La couche analytique entre détection et prescription

Un satellite vous signale qu'une parcelle est stressée. SpectraRx vous indique l'anomalie exacte, sa cause et le traitement à appliquer.

Dans cette démonstration synthétique fondée sur la physique pour une culture et une zone géographique données, le NDVI peut signaler le stress azoté, hydrique et fongique avec le même ambre. SpectraRx analyse la courbe complète de 424 bandes pour chaque pixel, identifie la cause, établit une prescription à taux variable selon la géométrie réelle de la rampe et génère un modèle de registre de type IPM pour examen. Les pixels non confirmés redirigent l'incertitude vers la prospection au sol.

0.887

Macro-F1 distinguant les types de stress

CNN spectral à 424 bandes contre 0.69 pour la référence Sentinel-2, sur un ensemble de test réservé de 1 280 pixels

424 bandes

Courbe VNIR et SWIR complète par pixel

400 à 2515 nm à travers le visible, le proche infrarouge et l'infrarouge à ondes courtes

0.887 à 0.373

Précision sans correction atmosphérique

L'étalonnage est structurel, mesuré directement dans l'application

Ceci est une démonstration exécutable. Les scènes hyperspectrales sont des cubes synthétiques fondés sur la physique, et les connecteurs en direct pour capteurs et machines agricoles ne sont pas implémentés. Le classificateur entraîné, les barrières déterministes, les formats d'exportation et le modèle de registre généré de type IPM fonctionnent exactement comme illustré.

Une alerte « stressé » sans cause n'est pas une décision

L'écart entre la détection d'un problème et l'intervention concrète.

La surveillance multispectrale et le NDVI peuvent colorer en ambre une vaste parcelle de maïs et la qualifier de stressée. Ils n'en identifient pas la cause. Un déficit en azote, un manque d'eau et une infection fongique précoce exigent des réponses distinctes, alors que l'alerte de stress fournit à l'opérateur une couleur unique pour l'ensemble d'entre eux.

Le coût de l'approximation est opérationnel. Un mauvais diagnostic gaspille un passage de pulvérisation sur le mauvais problème, tandis qu'un signal de maladie manqué réduit la fenêtre d'action. Une simple tache ambre ne localise rien de tout cela.

La véritable solution ne réside pas dans une carte thermique plus esthétique. Il s'agit d'une couche analytique qui interprète la physique de la culture, distingue les causes et redirige les zones à forte abstention vers la prospection au sol lorsque les données sous-jacentes ne sont pas fiables. C'est la couche que nous avons développée.

Comment fonctionne SpectraRx

Une chaîne déterministe : acquérir, étalonner, diagnostiquer, filtrer, prescrire, enregistrer. Le classificateur propose un diagnostic ; le code décide s'il est sûr d'intervenir.

Chaque scène est un cube hyperspectral de 424 bandes couvrant de 400 à 2515 nm à travers le visible, le proche infrarouge et l'infrarouge à ondes courtes. Une correction atmosphérique par méthode de droite empirique extrait la réflectance de surface au bas de l'atmosphère à partir de la luminance au sommet de l'atmosphère et appose un marqueur de provenance d'étalonnage par scène. Un CNN spectral 1D sur mesure, développé à partir de zéro en pur numpy avec convolution réelle, rétropropagation et Adam, classe la courbe complète de chaque pixel entre sain, carence en azote, stress hydrique ou tache goudronneuse précoce, avec un échelonnement de température pour calibrer sa confiance. Un modèle de caractéristiques physiques à bandes étroites et la véritable référence à large bande Sentinel-2 s'exécutent en parallèle comme bases de comparaison.

Trois barrières situées en dehors du modèle

La confiance ne repose jamais sur le seul rapport de confiance du modèle. Avant que le moindre pixel ne se transforme en prescription, il passe trois vérifications déterministes.

1. Provenance de l'étalonnage

La correction atmosphérique appose un marqueur de provenance par scène. Dans le mode de désactivation délibérée, les données brutes au sommet de l'atmosphère parviennent au classificateur afin que les barrières de confiance et de concordance physique en aval puissent exposer la trajectoire de défaillance.

