PAR MIKKEL GRUM

La surveillance des ravageurs et des maladies est un processus à forte intensité de main-d'œuvre, ce qui oblige les éclaireurs à évaluer avec précision la santé des plantes et des cultures lorsqu'ils se déplacent dans la serre, champ ou ferme. L'analyse d'images basée sur l'IA vise à aider à automatiser la surveillance des cultures

[email protected]

Les progrès technologiques dans le dépistage des ravageurs et des maladies transforment un secteur à forte intensité de main-d'œuvre en un secteur plus efficace et axé sur les données. Alors que l'intelligence artificielle (IA) est développée pour aider la production végétale, les producteurs doivent être plus critiques que jamais dans l'évaluation des avantages de ces solutions à un stade précoce.

Dr Mikkel Grum, Directeur de la recherche et du développement chez Scarab Solutions, expert mondial en cartographie des ravageurs et des maladies des cultures, dit que les gestionnaires d'exploitations agricoles et de protection des cultures devraient continuer à se concentrer sur les technologies augmentant le travail humain au lieu de tenir la promesse de l'IA.

L'Organisation des Nations Unies pour l'alimentation et l'agriculture (FAO) estime qu'entre 20 et 40 pour cent de la production agricole mondiale est perdue chaque année à cause des ravageurs et des maladies, coûtant à l'économie mondiale 220 milliards de dollars. Les ravageurs tels que les thrips, pucerons, mineuses de feuilles, acariens, aleurodes et chenilles, des maladies telles que les brûlures, moisissures, botrytis et les pourritures de la tige et des racines sont courantes dans toutes les zones climatiques.

Il est vrai que pour devenir encore plus efficace, la gestion des cultures nécessitera des techniques et des technologies améliorées. Beaucoup pensent que l'IA détient la réponse.

L'IA fait ses premiers pas en horticulture

La surveillance des ravageurs et des maladies est un processus à forte intensité de main-d'œuvre, ce qui oblige les éclaireurs à évaluer avec précision la santé des plantes et des cultures lorsqu'ils se déplacent dans la serre, champ ou ferme. L'analyse d'images basée sur l'IA vise à aider à automatiser la surveillance des cultures.

En horticulture, les développements récents incluent un « robot scout » équipé de caméras à infrarouge proche pour détecter l'oïdium et l'analyse d'images pour prédire les rendements en bourgeons et en fleurs, et le Robot Scout IRIS. Il existe un système de surveillance à distance des nuisibles, utiliser l'apprentissage automatique (ML) pour effectuer une analyse d'image de pièges à phéromones, et un grand nombre proposant des images drones et satellites, comme base de la gestion future des cultures.

Utilisation plus répandue des applications pour smartphones pour scanner des photos à la recherche de signes de ravageurs et de maladies, souvent présenté comme prêt, ou presque prêt pour une utilisation aux heures de grande écoute.

Beaucoup ont entendu dire que l'analyse d'images de Google est maintenant meilleure que les humains pour reconnaître les chats et les chiens dans les images, ou que dans la recherche sur le cancer du sein, l'analyse d'image AI détecte désormais le cancer sur les mammographies avec plus d'efficacité et de précision que les radiologues experts. Alors sûrement, utiliser l'analyse d'images pour identifier les ravageurs et les maladies des cultures sur des photos prises avec un smartphone ne peut pas être si loin. Pas si vite.

La réalité brosse un tableau moins rose

Les efforts visant à utiliser la technologie de reconnaissance d'image dans les smartphones ne tiennent pas leur promesse de fournir à la fois un aperçu granulaire et une vue d'ensemble exploitable des fermes et des serres.

Comme souligné dans un récent Article scientifique américain , les statistiques utilisées pour présenter le fonctionnement de l'analyse d'images sont souvent trompeuses. Le « test d'appariement » le plus courant, qui teste la capacité de comparer deux images et d'indiquer laquelle des deux a un parasite ou une maladie, donne des pourcentages de précision beaucoup plus élevés qu'une analyse de plusieurs images, sans savoir si l'une des cultures est infectée par le ravageur ou la maladie.

L'utilisation de résultats inexacts ou faussés glanés de l'IA comme base pour le contrôle des pesticides peut causer plus de dégâts que de bien, comme l'illustre le problème des faux positifs.

Imaginons un système d'imagerie donnant un faux positif pour le mildiou seulement cinq pour cent du temps, un chiffre très conservateur même par les prétentions d'exactitude de toute application actuelle. Dans un champ plein de rouille, cela ne poserait pas de problème, mais prenons maintenant un champ qui n'a aucune occurrence de la maladie. Si vous en avez pris 2, 000 images dans ce domaine vous obtiendrez 100 résultats positifs !

