Cuando los compañeros de clase franceses Guillaume Jourdain, Hugo Serrat y Jules Beguerie estaban considerando aplicar la IA a la agricultura en 2014 para formar una startup, no era una apuesta segura.
Eran los primeros días de este tipo de aplicaciones de IA y la gente decía que no se podía hacer. Pero los agricultores con los que hablaron lo querían.
Así que armaron una demostración burda para mostrar que una GPU GeForce podía ejecutar una red de identificación de malezas con una cámara. Y, de inmediato, tuvieron su primer cliente-inversor.
En 2016, los antiguos compañeros de dormitorio de la École Nationale Supérieure d’Arts et Métiers, en París, fundaron Bilberry. En la actualidad, la compañía desarrolla el reconocimiento de malezas impulsado por la plataforma de inteligencia artificial en el edge NVIDIA Jetson para la aplicación precisa de herbicidas en granjas de maíz y trigo, lo que ofrece una reducción de hasta un 92 por ciento en el uso de herbicidas.
El reconocimiento de malezas está comenzando a cobrar notoriedad, gracias los avances en la IA y las presiones sobre los agricultores para que reduzcan el uso de herbicidas. Una cosecha abundante de empresas agrícolas de IA (FarmWise, SeeTree, Smart Ag y Blue River, propiedad de John Deere) está arando este campo.
Tecnología para Granjas 2.0
La primera oleada de tecnología agrícola solo estaba arañando la superficie de lo que es posible. Mediante la aplicación de sensores infrarrojos, se centró en “el problema del verde sobre el marrón”, en el que los herbicidas se aplicaban uniformemente a las plantas (cultivos y malezas) en lugar de a la suciedad, lo que destruía todas las plantas, dijo Serrat, el CTO de la empresa.
Hoy en día, la carrera por la sustentabilidad está en marcha para tratar “verde sobre verde”, o simplemente las malas hierbas cerca del cultivo, dijo Serrat.
“Hacer la distinción entre malezas y cultivos y actuar en tiempo real en consecuencia, ese es el objetivo de todo el mundo, es el verdadero santo grial”, dijo. “Para lograr esto, se requiere una inferencia de una fracción de segundo en el campo con las GPU de NVIDIA que ejecutan visión de computación”.
Las pérdidas en el rendimiento del maíz debido a un tratamiento ineficaz de las malezas pueden oscilar entre el 15 y el 20 por ciento, según Bilberry.
Los clientes de la startup para pulverizadores inteligentes incluyen las empresas de equipos agrícolas Agrifac, Goldacres, Dammann y Berthoud.
Reducción del Uso de Productos Químicos
Bilberry implementa su reconocimiento de malezas con la tecnología NVIDIA Jetson en los brazos de los tractores que pueden abarcar un campo de fútbol de EE. UU., unos 50 metros. Ejecuta 16 cámaras en 16 módulos Jetson TX2 y puede analizar malezas a 17 cuadros por segundo en busca de salpicaduras de herbicidas en una fracción de segundo mientras viaja a 15 millas por hora.
Con el objetivo de lograr este rendimiento de inferencia ultrarrápido para el reconocimiento rápido de malezas, Bilberry aprovechó el SDK NVIDIA JetPack para optimizar sus algoritmos con TensorRT. “Lo llevamos al límite”, dijo Serrat.
Bilberry aprovechó lo que se conoce como cuantificación de peso INT8, que permite una aplicación más eficiente de modelos de deep learning, particularmente útil para sistemas integrados compactos en los que imperan las restricciones de memoria y energía. Esto les permitió aprovechar los números enteros de 8 bits en lugar de los números de punto flotante. Pasar a la matemática de números enteros, en lugar de usar los puntos flotantes, ayuda a reducir el uso de la memoria y la computación, así como la latencia de la aplicación.
Bilberry es miembro de NVIDIA Inception, un programa de aceleración virtual que ayuda a las startups del sector de IA y ciencia de datos a llegar al mercado más rápido.
Ganancias para el Medioambiente y el Rendimiento
Los rociadores inteligentes de la startup ahora pueden reducir drásticamente el uso de herbicidas mediante la identificación de los tratamientos. Eso puede marcar una enorme diferencia en la filtración de productos químicos al agua subterránea, dice la compañía. También puede mejorar el rendimiento de las plantas, ya que reduce la fumigación en los cultivos.
“Es necesario aplicar la cantidad correcta de herbicidas a las malas hierbas; si aplica muy poco, la hierba seguirá creciendo y creando nuevas semillas. Bilberry puede hacer esto a una velocidad de 242 acres por hora, con nuestra unidad más grande ”, dijo Serrat.
El enfoque en la reducción de los productos químicos agrícolas se produce cuando Europa endurece los límites máximos de carbono que afectan a los agricultores y cuando los consumidores adoptan los alimentos orgánicos. En 2020, las ventas de productos orgánicos en EE. UU. aumentaron un 14 por ciento a 8,500 millones de dólares con respecto al año anterior, según datos de Nielsen.
Problema de Clasificación de Papas
Bilberry lanzó recientemente una aplicación de clasificación de papas en asociación con Downs. Tradicionalmente, las papas se manipulan clasificándolas mientras se mueven lentamente a través de una cinta transportadora. Sin embargo, es difícil para los procesadores de alimentos conseguir mano de obra. Además, es difícil concentrarse en el trabajo monótono durante horas, lo que provoca errores.
“Es realmente aburrido, hacerlo todo el día, te vuelves loco”, dijo Serrat. “Además, es un trabajo estacional, así que cuando necesitan a alguien, es ahora, por lo que siempre tienen problemas para conseguir suficiente mano de obra”.
Por lo tanto, es una tarea perfecta para la IA. La startup entrenó su red de clasificación de papas para detectar papas malas, papas verdes, papas cortadas, piedras y terrones de tierra entre las papas buenas. Mediante la aplicación de Jetson Xavier en esta tarea de visión, la plataforma de IA puede enviar una señal a una de las puertas al final de la cinta transportadora para permitir que solo pasen las papas buenas.
“Esta es la parte que me encanta, desarrollar software que maneje algo en movimiento y tenga un impacto real”, dijo.