FOOD SCANNER : LE BILAN D'UN AN DE TRAVAIL
Voici les premiers résultats de la campagne du projet food scanner, financée grâce à VOUS ! Nous vous y présentons nos résultats sur les cultures, les sols et la qualité gustative.
Une partie des relevés on été fait sur un essai du GRCETA 27
https://adherents.grceta27.fr/
Présentation du projet
À l’automne précédent, un projet de financement participatif a été lancé sur KissKissBankBank pour soutenir le projet Food Scanner. Environ dix mois après ce lancement, cette vidéo propose un bilan des avancées obtenues, afin de tenir les contributeurs et le public informés.
Le projet est porté par trois structures :
- Vers de terre production, structure dans laquelle travaille l’intervenant, Martin Relais, qui s’occupe notamment des analyses de sève, des analyses de plantes, des analyses de sols, de la santé des plantes à travers l’approche redox/pH, et du projet Food Scanner.
- Maraîchage sol vivant, réseau bien connu dans le milieu de l’agriculture de conservation des sols, qui aide à paramétrer le scanner pour les cultures maraîchères, comme la tomate, l’aubergine ou la carotte.
- Sensing, qui se charge de la construction du scanner et de la création des modèles de prédiction. Les mesures sont réalisées à la fois par analyses classiques de laboratoire et par mesures spectrales en proche infrarouge. Le rôle de Sensing est de retrouver, à partir des mesures proche infrarouge, les résultats obtenus par laboratoire, en s’appuyant sur l’intelligence artificielle, et plus précisément sur le machine learning.
Le projet Food Scanner est organisé en trois grands axes de travail :
- la santé des plantes ;
- la santé des sols ;
- la qualité des aliments.
L’idée de fond est la suivante : si un sol est en bonne santé, les plantes seront moins stressées, donc moins malades, auront besoin de moins d’engrais et de moins de produits phytosanitaires, et produiront des denrées alimentaires de meilleure qualité. Le but est donc de mesurer, de progresser et de permettre aux agriculteurs comme aux consommateurs d’évaluer simplement, sur le terrain et en autonomie, la qualité des plantes, des sols et des aliments.
Le financement participatif et les partenaires
Le projet a été rendu possible grâce au financement participatif lancé sur KissKissBankBank. Cette campagne a permis de récolter 65 000 euros grâce à la contribution de 538 personnes.
Les premières mesures ont eu lieu pendant la campagne 2019-2020. À la sortie de l’été 2020, il est apparu nécessaire d’obtenir de nouveaux financements pour continuer les mesures et améliorer les algorithmes. C’est dans ce contexte qu’a été lancée la campagne de financement participatif.
Grâce à l’argent récolté, plusieurs partenaires ont rejoint le projet :
- Sensing, pour le machine learning ;
- le GIEE des Trois Vallées, regroupement d’agriculteurs en conservation des sols chez qui ont été réalisées de nombreuses mesures servant aux calibrations ;
- UPL, qui a soutenu le projet et qui produit des biostimulants ;
- Ver de terre production mentionne également des équipes terrain utilisant le Food Scanner pour contribuer aux calibrations ;
- le Cirad, grâce au chercheur Olivier Husson, qui apporte une caution scientifique et aide à valider les résultats.
Le scanner développé
Le partenariat avec Sensing a permis de construire le Food Scanner. Plusieurs versions du scanner sont présentées :
- une première version ;
- une seconde version sur laquelle on peut glisser un smartphone.
Le fonctionnement est simple : il suffit de placer la feuille devant la lecture optique, d’appuyer sur la gâchette, et les valeurs de redox, pH et conductivité apparaissent sur le smartphone en une quinzaine de secondes.
Deux types de scanners proche infrarouge sont utilisés :
- un scanner allant de 900 à 1 700 nm ;
- un autre allant de 1 300 à 2 500 nm.
