Avec PyTorch et le machine learning, John Deere s’attaque aux mauvaises herbes

Avec PyTorch et le machine learning, John Deere s’attaque aux mauvaises herbes

Filiale de John Deere, Blue River Technology développe une technologie combinant machine learning et robotique destinée à l’agriculture. Grâce à la computer vision, la solution distingue culture et mauvaise herbe pour le traitement aux herbicides.

Le marché de l’intelligence artificielle pour le secteur agricole est estimé en 2020 à un milliard de dollars. En 2026, il pourrait atteindre 4 milliards de dollars. Plusieurs industriels proposent ainsi déjà des solutions d’IA pour le monde agricole.

C’est le cas notamment de Blue River Technology, une filiale du géant du matériel agricole John Deere. La startup californienne développe un robot, See & Spray, tirant profit des technologies robotique et du machine learning.

Analyse temps réel pour cibler l’utilisation de pesticides

La machine agricole robotisée combine ainsi l’apprentissage machine (ML) et la vision par ordinateur pour identifier les mauvaises herbes. Le fournisseur promet une analyse en temps réel pour le traitement en herbicides.

A la clé, « un moyen plus cohérent, précis et efficace de désherber les cultures » pour les agriculteurs. Pour concevoir cette solution, River Technology exploite une bibliothèque logicielle open source Python bien connue des experts du machine learning : PyTorch.

La machine See & Spray collecte des images des cultures et des mauvaises herbes grâce à un réseau de caméras haute résolution. Chaque image capturée par la caméra est analysée par un réseau de neurones compatible PyTorch. Il identifie ainsi les mauvaises herbes et les cultures et cartographie leur emplacement.

See & Spray peut distinguer les cultures (en vert) et les mauvaises herbes (en rouge)
See & Spray peut distinguer les cultures (en vert) et les mauvaises herbes (en rouge)

« Une fois la carte créée, en quelques millisecondes, le robot ne pulvérise plus que les endroits où les mauvaises herbes ont été trouvées. Cette approche permet de réduire la quantité d’herbicide utilisée pour lutter contre les mauvaises herbes. Cela permet aux agriculteurs de réaliser des économies et de promouvoir des pratiques agricoles durables » détaille Facebook AI, créateur de PyTorch.

Distinguer pousses et mauvaises herbes n’est cependant pas toujours aisé. Des spécialistes métier, dont des agronomes, ont ainsi contribué aux développements pour permettre l’étiquetage correct des données et l’apprentissage des modèles de ML.

PyTorch pour itérer rapidement et produire des modèles

« Le framework [PyTorch] nous donne la possibilité de soutenir simultanément les workflows des modèles de production et les workflows de recherche » souligne Chris Padwick, directeur Computer Vision et Machine Learning pour Blue River Technology.

L’équipement de robots avec des modèles de réseaux de neurones pose des difficultés néanmoins. Expériences et recherches sont donc menées en permanence pour améliorer les performances des modèles.

« (…) nous devons construire les modèles les plus précis et les plus rapides pour nos machines de terrain. PyTorch nous permet d’itérer rapidement, puis de produire nos modèles et de les déployer sur le terrain » précise l’expert.

Cela implique notamment « une bonne part de data science et d’analyse des données liées aux tests et à l’amélioration des processus. » Pour la supervision des runs de machine learning, les ingénieurs utilisent la plateforme Weights & Biases. La solution intervient dans la visualisation des modèles PyTorch pendant l’apprentissage.

A propos de Christophe Auffray 396 Articles
De formation initiale en marketing Web et en économie, je me suis spécialisé par la suite dans la presse B2B consacrée à l'économie numérique et dispose dans ce secteur de 15 ans d'expérience. Spécialiste de la transformation numérique, de l'innovation et des nouveaux business models des entreprises, j'ai développé des compétences dans les domaines du marketing éditorial, de la stratégie éditoriale, de la production de contenus premium et la gestion de sites d'information et d'équipe dans l'univers des médias en ligne et du marketing des solutions innovantes.