2. Confiance et ambiguïté

Les pixels à faible confiance ou à signature mixte s'abstiennent plutôt que d'imposer une classe. Les zones affichant 34 pour cent ou plus de pixels abstenus sont redirigées vers la prospection au sol ; les autres zones utilisent leur majorité non abstenue pour la prescription.

3. Concordance physique

Si le CNN revendique une classe mais que la caractéristique physique documentée est en désaccord (il indique de l'azote, mais le front rouge ne s'est pas déplacé), le pixel s'abstient. Une allégation doit correspondre à la spectroscopie.

Du diagnostic au plan prêt pour la rampe et au modèle de registre vérifiable

La carte de diagnostic typée est agrégée de pixels de 5 m vers des cellules de gestion de 25 m à l'aide d'un profil de rampe de 27 m. La géométrie de l'équipement fait partie intégrante du calcul, et non d'une réflexion a posteriori. Les doses agronomiques suivent les règles de diagnostic configurées, y compris une règle fongicide qui n'autorise l'intervention qu'à l'intérieur de la fenêtre R3 configurée. Le plan s'exporte au format ISO-XML et GeoJSON.

La démonstration génère ensuite un modèle de registre de type IPM « De la ferme à la table » de l'UE à partir du diagnostic et de la prescription pour examen par l'agronome et la conformité. Elle n'offre pas de télédéclaration réglementaire en direct ni de connecteur. Le seul endroit où un modèle de langage est autorisé à intervenir dans ce pipeline est la rédaction du texte de justification à partir de faits déjà calculés, avec un repli basé sur des modèles par défaut pour que la démonstration fonctionne sans clé API.

La tache ambre, traitée de bout en bout

La scène synthétique fondée sur la physique de la démonstration. Chaque image ci-dessous est une capture d'écran de l'application en cours d'exécution.

Une seule couleur pour trois problèmes différents

L'onglet NDVI montre la parcelle telle qu'un service de surveillance par satellite la transmet : une région ambre dans le quart nord-est, étiquetée comme stressée, sans cause ni prescription. C'est le point de départ dont dispose déjà chaque équipe d'agriculture de précision, et le point où la prise de décision s'arrête.

L'onglet satellite NDVI montrant une région ambre stressée avec la légende « une tache, aucune cause, aucune prescription », et le panneau de verdict encore inactif.
La vue NDVI : une tache ambre, aucune cause, aucune prescription.

La tache se résout en zones typées

L'exécution de Diagnose field divise cette région ambre unique en causes distinctes : carence en azote en ambre, stress hydrique en bleu et tache goudronneuse précoce en rouge, les pixels hachurés étant abstenus et redirigés vers la prospection au sol. Sur cette scène synthétique réservée fondée sur la physique, le panneau de verdict affiche un macro-F1 de 0.89 pour SpectraRx contre 0.69 pour la référence Sentinel-2, une précision étalonnée de 0.89 et 20.1 pour cent de la parcelle abstenue. Une seule carte devient trois tâches distinctes.

Vue du diagnostic SpectraRx : la tache ambre résolue en zones d'azote (ambre), d'eau (bleu) et de tache goudronneuse précoce (rouge) avec pixels abstenus hachurés, et un panneau de verdict indiquant un macro-F1 de 0.89 pour SpectraRx, 0.69 pour Sentinel-2 et 20.1 pour cent de surface de parcelle abstenue.
Le diagnostic : zones d'azote (ambre), d'eau (bleu), de tache goudronneuse (rouge) et abstenues (hachurées), avec le verdict de l'ensemble réservé.

Le modèle interprète la physique, pas les données

L'objection évidente à tout classificateur de cultures est qu'il a appris la forme de ses propres données d'entraînement. L'inspecteur spectral répond directement à une partie de cette question. Pour la tache goudronneuse, le tracé de saillance des bandes calculé de manière indépendante culmine dans les canaux échantillonnés à 530 et 535 nm les plus proches du diagnostic PRI vers 531 nm. Pour l'azote, il pondère le front rouge de 680 à 720 nm. Le système vérifie séparément les diagnostics d'eau SWIR documentés à 970, 1450 et 1940 nm ; ces vérifications ne sont pas présentées comme les pics de saillance les plus élevés du CNN.

