La communauté scientifique se penche de plus en plus sur le potentiel de l’intelligence artificielle en agriculture. Si au tournant des années 2000, on dénombrait à peine une quinzaine de publications scientifiques dans ce domaine à l’échelle mondiale, en 2020, plus de 1 500 articles ont été publiés sur le sujet! Voici un aperçu de quelques-uns des projets qui mobilisent les experts chez nous.

Amélioration du triage chez Patates Dolbec

Le plus grand producteur de pommes de terre au Canada a fait appel à la firme Vooban pour améliorer ses opérations de triage, qui dépendaient en grande partie de la main-d’œuvre pour combler les lacunes de son ancienne machine de tri optique. L’équipement a été modernisé à l’aide de caméras haute définition et d’un modèle de vision par ordinateur à réseau de neurones profonds afin de reconnaître jusqu’à 21 défauts sur les patates. Résultat : un processus de qualité qui est passé d’un taux d’erreur de 30 à 5 % en quelques mois. 

Prévenir les maladies métaboliques des vaches

L’IA sera mise à contribution pour détecter de façon préventive différentes maladies métaboliques des vaches laitières. L’outil, qui sera intégré au logiciel DSAHR, s’appuie sur les données de centaines de prises de sang effectuées sur plusieurs troupeaux, de même que sur différentes données de santé et de production. Ces informations serviront à obtenir un modèle prédictif qui alertera les vétérinaires sur le risque de maladies métaboliques. Lancé par l’agronome Maxime Leduc, ce projet est le fruit d’une collaboration entre plusieurs universités et l’Association des vétérinaires praticiens du Québec. Ses premiers résultats sont attendus pour 2024. 

Vers une prédiction des besoins en eau

Le chercheur Paul Célicourt et ses collègues de l’INRS collaborent avec des producteurs de pommes de terre du lac Saint-Jean pour explorer le potentiel de l’IA dans la détection et la prévention des stress hydriques. « L’idée est d’utiliser des données au sol et des images obtenues par satellite et par drone pour développer un modèle capable de spatialiser la situation sur le terrain », décrit-il. Son équipe travaille désormais à la création d’une plateforme infonuagique qui permettrait de produire des cartes illustrant les besoins en eau d’un champ selon les données fournies par le producteur. « Ces mêmes cartes seraient injectées dans les systèmes d’irrigation pour moduler les apports en eau », précise le chercheur. 

Un réseau de pièges connectés

Présentement, le dépistage des principaux ravageurs des cultures se fait à l’aide de pièges à phéromones qui sont inspectés de façon manuelle, ce qui est long et coûteux en main-d’œuvre. Afin de moderniser cette approche, le CÉROM développe une application numérique pour connecter un réseau de pièges automatisés. Le chercheur Julien Saguez et son équipe ont testé différents modèles, qui soit par lecture de la signature de vol, soit par analyse d’images, permettent de localiser, d’identifier et de connaître la biologie des insectes sur une base quotidienne. Si le nombre de captures est moins grand dans ce type de pièges, ils permettent une bonne prédiction de leurs activités.