Cela commence par une graine. Cette graine – peut-être une graine de tomate – est plantée dans le sol. Puis ça grandit. Et grandit. Lentement, la plante perce le sol et émerge dans la lumière. Des semaines à des mois plus tard, cette graine devient une plante, jusqu’à la taille, portant des dizaines de tomates mûres. Quelqu’un cueille les fruits et les met dans une boîte. Quelqu’un d’autre expédie ces boîtes dans des entrepôts où un restaurant ou une épicerie achète les tomates. Plus tard, un cuisinier en prendra un, le découpera et le mettra dans une salade.
Aujourd’hui, ce processus est encore assez peu technologique. Bien sûr, il y a des voitures et des camions impliqués, mais la robotique? Pas autant. Les gens sont toujours des acteurs clés à chaque étape. Mais cela pourrait changer, et bientôt.
«Il y aura des technologies majeures à venir au cours des 10 prochaines années pour rendre chaque partie de l’agriculture plus efficace, plus productive et, espérons-le, plus saine et moins chère», explique Dan Steere. Il dirige une entreprise appelée Abundant Robotics à Menlo Park, en Californie.
En d’autres termes, les robots vont de plus en plus jouer un rôle dans la croissance et la préparation de nos aliments.
Au moment où les enfants du collège deviennent adultes, l’ensemble du cycle alimentaire peut être robotique. Même maintenant, les robots aident les agriculteurs. Certains plantent des fruits, des légumes et des céréales de manière plus efficace. Bientôt, ils aideront à récolter ces aliments plus rapidement. Certains entrepôts alimentaires disposent déjà de camions autonomes. Les robots aideront même à mettre cette nourriture dans nos assiettes. En fait, un robot nommé Sally fait déjà cela. L’objectif est de rendre la production et la préparation des aliments plus rapides, plus faciles et plus efficaces.
Obtenir des graines dans le sol
Chaque champ a des zones naturellement moins fertiles que d’autres. Les terres agricoles ne sont peut-être pas égales non plus. Il peut avoir des zones qui s’élèvent ou sont plus basses que leur environnement. Il peut même y avoir des fossés. Le labour égalise quelque peu le sol, mais jamais complètement. Si un ruisseau traverse un champ, il y aura toujours des terres près de ce ruisseau où il sera difficile – ou impossible – de planter. La qualité du sol varie également d’un champ à l’autre.
Toutes ces choses peuvent avoir un impact sur la quantité de nourriture que la terre peut produire et sur la qualité de cette nourriture. Et la quantité de nourriture produite affecte combien d’argent un agriculteur gagne.
Les mathématiques aident les agriculteurs à calculer le nombre de graines à planter et où. Mais les terres changent également au fil du temps, de sorte que ces calculs doivent être effectués à maintes reprises chaque année.
Un drone quadcopter se déplace au-dessus d’une ferme, prenant des photos aériennes. Cela peut cartographier la qualité du sol, des cultures et même des ravageurs.ackab1 / Flickr (CC-BY-SA 2.0)
Theo Pistorius est à la tête d’une société appelée DroneClouds. C’est au Cap, en Afrique du Sud. C’est l’une des nombreuses entreprises utilisant des drones pour aider les agriculteurs à savoir où planter. Drone est l’argot pour les avions aériens sans pilote – un robot volant. L’engin utilisé par DroneClouds dispose de cinq caméras. Pistorius dit que chaque appareil photo «est essentiellement [comme] un appareil photo sur un iPhone». Mais pas un iPhone normal. Il dit que chacun est considéré comme «un iPhone aérien très spécialisé, avec une caméra calibrée très spécialisée».
Alors que les caméras du drone survolent, elles prennent des photos de la terre. Ceux-ci montrent la taille du champ et les différentes couches du terrain. Ils révèlent également la variation du sol et tout problème d’irrigation. Ils montrent même où les insectes et les champignons peuvent causer des problèmes.
