Flux de données de récolte Agriculture 4.0

Les agriculteurs récoltent les données des capteurs pour passer de l'agriculture préventive à l'agriculture prédictive.

Depuis sa création, la révolution industrielle s'est concentrée sur l'automatisation des processus de production. Maintenant que nous sommes entrés dans l'ère de l'Industrie 4.0, la plupart des processus industriels sont devenus centrés sur les données, impliquant généralement cinq étapes de manipulation des données :la collecte, la transmission, le stockage, l'analyse et, enfin, l'affichage. Cette dernière étape consiste à tenir les humains au courant, mais les données peuvent également être renvoyées à un dispositif d'actionnement, amenant le processus dans le domaine de la robotique.

L'agriculture n'a pas été à l'abri de l'industrialisation au cours des deux derniers siècles, et ces dernières années, l'Agriculture 4.0 a pris de l'ampleur. Tout comme la production industrielle a fait la transition vers la gestion des données, l'agriculture suit désormais cette voie. Les entreprises qui ont traditionnellement servi les segments industriels proposent désormais des approches similaires centrées sur les données pour le secteur agricole, et nous voyons même des fabricants d'équipements agricoles se développer dans la fabrication d'équipements industriels. Bien que l'agriculture soit souvent caractérisée par un environnement non structuré par rapport aux industries manufacturières industrielles traditionnelles, la polyvalence des nouvelles technologies centrées sur les données aide l'agriculture à devenir une industrie pilotée de la même manière que l'automobile ou l'aérospatiale. Le fermier est devenu ingénieur comme n'importe quel autre ingénieur.

Tout a commencé dans les années 1990 avec le premier équipement d'automatisation pour l'industrie laitière à haute valeur ajoutée – principalement des machines à traire du fabricant suédois DeLaval et de Lely aux Pays-Bas. Parallèlement, des trieurs optiques de céréales, notamment de riz, ont été développés par des sociétés telles que Satake, dont le siège est au Japon, et Bühler, basée en Suisse. Certaines de ces techniques de tri se sont retrouvées sur le terrain pour des produits agricoles haut de gamme, comme le raisin de vigne. Pellenc, dans le sud de la France, a développé un tel équipement robotique, qui a transformé les agriculteurs en scientifiques des données.

En effet, une fois l'automatisation en place pour cette nouvelle génération d'agriculteurs, ils ont eu l'opportunité de faire un pas supplémentaire, non seulement en regardant passivement leur rendement, mais en agissant de manière proactive pour améliorer la qualité et la quantité de leurs produits agricoles. Alors que les petites exploitations agricoles du passé pouvaient compter sur les yeux et l'intuition de l'agriculteur pour surveiller les activités quotidiennes, les gigantesques exploitations agricoles d'aujourd'hui ne peuvent plus compter sur les sens humains. La technologie des données est devenue essentielle pour orienter la ferme dans la bonne direction. Que ce soit pour l'élevage, la production végétale ou la production haut de gamme comme le vin, les données sont au cœur de l'Agriculture 4.0.

Utilisation de la caméra dans l'agriculture

L'un des meilleurs exemples de gestion des données agricoles est le suivi des champs à l'aide de drones. Parrot, basé à Paris, est un acteur clé dans ce domaine, en grande partie grâce à sa filiale américaine, MicaSense. Cependant, la société française a annoncé en janvier qu'elle avait accepté de vendre MicaSense à AgEagle Aerial, une société américaine de collecte de données, d'analyse, de services d'imagerie aérienne et de drones, pour 23 millions de dollars. MicaSense a développé une caméra qui utilise différentes longueurs d'onde pour calculer des cartes d'indice de végétation par différence normalisée (NDVI), qui sont devenues le moyen accepté de surveiller la croissance des cultures et de repérer les zones à problèmes. La méthodologie de pointe consiste maintenant à télécharger les cartes NDVI sur les tracteurs et ainsi ajuster les engrais livrés au champ.

La Federal Aviation Administration (FAA) des États-Unis a récemment signalé que 7 % des 1,6 million de drones enregistrés aux États-Unis étaient destinés à des fins agricoles. Cela représente plus de 100 000 drones actifs pour l'agriculture aux États-Unis. Bien qu'il ne représente qu'une petite partie du marché global des drones commerciaux, le segment des drones agricoles est devenu une réalité génératrice de revenus importante. La collecte de données est de plus en plus le rôle des robots. Que ce soit pour une grange automatisée, un drone agricole ou un tracteur autonome, les données ne sont plus le nouveau pétrole; c'est la nouvelle récolte.

Utilisation de l'IMU dans l'agriculture

Les robots utilisés dans l'agriculture intelligente se divisent en deux catégories principales :aériens (drones) et terrestres (comme les tracteurs et les moissonneuses). Dans les deux cas, les fonctionnalités des robots reposent sur différents types de capteurs. L'une de ces fonctionnalités est le système inertiel de navigation et de stabilisation, qui doit répondre aux exigences de hautes performances, de fiabilité et de précision; faible dérive de polarisation ; faible instabilité de biais ; et des performances stables en température - le tout à un prix abordable - pour justifier l'investissement.

cliquez pour l'image en taille réelle

(Source :Yole Développement)

cliquez pour l'image en taille réelle

(Source :Yole Développement)

Les drones permettent de surveiller la santé et l'état des champs cultivés (via des caméras) et sont généralement utilisés pour la fertilisation de petits et moyens champs (<20 hectares) comme alternative aux solutions de fertilisation plus coûteuses par avion. La navigation et la stabilisation du drone sont très importantes lorsque vous pointez la caméra vers le sol, car il est nécessaire de savoir ce que la caméra capture. A une hauteur de 10 mètres, une erreur de 5° entraîne une erreur de 80 cm.

Bien que le GPS puisse être suffisamment précis pour la navigation par drone, des solutions robustes d'unité de mesure inertielle (IMU) sont nécessaires pour la stabilisation de la caméra.

Les véhicules robotiques terrestres pour l'agriculture parcourent les rangées de cultures et ont besoin d'une précision centimétrique pour éviter d'endommager les plantes. La plupart de ces machines disposent d'un système GPS précis, qui permet au conducteur de connaître l'emplacement du véhicule et évite une double fertilisation ou un manque de fertilisation. Cependant, le GPS pourrait être limitatif dans les cas où le robot roule, par exemple, sous les arbres, où le signal pourrait être perdu. C'est là que les solutions IMU ou système de référence d'attitude-cap (AHRS) sont nécessaires. Les IMU basées sur des systèmes microélectromécaniques (MEMS) sont bien équipées pour répondre aux exigences des applications terrestres en termes de performances élevées et de faible taille, poids, puissance et coût (SWAP-C).