KWS est l’une des principales entreprises de sélection végétale dans le monde. Avec plus de 5 500 employés présents dans 70 pays. Depuis 160 ans KWS est gérée de manière indépendante et autonome en tant qu’entreprise familiale. Elle se concentre principalement sur la sélection végétale et sur la production et la vente de maïs, de betteraves sucrières, de céréales, de canola, de tournesol et de semences de légumes.
Dans le cadre du projet « Future Live – Robotic Weeding in the field », la KWS a organisé, en collaboration avec l’université de Göttingen et l’institut de recherche sur la betterave sucrière (IFZ), un test agronomique des systèmes robotisés utilisés pour le désherbage des betteraves sucrières. Nous nous sommes donc rendus avec AVO chez KWS, près de Northeim en Allemagne, à 1000 km de notre atelier.
L’objectif était de mesurer l’efficacité de traitement après le passage de chaque robot et d’analyser ainsi chaque technologie embarquée.
En attendant les résultats des analyses, c’est l’occasion de vous dévoiler un peu plus en détails ce qui se cache sous le capot d’AVO et comment cela fonctionne !
Machine Learning quèsaco ?
L’apprentissage automatique (en anglais : machine learning), est un champ d’étude de l’intelligence artificielle qui se fonde sur des approches mathématiques et statistiques pour donner aux ordinateurs la capacité d’« apprendre » à partir de données.
Un algorithme, sans lequel rien ne pourrait fonctionner, est au cœur du système. Par analogie avec le cerveau humain, il simule un réseau de neurones.
En pratique
Le robot est équipé d’appareils photographiques, ce sont les flashs que vous avez sans doute aperçus dans l’une de nos vidéos.
Plusieurs centaines de photos par m² sont déclenchées.
L’ordinateur définit dans un premier temps si une plante est présente sur le cliché puis il détermine s’il s’agit d’une plante de culture ou d’adventice. Lorsque la cible est identifiée, il scanne sa position pour transmettre l’information au module de sprayage qui se trouve à l’arrière du robot. La buse correspondant à la position de l’adventice pulvérise sa cible avec une micro-dose de désherbant.
L’algorithme se nourrit de projet pilote.
L’essence même de cette technologie réside dans l’alimentation de la base de données (Big data). Nous travaillons avec la nature et la grande diversité de celle-ci peut être très complexe à percevoir aux yeux d’un ordinateur tant elle offre de diversités. Les facteurs « perturbateurs » sont nombreux, comme les phénomènes météorologiques mais aussi la diversité des plantes et ses différents stades de croissance, ou encore la topographie du terrain et la biodiversité qui s’y trouvent.
Plus il y a de projets pilotes dans des conditions variées, plus l’algorithme devient performant. Bien que de nombreuses contraintes peuvent être simulées dans nos serres, chaque pilote est un accélérateur phénoménal dans le processus de développement d’une technologie qui n’existait pas il y a quelques années.