Ensuite, DroneClouds traite ces images pour créer une carte du champ et de ce qui y grandit. «Nous faisons ensuite des analyses pour l’interpréter pour l’agriculteur», explique Pistorius. Si les images proviennent d’un verger de pommiers, par exemple, elles pourraient regarder comment les arbres poussent. Ils noteront les endroits où les mauvaises herbes hautes pourraient causer des difficultés à un tout nouvel arbre.
Un agriculteur au Zimbabwe détient un drone utilisé pour la cartographie aérienne des cultures. Ce n’est là qu’une des façons dont les robots s’impliquent dans la production alimentaire.Centre international d’amélioration du maïs et du blé / Flickr (CC-BY-NC-SA 2.0)
Pour identifier les problèmes, les analystes comparent ces images à d’autres de la même culture. C’est ce qu’on appelle l’analyse comparative. Pistorius dit que c’est comme courir une course, puis comparer votre temps d’aujourd’hui à ce qu’il était plus tôt dans la saison. Cela vous permet de mesurer les améliorations que vous avez apportées. Mais les coureurs comparent également leur temps aux autres coureurs. Les agriculteurs comparent donc les photos de leur champ à celles des autres agriculteurs. C’est ce qu’on appelle une analyse basée sur les signatures.
«Les images idéales proviennent de laboratoires du monde entier», explique Pistorius. «Tous les quatre ans, des scientifiques de la Commission de recherche agricole
rencontrer des laboratoires [aux États-Unis] et prendre un tas de signatures. » De cette façon, les agriculteurs des deux pays peuvent s’entraider.
Choisir un fruit
Constamment surveillées, les petites plantes poussent. Jour après jour, le soleil se lève et se couche. Parfois il brille, parfois il pleut. Enfin, l’heure de la récolte arrive. Et avec elle vient de nouveaux travaux de pointe dans la robotique agricole.
Depuis deux ans, Abundant Robotics développe un robot qui cueille des pommes. Deux ans? N’est-ce pas facile de cueillir des pommes?
Pas si vous êtes un robot.
Pour comprendre pourquoi la cueillette des pommes est difficile pour une machine, décomposons le processus. Quand
vous voyez une pomme accrochée à un arbre, vos yeux envoient un signal à votre cerveau. Le cerveau traite les données de ce signal, telles que la couleur de la pomme et son emplacement sur l’arbre. Instinctivement, vous saurez quand la pomme sera prête à cueillir. Votre cerveau dit alors à votre bras de tendre la main et à votre main de retirer le fruit de sa branche. Vous tenez la pomme comme vous le feriez pour un oiseau – assez doucement pour ne pas l’écraser, mais suffisamment fermement pour qu’elle ne tombe pas.
Pour les gens, cueillir une pomme est si facile que même un enfant peut le faire. Mais pour les robots, cette simple activité était auparavant impossible.bubutu- / iStockphoto
Lorsque vous choisissez une pomme, vous prenez toutes ces décisions rapidement. Mais si vous aviez besoin de cueillir la valeur d’un champ entier de pommes, cela prendrait très, très longtemps. Après avoir choisi une pomme, vous devrez la mettre dans un panier. La prochaine pomme y entrerait aussi, et la suivante, jusqu’à ce que votre panier soit plein. Ensuite, descendez l’échelle où vous irez, où vous devrez vider votre panier avant de remonter pour recommencer.
Faire cela pour des centaines d’arbres prendrait énormément de temps. C’est pourquoi les gens recherchent l’aide de robots. Une fois la robotique abondante terminée, les agriculteurs pourront planter plus d’arbres. Et ils ne seront pas inquiets de voir une partie de leur récolte pourrir dans le champ parce que les gens n’ont pas pu tout ramasser à temps.