L'inspecteur spectral pour un pixel de tache goudronneuse précoce montrant une courbe de réflectance à 424 bandes et un tracé de saillance de bande orange culminant dans les canaux échantillonnés à 530 et 535 nm près du diagnostic PRI.
La saillance de la tache goudronneuse culmine dans les canaux échantillonnés à 530 et 535 nm les plus proches du diagnostic PRI vers 531 nm.

L'étalonnage est structurel, et le modèle l'admet

L'activation de l'option Skip atmospheric correction fournit au classificateur la luminance brute au sommet de l'atmosphère. La précision s'effondre de 0.887 à 0.373 ; 92.2 pour cent des pixels s'abstiennent et 140 des 144 zones de gestion sont redirigées vers la prospection au sol. Quatre zones de stress hydrique font toujours l'objet d'une application selon la règle de zone, ce qui constitue un garde-fou inspectable plutôt qu'un blocage universel.

La vue du diagnostic avec Skip atmospheric correction activé : la vignette de précision indique 0.37 non étalonné et la vignette de surface de parcelle abstenue indique 92.2 pour cent, la majeure partie de la parcelle étant hachurée et redirigée vers la prospection.
Omettez la correction atmosphérique et la précision chute à 0.37, avec 92.2 pour cent de la parcelle abstenue plutôt que mal prescrite.

Une prescription qu'une rampe peut exécuter, et un modèle de registre à examiner

Le diagnostic se transforme en 144 cellules de gestion selon un profil de rampe de 27 m et une résolution de 25 m : 21 zones à traiter, 25 à prospecter et 98 déjà saines. Chaque zone à traiter comporte un produit et une dose définis selon les règles de prescription déterministes de la démonstration. Elle s'exporte au format ISO-XML et GeoJSON, ainsi que sous la forme du registre de type IPM « De la ferme à la table » de l'UE, qui répertorie les coordonnées géographiques par zone, les preuves spectrales, les alternatives évaluées, l'échéance R3 et une ligne de signature pour agronome certifié.

Le tableau de prescription à taux variable pour une rampe de 27 m et des cellules de gestion de 25 m, stade de croissance V12, listant les diagnostics, produits et doses par zone, avec des boutons d'exportation pour ISO-XML, GeoJSON et le registre de pulvérisation IPM « De la ferme à la table » de l'UE.
La prescription à taux variable : produits et doses par zone selon la géométrie réelle de la rampe, exportable en ISO-XML et GeoJSON.
Le registre de pulvérisation IPM « De la ferme à la table » de l'UE répertoriant les coordonnées géographiques par zone, la caractéristique spectrale active telle que l'indice de réflectance photochimique affaibli à 531 nm, le produit et la dose, l'échéance R3, les alternatives évaluées, ainsi qu'une ligne de date et de signature pour agronome certifié.
Le registre IPM « De la ferme à la table » de l'UE, avec preuves spectrales par zone et ligne de signature pour agronome certifié.

Là où la référence à large bande est structurellement aveugle

Sur le test de cultivar et de sol synthétique réservé de 1 280 pixels fondé sur la physique, SpectraRx obtient un score macro-F1 de 0.887 contre 0.69 pour la référence Sentinel-2 et 0.856 pour un modèle de caractéristiques physiques à bandes étroites. Par classe, la solution de référence est une base véritablement robuste sur l'azote, proche de 1.0. Elle est en retrait sur l'eau, 0.63 contre 0.97, et sur la tache goudronneuse précoce, 0.61 contre 0.77. Il s'agit d'un résultat sur le mécanisme, non d'une garantie au champ.

L'écran de référence montrant les barres de F1 par classe pour SpectraRx contre Sentinel-2 : sain 0.81 contre 0.52, azote 1.00 contre 1.00, eau 0.97 contre 0.63, tache goudronneuse 0.77 contre 0.61, ainsi qu'une matrice de confusion et une évaluation en direct de SpectraRx à 88.7 pour cent contre Sentinel-2 à 69.2 pour cent.
F1 par classe sur l'ensemble réservé : la référence égale les performances sur l'azote mais est en retrait sur l'eau et la tache goudronneuse, où le large bande est aveugle.

Sentinel-2 à large bande contre SpectraRx

La même référence à laquelle la démonstration se compare, côte à côte. C'est une référence réelle et solide, et non un argument de paille.

