L'agriculture et les systèmes alimentaires sont essentiels aux moyens de subsistance de millions de personnes en Afrique, jouant un rôle vital pour assurer la sécurité alimentaire et le développement économique. Afin d'exploiter la puissance de l'intelligence artificielle (IA) pour des pratiques agricoles durables en Afrique, le Centre africain AI4D pour l'agriculture et les systèmes alimentaires a sélectionné 10 sous-bénéficiaires exceptionnels pour rejoindre leur initiative. Ces sous-bénéficiaires, choisis à travers le continent, représentent une gamme variée de projets innovants qui tirent parti de l'IA pour relever les défis des systèmes agricoles et alimentaires, dans le but ultime d'améliorer la vie des agriculteurs et des communautés en Afrique.
Dans cet article, nous sommes ravis de vous présenter ces 10 sous-bénéficiaires et de vous présenter le travail révolutionnaire qu'ils accomplissent dans le domaine de l'IA agricole. Ces projets sont à la pointe des technologies de pointe qui ont le potentiel de révolutionner les systèmes agricoles et alimentaires en Afrique. En mettant fortement l'accent sur la durabilité, l'inclusivité et les pratiques d'IA responsables, ces sous-bénéficiaires ouvrent la voie à un avenir plus résilient et prospère pour les agriculteurs et les communautés africaines.
Projet 1 : Outils de surveillance et d'intelligence artificielle pour une agriculture intelligente au Cap-Vert
Lieu : Cap-Vert
Chef de projet : Dr. Sonia Semedo, Université de Cabo Verde
Montant de la subvention : 50,000 XNUMX USD
L'agriculture a toujours été un aspect vital de l'économie et des moyens de subsistance du Cap-Vert, mais les récents cycles de sécheresse ont eu un impact direct sur la production agricole. En tant que solution à ces défis, ce projet a été lancé pour explorer la faisabilité de l'intégration de technologies émergentes telles que l'IdO et l'IA dans l'agriculture, en mettant l'accent sur les petits agriculteurs qui pratiquent une agriculture de subsistance. On espère que ce projet les aidera à améliorer leurs rendements et leurs pratiques de gestion de l'eau. L'objectif principal du projet est de créer une approche agricole adaptée au Cap-Vert et capable d'augmenter les niveaux de production tout en créant des mécanismes de gestion de la santé des sols et des ressources en eau. En travaillant en étroite collaboration avec les petits agriculteurs, le projet vise à développer un secteur agricole plus durable et résilient, capable de résister aux effets du changement climatique tout en améliorant la sécurité alimentaire.
Projet 2 : Développement d'un modèle d'apprentissage automatique pour le diagnostic des ravageurs et des maladies des cultures basé sur les données d'imagerie des cultures
Lieu : Tanzanie
Chef de projet : Dr Hudson Laizer, Université des sciences et technologies de Mbeya
Montant de la subvention : 51,000 XNUMX USD
Ce projet vise à développer un modèle d'apprentissage automatique pour diagnostiquer les ravageurs et les maladies des cultures à l'aide de données d'imagerie des cultures. Les haricots communs et les pommes de terre irlandaises sont des cultures vivrières et commerciales vitales pour les petits exploitants agricoles en Tanzanie, mais les rendements sont souvent faibles en raison de maladies telles que la rouille du haricot, l'anthracnose du haricot, l'alternariose et le mildiou. Le projet collectera plus de 120,000 XNUMX images de feuilles de cultures pour développer une application mobile capable de détecter ces maladies de manière précoce et d'aider les agriculteurs à gérer leur propagation. Le modèle d'apprentissage automatique sera formé sur des ensembles de données localisés pour détecter avec précision les maladies des cultures et sera utilisé par les agriculteurs et les agents de vulgarisation agricole. Le projet vise à atténuer les problèmes de sécurité alimentaire en Afrique et à contribuer à des pratiques d'IA responsables et à la déclaration de l'empreinte carbone.