L’intérêt d’avoir deux plages spectrales vient du fait qu’on ne sait pas à l’avance sur quelles longueurs d’onde réagiront les indicateurs mesurés. Par exemple :
- pour le redox, la réponse semble apparaître autour de 900 nm ;
- pour les analyses de sève et de compost, d’autres longueurs d’onde réagissent, plutôt autour de 1 500 nm.
Premier axe : la santé des plantes
L’approche redox/pH
Le premier axe de travail concerne la santé des plantes. Deux approches sont développées :
- l’approche redox/pH ;
- les analyses de sève.
La mesure redox/pH permet de donner une idée globale de l’état de santé de la plante. Le redox est une mesure en millivolts, le pH une mesure de l’acidité. Une plante plus oxydée a tendance à tomber plus facilement malade.
Sur un graphique redox/pH :
- l’axe vertical représente le redox, en millivolts ;
- l’axe horizontal représente le pH.
Certaines zones correspondent à des états de bonne santé, d’autres à des états plus favorables aux ravageurs ou aux maladies. L’intérêt est de maintenir la plante le plus longtemps possible dans la zone de bonne santé, notamment grâce à des biostimulants, des oligoéléments, des macérations, etc., afin de retarder autant que possible l’usage des produits phytosanitaires. Ceux-ci restent des outils utiles, mais à réserver aux situations de réelle nécessité.
Mise au point de la prédiction par proche infrarouge
Au départ, les mesures proche infrarouge ont été faites sur des feuilles, puis comparées aux mesures obtenues avec des électrodes redox. Il n’y avait au départ aucune preuve que le redox puisse être prédit par proche infrarouge et machine learning. Cela a pourtant pu être démontré.
Les résultats ont fait l’objet d’une publication scientifique, avec les collectifs de Sensing et Olivier Husson du Cirad. Pour le blé et le colza, avec environ un millier de points, les résultats montrent de bonnes corrélations pour :
- le pH ;
- la conductivité ;
- le redox.
Les graphiques comparent :
- en axe vertical : la valeur mesurée par les méthodes classiques ;
- en axe horizontal : la valeur prédite par la lecture infrarouge.
L’un des enseignements majeurs est qu’il faut un grand nombre de points pour obtenir une prédiction robuste. Avec un millier de points, les corrélations sont déjà fortes, mais avec 2 000, 3 000, 5 000 ou 10 000 points, les prédictions seraient encore meilleures.
Limite : un modèle par culture
Un problème important est apparu : le modèle qui prédit les valeurs redox/pH/conductivité sur le blé ne fonctionne pas sur les feuilles de colza. Il faut donc créer un modèle prédictif spécifique pour chaque culture.
Cela est très intéressant, mais demande beaucoup de temps. Entre 2019 et 2021, un premier jeu de données a permis d’obtenir ces corrélations. Ensuite, grâce au financement participatif, de nouvelles mesures ont été réalisées en 2020-2021 sur le blé et le colza pour renforcer les algorithmes.
À ce stade :
- le blé et le colza sont calibrés, même si les mesures continuent pour améliorer les prédictions ;
- l’orge est en cours de traitement ;
- les travaux commencent sur le maïs, le riz, la vigne, la tomate, la betterave et la pomme de terre.
Les premières prédictions sur ces nouvelles cultures sont attendues à l’automne suivant, mais il faut souvent deux à trois ans pour obtenir un niveau de fiabilité suffisant.
La précision actuelle sur le redox est d’environ 7 millivolts. C’est déjà très intéressant, mais l’objectif est de progresser encore. À titre de comparaison, certains outils de laboratoire permettent une précision de l’ordre de 5 millivolts.
Exemples d’applications agronomiques
Comme des milliers de mesures ont été réalisées, il a été décidé de les faire sur des sites expérimentaux afin qu’elles servent aussi à la recherche agronomique.
