-
-
Page d'accueil de l'application
-
Données en temps réel
-
Dispositif intelligent IoT de surveillance
Face aux pertes agricoles causées par les maladies des plantes et au manque d’accès à des débouchés commerciaux fiables, nous avons voulu créer une solution double : d’un côté, détecter les maladies le plus tôt possible grâce à l’IA, et de l’autre, connecter les agriculteurs à des marchés pour vendre plus facilement leurs produits. Cette idée est née en observant les difficultés quotidiennes des petits producteurs. AgriShield AI se présente comme un kit qui comprend un dispositif de surveillance intelligent à base de cameras qui a pour rôle grâce à une IA de détecter les maladies dans les plantations. L'autre élément du kit est l'application mobile sur laquelle l'agriculteur reçoit des alertes vocales de la part de l'IA lorsqu'elle détecte des signes d'une maladie. Sur cette application, l'agriculteur peut également consulter les données de son champ (pH, humidité) et avoir accès aux meilleurs marchés possibles pour la commercialisation de sa production. Pour la réalisation de notre prototype, nous avons utilisé un téléphone en guise de camera et ce téléphone est posé sur un dispositif IoT rotatif qui permet à la camera d'observer plusieurs angles de la plantation et avoir un plus grand champ de détection. Les images capturées par la camera sont envoyées à une certaine fréquence à un modèle de reconnaissance d'image que nous avons conçu avec TensorFlow et ce modèle va les analyser et détecter la présence ou l'absence de signes suspects sur les plants dans la plantation. L'application mobile a été réalisée avec Flutter et elle reçoit les notifications vocales de l'IA grâce à un serveur local que nous avons configuré. Sur cette application nous récupérons les données mesurées dans le champ par un capteur d'humidité qui communique avec l'application grâce à un ESP32. Et nous avons implémenté un système de localisation de demandes sur le marché en prenant compte de la culture que l'agriculteur indique produire sur son tableau de bord. L’un des plus gros défis a été de capter des images de qualité constante en milieu agricole, souvent soumis à des contraintes météo. L’autre difficulté majeure fut l’entraînement d’un modèle d’IA suffisamment robuste pour identifier plusieurs maladies, même avec peu de données disponibles. Enfin, la création d’un système de mise en relation agriculteurs-marchés adapté à un contexte rural a nécessité plusieurs ajustements. Nous sommes fiers d’avoir développé une solution fonctionnelle qui allie technologie agricole et commerce. Voir un modèle d’IA détecter avec précision une maladie sur une feuille en temps réel a été une étape majeure. Mais surtout, permettre à des agriculteurs de vendre leurs produits plus rapidement grâce à notre plateforme est une réussite humaine et sociale qui donne tout son sens à ce projet. Ce projet nous a permis de mieux comprendre les besoins réels des agriculteurs, mais aussi les limites techniques de l’IA en environnement non contrôlé. Nous avons appris à combiner des outils de machine learning, des capteurs physiques et des interfaces utilisateurs simples pour répondre à un problème concret. Dans le futur, nous voulons faire en sorte que AgriShield AI soit adapté à tous types de culture afin de pouvoir être utile à un plus grand nombre de personnes en Afrique. Dans le futur, nous souhaiterions faire de cet outil un acteur majeur dans l'amélioration du rendement agricole en Afrique.
Log in or sign up for Devpost to join the conversation.