Projet 3 : Améliorer la prévision du rendement des cultures à l'échelle de l'exploitation à l'aide de l'apprentissage automatique pour l'Internet des objets agroalimentaires en Tanzanie
Lieu : Tanzanie
Chef de projet : Dr Barakabitze Alcardo Alex, Université d'agriculture de Sokoine
Montant de la subvention : 51,000 XNUMX USD
En analysant les indices de végétation par satellite, les données climatiques et d'autres sources de données pertinentes, le projet vise à développer des modèles de prévision du rendement des cultures à l'échelle de l'exploitation qui fourniront des recommandations et des prévisions aux agriculteurs locaux au début et à la fin de la saison. Ce projet est unique en Tanzanie car il prend en compte différentes sources de données pour différentes cultures et régions, garantissant des informations personnalisées et précises pour les petits exploitants agricoles. Le secteur agricole en Tanzanie, qui contribue de manière significative au PIB du pays et emploie une grande partie de la main-d'œuvre, devrait bénéficier de la mise en œuvre de ce projet, contribuant à moderniser l'industrie et à améliorer les rendements des cultures pour les petits exploitants agricoles.
Projet 4: Utilisation de l'intelligence artificielle pour améliorer la production, la gestion et la commercialisation du poivre jaune Nsukka (Capsicum Chinense Nsukkadrilus)
Lieu: Nigeria
Chef de projet : Professeur d'ingénierie Chinenye Anyadike
Montant de la subvention : 59,000 XNUMX USD
Le poivron jaune Nsukka est une variété de poivre populaire au Nigéria, mais sa production est confrontée à des défis tels que l'épuisement des nutriments du sol, la demande en eau due au changement climatique, les attaques de ravageurs et l'accès limité au marché. Pour résoudre ces problèmes, l'équipe se lancera dans un projet qui tirera parti de l'IA pour la détection précoce des ravageurs, la détection des pertes d'éléments nutritifs dans le sol, l'irrigation intelligente et les services de vulgarisation électronique pour soutenir les agriculteurs et améliorer l'accès au marché. Le système d'IA sera développé à l'aide du langage de programmation Python et de la bibliothèque FastAI, déployés sur Raspberry PI avec des capteurs calibrés. Le projet accordera également la priorité à l'égalité des sexes et à l'inclusion, à l'autonomisation des femmes, des jeunes et des groupes vulnérables dans l'utilisation de la technologie moderne dans les pratiques agricoles. Les résultats attendus comprennent des manuels de formation, des ensembles de données sur les cultures pour l'apprentissage automatique, les éléments nutritifs du sol et un système d'irrigation intelligent, ainsi qu'une application de service de vulgarisation en ligne pour le soutien des agriculteurs. Le projet vise à promouvoir la synergie entre le gouvernement, le secteur privé et le milieu universitaire, à utiliser l'IA pour la conservation de l'eau, à générer des ensembles de données pour l'apprentissage automatique local et à aider les agriculteurs à commercialiser leurs produits.
Projet 5: Mise à l'échelle des outils basés sur les smartphones pour la détection et la surveillance précoces des maladies des cultures
Lieu : Ouganda
Chef de projet : Dr Owomugisha Godliver de l'Université de Busitema
Montant de la subvention : 55,000 XNUMX USD
Cette recherche vise à tirer parti des smartphones à faible coût avec des technologies assistées intégrées pour la détection et la surveillance précoces des maladies des cultures. Le projet se concentrera sur le manioc, une culture vivrière de base en Afrique, et vise à mettre à l'échelle les outils de diagnostic existants pour créer un système pouvant être géré par des non-experts à l'aide de smartphones. Le projet utilisera une nouvelle approche d'identification des maladies des plantes à l'aide de données non symptomatiques sur les maladies acquises à l'aide d'un spectromètre. Les résultats de cette recherche pourraient ouvrir la voie à des outils similaires pour d'autres cultures, au bénéfice de la sécurité alimentaire en Afrique subsaharienne.