Le premier problème qu’Abundant Robotics a dû résoudre a été d’acquérir les bons signaux. « Si vous n’avez pas une bonne paire d’yeux, il est difficile de faire beaucoup de tâches dans le monde réel », explique Steere. L’entreprise a donc dû donner à son robot ce que Steere appelle «une meilleure paire d’yeux». Ce système – et comment il se connecte au cerveau d’un robot – est connu sous le nom de vision par ordinateur. La vision par ordinateur aide le robot à voir «toutes les surfaces d’une pomme», explique Steere, en plus de juger de sa taille, de sa couleur et de son poids. Il peut même détecter les défauts du fruit. Ces systèmes améliorent rapidement ce que les robots peuvent faire.
Pourtant, même avec de super yeux, le robot pomme devait encore apprendre à cueillir physiquement le fruit sans le blesser. En robotique, le mouvement est appelé animation. Steere dit: « Une animation lourde endommage le fruit. » S’il meurtrit la pomme ou coupe à travers la peau, le fruit peut sembler mauvais et ne se vendra probablement pas. Une manipulation brutale peut également endommager les arbres.
Le robot doit donc coordonner sa vision et sa motricité. Repensez au processus de cueillette des pommes: vous devez savoir quelle pomme cueillir. Vous devez le cueillir rapidement et doucement. Mais quoi d’autre? Vous ne pouvez pas déranger les pommes sur l’arbre qui ont encore besoin de temps pour pousser. «La vision doit… reconnaître les fruits», dit Steere, et «reconnaître s’ils sont mûrs ou non». Et il doit faire tout cela en une fraction de seconde.
«Les gens veulent automatiser ce type d’agriculture depuis des décennies. Cela n’a jamais été possible », dit-il. Même après deux ans, le travail de son équipe n’est toujours pas terminé! Le robot d’Abundant ne sera mis en vente que plus tard cette année. Développer une technologie de pointe, c’est comme l’agriculture – cela demande de la patience.
Tri de la récolte
Les baies de café sont disponibles en plusieurs couleurs. Un nouveau robot peut rapidement trier les bons des mauvais.Bonga1965 / iStockphoto
Une fois la récolte cueillie, les bons fruits doivent être triés des mauvais. C’est ce qu’une société appelée robotique.tech fait. Au lieu de pommes, son robot fonctionne avec du cacao, des noix, de la cardamome (une épice) et des cerises de café (le fruit qui contient les grains de café). Daniel Jones dirige l’entreprise, basée à Denver, au Colorado.
Prenez ces cerises de café. «Les agriculteurs récoltaient leur café et le mettaient dans notre machine», explique Jones. « Ensuite, la machine laisse tomber [le fruit] à travers un système de vision. » Imaginez une cascade de cerises tombant. C’est ce que la machine regarde tout en prenant des photos du fruit qui passe. Le robot utilise ensuite ces images pour trier les bonnes cerises de café des mauvaises.
La vision industrielle et la vision par ordinateur sont essentiellement la même chose. Les robots abondants et best360 effectuent différentes tâches. Pourtant, la même technologie de base aide les deux à le faire.
Avant de construire un robot, les ingénieurs dessinent à quoi il ressemblera. Voici la conception du robot à café du robotique.tech.Garrett Ziegler
Les deux robots ont également besoin de plus de vision par ordinateur pour réussir. Vision peut indiquer au robot du robotique.tech comment trier, mais le robot doit alors le faire. Les agriculteurs récoltent des cerises de café – jusqu’à 30 kilogrammes (66 livres) – d’une section de leur champ à la fois. Ensuite, ils chargent des cerises contenant quelque 18 000 haricots dans une goulotte sur le dessus du robot.
Dans environ 3 minutes, le robot aura trié individuellement chaque cerise. Pour ce faire, le robot doit prendre une photo de chacun. Ensuite, il les analyse tous en seulement 22 millisecondes environ. « Nous saurons tout sur eux dans cette fraction de seconde où ils tomberont [dans la goulotte] », explique Jones. Des bouffées d’air poussent ensuite les cerises dans différents bacs – un pour les bons fruits, un autre pour les rejets.
Après la chute de la cerise de café, le robot partage son analyse avec l’agriculteur. «Les principales choses [que le robot mesure] sont la taille, la couleur et la densité», explique Jones. Il vérifie également l’intérieur