Dimension Référence à large bande Sentinel-2 SpectraRx
Bandes lues par pixel 13 à large bande 424, VNIR et SWIR (400 à 2515 nm)
Distingue l'azote, l'eau et la tache goudronneuse Azote oui ; eau et tache goudronneuse faiblement Les trois, par pixel
F1 stress hydrique (ensemble réservé) 0.63 0.97
F1 tache goudronneuse précoce (ensemble réservé) 0.61 0.77
Comportement sur les pixels ambigus ou non étalonnés Classe quand même S'abstient, redirige vers la prospection au sol
Ce que vous obtenez en sortie Un indicateur de stress Un diagnostic typé, une prescription à taux variable et un modèle de registre de type IPM vérifiable

Ce que cette démonstration ne fait pas

  • ✓ Elle n'utilise pas de captures réelles de parcelles. Les scènes sont des cubes hyperspectraux synthétiques fondés sur la physique ; la référence saine suit la réflectance publiée de la végétation verte et les signatures de stress sont des perturbations physiques documentées. La précision en conditions réelles nécessite une bibliothèque de vérité terrain sur deux saisons, ce qui est différé.
  • ✓ Elle ne présente pas le macro-F1 de 0.887 comme une garantie en conditions réelles ouvertes. Il s'agit d'un résultat sur un ensemble synthétique réservé de 1 280 pixels avec décalage de distribution, pour une seule culture (maïs) et une seule zone géographique.
  • ✓ Elle ne se connecte pas à des capteurs en direct ni à des plateformes de gestion agricole. Les intégrations de capteurs en direct et les connecteurs push partenaires ne sont pas implémentés. Les formats d'exportation ISO-XML et GeoJSON sont réels.
  • ✓ Elle ne laisse pas un modèle de langage prendre la décision. La barrière déterministe décide ; le LLM optionnel se contente de générer le texte IPM à partir de faits calculés, utilise par défaut un repli basé sur des modèles et se situe hors du chemin de confiance.
  • ✓ Elle ne comporte pas de clients, de déploiements, de projets pilotes, d'approbations ou de chiffres de retour sur investissement. Aucun n'existe pour l'instant. Il s'agit d'une démonstration qui prouve le mécanisme.

Questions que les acheteurs posent réellement

En quoi cela est-il différent du NDVI et de la surveillance par satellite pour lesquels nous payons déjà ?

Le NDVI et la surveillance multispectrale peuvent détecter une anomalie sans en identifier la cause. SpectraRx analyse la courbe de réflectance complète à 424 bandes à chaque pixel et indique le diagnostic, les longueurs d'onde actives et le plan d'action. Sur le test synthétique réservé de 1 280 pixels fondé sur la physique (cultivar et sol) de la démonstration, il distingue les types de stress avec un macro-F1 de 0.887 contre 0.69 pour la référence à large bande Sentinel-2 ; le stress hydrique est à 0.97 contre 0.63 et la tache goudronneuse précoce à 0.77 contre 0.61.

Comment puis-je savoir que le modèle analyse le stress des cultures et ne mémorise pas simplement vos données ?

Survolez n'importe quelle zone dans l'inspecteur spectral et il tracera un profil de saillance des bandes montrant quelles longueurs d'onde le CNN a réellement pondérées, calculé indépendamment des caractéristiques propres du classificateur. La tache goudronneuse est associée à la bande de l'indice de réflectance photochimique à 531 nm et l'azote au front rouge de 680 à 720 nm. Le système vérifie également les diagnostics d'eau SWIR documentés à 970, 1450 et 1940 nm, sans les présenter comme les principaux pics de saillance du CNN. Le benchmark est un ensemble synthétique réservé issu d'un cultivar et d'un sol sur lesquels aucun des deux modèles ne s'est entraîné.

Que se passe-t-il sur les pixels dont le modèle n'est pas sûr ?

Trois barrières déterministes se situent en dehors du modèle : une barrière de provenance d'étalonnage, une barrière de confiance et d'ambiguïté, et un contrôle de concordance physique qui s'abstient si la classe du CNN ne concorde pas avec la caractéristique physique documentée. Les zones contenant 34 pour cent ou plus de pixels abstenus sont redirigées vers la prospection au sol ; les autres zones font l'objet d'une prescription basée sur leur majorité non abstenue. Sur la scène étalonnée par défaut, 20.1 pour cent des pixels s'abstiennent. Il s'agit d'un garde-fou visible, non d'une prétention à la perfection ; le F1 de la tache goudronneuse est de 0.77.

