Les sélectionneurs de cultures d'aujourd'hui essaient d'augmenter les rendements tout en préparant les cultures à résister aux intempéries et aux changements climatiques. Réussir, ils doivent localiser les gènes à haut rendement, caractères de robustesse dans l'ADN des plantes cultivées. Un robot développé par l'Université de l'Illinois pour trouver ces aiguilles proverbiales dans la botte de foin a été récompensé par le prix du meilleur article sur les systèmes à Robotics:Science and Systems, la conférence prééminente sur la robotique qui s'est tenue la semaine dernière à Pittsburgh.

"Il y a un réel besoin d'accélérer la sélection pour répondre à la demande alimentaire mondiale, " a déclaré le chercheur principal Girish Chowdhary, professeur adjoint de robotique de terrain au département de génie agricole et biologique et au laboratoire scientifique coordonné de l'Illinois. "En Afrique, la population va plus que doubler d'ici 2050, mais aujourd'hui les rendements ne représentent qu'un quart de leur potentiel."

Les sélectionneurs mènent des expériences massives comparant des milliers de cultivars différents, ou variétés, des cultures sur des centaines d'acres et mesurer les traits clés, comme l'émergence ou la hauteur des plantes, par la main. La tâche coûte cher, long, inexacte, et finalement inadéquate :une équipe ne peut mesurer manuellement qu'une fraction des plantes dans un champ.

"Le manque d'automatisation de la mesure des caractères des plantes est un goulot d'étranglement pour progresser, " a déclaré le premier auteur Erkan Kayacan, maintenant chercheur postdoctoral au Massachusetts Institute of Technology. "Mais il est difficile de faire des systèmes robotiques capables de compter les plantes de manière autonome :les champs sont vastes, les données peuvent être bruitées (contrairement aux jeux de données de référence), et le robot doit rester dans les rangs serrés dans l'environnement difficile sous la canopée."

13 pouces de large de l'Illinois, Le robot TerraSentia de 24 livres est transportable, compacte et autonome. Il capture chaque plante de haut en bas à l'aide d'une suite de capteurs (caméras), algorithmes, et l'apprentissage en profondeur. En utilisant une méthode d'apprentissage par transfert, les chercheurs ont appris à TerraSentia à compter les plants de maïs avec seulement 300 images, comme rapporté lors de cette conférence.

« L'un des défis est que les plantes ne sont pas également espacées, donc supposer qu'une seule plante se trouve dans le cadre de la caméra n'est pas suffisant, " a déclaré le co-auteur ZhongZhong Zhang, un étudiant diplômé du Collège des sciences de la consommation agricole et de l'environnement (ACES). « Nous avons développé une méthode qui utilise le mouvement de la caméra pour s'adapter aux différents espacements entre les plantes, ce qui a conduit à un système assez robuste pour compter les plantes dans différents domaines, avec un espacement différent et variable, et à des vitesses différentes."