Réponse à l’azote sur blé
Un essai sur blé a permis d’étudier l’effet de doses croissantes d’azote sur le redox et le pH de la plante.
Pour le redox :
- à faible dose d’azote ou sans azote, la valeur est élevée : la plante est oxydée ;
- quand la nutrition azotée s’améliore, le redox baisse : la plante se réduit, fonctionne mieux, photosynthétise mieux ;
- à partir d’une certaine dose excessive, la plante entre à nouveau en surdose et se réoxyde légèrement.
Pour le pH :
- plus la dose d’azote augmente, plus le pH de la partie aérienne augmente ;
- cela peut favoriser l’attractivité pour les insectes.
Ces mesures montrent que sous-dosage et surdosage en azote ont tous deux un impact sur la santé de la plante.
Impact d’un herbicide
Toujours sur blé, des mesures ont été faites deux jours après un traitement herbicide, puis cinq jours plus tard.
Les plantes étaient davantage oxydées juste après le traitement, signe d’un stress physiologique. Cinq jours plus tard, le niveau redox était revenu plus bas. Cela montre qu’un herbicide, même appliqué sans viser la culture elle-même, provoque un stress que la plante peut surmonter, mais au prix d’une dépense énergétique qui ne sera pas disponible pour la production ou la résistance aux bioagresseurs.
Effet du thé de compost et des macérations d’ortie
Des comparaisons ont aussi été réalisées entre :
- un témoin ;
- une modalité avec thé de compost ;
- une modalité avec macération d’ortie.
Les résultats montrent que :
- le thé de compost présente un redox statistiquement plus bas que le témoin ;
- la macération d’ortie présente une tendance à la baisse du redox, mais sans différence statistiquement significative ;
- sur le pH, il n’y a pas de différence notable entre les trois modalités.
La conclusion est que le thé de compost, et dans une moindre mesure la macération d’ortie, ont eu un effet intéressant sur l’état oxydatif de la plante.
Sur la pression maladie, l’année considérée a connu peu de pression, ce qui rend l’interprétation difficile. Néanmoins, quelques tendances apparaissent entre témoin, traitement fongicide, thé de compost et macération d’ortie.
Le cas du Brix
Le projet s’est aussi intéressé au Brix, c’est-à-dire au taux de sucres mesuré dans le jus extrait d’une plante.
Des essais ont été réalisés sur blé avec deux méthodes d’extraction :
- extraction au mortier ;
- extraction avec une presse douce, dite presse-jus.
Les résultats ont montré que la méthode d’extraction change fortement la valeur mesurée :
- avec une extraction plus violente, les Brix mesurés restent très élevés, autour de 20 à 30, quelles que soient les modalités ;
- avec une extraction douce, les différences apparaissent beaucoup mieux.
Cela pose un problème méthodologique majeur : il existe beaucoup d’abaques sur le Brix, mais on ne précise pas toujours comment le jus a été extrait. On peut donc se retrouver très au-dessus ou très en dessous des références selon la méthode employée.
Une référence plus claire a été retrouvée chez Francis Chaboussou, qui utilise la presse-jus. Le travail sur le Brix se poursuit, mais les 1 000 points nécessaires à un modèle prédictif n’ont pas encore été atteints.
Les analyses de sève
Le redox/pH permet de savoir si une plante est en bonne ou mauvaise santé, mais pas pourquoi. Pour répondre à cette question, il faut s’intéresser à sa nutrition minérale. C’est le rôle des analyses de sève.
L’idée est comparable à une prise de sang : on détecte des déséquilibres avant qu’ils ne deviennent visibles et pénalisants.
Fondements scientifiques
Le projet s’appuie notamment sur les travaux de Francis Chaboussou, qui a montré dès les années 1970 les liens entre carences ou surdoses minérales et santé des plantes. Ses travaux montrent par exemple que les rapports entre éléments minéraux diffèrent fortement entre plantes saines et plantes malades.
