L'IA pourrait bientôt travailler aux côtés de l'homme pour cultiver la fraise parfaite.
Des chercheurs de la Western University ont mis au point un système d'intelligence artificielle qui promet de transformer la manière dont nous cultivons l'un des fruits les plus appréciés au monde, la fraise, ce qui pourrait avoir des répercussions sur l'ensemble du secteur agricole.
Et non, cela n'a rien à voir avec OpenAILe modèle o1 de l'UEanciennement connu sous le nom de code "Projet Strawberry".
Les étudepubliée dans la revue Foods, met en évidence une avancée remarquable dans le domaine de la technologie agricole.
En utilisant des techniques avancées d'apprentissage automatique, l'équipe a créé un système capable de détecter la maturité et les maladies des fraises avec une précision de près de 99%, le tout grâce à une simple surveillance par caméra.
"Nous voulions réduire la taille de ces modèles d'IA pour qu'ils soient utilisables par les agriculteurs et la production locale", explique Joshua Pearce, titulaire de la chaire John M. Thompson sur les technologies de l'information et l'innovation à la Western Engineering et à l'Ivey Business School.
"Nous ne voulions pas seulement augmenter la précision, qui est supérieure à 98%, mais aussi réduire la taille des modèles.
Ce qui distingue cette recherche, c'est l'accent mis sur l'accessibilité. Contrairement à de nombreuses solutions agricoles de haute technologie destinées aux grandes exploitations, M. Pearce et son collègue Soodeh Nikan ont conçu leur système en pensant aux petites et moyennes exploitations.
La méthodologie de l'équipe a combiné des techniques d'intelligence artificielle innovantes avec des connaissances agricoles pratiques :
- Ils ont commencé par collecter diverses séries d'images de fraises, y compris des fruits sains et des fruits atteints de diverses maladies.
- Ces images ont ensuite été traitées et complétées pour créer un ensemble de données d'entraînement robuste.
- Les chercheurs ont affiné trois modèles d'IA différents - Vision Transformer, MobileNetV2 et ResNet18 - chacun apportant ses propres atouts à la tâche.
- Pour s'assurer que l'IA puisse gérer la variabilité du monde réel, ils ont incorporé des techniques telles que la pondération des classes et la génération d'images synthétiques.
- Plus important encore, ils ont intégré des "mécanismes d'attention" dans les modèles, permettant à l'IA de se concentrer sur les parties les plus pertinentes de chaque image.
Le système excelle dans deux tâches principales :
- Détection de la maturité: Il peut classer avec précision les fraises comme étant mûres ou non mûres, ce qui permet aux agriculteurs d'optimiser le moment de la récolte.
- Identification de la maladie: L'IA peut détecter et identifier sept types distincts de maladies du fraisier : la tache angulaire, l'anthracnose du fruit, la brûlure de la fleur, la pourriture grise, la tache de la feuille, l'oïdium du fruit et l'oïdium de la feuille.
Les résultats parlent d'eux-mêmes. Avec des taux de précision avoisinant les 98%, le système surpasse largement les tentatives précédentes de contrôle automatisé des fraises.
Cependant, les implications de cette recherche vont bien au-delà de l'amélioration des rendements des fraises.
Le potentiel de réduction des déchets alimentaires est également évident. Selon l'Organisation des Nations unies pour l'alimentation et l'agriculture, environ 14% des denrées alimentaires produites sont perdues entre la récolte et la vente au détail.
Des technologies telles que ce système d'intelligence artificielle pourraient contribuer à résoudre ce problème en optimisant le calendrier des récoltes et en réduisant les pertes dues aux maladies ou à la surmaturité.
"La réduction des déchets et du coût de la nourriture est évidemment une question importante de nos jours. Comme tout le monde, je suis toujours surpris lorsque je vais à l'épicerie et que je vois le prix des fruits et légumes frais", a déclaré Nikan.
"Lorsque je choisis des projets, je m'intéresse généralement à ce qui est essentiel pour la sécurité ou à ce qui répond à un besoin sociétal. Grâce à mon expérience dans d'autres domaines, j'ai sauté sur l'occasion d'appliquer mes connaissances et mon expertise à la sécurité alimentaire".
À l'avenir, l'équipe prévoit déjà de tester son système en extérieur, en utilisant éventuellement des drones pour une surveillance plus large du terrain.
Ils explorent également l'utilisation d'images synthétiques générées par l'IA afin de réduire davantage les besoins en données pour former des modèles efficaces.
"Au lieu de prendre des images de millions de fraises, ce qui est une approche peu efficace et très coûteuse, nous utilisons des images synthétiques et des logiciels libres pour créer nous-mêmes des millions d'images, avec une puissance informatique relativement faible, ce qui nous permet maintenant de faire des observations très granulaires sur la maturité et la maladie pour des plantes très spécifiques", a déclaré M. Nikan.
M. Pearce a ajouté : "Le logiciel est entièrement gratuit et open-source et les agriculteurs, quels qu'ils soient, sont libres de le télécharger et de l'adapter à leurs besoins. Ils peuvent préférer que le système d'intelligence artificielle leur envoie un courrier électronique ou une alerte sur leur téléphone lorsqu'il détecte une maladie, ou même qu'il leur transmette une image d'une plante spécifique prête à être cueillie. Le logiciel est très ouvert, il est possible de se l'approprier".