Projet 6 : Système d'alerte précoce et outil de diagnostic de l'apparition de ravageurs pour la mineuse de la tomate et les aleurodes au Kenya
Lieu: Kenya
Chef de projet : Dr Hilda Manzi, Geospatial Research International
Montant de la subvention : 52,000.00 XNUMX USD
Le sous-secteur de l'horticulture au Kenya, qui contribue de manière significative au PIB agricole, a été touché par le changement climatique, entraînant une pression accrue des ravageurs sur des cultures comme la tomate. La production de tomates est entravée par des ravageurs tels que la mineuse de la tomate et les aleurodes, qui causent des pertes importantes. Ce projet de recherche vise à développer un outil spatial basé sur l'IA qui utilise la télédétection et l'intelligence artificielle pour surveiller et contrôler ces ravageurs dans le comté de Machakos, au Kenya. L'outil fournira une surveillance en temps réel de l'occurrence des ravageurs et soutiendra l'identification précoce et les mesures de contrôle. Il sera mis en œuvre parmi les petits exploitants agricoles grâce à un modèle commercial impliquant les jeunes et les femmes pour les services de vulgarisation en ligne, en mettant l'accent sur la fourniture de solutions aux utilisateurs ayant des connaissances limitées en matière de lutte antiparasitaire.
Projet 7: Autonomisation des petits exploitants agricoles (SHF) dans le comté de Busia à l'aide d'outils IoT et IA à faible coût
Lieu: Kenya
Chef de projet : Dr Betsy Muriithi de l'Université de Strathmore
Montant de la subvention : 53,000 XNUMX USD.
Ce projet vise à autonomiser les petits exploitants agricoles du comté de Busia, au Kenya, en utilisant des outils à faible coût de l'Internet des objets (IoT) et de l'intelligence artificielle (IA). Les petits exploitants agricoles, qui produisent plus de 70 % de la nourriture consommée au Kenya, n'ont pas accès à des données localisées maximisant la productivité et ont du mal à atténuer les impacts du changement climatique. Le projet déploiera des mini-stations météorologiques abordables dans le comté de Busia pour collecter et agréger les données météorologiques, qui seront rendues accessibles aux agriculteurs via une plateforme synchronisée avec les informations existantes des organismes délégués. L'objectif est d'améliorer le rendement des cultures et de soutenir l'agriculture durable, garantissant ainsi la sécurité alimentaire dans un pays où l'insécurité alimentaire est élevée.
Projet 8: Développer l'intelligence artificielle (IA) pour la surveillance de l'humidité du sol et des éléments nutritifs dans l'agriculture irriguée parmi les petits exploitants agricoles, les universitaires et les experts agricoles au Malawi
Lieu: Malawi
Chef de projet : Dr Isaac Fandika, Département des services de recherche agricole (DARS)
Montant de la subvention : 54,000 XNUMX USD.
Le projet vise à créer des outils d'intelligence artificielle (IA) pour la surveillance de l'humidité du sol et des éléments nutritifs dans l'agriculture irriguée chez les petits exploitants agricoles du Malawi. Le projet vise à institutionnaliser le déploiement et la mise à l'échelle de solutions numériques innovantes pour améliorer l'agriculture et la disponibilité alimentaire. Il impliquera le développement et le déploiement d'une technologie de capteurs pour la surveillance de l'eau du sol et des éléments nutritifs dans 30 systèmes d'irrigation, couvrant 660 agriculteurs. Des partenariats public-privé seront établis pour développer et distribuer les outils d'IA, et les agriculteurs, les agents de vulgarisation et les collecteurs de données seront formés à l'utilisation des outils. Le projet vise à bénéficier à un total de 2,660 2 agriculteurs, en mettant l'accent sur les femmes et les jeunes, en promouvant des pratiques d'irrigation intelligentes, en augmentant la productivité et en créant des opportunités d'emploi. Les objectifs à long terme comprennent la promotion d'une agriculture durable, la réalisation de la disponibilité et de la stabilité alimentaires et la contribution à l'objectif de développement durable XNUMX de la faim zéro.
