L'IA au service du terrain : un projet brésilien reçoit le soutien du géant Nvidia
Un renforcement important aidera les chercheurs de Rio Grande do Sul à développer de nouvelles technologies utilisant des modèles d'intelligence artificielle (IA) pour l'agriculture de précision.
Travaillant dans le domaine depuis 2017, un groupe de l'Université fédérale de Pampa (Unipampa) en partenariat avec Embrapa Pecuária Sul bénéficie désormais du soutien de Nvidia, une multinationale basée aux États-Unis et leader mondial des composants d'IA.
Sélectionné pour un programme de financement de la recherche universitaire, le projet Terrapampa Smart Systems : Bridging AI and Livestock dispose désormais de ressources informatiques de pointe, estimées à 1,2 million de réaux. Le projet implique des universitaires en informatique appliquée, des agronomes, des vétérinaires, des administrateurs et des techniciens agricoles.
« Ce financement international renforce le fait que nous sommes à la pointe des connaissances en matière d'IA appliquée à l'agroalimentaire », déclare le coordinateur de recherche Sandro Camargo, du programme de master en informatique appliquée d'Unipampa.
Un modèle d'IA calcule instantanément le nombre de tiques sur les animauxL’un des modèles a été formé pour compter les tiques sur le bétail à l’aide d’images capturées par une caméra installée dans les zones de manipulation des animaux.
Aujourd’hui, le processus est généralement effectué manuellement par un employé de l’immobilier, ce qui, en plus d’être long et coûteux, peut entraîner des erreurs humaines.
Après environ six mois d'entraînement d'un modèle d'IA, les chercheurs ont déjà atteint un taux de précision de 94 %. « Cela signifie que pour 100 tiques présentes sur l'animal, l'algorithme en détecte entre 94 et 106 », explique Camargo.
Le système fonctionne déjà sur les smartphones, mais l'idée est de porter l'application sur un appareil pouvant être placé dans les zones de circulation du bétail. « Le producteur peut le distribuer à deux ou trois endroits, là où les animaux boivent par exemple. La caméra détecte sa présence et compte immédiatement les tiques. »
En comptant et en identifiant l'animal à l'aide d'une boucle auriculaire, une notification peut être déclenchée pour informer de la présence et du nombre de tiques sur chaque animal. « Le producteur peut fixer un seuil minimum, par exemple de 10 tiques, pour être notifié. »
Sur un autre front, les chercheurs développent des modèles contribuant à l'amélioration génétique des bovins Hereford et Braford. Une possibilité déjà testée est la sélection d'individus moins sensibles à l'exposition au soleil.
Les périodes de rayonnement solaire excessif poussent les animaux à cesser de s'alimenter et à chercher refuge dans des zones ombragées, ce qui affecte directement leur poids. « Depuis plusieurs années, des améliorations génétiques sont en cours pour privilégier l'accouplement d'animaux portant ce qu'on appelle des "lunettes", une pigmentation rouge autour des yeux », explique Camargo.
La quantité de pigmentation est directement liée à la résistance d'un animal aux rayons ultraviolets, car elle est liée au carcinome épidermoïde. Un animal moins sensible passe plus de temps au pâturage et prend davantage de poids, même pendant les périodes ensoleillées.
Actuellement, les évaluations oculaires sont réalisées par des techniciens spécialisés qui visitent les élevages et attribuent à chaque animal une note de 1 à 5, la première correspondant à une absence totale de pigmentation et la dernière à un excellent niveau. Les animaux ayant obtenu des notes de 4 et 5 sont les plus aptes à la reproduction, car ils produisent des veaux plus adaptés.
« Le principal problème est que les experts visitent généralement une ferme pour analyser jusqu'à 500 animaux par jour. Outre le temps que cela prend, l'œil humain finit par se fatiguer. Il existe un problème important d'incohérence entre les évaluateurs », explique le coordinateur du groupe de recherche.
