Plutôt que de payer 50 000 $ chacun en salaires annuels à quatre employés, il paie 600 $. Plus de précision, moins de travail

L’IA rend la culture du cannabis plus intelligente
photo de profil de l'auteurPar Kate Robertson , écrivain
16 mai 2024
PARTAGER

Fraichement publié! Obtenez des prévisions de marché réalistes, des informations état par état et des références avec le nouveau programme de membres MJBiz Factbook 2024, désormais avec des mises à jour trimestrielles. Prenez des décisions éclairées.

Image de la technologie Spyder AI de Neatleaf installée dans une culture de cannabis.
La technologie Spyder AI de Neatleaf évalue une culture de cannabis pour détecter les signes de stress. (Photo gracieuseté de Neatleaf Spyder)

(Cette histoire fait partie de la couverture du numéro de mai-juin de MJBizMagazine .)

L'apprentissage automatique est de plus en plus courant dans la culture de cannabis en intérieur, car les cultivateurs utilisent des capteurs et des caméras sophistiqués pour maintenir des conditions de croissance optimales, sonner l'alarme sur les menaces telles que les parasites ou les maladies et réduire les coûts de main-d'œuvre associés aux tâches de culture subalternes et de haut niveau.

"Le cannabis a toujours été le catalyseur de certaines de ces technologies de pointe", a déclaré Nick Genty, PDG d'AgEye Technologies, basé en Caroline du Nord, dans une interview avec MJBizMagazine .

"Ils avaient les marges et les budgets nécessaires pour investir dans les nouvelles technologies, contrairement à certains producteurs de légumes qui n'en ont pas."

Il y a deux raisons principales pour lesquelles les entreprises de cannabis et d’autres entreprises agricoles d’intérieur mettent en œuvre l’intelligence artificielle ou la technologie d’apprentissage automatique dans leurs installations :

La main-d’œuvre, l’énergie et les autres ressources nécessaires à la culture du cannabis en intérieur sont coûteuses, et la technologie basée sur l’intelligence artificielle (IA) peut réduire ces coûts.
La cohérence est essentielle dans toute installation agricole intérieure, et l’IA peut contribuer à assurer cette cohérence, même entre les installations situées dans différents États.
Pour l’instant, l’IA alimente des solutions sophistiquées de collecte de données et de surveillance, et la technologie peut aider à identifier les ravageurs, les maladies et la décoloration des feuilles, a déclaré Genty.

L'IA pour l'agriculture d'intérieur est de plus en plus capable de surveiller et de mettre en évidence ce qui n'est pas visible dans une culture, comme les changements du taux de croissance des plantes.

À l’avenir, l’IA sera en mesure d’améliorer les taux de croissance une fois la cohérence atteinte.

« Vous avez établi que vous pouvez assurer la cohérence sur cette base de référence », a déclaré Genty. "Maintenant, améliorons les récoltes."

Plus de précision, moins de travail
Pour Stephen Hess, responsable de la culture chez 22Red, une société de cannabis basée en Arizona, le don de l'IA élimine une grande partie du travail manuel et logistique impliqué dans la culture du cannabis.

Cela signifie que Hess peut économiser sur les coûts de main-d'œuvre et libérer du temps pour concentrer ses énergies ailleurs.

"Je ne veux pas examiner 47 points de consigne différents, quantifier ces chiffres, créer neuf superpositions et dire : 'Voici la solution'", a déclaré Hess à MJBizMagazine .

Chez 22Red, Hess a mis en œuvre le Spyder de la société technologique Neatleaf, basée à San Francisco.

La technologie comprend plusieurs capteurs qui traversent la canopée des cultures intérieures pour suivre des données telles que la couleur des feuilles, la température et l'humidité plusieurs fois par jour pour les plantes individuelles et les microclimats au sein de l'installation.

La technologie d'IA du Spyder évalue ensuite ces données pour détecter des schémas ou des signes de stress ; ses conclusions sont présentées sur un tableau de bord avec des graphiques, des cartes thermiques et des cartes lumineuses sur lesquelles Hess et son équipe peuvent se pencher.

Avant le Spyder, Hess a déployé son équipe avec des capteurs portables pour collecter le même type de données dans les salles de culture de 22Red ; les travailleurs passaient cinq à dix minutes par usine ou par microclimat, a-t-il déclaré.

Les économies sur les coûts de main d’œuvre grâce au Spyder sont significatives.

«Je n'ai besoin que de six producteurs sur place contre dix», a déclaré Hess.

Plutôt que de payer 50 000 $ chacun en salaires annuels à quatre employés, il paie 600 $ pour l'abonnement Neatleaf, plus 600 $ supplémentaires par mois pour les évaluations – un autre avantage du service.

De plus, a déclaré Hess, les recommandations du Spyder sont plus précises car le logiciel effectue des calculs basés sur des éléments que le système a appris en évaluant les carences des cultures sur d'autres sites de culture qu'il a surveillés, a déclaré Hess.

