Enhancing Strawberry Yield Forecasting with Backcasted IoT Sensor Data and Machine Learning

Résumé technique : Amélioration des prévisions de rendement des fraises grâce aux données de capteurs IoT rétro-projetées et à l'apprentissage automatique

Problématique
L'article traite d'un goulot d'étranglement critique dans l'agriculture numérique : la rareté des données historiques de capteurs nécessaires pour entraîner des modèles de prévision du rendement des cultures efficaces basés sur l'IA. Bien que les technologies de l'Internet des Objets (IoT) permettent une surveillance en temps réel des paramètres environnementaux (ex. : température, humidité, humidité du sol), le déploiement de ces capteurs sur plusieurs saisons de culture est souvent trop coûteux et logistiquement difficile, particulièrement dans les environnements agricoles dynamiques. Par conséquent, de nombreuses exploitations possèdent des enregistrements historiques de rendement mais manquent de données de capteurs granulaires correspondantes, ce qui limite la capacité d'entraîner des modèles d'apprentissage automatique (ML) robustes pouvant soutenir une prise de décision éclairée, telle que l'optimisation de la main-d'œuvre lors de la récolte.

Méthodologie
L'étude a été menée dans un cadre de production de fraises réel en Écosse, au Royaume-Uni, utilisant deux types de tunnels (chauffés « Seaton » et non chauffés « Multispan »). Les auteurs ont déployé des capteurs IoT pour collecter des données environnementales sur deux saisons de culture (2023–2024) tout en recueillant également des données de rendement historiques s'étendant sur quatre saisons (2021–2024).

Pour combler le déficit de données pour les deux saisons (2021–2022) dépourvues de couverture par les capteurs, les auteurs ont développé une approche de rétro-projection (backcasting) plutôt qu'une prévision traditionnelle.

1. Mécanisme de rétro-projection : Au lieu de prédire des états futurs à partir de données passées, le modèle utilise des données météorologiques externes archivées (provenant de l'organisme UK Met Office) pour reconstruire les observations passées manquantes des capteurs. Spécifiquement, pour un instant $t$ donné, le modèle utilise une fenêtre de regard vers l'avant des covariables météorologiques externes ($t+1$ à $t+k$) pour prédire la valeur du capteur interne du tunnel à l'instant $t$.
2. Synthèse de données : Les modèles de rétro-projection ont été entraînés sur les saisons déployées de 2023–2024 pour apprendre la relation entre la météo externe et les conditions internes du tunnel. Ces modèles ont ensuite été appliqués aux données historiques du Met Office de 2021–2022 pour générer des données de capteurs synthétiques.
3. Sélection de modèles : Reconnaissant que les modèles d'apprentissage profond (ex. : LSTM, Transformers) nécessitent de grands ensembles de données indisponibles dans les contextes de fermes uniques, les auteurs ont employé des méthodes d'ensemble basées sur des arbres : Forêt Aléatoire (RF), Gradient Boosting Decision Tree (GBDT) et Extreme Gradient Boosting (XGBoost).
4. Pipeline de prévision : Les modèles finaux de prévision du rendement ont été entraînés sur trois ensembles de données : (a) uniquement des données réelles, (b) des données réelles augmentées par des données rétro-projetées synthétiques, et (c) diverses combinaisons de caractéristiques (rendement seul, rendement + météo, rendement + capteur, rendement + capteur + météo).

Contributions clés

• Mise en œuvre réelle de l'IoT : L'article documente un déploiement complet de capteurs IoT dans des tunnels, capturant l'utilisation de l'eau, la température et l'humidité internes/externes, les conditions du sol et le rayonnement photosynthétique actif (PAR), tout en soulignant les défis pratiques tels que les pannes de courant et les défaillances de capteurs.
• Méthodologie de rétro-projection : Les auteurs proposent une solution novatrice pour les données de capteurs historiques limitées en générant des observations synthétiques de capteurs de tunnels à l'aide d'archives météorologiques externes. Cette approche se distingue des réseaux antagonistes génératifs (GAN) car elle exploite des sources de données externes continues et fiables plutôt que du bruit latent, ce qui la rend adaptée aux environnements souffrant d'une grave pénurie de données.
• Validation empirique : L'étude valide que la combinaison de données synthétiques rétro-projetées avec des données réelles surpasse significativement les modèles entraînés exclusivement sur des données réelles limitées.