L'agriculteur agit-il sur ce résultat, ou inspecter les 100 emplacements « positifs » pour vérifier s'ils ont vraiment ce problème ? Multipliez cela par les autres parasites et maladies que le système d'analyse d'image vérifie également et a peut-être des taux de faux positifs encore plus élevés, et vous avez les rouages ​​d'un cauchemar pratique. Plus le nombre de faux positifs est élevé, plus il faut de ressources pour effectuer une vérification indépendante des résultats, ce qui signifie que tous les gains de l'automatisation sont perdus.

Machine contre humain

Cette approche doit également être mise en contexte. Les études comparant des situations où il existe soit une IA soit aucune technologie de dépistage des cultures ne brossent pas un tableau réaliste, car dans certains cas, il existe déjà un système, qui permet d'enregistrer et d'analyser les données collectées par les éclaireurs humains.

Dans le cas de la recherche sur le cancer du sein, comme les tumeurs ne sont pas visibles à l'œil humain, les médecins et l'IA regardent la même image. Dans une serre, cependant, l'analyse d'image est beaucoup moins efficace que l'attention humaine aux détails. Un éclaireur peut bouger la tête et retourner les feuilles pour voir un problème sous plusieurs angles et avec une loupe

Augmenter les compétences humaines avec la technologie mobile – smartphones rendre les gens plus intelligents

Les fermes et les serres ont encore besoin de personnes pour se promener, ouvrir la canopée des cultures, retournez les feuilles et utilisez une loupe si nécessaire. Cela nécessite des technologies qui permettent aux éclaireurs de faire leur travail avec plus de précision, plus rapide et à un meilleur résultat.

Les smartphones continueront d'être essentiels, mais pas principalement en tant qu'outil d'IA. Une utilisation plus réaliste et éprouvée des applications mobiles est la collecte de données et la cartographie. Au lieu d'utiliser des smartphones pour prendre des photos à analyser par l'IA, Les responsables de la protection des cultures devraient donner aux éclaireurs les moyens d'utiliser leurs compétences en matière d'inspection et d'enregistrer les résultats au fur et à mesure.

La formation joue un rôle important. Identification correcte et décapage des ravageurs et des maladies, connaissance approfondie du protocole d'échantillonnage et de la technique pour accélérer le processus, sont tous nécessaires pour harmoniser les performances et la précision des éclaireurs sur l'ensemble de la ferme. C'est la clé du succès.

L'IA peut aider les éclaireurs à identifier correctement des parasites ou des maladies inconnus, mais la plupart du dépistage des cultures consiste à suivre la distribution d'un ensemble bien connu de ravageurs et de maladies.

Les technologies de cartographie numérique et de scoutisme permettent aux humains de glaner de nouvelles connaissances

Si l'on couple les données enregistrées par les éclaireurs avec des informations géographiques, les résultats créent des ensembles de données, fournir une piste d'audit claire pour les options de traçabilité et de visualisation des données telles que les cartes numériques, des tableaux et des graphiques, ainsi que d'autres aides supplémentaires pour identifier facilement les problèmes et modèles uniques et récurrents, ainsi que tout faux positif.

La cartographie numérique est l'endroit où la technologie de détection des ravageurs et des maladies rencontre l'expertise humaine pour optimiser les résultats. Chez Scarab Solutions, nous voyons cela tous les jours. Les clients utilisent les solutions de détection et de cartographie des ravageurs et des maladies des cultures Scarab Precision pour fournir une base solide pour identifier les points chauds d'infestation, déterminer l'utilisation appropriée de pesticides ou d'agents de lutte biologique et réduire les pertes de récolte grâce à une gestion agricole améliorée.

Au fur et à mesure que les ensembles de données augmentent, les responsables de la protection des cultures peuvent dans certains cas comparer les chiffres des ravageurs et des maladies dans leur région, en utilisant des données anonymisées provenant d'autres fermes.

Pas encore le moment pour l'IA de briller, mais nous aurons toujours besoin de la touche humaine

Bien que l'analyse d'images basée sur l'IA reste un sujet de discussion dans l'industrie, la technologie a encore un long chemin à parcourir avant de pouvoir produire des cas d'utilisation précis et exploitables. Aujourd'hui, suivi GPS, Les outils mobiles de collecte et d'interprétation de données sont les solutions technologiques les plus efficaces et les plus lucratives pour la gestion des parasites et des maladies des cultures.

Alors que l'horticulture subit une transformation technologique, l'intelligence artificielle ne doit pas être considérée comme un substitut aux processus existants, mais comme une extension de l'intelligence humaine. L'analyse d'images pilotée par l'IA viendra avec des drones et des robots dans certains contextes, mais c'est une histoire pour un autre jour.