D’autres travaux présentés dans la vidéo montrent que :
- une sous-dose ou une surdose de certains éléments entraîne une hausse du peroxyde d’hydrogène dans la plante ;
- cette hausse traduit une augmentation des molécules oxydantes ;
- cette oxydation favorise la sensibilité aux ravageurs et aux maladies.
Le projet cite aussi des travaux sur la jaunisse nanisante et les carences en potassium, montrant que corriger une carence potassique peut réduire la pression de cette maladie.
Interprétation des carences selon la mobilité des éléments
Les éléments minéraux ne s’interprètent pas de la même manière selon leur mobilité dans la plante.
- Les éléments mobiles (azote, potasse, magnésium, phosphore) sont relocalisables. En cas de stress, la plante puise dans les vieilles feuilles pour nourrir les jeunes. Les carences se voient donc plutôt sur les feuilles basses.
- Les éléments moyennement mobiles (soufre, fer, manganèse, zinc, cuivre, molybdène) s’interprètent plutôt sur les feuilles intermédiaires.
- Les éléments immobiles (comme le calcium et le bore) s’interprètent plutôt sur les jeunes feuilles.
Ainsi, lorsqu’une feuille jaunit, la première question à se poser est : s’agit-il d’une vieille feuille, d’une feuille intermédiaire ou d’une jeune feuille ?
Priorités de correction selon les cultures
Toutes les carences n’ont pas la même importance agronomique ou économique.
Sur blé, les priorités évoquées sont :
- d’abord le soufre, le manganèse et le cuivre ;
- puis le molybdène, le bore, le zinc et le fer ;
- ensuite seulement le magnésium, si cela reste économiquement justifié.
Sur maïs, les priorités mentionnées sont :
- d’abord le magnésium et le zinc ;
- puis le soufre, le fer, le manganèse et le cuivre.
Le message important est que lorsqu’une carence devient visible sur la plante, il est souvent déjà trop tard : du rendement a déjà été perdu. L’analyse de sève permet au contraire d’intervenir deux à trois semaines avant que la carence ne devienne réellement pénalisante.
Vers une prédiction des analyses de sève par scanner
L’objectif est d’ajouter les analyses de sève au scanner pour obtenir une mesure instantanée, sans attendre les résultats du laboratoire.
Pour cela :
- des feuilles sont prélevées ;
- elles sont scannées ;
- elles sont mises en sachets ;
- elles sont envoyées au laboratoire ;
- les informaticiens de Sensing recoupent les données proche infrarouge avec les résultats de laboratoire.
Le travail a d’abord été concentré sur le colza, avec environ 500 prélèvements, afin d’obtenir une preuve de concept sur une culture bien maîtrisée avant de passer à d’autres.
Les résultats de laboratoire incluent une vingtaine d’indicateurs, par exemple :
- sucres ;
- pH ;
- conductivité ;
- potasse ;
- magnésium ;
- sodium ;
- ammonium ;
- nitrates ;
- chlore ;
- soufre ;
- phosphore ;
- silice ;
- fer ;
- manganèse ;
- zinc ;
- bore ;
- cuivre ;
- aluminium.
Résultats obtenus
Au début, avec 200 à 250 échantillons, les informaticiens ne voyaient pas de relation exploitable. Il était impossible de savoir si cela venait d’une absence de signal ou simplement d’un nombre de points insuffisant.
Avec 500 analyses, des résultats encourageants sont apparus. Des prédictions intéressantes ont été obtenues, notamment pour :
- l’azote, avec un R² d’environ 0,6 ;
- la conductivité électrique, avec un R² d’environ 0,6 ;
- la potasse, avec un R² d’environ 0,65 ;
- les sucres, avec un R² d’environ 0,7 ;
- le bore, avec un R² d’environ 0,68 ;
- le phosphore, avec un R² d’environ 0,53 ;
- le soufre, avec un R² du même ordre.
