FARMINGTON, Washington – Les douces collines de l'est de l'État de Washington produisent depuis longtemps de riches récoltes de blé, d'orge et de lentilles.
Andrew Nelson, agriculteur de cinquième génération, ajoute une nouvelle récolte exceptionnelle à cette générosité : les données.
Il les collecte à partir de capteurs installés dans le sol, de drones dans le ciel et de satellites dans l’espace. Ils fournissent à Nelson des informations sur sa ferme à des moments précis, chaque jour, tout au long de l'année : variations de température, niveaux d'humidité et de nutriments du sol, santé des plantes et bien plus encore.
Nelson, à son tour, introduit ces données dans Projet FarmVibes, une nouvelle suite de technologies axées sur l'agriculture de Microsoft Research. À partir d’aujourd’hui, Microsoft ouvrira ces outils en open source afin que les chercheurs et les scientifiques des données – et les rares agriculteurs comme Nelson, qui est également ingénieur logiciel – puissent s’appuyer sur eux pour transformer les données agricoles en actions susceptibles d’aider à augmenter les rendements et à réduire les coûts.
La première version open source est FarmVibes.AI. Il s’agit d’un ensemble d’algorithmes visant à inspirer la communauté de la recherche et de la science des données à faire progresser l’agriculture basée sur les données. Nelson utilise cette boîte à outils basée sur l'IA pour orienter les décisions à chaque phase de l'agriculture, depuis avant que les graines ne soient mises en terre jusqu'à bien après la récolte.
Les algorithmes FarmVibes.AI, qui fonctionnent sur Microsoft Azure, prédisent les quantités idéales d'engrais et d'herbicide que Nelson devrait utiliser et où les appliquer ; prévoir les températures et la vitesse du vent dans ses champs, en indiquant quand et où il plante et pulvérise ; déterminer la profondeur idéale pour planter les graines en fonction de l'humidité du sol ; et dites-lui comment différentes cultures et pratiques peuvent maintenir le carbone séquestré dans son sol.
Andrew Nelson étudie une image FarmVibes.AI identifiant les mauvaises herbes dans l'un de ses champs. Il a été créé à partir d'images multispectrales de drones et éclairera les décisions de traitement de Nelson plus tard cet automne. (Photo : Dan DeLong pour Microsoft)
« Le projet FarmVibes nous permet de construire la ferme du futur », a déclaré Nelson, qui s'est associé à Microsoft Research pour transformer ses 7 500 acres en terrain d'essai pour le projet FarmVibes. « Nous montrons l'impact que la technologie et l'IA peuvent avoir sur l'agriculture. Pour moi, le projet FarmVibes nous permet de gagner beaucoup de temps, de réduire considérablement nos coûts et de nous aider à contrôler tous les problèmes que nous rencontrons à la ferme.
Les nouveaux outils sont nés du travail de Microsoft avec de grands clients comme Terre des Lacs et Bayer pour intégrer et analyser les données. Le projet FarmVibes reflète des recherches plus récentes sur l’agriculture de précision et durable.
En rendant open source ses derniers outils de recherche, Microsoft souhaite les diffuser bien au-delà de Washington pour aider à résoudre le problème alimentaire urgent dans le monde, a déclaré Ranveer Chandra, directeur général de Recherche pour l'Industrie.
D’ici 2050, nous devrons doubler la production alimentaire mondiale pour nourrir la planète, a déclaré Chandra. Mais à mesure que le changement climatique s’accélère, que les niveaux d’eau baissent et que les terres arables disparaissent, y parvenir de manière durable constituera un défi de taille.
« Nous pensons que l’une des approches les plus prometteuses pour résoudre ce problème est l’agriculture basée sur les données », a-t-il déclaré.
Chez Microsoft, nous nous efforçons de doter les producteurs de données et d'IA pour accroître leurs connaissances sur l'agriculture et les aider à cultiver des aliments nutritifs de manière durable.
La recherche porte ses fruits
Jusqu'à récemment, la ferme de Nelson était comme beaucoup d'autres dans le monde. Il avait Internet chez lui, mais le signal Wi-Fi s’arrêtait devant sa porte. Ses 7 500 acres étaient une zone morte.
Il utilise désormais une solution Project FarmVibes, appelée FarmVibes.Connect, qui sera finalement open source par Microsoft pour apporter la connectivité aux endroits éloignés et ruraux. Il fournit un accès haut débit via les espaces blancs de la télévision, le spectre inutilisé qui scintille comme une « neige » entre les chaînes. Aujourd’hui, Nelson dispose d’une antenne TV pour espaces blancs à énergie solaire qui agit comme un routeur Wi-Fi, mais qui peut couvrir la majeure partie de sa ferme.
Cette connectivité lui a permis de tirer parti de la suite FarmVibes.AI. Maintenant disponible sur GitHubFarmVibes.AI comprend :
-
- Async Fusion, qui combine des images de drones et de satellites avec des données provenant de capteurs au sol pour offrir des informations. Par exemple, Nelson utilise Async Fusion pour créer des cartes thermiques de nutriments à partir d’images multispectrales de drones et de données provenant de capteurs de sol. Ces cartes sont utilisées pour faire varier la vitesse à laquelle il plante les graines et applique les engrais, ce qui peut augmenter le rendement et prévenir la surfertilisation. Async Fusion peut également créer des cartes d'humidité du sol à partir des données des capteurs de la ferme de Nelson. Ces cartes indiquent à Nelson à quelle profondeur planter ses graines et dans quel ordre il doit planter ses champs. En prime, ils peuvent aider à empêcher les tracteurs et les pulvérisateurs de rester coincés dans la boue.
- Oeil spatial, qui utilise l’IA pour supprimer les nuages des images satellite. Cela aide Nelson à combler les lacunes des zones qu'il n'a pas explorées avec un drone. Il peut ensuite alimenter ces images dans des modèles d'IA capables d'identifier les mauvaises herbes, l'aidant ainsi à créer des cartes pour distribuer l'herbicide uniquement dans les zones qui en ont besoin. Et même lorsqu'il pulvérise, ces cartes lui permettent de varier le taux d'application, fournissant plus de volume aux zones densément envahies par les mauvaises herbes et une charge plus légère ailleurs.
- DeepMC, qui utilise les données de capteurs et les prévisions des stations météorologiques pour prédire les températures et la vitesse du vent en fonction du microclimat de sa ferme. Dans la région de Nelson, les prévisions météorologiques locales prévoient les conditions à 10 mètres du sol. « Eh bien, je me fiche de ce que c'est à 10 mètres du sol », a-t-il déclaré. «Je me soucie de ce qui se passe là où se trouvent mes récoltes.» Plus tôt ce printemps, Nelson se préparait à pulvériser ses champs de blé. Il a vérifié les prévisions pour la bonne fenêtre météo ; les plantes seraient endommagées par l'herbicide s'il était pulvérisé par temps glacial. Les prévisions locales semblaient prometteuses, mais DeepMC prévoyait un gel. Il a résisté aux pulvérisations et s'est réveillé avec le gel.
- Un outil d’analyse « et si » qui estime l’impact de diverses pratiques agricoles sur la quantité de carbone séquestrée dans le sol. Aujourd’hui, Nelson utilise ces scénarios « et si » pour améliorer la santé de son sol et augmenter le rendement. Mais il envisage de les utiliser pour accéder aux marchés du carbone, qui rémunèrent les agriculteurs pour des pratiques qui maintiennent le dioxyde de carbone enfermé dans le sol plutôt que de pénétrer dans l'atmosphère.