Projet 9: TOLBI AI, un outil numérique basé sur l'IA pour une agriculture intelligente, durable et efficace
Lieu : Sénégal
Chef de projet : Mouhamadou Kebe, Corniche Ouest, Dakar, Sénégal
Montant de la subvention : 48,000 XNUMX USD
TOLBI AI est un outil numérique basé sur l'IA visant à promouvoir une agriculture intelligente, durable et efficace au Sénégal. Le projet utilisera une combinaison d'intelligence artificielle (IA), d'images satellites et de langues locales pour fournir des informations en temps réel sur les prévisions de rendement et les pratiques de gestion des champs aux petits producteurs agricoles et éclairer les politiques agricoles nationales. Les résultats attendus du projet comprennent la réduction des pertes après récolte de 60 à 80 % grâce à un système de prise de décision basé sur l'IA, l'augmentation de la production et des revenus des agriculteurs de 30 % grâce à l'optimisation des intrants agricoles et à une meilleure gestion de la santé des plantes, et un impact sur 80,000 50.43 agriculteurs. (2023% de femmes) d'ici 1 au Sénégal et 2025 million d'agriculteurs d'ici XNUMX à travers l'Afrique. L'objectif de TOLBI AI est de contribuer de manière significative à la sécurité alimentaire en Afrique, en mettant l'accent sur le Sénégal, en tirant parti de la puissance de l'intelligence artificielle dans l'agriculture.
Projet 10: Détection des ravageurs et des maladies des cultures sur le Web et les appareils mobiles à l'aide du Deep Learning.
Lieu: Ghana
Chef de projet : Dr Patrick Mensah, Département d'informatique, Université de l'énergie et des ressources naturelles
Montant de la subvention : 49,000 XNUMX USD
Ce projet vise à développer une application mobile et Web basée sur l'apprentissage en profondeur pour détecter les ravageurs et les maladies des cultures au Ghana. L'Université de l'énergie et des ressources naturelles, en collaboration avec l'Association des communautés en développement du Ghana et DIGILECT SYSTEM, formera des modèles d'apprentissage en profondeur sur Google Collab en utilisant des images de plantes saines et malades de manioc, de maïs, de tomates et de noix de cajou. Les modèles formés seront intégrés dans une application mobile pour les appareils Android et iOS utilisant le framework Tensor Flow lite. L'application permettra aux utilisateurs de capturer ou de numériser des images de plantes à l'aide de l'appareil photo de leur téléphone et de fournir des résultats instantanés avec une valeur de probabilité pour la certitude de la détection. Pour les résultats incertains, les utilisateurs seront alertés pour demander des éclaircissements à un expert. L'application sera conviviale avec une fonction de synthèse vocale en anglais et dans la langue locale "Twi" pour l'accessibilité par les agriculteurs malvoyants et analphabètes. Les modèles donneront la priorité à la confidentialité et à la sécurité, avec des mises à jour fréquentes. L'application ne nécessitera pas de connectivité Internet pour détecter les ravageurs et les maladies des plantes afin de remédier à la faible pénétration d'Internet. Pour assurer la durabilité et la mise à l'échelle, des kiosques électroniques seront installés dans cinq communautés pour fournir des services aux agriculteurs analphabètes, aux personnes malvoyantes et à celles qui n'ont pas de téléphone ni de connexion Internet moyennant des frais subventionnés. Les e-kiosques seront gérés par des femmes et des personnes handicapées afin de promouvoir l'égalité des genres et l'inclusion. Le ministère de l'Agriculture, les assemblées de district, l'ONG partenaire et la PME seront impliqués dans la diffusion d'informations sur l'application aux agriculteurs.
Nous sommes ravis de voir l'impact durable et positif de ces projets dans les années à venir, car ils font des progrès significatifs dans l'exploitation de la puissance de l'IA responsable pour l'amélioration des systèmes agricoles et alimentaires en Afrique.