitée pour Paulman Farms.
Développer une stratégie numérique
Avant que les agriculteurs puissent tirer parti de leurs données, ils doivent créer une fondation. John Fulton, Université d'État de l'Ohio, suggère aux agriculteurs de considérer les sept points ci-dessous lors de l'élaboration d'une stratégie numérique.
1. Identifiez les technologies que vous utilisez ainsi que les données générées à partir de ces technologies.
2. Organisez vos données stockées (par exemple, année, recadrer, cultiver, champ).
3. Stockez une copie originale de vos données à la fois sur et hors de la ferme afin qu'il y ait une sauvegarde.
4. Assurez-vous que les données sont accessibles depuis n'importe quel emplacement et que les informations hors ligne sont mises à jour une fois la connexion rétablie.
5. Collectez des données complètes et de qualité afin de pouvoir exécuter les analyses souhaitées.
6. Protégez les données avec des mots de passe sécurisés.
7. Définir une stratégie de partage de fichiers, qui comprend un format facile à copier à la fois sur et hors de la ferme. Ne partagez pas d'informations sans autorisation.
