L’agritech pour les « smartfarmers » – Comment la computer vision transforme le secteur de l’agroalimentaire

par | Oct 15, 2019 | Use Case

agriculture

 

Peu de gens savent que les agriculteurs sont la catégorie socio-professionnelle la plus connectée. Et pourtant !  L’agritech, qui réunit le numérique et l’agriculture, est en plein essor en France et dans le monde. C’est une opportunité à saisir pour les entreprises d’IA qui peuvent mettre leur technologie de pointe au service d’une agriculture durable et rentable. Selon Xavier Besseyre des Horts (responsable commercial du vertical foodtech et agritech chez Microsoft), l’IA peut accroître la productivité agricole de 45 % tout en réduisant les coûts de 35 %. Focus sur quelques cas précis où la Computer Vision (CV) transforme, avec des solutions personnalisées, le secteur de l’agroalimentaire.

 

Maximiser et stabiliser le rendement des cultures

La CV peut aider à suivre précisément le développent des cultures pour prédire les rendements et les conditions environnementales qui influent sur la croissance et la productivité de l’agriculture. En plaçant des capteurs dans les champs et des caméras dans les fermes, nous pouvons récolter des informations, les analyser, et accompagner les agriculteurs dans leur métier. Il devient possible de prédire l’état du sol (sécheresse, teneur en humidité…), diagnostiquer les maladies des végétaux grâce aux images des feuilles des plantes saines et malades, et recueillir toutes sortes d’informations sur la température, le rayonnement solaire, les semences, les engrais, les pesticides, ou encore l’équipement agricole. L’entreprise Tanaris créé une visibilité totale sur l’ensemble d’un champ avec une très grande précision grâce à une imagerie de surveillance aérienne pour générer des connaissances granulaires pour la prévention des pertes de rendement des cultures dues aux maladies, insectes, mauvaises herbes et carences en nutriments.

 

Renforcer la sécurité sanitaire

L’analyse des images permet également de détecter automatiquement des anomalies ou un non respect des normes d’hygiène, dans le but de renforcer le contrôle qualité des produits issus de l’agriculture. Il est désormais possible, par exemple, de trier automatiquement les grains de maïs afin d’éliminer ceux potentiellement porteurs d’Aflatoxin pouvant causer des cancer (application LumoVision de Bühler). L’entreprise brésilienne JBS a réduit les contaminations E Colis de leur lait de 60% en un an seulement grâce à l’utilisation de la CV pour automatiser le contrôle qualité du lait. Au lieu que des personnes soient en charge de contrôler le bon respect des normes via le visionnage de caméras, vérifiant que les travailleurs se lavent bien les mains, portent l’équipement nécessaire (bottes, charlotte), etc., la tâche est entièrement automatisée grâce à la CV. Le lait pouvant être contaminé par des agents microbiens ou chimiques présents dans l’environnement de la ferme ou de l’usine, le contrôle qualité de cet aliment fragile est un enjeu primordiale, dont l’automatisation est aujourd’hui la mesure la plus adaptée afin de répondre aux exigences de sécurité alimentaire nationale et internationale.

 

Automatiser le comptage et la pesée des animaux

La CV permet un comptage automatique des animaux pour assurer leur traçabilité, et une détection de leur poids pour s’assurer de leur bonne croissance avant l’envoi à l’abattoir. L’entreprise Coimma se sert de cette technologie pour fabriquer des balances connectées qui sont fiables, font gagner du temps, et réduisent le niveau de stress des bovins.

Ces quelques exemples montrent comment la computer vision peut révolutionner le secteur de l’agroalimentaire, et ce n’est que le début. Cette technologie permet à chaque professionnel de l’agroalimentaire de collecter automatiquement des informations précieuses afin d’accroître la sécurité alimentaire, la traçabilité, et le rendement, tout en contribuant à rendre la vie des agriculteurs plus facile.

 

Article publié sur le blog d’Augustin Marty sur l’Usine Nouvelle

Augustin Marty est le PDG et co-fondateur de deepomatic, start-up spécialisée dans le développement de solutions de reconnaissance d’images pour les industriels. Diplômé de l’Ecole nationale des Ponts et Chaussées, il a créé sa première entreprise en Chine à l’âge de 22 ans, puis a travaillé notamment pour Vinci Construction sur la vente et la conception de projets d’ingénierie.

Share This