Microscope Intelligent : L'IA Révolutionne le Test de la Santé des Sols pour les Agriculteurs

La vieille méthode de la microscopie optique reçoit une nouvelle impulsion grâce à la puissance de l'intelligence artificielle. Des chercheurs de l'Université du Texas à San Antonio (UTSA), aux États-Unis, ont développé un système de microscope alimenté par l'IA capable de mesurer l'abondance et la diversité des champignons dans les échantillons de sol. Cette technique pourrait rendre les tests de santé du sol plus rapides, plus abordables et plus accessibles à travers le monde pour les agriculteurs et les gestionnaires de terres. Lors de la conférence Goldschmidt à Prague, le mercredi 9 juillet, Alec Graves, membre de la faculté des sciences de l'UTSA, a présenté cette innovation. Les champignons jouent un rôle crucial dans les cycles biogéochimiques des nutriments, la rétention de l'eau et la croissance des plantes. Par conséquent, la mesure de leur présence et de leur diversité offre des indications précieuses sur la santé et la fertilité du sol. Ces informations permettent aux agriculteurs d'optimiser la production de leurs cultures et la durabilité de leurs pratiques agricoles, notamment en matière de fertilisation, d'irrigation et de labour. La microscopie optique est la conception la plus ancienne de microscope et a été utilisée depuis longtemps pour découvrir et identifier des micro-organismes dans le sol. D'autres méthodes de test des sols, comme l'analyse des acides gras phospholipidiques et l'analyse ADN, permettent de détecter des organismes ou de mesurer la présence de composés chimiques tels que l'azote, le phosphore et le potassium. Bien que ces méthodes modernes soient efficaces, elles restent coûteuses ou mettent l'accent sur la composition chimique, négligeant souvent la complexité biologique complète des écosystèmes de sol. Pour pallier ces limitations, les chercheurs de l'UTSA ont mis au point une solution économique qui utilise des algorithmes d'apprentissage automatique et des microscopes courants. Selon Graves, "Les analyses biologiques actuelles des sols nécessitent soit des équipements de laboratoire coûteux pour mesurer la composition moléculaire, soit une expertise spécifique pour identifier les organismes visuellement à l'aide de microscopes de laboratoire. Un test complet de la qualité du sol n'est pas toujours accessible aux agriculteurs et aux gestionnaires de terres, qui ont pourtant besoin de comprendre comment les pratiques agricoles affectent la santé de leur sol." Graves explique que leur système analyse une vidéo d'un échantillon de sol, la divise en images, puis utilise un réseau neuronal pour identifier et quantifier les champignons. Cette procédure repose sur un ensemble de données composé de plusieurs milliers d'images de champignons issues de sols de la région sud-centrale du Texas. Le logiciel fonctionne avec des niveaux de grossissement standard de 100x et 400x, disponibles dans de nombreux microscopes abordables, y compris ceux utilisés dans les laboratoires scolaires. "Notre concept actuel est déjà capable de détecter les filaments de champignons dans des échantillons dilués et d'estimer leur biomasse totale," ajoute-t-il. L'équipe travaille maintenant à l'intégration de cette technique dans une plateforme robotique mobile, visant à combiner la collecte d'échantillons, la microphotographie et l'analyse en un seul dispositif portatif. Leur objectif est de disposer d'un prototype entièrement développé et prêt à être déployé pour des tests sur le terrain dans les deux années à venir. Le projet est dirigé par le professeur Saugata Datta, directeur de l'Institut de recherche sur l'eau, la durabilité et la politique (Institute of Water Research Sustainability and Policy) à l'UTSA. Les détails de l'algorithme d'apprentissage automatique seront publiés prochainement dans une revue scientifique à comité de lecture. Cette initiative pourrait marquer une avancée significative dans la manière dont les agriculteurs mesurent et gèrent la santé de leurs sols, rendant les processus plus efficaces et moins coûteux, tout en offrant une vue globale de la biologie du sol. La simplicité et la rapidité de ce système pourraient faciliter son adoption généralisée, améliorant ainsi la durabilité agricole et la prise de décisions fondées sur des données scientifiques.