Les incertitudes restent encore assez fortes, mais les résultats sont utilisables et surtout très prometteurs. Le projet prévoit d’ajouter environ 400 mesures supplémentaires afin de resserrer les écarts-types et améliorer les algorithmes.
En revanche, certains indicateurs ne fonctionnent pas du tout à ce stade :
- l’aluminium ;
- les nitrates ;
- le sodium.
Le scanner le plus efficace pour l’analyse de sève n’est pas le même que pour le redox : ici, c’est le scanner couvrant les longueurs d’onde les plus élevées qui réagit le mieux.
Deuxième axe : la santé des sols
Pour les sols, un scanner du commerce d’une entreprise hollandaise, AgroCares, a été utilisé dans un premier temps. Ce scanner fonctionnait bien sur des sols hollandais, ce qui a motivé son achat et des premiers tests.
Une proposition d’analyses de sols gratuites a été faite sur Facebook, et près de 600 personnes ont répondu positivement. De très nombreux échantillons ont ainsi été envoyés par la poste.
L’objectif était de reprendre des mesures telles que :
- le pH ;
- l’azote total ;
- le carbone organique.
Cependant, en travaillant sur des sols de maraîchage sol vivant et de conservation des sols, riches en matières organiques, des incohérences sont rapidement apparues. Des analyses de laboratoire ont donc été réalisées sur une vingtaine d’échantillons pour comparer le scanner et la réalité.
Résultats décevants du scanner sol
Les résultats se sont révélés très décevants.
Pour le pH du sol :
- certains sols « classiques » sont mesurés de manière assez correcte ;
- mais dès que le sol devient atypique, notamment plus vivant ou plus riche en matière organique, le scanner décroche complètement.
Pour le carbone du sol et la matière organique :
- même constat ;
- les sols classiques sont correctement estimés ;
- les sols très riches en matières organiques sont fortement sous-estimés.
Un exemple donné montre un sol pour lequel le scanner estime environ 3 à 3,5 % de matière organique, alors que le laboratoire mesure 6 %. Dans des systèmes où la matière organique est un indicateur central, un tel écart est inacceptable.
Par honnêteté, il est donc précisé qu’il n’est pas possible de restituer des résultats fiables aux personnes ayant envoyé leurs échantillons lorsque le scanner n’est pas capable de les mesurer correctement.
Difficulté économique
Pour créer un modèle prédictif fiable sur les sols, il faudrait au moins 2 000 échantillons analysés au laboratoire. À environ 90 euros l’échantillon, cela représente plus de 150 000 euros, ce qui n’est pas économiquement possible à ce stade.
Le projet cherche donc à établir des partenariats avec des laboratoires pour pouvoir faire analyser les échantillons déjà reçus et tenir, si possible, les promesses faites aux participants.
Troisième axe : la qualité des aliments
Le troisième axe concerne la qualité des récoltes, et en particulier la qualité gustative de la tomate.
Après de nombreuses recherches bibliographiques, il est apparu que deux indicateurs permettent de bien prédire la qualité gustative d’une tomate :
- le Brix ;
- l’acidité titrable.
L’acidité titrable est différente du pH. La question posée a donc été : le proche infrarouge peut-il retrouver ces deux indicateurs ?
Une publication scientifique récente, parue en avril 2021, montre qu’avec un scanner couvrant 1 300 à 2 500 nm — le même type de scanner que celui du projet — on peut prédire avec une très bonne fiabilité :
- le Brix ;
- l’acidité titrable.
Cela a été démontré à la fois sur :
- des tomates grappes ;
- des tomates cerises.
Les résultats présentés sont déjà bons, alors même que l’étude citée n’utilise que 350 points et pas de machine learning. L’équipe estime donc pouvoir faire mieux, avec environ 1 000 points et des modèles d’apprentissage adaptés.
L’objectif est donc de pouvoir prédire assez facilement si une tomate aura un bon ou un mauvais goût.
