EarthOptics aide les agriculteurs à examiner en profondeur le sol pour obtenir des informations sur les mégadonnées – TechCrunch

L’agriculture durable et efficace est passée d’un gros problème de tracteur à un gros problème de données au cours des dernières décennies, et la startup EarthOptics pense que la prochaine frontière de l’agriculture de précision se trouve profondément dans le sol. En utilisant des techniques d’imagerie de haute technologie, la société prétend cartographier la composition physique et chimique des champs plus rapidement, mieux et à moindre coût que les techniques traditionnelles, et a levé 10 millions de dollars pour faire évoluer sa solution.

« La plupart des façons dont nous surveillons le sol n’ont pas changé depuis 50 ans », a déclaré à TechCrunch le fondateur et PDG d’EarthOptics, Lars Dyrud. « Il y a eu d’énormes progrès autour des données de précision et de l’utilisation de méthodes de données modernes en agriculture – mais une grande partie de cela s’est concentrée sur les plantes et l’activité saisonnière – il y a eu relativement peu d’investissements dans le sol. »

Bien que vous puissiez penser qu’il est évident d’examiner plus en profondeur la matière à partir de laquelle les plantes poussent, le simple fait est que c’est difficile à faire. L’imagerie aérienne et satellite et les capteurs infusés de l’IoT pour des choses comme l’humidité et l’azote ont rendu les données au niveau de la surface pour les champs beaucoup plus riches, mais au-delà du premier pied, les choses deviennent difficiles.

Différentes parties d’un champ peuvent avoir des niveaux très différents de caractéristiques physiques comme le compactage du sol, qui peut grandement affecter les résultats des cultures, et des caractéristiques chimiques comme les nutriments dissous et le microbiome. La meilleure façon de vérifier ces choses, cependant, consiste à « mettre un bâton vraiment cher dans le sol », a déclaré Dyrud. Les résultats de laboratoire de ces échantillons affectent la décision des parties d’un champ qui doivent être labourées et fertilisées.

C’est toujours important, donc les fermes le font, mais le fait d’avoir un échantillon de sol tous les quelques acres une ou deux fois par an s’additionne rapidement lorsque vous avez 10 000 acres à suivre. Tant de gens labourent et fertilisent tout par manque de données, dépensant beaucoup d’argent (Dyrud a estimé que les États-Unis font environ 1 milliard de dollars de labour inutile) dans des processus qui pourraient n’avoir aucun avantage et en fait pourraient être nocifs – cela peut libérer des tonnes de carbone qui a été séquestré en toute sécurité sous terre.

EarthOptics vise à améliorer le processus de collecte de données essentiellement en minimisant la partie « bâton coûteux ». Il a construit une suite d’imagerie qui s’appuie sur le radar à pénétration de sol et l’induction électromagnétique pour produire une carte profonde du sol qui est plus facile, moins chère et plus précise que d’extrapoler des hectares de données à partir d’un seul échantillon.

L’apprentissage automatique est au cœur du couple d’outils de l’entreprise, GroundOwl et C-Mapper (C comme dans carbone). L’équipe a formé un modèle qui réconcilie les données sans contact avec des échantillons traditionnels prélevés à un taux beaucoup plus faible, apprenant à prédire avec précision les caractéristiques du sol à un niveau de précision bien au-delà de ce qui était traditionnellement possible. Le matériel d’imagerie peut être monté sur des tracteurs ou des camions ordinaires et effectue des lectures tous les quelques pieds. L’échantillonnage physique se produit toujours, mais des dizaines plutôt que des centaines de fois.

Avec les méthodes d’aujourd’hui, vous pourriez diviser vos milliers d’acres en morceaux de 50 acres : celui-ci a besoin de plus d’azote, celui-ci a besoin de labourer, celui-ci a besoin de tel ou tel traitement. EarthOptics ramène cela à l’échelle des mètres, et les données peuvent être directement introduites dans des machines de terrain robotisées comme une motobineuse intelligente à profondeur variable.

Conduisez-le le long des champs et il ne va qu’aussi loin qu’il le faut. Bien sûr, tout le monde ne dispose pas d’un équipement de pointe, de sorte que les données peuvent également être présentées sous la forme d’une carte plus ordinaire indiquant au conducteur de manière plus générale quand labourer ou effectuer d’autres tâches.

Si cette approche prend son envol, cela pourrait signifier des économies importantes pour les agriculteurs qui cherchent à se resserrer, ou une productivité améliorée par acre et par dollar pour ceux qui cherchent à se développer. Et en fin de compte, l’objectif est de permettre également l’agriculture automatisée et robotisée. Cette transition n’en est qu’à ses débuts à mesure que l’équipement et les pratiques sont mis au point, mais ils auront tous besoin de bonnes données.

Dyrud a déclaré qu’il espère voir la suite de capteurs EarthOptics sur des tracteurs robotisés, des motoculteurs et d’autres équipements agricoles, mais que leur produit est en grande partie les données et le modèle d’apprentissage automatique qu’ils ont formé avec des dizaines de milliers de mesures de vérité terrain.

Le tour de 10,3 millions de dollars a été mené par Leaps by Bayer (le bras d’impact du conglomérat), avec la participation de S2G Ventures, FHB Ventures, VTC Ventures de Middleland Capital et Route 66 Ventures. Le plan pour l’argent est de mettre à l’échelle les deux produits existants et de se mettre au travail sur le suivant : la cartographie de l’humidité, évidemment une considération majeure pour toute ferme.