Quando os colegas franceses Guillaume Jourdain, Hugo Serrat e Jules Beguerie decidiram aplicar a AI à agricultura em 2014 para formar uma startup, não era uma aposta segura.
Era o início das aplicações de AI, e as pessoas diziam que isso não poderia ser feito. Mas os agricultores com quem eles conversaram estavam interessados.
Então, eles montaram uma demonstração simples para mostrar que uma GPU GeForce poderia executar uma rede de identificação de ervas daninhas com uma câmera. Logo depois, eles ganharam seu primeiro cliente-investidor.
Em 2016, os antigos colegas de quarto da École Nationale Supérieure d’Arts et Métiers, em Paris, fundaram a Bilberry. Atualmente, a empresa desenvolve o reconhecimento de ervas daninhas com a tecnologia da plataforma de AI no edge NVIDIA Jetson para aplicação precisa de herbicidas em fazendas de milho e trigo, oferecendo uma redução de até 92% no uso de herbicida.
Impulsionado pelos avanços na AI e pela pressão sobre os agricultores para reduzir o uso de herbicidas, o reconhecimento de ervas daninhas está começando a ganhar visibilidade. Uma grande parte das empresas agrícolas de AI, como a FarmWise, a SeeTree, a Smart Ag e a Blue River da John Deere, está explorando esse campo.
Farm Tech 2.0
Tecnologias iniciais de agricultura exploravam apenas uma parte do que é possível. Com a aplicação da radiação infravermelha, havia uma concentração no “problema verde no marrom”, no qual os herbicidas eram aplicados uniformemente às plantas, tanto plantações quanto ervas daninhas, em oposição à sujeira, atacando todas as plantas, afirmou Serrat, CTO da empresa.
Hoje, temos uma corrida pela sustentabilidade para tratar o “verde no verde”, ou apenas as ervas daninhas próximas ao cultivo, afirmou Serrat.
“Fazer a distinção entre ervas daninhas e plantações e agir em tempo real nesse sentido, e essa é a parte difícil, é o verdadeiro santo graal”, disse ele. “Para conseguir isso, é necessário uma inferência de segundos no campo com as GPUs NVIDIA executando a visão computacional.”
As perdas na colheita de milho devido ao tratamento ineficaz das ervas daninhas podem variar de 15% a 20%, de acordo com a Bilberry.
Os clientes da startup de pulverizadores inteligentes incluem as empresas de equipamentos agrícolas Agrifac, Goldacres, Dammann e Berthoud.
Redução de Produtos Químicos
A Bilberry implanta seu reconhecimento de ervas daninhas com tecnologia NVIDIA Jetson em tratores com guincho que podem estender-se por um campo de futebol americano, cerca de 48 metros. Ela executa 16 câmeras em 16 módulos Jetson TX2 e pode analisar as ervas daninhas a 17 frames por segundo para espirros de herbicidas em segundos enquanto anda a 24 quilômetros por hora.
Para obter esse desempenho de inferência veloz para reconhecimento rápido de ervas daninhas, a Bilberry explorou as otimizações do SDK NVIDIA JetPack para TensorRT de seus algoritmos. “Nós superamos os limites”, disse Serrat.
A Bilberry mapeou o que é conhecido como quantização de pesos INT8, que permite a aplicação mais eficiente de modelos de deep learning. Isso é particularmente útil para sistemas integrados compactos nos quais as restrições de memória e energia estão no controle. Isso permitiu aproveitar inteiros de 8 bits, em vez de números de pontos flutuantes, e mudar para a matemática de inteiros no lugar do ponto flutuante ajuda a reduzir o uso de memória e computação, bem como a latência da aplicação.
A Bilberry é membro do NVIDIA Inception, um programa acelerador virtual que ajuda as startups de AI e ciência de dados a ingressarem no mercado mais rapidamente.
Vencedores: o Meio-Ambiente e as Colheitas
Os pulverizadores inteligentes da startup agora podem reduzir significativamente o uso de herbicidas ao apontar tratamentos. Isso pode fazer uma diferença enorme no derramamento de produtos químicos em águas subterrâneas, segundo a empresa. As colheitas também podem ser melhoradas, graças à redução de fogo amigo nas plantações.
“Você precisa aplicar a quantidade certa de herbicidas às ervas daninhas: se aplicar muito pouco, a erva continuará crescendo e criando novas sementes. A Bilberry pode fazer isso a uma taxa de 98 hectares por hora com nossa maior unidade”, disse Serrat.
O foco na redução química da agricultura chega no momento em que a Europa diminui os limites de carbono que afetam os agricultores e os consumidores procuram alimentos orgânicos. As vendas de produtos orgânicos dos EUA em 2020 aumentaram 14% em relação ao ano anterior, chegando a US$ 8,5 bilhões, de acordo com dados da Nielsen.
Problema de Classificação de Batatas
Recentemente, a Bilberry lançou uma aplicação de classificação de batatas em parceria com a Downs. As batatas são tradicionalmente manipuladas com uma classificação das batatas que se movem lentamente em uma esteira. Mas é difícil para os processadores de alimentos conseguirem a mão de obra, e é difícil de manter o foco nesse trabalho monótono por horas, provocando erros.
“É muito chato. Ao fazer isso o dia todo, você fica louco”, disse Serrat. “Além disso, é um trabalho sazonal, então, quando eles precisam de alguém, é para agora. Por isso, eles sempre têm problemas para conseguir mão de obra suficiente.”
Isso a torna uma tarefa perfeita para a AI. A startup treinou sua rede de classificação de batatas para ver batatas ruins, batatas verdes, batatas cortadas, pedras e torrões de terra entre as batatas boas. Além disso, aplicando o Jetson Xavier a essa tarefa de visão, a plataforma de AI pode enviar um sinal para uma das portas no final da esteira para permitir que apenas as batatas boas sejam aceitas.
“Essa é a parte que eu amo: criar um software que lida com algo em movimento e tem um impacto real”, disse ele.