Autres pistes envisagées
D’autres indicateurs sont envisagés pour l’avenir :
- la vitamine C ;
- le lycopène ;
- les polyphénols.
Ces mesures demandent cependant plus de temps d’analyse et risqueraient de réduire le nombre de points obtenus pendant la saison, ce qui empêcherait de construire des modèles fiables. Le choix a donc été fait de se concentrer d’abord sur le Brix et l’acidité titrable.
Dans ce cadre, le projet prévoit aussi de comparer la qualité gustative en fonction des pratiques :
- sols travaillés ou non ;
- tomates avec ou sans phytos ;
- variétés différentes ;
- tomates issues du maraîchage sol vivant ;
- tomates du supermarché.
Coopérations avec la Bionutrient Food Association
Le financement participatif a aussi permis de dégager du temps pour aider d’autres structures travaillant sur des sujets proches, notamment la Bionutrient Food Association aux États-Unis.
Cette association poursuit un objectif voisin : mettre au point un scanner open source orienté vers la qualité gustative et nutritive des aliments.
Dans ce cadre, l’équipe a envoyé :
- 280 échantillons de carottes avec les sols associés ;
- 20 échantillons de blé avec les sols associés.
Sur les carottes, la Bionutrient Food Association a déjà mesuré :
- les polyphénols ;
- les antioxydants ;
- le Brix.
Sur le blé, les analyses classiques de coopérative ont été réalisées :
- taux de protéines ;
- poids spécifique ;
- taux d’humidité ;
- amidon.
À cause du Covid, toutes les analyses prévues n’ont pas pu être réalisées immédiatement, mais les échantillons ont été séchés et stockés dans de bonnes conditions. Les analyses minérales sur carottes et blé doivent être poursuivies dans les mois suivants afin de comparer notamment conservation des sols et travail du sol.
Récapitulatif des travaux en cours
À la date de la vidéo, les travaux déjà faits ou en cours sont les suivants :
- mesures redox/pH sur feuilles de blé et de colza : calibrées, avec poursuite des mesures pour améliorer les prédictions ;
- travail en cours sur orge, maïs, vigne, betterave, pomme de terre et tomate ;
- développement des analyses de sève sur colza pour établir une preuve de concept et obtenir une mesure fiable ;
- lancement du travail sur la qualité gustative de la tomate à travers le Brix et l’acidité titrable ;
- travail en cours, non détaillé dans cette vidéo, sur la prédiction de la composition minérale des composts à partir d’un simple scan.
Perspectives et appels à partenariats
D’autres développements sont en discussion :
- analyses de sols ;
- composition des moûts en viticulture ;
- composition du vin ;
- composition du lait ;
- composition minérale des fourrages ;
- qualité de la canne à sucre.
Un scanner avec une petite cuve est en cours de construction pour permettre de travailler sur des produits liquides.
L’équipe cherche des partenaires qui réalisent déjà des analyses de laboratoire de routine mais souhaitent réduire leur dépendance à ces analyses, longues et coûteuses. L’idée proposée est de mettre à disposition l’expertise en machine learning et en corrélation afin qu’au bout de plusieurs mois ou années de travail, le scanner puisse remplacer une partie des analyses de laboratoire par des mesures en temps réel.
Conclusion
Cette vidéo dresse le bilan d’environ un an de travail sur le projet Food Scanner. Le projet a déjà permis :
- de démontrer la faisabilité de la prédiction de mesures redox/pH sur certaines cultures ;
- d’obtenir des résultats encourageants sur les analyses de sève ;
- d’identifier des limites importantes sur les analyses de sol ;
- de lancer concrètement le travail sur la qualité gustative des aliments, en particulier la tomate ;
- d’ouvrir plusieurs pistes de développement avec différents partenaires.
L’intervenant remercie les personnes ayant soutenu le projet et annonce qu’un nouveau point d’avancement sera proposé ultérieurement.