Un modèle déjà porté sur le système Android permet à un technicien ou au producteur d'utiliser un smartphone pour capturer une image de l'animal et obtenir instantanément une évaluation du score de pigmentation des yeux, éliminant ainsi la possibilité d'erreurs et optimisant le temps du processus.
L'IA identifie la kératoconjonctivite et l'anémie bovineUn autre modèle développé par les chercheurs permet la détection précoce de la kératoconjonctivite bovine. Les animaux présentant une inflammation de la cornée et de la conjonctive ne présentent généralement aucun changement comportemental aux premiers stades de la maladie, ce qui signifie que celle-ci n'est identifiée qu'à un stade plus avancé.
Tout comme le système de comptage des tiques, un algorithme développé par des chercheurs d'Unipampa et d'Embrapa, fonctionnant sur un appareil installé sur le terrain, peut détecter le passage d'un animal à un endroit donné et capturer son image.
Une analyse instantanée réalisée par un modèle d’IA formé est désormais capable d’identifier visuellement les signes de kératoconjonctivite même lorsqu’il n’y a pas d’autres symptômes visibles.
La même technique, avec l’aide d’un autre modèle d’IA développé par le groupe, permet de détecter l’anémie chez les animaux sans avoir besoin de photographier directement la muqueuse oculaire de chaque individu.
« L’idée est que nous puissions avoir, à n’importe quel endroit de la ferme, comme dans une goulotte [structure utilisée pour contenir le bétail], par exemple, un mini-ordinateur, de la taille d’un téléphone portable et alimenté par l’énergie solaire, qui coûtera au producteur entre 700 et 800 R$ », explique Camargo.
« Au passage de l'animal, le système détectera instantanément s'il a des tiques, s'il présente un risque d'anémie, de kératoconjonctivite et de plusieurs autres maladies. » Ce système éliminerait le besoin d'un technicien pour prendre des photos de chaque animal. « Nous y parviendrons bientôt. Tout sera automatique », dit-il.
Le chercheur explique que l'entraînement des modèles d'IA implique la capture de jusqu'à deux mille photos d'animaux dans les stations de l'Embrapa et le traitement individuel de chaque image. Ce processus, précise-t-il, a pris des semaines, voire des mois, car il nécessitait d'importantes ressources informatiques.
Grâce à l'accès à l'infrastructure cloud de Nvidia, chaque heure nécessaire à la formation d'un modèle prend désormais environ trois minutes, ce qui nous permet de tester de nouvelles possibilités d'application, de résoudre des problèmes plus complexes et d'affiner les agents d'IA.
Les modèles sont également formés pour détecter les parasites dans l’agricultureLa même technologie utilisée en élevage peut également être appliquée à la détection des espèces invasives en agriculture. Un autre projet développé dans le cadre du projet de recherche porte sur l'identification de l'annone dans les pâturages indigènes, un problème courant dans le Rio Grande do Sul.
L'espèce de graminée est considérée comme un ravageur dans les propriétés rurales et dépend d'une gestion rapide pour éviter une infestation, car une seule plante est capable de produire environ 14 000 graines par an, avec une viabilité de 90 %.
Les chercheurs entraînent déjà un modèle d'IA pour détecter la présence de cette herbe. Cette technologie peut également être reproduite pour d'autres espèces invasives, comme l'amarante. Selon le coordinateur de recherche, une image peut être traitée en trois millisecondes, ce qui permet d'analyser environ 350 photos par minute.
Actuellement, la précision du modèle est d'environ 88 %, mais le groupe travaille à amener l'algorithme à 98 %, ce que Camargo considère comme tout à fait réalisable avec les ressources disponibles. « Ce n'est qu'une question de temps avant que nous atteignions ce résultat. »
L'idée est que les produits, déjà testés expérimentalement sur le terrain par l'Embrapa, seront bientôt disponibles sur le marché. « C'est une technologie très facile à déployer à grande échelle, car il s'agit essentiellement d'un logiciel installable sur un téléphone Android ou un mini-ordinateur alimenté par énergie solaire. »
gazetadopovo
