Overblog
Editer l'article Suivre ce blog Administration + Créer mon blog
Agriculture, alimentation, santé publique... soyons rationnels

Des chercheurs de Virginia Tech utilisent l'intelligence artificielle pour combattre les nématodes du soja

21 Novembre 2022 Publié dans #Article scientifique

Des chercheurs de Virginia Tech utilisent l'intelligence artificielle pour combattre les nématodes du soja

 

Contributeurs d'AGDAILY*

 

 

Un nématode du soja. (Image : Jon Eisenback)

 

 

Sous le sol se cache une chose invisible à l'œil nu, une chose si petite qu'il faut un microscope pour l'apercevoir : les nématodes.

 

Ces organismes minuscules sont omniprésents dans les écosystèmes de la Terre et se trouvent sur les plus hautes montagnes jusqu'aux coins les plus sombres des océans. Souvent appelés vers ronds, les nématodes sont beaucoup plus nombreux que les autres organismes sur Terre. Certaines espèces de nématodes, cependant, peuvent causer des problèmes lorsqu'elles sont présentes en trop grand nombre.

 

Des chercheurs du Virginia Tech College of Agriculture and Life Sciences étudient la manière d'utiliser l'intelligence artificielle pour identifier la présence de nématodes parasites du soja qui causent des pertes de plus d'un milliard de dollars chaque année aux États-Unis.

 

Dans le cadre de cette recherche, un ensemble de données microscopiques robustes sur les nématodes du soja sera développé, ainsi que des algorithmes d'intelligence artificielle pour l'identification et des cartes de points chauds d'infestation par système d'information géographique. Le résultat de la recherche est de regrouper tout cela dans un outil exécutable pour les producteurs.

 

« En mettant au point un outil exécutable pour combattre les nématodes du soja, nous sommes en mesure de faire économiser de l'argent et du temps aux producteurs tout en améliorant la durabilité environnementale », a déclaré M. David Langston, professeur au Tidewater Agricultural Research and Extension Center et chercheur sur le projet. « Nous voulons que cette recherche soit facile à mettre en œuvre et constitue un moyen pratique et durable de lutter contre les infestations de nématodes. »

 

Les symptômes visuels des nématodes du soja peuvent être confondus avec d'autres facteurs de stress sur la culture, ce qui entraîne des pertes de récolte importantes en l'absence de traitements. Cette recherche permettra une identification rapide pour étayer les décisions de gestion des nématodes tout en réduisant l'utilisation de pesticides sur les cultures.

 

Ces pesticides sont souvent non sélectifs, ce qui signifie qu'ils tuent à la fois les bons et les mauvais nématodes, de la même manière que les antibiotiques ciblent à la fois les bonnes et les mauvaises bactéries dans le corps humain. Ces pesticides non sélectifs tuent les nématodes bénéfiques qui sont essentiels au cycle du carbone, c'est-à-dire le processus par lequel le carbone est échangé entre la biosphère, la géosphère, la pédosphère, l'hydrosphère et l'atmosphère de la Terre.

 

 

Un nématode du soja. (Image : Jon Eisenback)

 

 

Il n'y a pas de traitement correctif pour les nématodes pendant la saison de végétation. Les tactiques de lutte contre les nématodes sont mises en place après la récolte de la culture en cours et avant ou au moment de la mise en place de la culture suivante.

 

Le gros problème est que la plupart des échantillons de nématodes sont prélevés à l'automne, au moment de la récolte ou après, et que le goulet d'étranglement créé par l'utilisation des méthodes disponibles pour évaluer les populations de nématodes signifie que les résultats peuvent être disponibles trop tard pour que les producteurs puissent commander des semences de variétés résistantes aux nématodes pour la saison suivante. Les nématicides sont appliqués juste avant le semis ou au semis.

 

Avec moins de personnes ayant l'expertise nécessaire pour identifier les nématodes, comme le nématode à galles Meloidogyne incognita et le nématode à kystes du soja Heterodera glycines, les deux nématodes analysés par les chercheurs, des systèmes doivent être mis en place pour améliorer le traitement des échantillons, qui est déjà en lui-même un goulet d'étranglement. Selon les chercheurs, il faut beaucoup de temps pour passer en revue et identifier manuellement les nématodes dans les échantillons envoyés au laboratoire.

 

En pleine saison de végétation, cela peut entraîner des retards dans l'identification et faire perdre aux producteurs le temps de prendre des décisions. En supprimant l'élément humain et en formant les algorithmes, il est possible d'attribuer des prescriptions de traitement appropriées presque au moment où les échantillons sont reçus.

 

« C'est un problème que nous essayons de résoudre sur deux fronts », explique M. Abhilash Chandel, professeur adjoint au Département de Génie des Systèmes Biologiques. « Laccroître la capacité de ce comptage et de cette identification manuels est une tâche. L'autre consiste à s'attaquer aux problèmes sur le terrain, notamment aux niveaux d'infestation des nématodes à l'aide d'images satellites à grande échelle ou d'images de drones."

 

 

 

 

L'utilisation des images pour discerner les facteurs de causalité sera un défi, selon les chercheurs. Il faudra pour cela que l'imagerie et les algorithmes déterminent la différence entre l'altitude, les types de sol, le lessivage des nutriments, les niveaux de pH, etc.

 

Les meilleures pratiques actuelles d'identification des nématodes aux États-Unis font encore appel à l'indémodable microscope classique pour compter et identifier manuellement les nématodes dans chaque échantillon. Ce processus doit être amélioré, ont déclaré les chercheurs.

 

Au cours de la saison de végétation 2022, des nématodes ont été prélevés dans les points chauds des exploitations agricoles de Virginie, à raison de 50 échantillons géolocalisés par hectare de champ. Plus de 40.000 images microscopiques ont été analysées à l'aide d'un microscope composé Motic et d'un Canon Vixia HF G20. M. Christian Pittman traite, identifie et compte ces nématodes.

 

Mme Mychele Batista da Silva, une chercheuse postdoctorale travaillant avec M. Langston, est une nématologue qui effectue des essais biologiques différentiels sur l'hôte ; ce sont des méthodes analytiques pour mesurer la concentration ou la puissance d'une substance par ses effets sur un système vivant. Elle utilise aussi des outils moléculaires pour identifier les espèces et les races de nématodes qui ne peuvent pas être identifiées visuellement.

 

À partir de ces images, des algorithmes d'intelligence artificielle ont été créés pour l'identification des nématodes du soja. Des réseaux convolutionnels (une classe de réseaux neuronaux généralement appliquée à l'imagerie), des réseaux récurrents (une classe de réseaux neuronaux qui créent généralement un cycle), et des réseaux neuronaux artificiels (inspirés des réseaux neuronaux biologiques qui composent les cerveaux) seront formés, validés et affinés tout au long du processus de recherche.

 

Une fois le projet de recherche terminé, un outil exécutable sera mis à la disposition des agriculteurs ainsi qu'une méthode sécurisée de partage des résultats à distance.

 

____________

 

Cet article a été rédigé par M. Max Esterhuizen, de Virginia Tech, un spécialiste de la communication et du marketing qui a passé sa carrière professionnelle dans l'enseignement supérieur et dans le journalisme sportif.

 

Source : Virginia Tech researchers use AI to combat soybean nematodes | AGDAILY

Partager cet article
Repost0
Pour être informé des derniers articles, inscrivez vous :
Commenter cet article