"Cela me donne plus de cohérence, ce qui nous donne ensuite un meilleur débit de qualité avec ce que nous essayons de faire du point de vue de l'évaluation pour utiliser ces données afin de prendre la meilleure décision pour la canopée", a déclaré Hess.

Données spécialisées
Elmar Mair, co-fondateur de Neatleaf, a déclaré que la société avait jusqu'à présent mis en œuvre le Spyder dans 30 installations.

L'entreprise a un arriéré de clients et une liste d'attente de deux mois qui comprend des cultivateurs non-cannabis, tels que les producteurs de baies.

L'un des aspects les plus puissants du Spyder est sa capacité à remonter le temps et même à comparer la santé d'une plante à des exemples de la même variété cultivée les années précédentes, a-t-il déclaré.

« De plus, vous pouvez tout faire à distance », a-t-il ajouté. « Vous n'êtes pas obligé d'être sur place.

« Vous pouvez regarder le jardin sans être dans l'espace. (Les opérateurs multi-états) peuvent tirer parti de leur expertise sans avoir à voler.

Cependant, toutes les cultures ne peuvent pas accueillir le Spyder.

Le Spyder ne peut pas collecter de données dans des zones trop basses ou bloquées, comme dans les installations de culture verticales ou dans les zones où des piliers obstrueraient les capteurs.

Factbook MJBiz 2024 – maintenant disponible !
Données et analyses exclusives du secteur pour vous aider à prendre des décisions commerciales éclairées et à éviter des faux pas coûteux. Tous les faits, sans aucun battage médiatique.

En vedette à l’intérieur :

Prévisions financières + tendances des investissements en capital
Plus de 200 pages et 49 graphiques mettant en évidence les chiffres clés et les tendances des ventes
Guide état par état des réglementations, taxes et opportunités de marché
Mises à jour mensuelles et trimestrielles, avec de nouvelles données et informations
Et plus!

Obtenir les faits

Cohérence à moindre coût
Plutôt que de mettre en œuvre un seul service d'IA, MSO Jushi Holdings, basé en Floride, a travaillé avec des ingénieurs en mécanique et des entrepreneurs pour garantir que les équipements dotés d'apprentissage automatique pilotent son système de gestion de bâtiment.

Cette approche permet à Jushi de collecter et d'analyser efficacement les données, de réduire les coûts énergétiques et de produire du cannabis de manière plus durable, a déclaré Ryan Cook, vice-président exécutif des opérations de Jushi.

Chaque unité mécanique, telle qu'un climatiseur, se connecte au système de gestion du bâtiment, ce qui donne à l'équipe de culture une vue plongeante sur l'installation.

"Cela me permet de mieux dormir la nuit en sachant que Josh (Malman, le directeur de la culture de Jushi) a accès à tous nos systèmes et qu'il peut s'y connecter et apporter des modifications", a déclaré Cook.

Mais toute manipulation effectuée dans le système doit être effectuée de manière stratégique, a prévenu Cook.

Tout, de l'humidité à la température en passant par le débit d'air, est affecté par tout le reste, il peut donc être risqué d'effectuer des réglages manuels.

« La réalité est que nos systèmes sont tellement interconnectés – et que tout apprend régulièrement. Si vous effectuez ces ajustements manuels, le système met plus de temps à réapprendre les connaissances dont il disposait à l'origine », a déclaré Cook.

Malman identifie les points de réglage requis pour la culture et, lorsque les compresseurs s'enclenchent, ils ajustent le climat pour répondre aux exigences prédéfinies.

L’apprentissage automatique permet au système de comprendre s’il doit fonctionner à 70 % ou à 100 %, et pendant combien de temps.

"Ces modifications mineures des commandes font une grande différence dans la façon dont la pièce peut réellement se gérer elle-même", a déclaré Cook.

Même si le système doit « apprendre » chaque établissement séparément, il apprend plus rapidement en évaluant les données de plusieurs établissements, a-t-il déclaré.

La technologie de Jushi n'est pas un système autonome – bien que Malman se soit dit curieux des systèmes de vision dans les lumières LED et les tondeuses robotiques.

Avec l’ajout de l’IA, la formation du personnel agricole concerne autant les compétences techniques et l’analyse des données que l’horticulture.

Pour l'instant, la gestion des bâtiments consiste à affiner chaque aspect du processus de croissance pour garantir qu'il est optimisé et fonctionne en synergie.

De l'irrigation à la fertirrigation, Malman et Cook ont ​​déclaré que l'analyse leur permet également de prédire ce qui sera nécessaire ensuite.

"Nous modifions nos méthodologies et nos systèmes de culture simplement sur la base du fait que nous sommes capables de voir l'avenir maintenant", a déclaré Cook.

"Vous pouvez prédire où nous allons simplement en étant capable d'analyser ces données plus rapidement."

Kate Robertson peut être contactée à kate.robertson@mjbizdaily.com .