Peut-il réellement piloter notre matériel à taux variable, ou s'agit-il simplement d'une carte ?

La carte de diagnostic est agrégée de pixels de 5 m vers des cellules de gestion de 25 m selon un profil de rampe de 27 m. Dans la démonstration, cela produit 144 cellules de gestion (21 à traiter, 25 à prospecter, 98 saines), avec des produits et des doses par zone, et s'exporte au format ISO-XML et GeoJSON. Les formats d'exportation sont réels ; les connecteurs push partenaires en direct ne sont pas implémentés dans cette démonstration.

Cela produit-il les registres dont nous avons besoin pour la conformité à l'initiative « De la ferme à la table » de l'UE et à l'IPM ?

SpectraRx génère un modèle de registre de type IPM « De la ferme à la table » de l'UE de manière déterministe à partir du diagnostic et de la prescription : coordonnées géographiques, preuves spectrales par zone et couverture de zone de la classe majoritaire, alternatives évaluées, produit et dose recommandés, échéance de la fenêtre fongicide, provenance de l'étalonnage, nom et version du modèle, ainsi qu'une ligne de signature pour agronome certifié. La démonstration ne revendique pas de déclaration réglementaire en direct ni de connecteur.

Les scènes sont synthétiques. Pourquoi devrais-je faire confiance aux chiffres ?

Chaque chiffre se reproduit exactement sous des graines aléatoires fixes et est mesuré sur un ensemble réservé de 1 280 pixels issus d'un cultivar et d'un sol sur lesquels aucun des deux modèles n'a été entraîné, ce qui constitue un décalage de distribution plutôt qu'une mémorisation. Les scènes sont des cubes synthétiques fondés sur la physique : la référence saine suit la réflectance publiée de la végétation verte et les signatures de stress sont des perturbations physiques documentées injectées indépendamment du classificateur. Nous présentons le macro-F1 de 0.887 comme un résultat sur cet ensemble synthétique étiqueté pour une culture et une zone géographique uniques, jamais comme une garantie en conditions réelles ouvertes. La précision en conditions réelles nécessite une bibliothèque de vérité terrain sur deux saisons, ce qui constitue un travail différé.

Vous connectez-vous aujourd'hui à nos capteurs et au John Deere Operations Center ?

Pas dans cette démonstration. Les intégrations de capteurs en direct et les connecteurs push partenaires ne sont pas implémentés. Ce qui est réel, c'est la chaîne analytique : la correction atmosphérique, le CNN spectral à 424 bandes, les barrières déterministes, le calcul des prescriptions et les formats d'exportation ISO-XML, GeoJSON et de type IPM. Veriprajna conçoit des outils analytiques indépendants des capteurs ; nous ne possédons pas de satellites et ne fabriquons pas de capteurs.

Recherche technique

La recherche derrière cette démonstration — l'architecture, la conception de la vérification et le plan directeur d'entreprise.

Combler l'écart entre un indicateur de stress et un plan de pulvérisation ?

La partie la plus complexe réside dans la chaîne étalonnée, capable d'abstention et tenant compte de l'équipement, et non dans le classificateur. Nous la concevons.

Si votre équipe dispose de cartes de stress inexploitables, la question clé est de savoir où placer la limite d'abstention pour vos cultures, vos capteurs et vos équipements. C'est la conversation que nous préférons engager plutôt qu'une présentation commerciale.

Évaluation des analyses spectrales

  • ✓ Cartographier où un indicateur de stress bloque vos décisions agronomiques
  • ✓ Définir les longueurs d'onde diagnostiques et les classes pour vos cultures
  • ✓ Fixer la provenance de l'étalonnage et les seuils d'abstention
  • ✓ Spécifier le registre IPM que votre équipe de conformité doit renseigner

Construire la chaîne

  • ✓ Un classificateur spectral adapté à vos capteurs et cultivars
  • ✓ Correction atmosphérique avec provenance par scène
  • ✓ Prescriptions à taux variable adaptées à l'équipement (ISO-XML, GeoJSON)
  • ✓ Modèles de registres de type IPM « De la ferme à la table » de l'UE pour examen
Réseaux sociaux

Également publié sur