Résultats

• Précision de la rétro-projection : Les modèles de rétro-projection ont réussi à reconstruire les valeurs de capteurs manquantes. Le modèle GBDT a généralement obtenu les meilleures performances pour des caractéristiques spécifiques, tandis que RF et XGBoost ont été sélectionnés pour d'autres en fonction de l'erreur quadratique moyenne (RMSE) la plus faible.
• Performance de la prévision du rendement :
  • Les modèles entraînés sur données réelles uniquement ont montré que l'ajout de caractéristiques environnementales dégradait souvent la performance par rapport à une base de référence « rendement seul », probablement en raison d'un volume de données insuffisant pour apprendre les interactions complexes entre les caractéristiques.
  • Les modèles entraînés sur des données synthétiques + réelles ont démontré des améliorations significatives. Le modèle GBDT a obtenu les meilleurs résultats, réduisant l'RMSE de 19,55 % et la MAE de 7,75 % par rapport à la base de référence de données réelles lors de l'utilisation de l'ensemble de caractéristiques « rendement + capteur ».
  • La combinaison « rendement + capteur » a surpassé « rendement + capteur + Met Office », suggérant que les données de microclimat localisées (synthétisées par la rétro-projection) sont plus prédictives que les données météorologiques régionales seules.
  • Une taille de fenêtre de 6 pas de temps futurs a été identifiée comme optimale pour l'entrée de la rétro-projection, équilibrant le contexte temporel et le bruit.

Signification et affirmations
L'article affirme être l'une des premières études à reconstruire des observations de capteurs IoT de saisons de culture manquantes à partir d'archives météorologiques externes spécifiquement pour la prévision descendante du rendement des cultures dans l'agriculture opérationnelle sous tunnels.

Les auteurs soulignent que leur travail répond à un défi pragmatique auquel sont confrontées les fermes individuelles : l'incapacité d'accumuler suffisamment de données historiques de capteurs pour la modélisation prédictive. En démontrant que l'augmentation de données synthétiques via la rétro-projection peut améliorer la précision des prévisions, l'étude offre une voie viable pour les contextes agricoles à petite échelle pour tirer parti de l'IA malgré la rareté des données.

Modestie et limites
Les auteurs maintiennent un ton modeste concernant leurs affirmations :

• Nature rétrospective : L'évaluation est explicitement rétrospective. Bien que les étiquettes de rendement de 2023 aient été conservées pour les tests, le modèle de rétro-projection a été calibré en utilisant les relations capteur-météo qui incluent les données de 2023. Les auteurs reconnaissent qu'une évaluation prospective plus stricte nécessiterait un recalibrage sans aucune donnée de l'année d'évaluation.
• Mécanismes causaux : L'amélioration de la performance est interprétée comme une preuve d'utilité prédictive pratique sous augmentation de données, et non comme la preuve que les modèles ont appris des mécanismes agronomiques causaux.
• Généralisabilité : L'étude a été menée sur une seule ferme écossaise. Les auteurs notent que des travaux futurs sont nécessaires pour valider la transférabilité de cette approche à travers divers climats et conceptions de tunnels.
• Comparaison de base : L'étude se compare à une base de référence d'apprentissage automatique autorégressif mais n'inclut pas de base de référence de persistance naïve (ex. : prédire que le rendement de la semaine prochaine est égal à celui de cette semaine), évitant ainsi de prétendre surpasser le prédicteur le plus simple possible.