Présentation de notre cycle inaugural de financement de projets relatifs aux ensembles de données agricoles pour l’IA
Nous sommes très heureux de partager avec vous le premier portefeuille de projets soutenus par le Lacuna Fund dans le domaine de l’IA agricole pour le bien social. Avec plus de 100 candidatures provenant d’organisations ou de partenariats avec des organisations de toute l’Afrique, nous avons été profondément impressionnés par l’envergure et la valeur des propositions.
Les bénéficiaires de ce premier cycle de financement vont libérer la puissance de l’apprentissage machine pour surmonter les défis liés à la sécurité alimentaire, favoriser les perspectives économiques et donner accès aux scientifiques, aux agriculteurs, aux communautés et aux responsables politiques à des ensembles de données agricoles d’un niveau supérieur. Nous sommes fiers de soutenir leur travail.
Helmets Labeling Crops - Les capots étiqueteurs de cultures
Ce projet vise la création d’ensembles de données sans précédent concernant les types de culture, les nuisibles, les maladies et les prix du marché dans les principales régions de production alimentaire cinq pays africains et étiquetées pour l’apprentissage machine. Ce projet est une initiative reposant sur la collaboration entre le programme Afrique de la NASA Harvest/Université du Maryland, le Forum régional des Universités pour le renforcement des capacités en agriculture (RUFORUM), le Centre d’observation de la terre et des sciences citoyennes de l’Institut international pour l’analyse des systèmes appliqués, le Centre régional de cartographie des ressources pour le développement (RCMRD), le Conseil des céréales de l’Afrique de l’Est (EAGC), le Secours luthérien mondial du Mali, le Centre international d’amélioration du maïs et du blé (CIMMYT) et la Radiant Earth Foundation.
L’équipe aura recours à des approches novatrices et innovantes, comme la collecte rapide de points de données à l’aide de caméras montées sur le capot de véhicules (d’où le terme « helmets ») combinée à la production participative d’étiquettes de points et de polygones. Grâce à ses partenariats avec des universités locales, ce projet créera des opportunités de formation des futurs chercheurs africains à la télédétection et à l’apprentissage machine.
Système de contrôle de la qualité de l’eau basé sur l’IdO pour les bassins à poissons d’eau douce en aquaponie
En Afrique subsaharienne, nombreux sont ceux qui vivent sous le seuil de pauvreté et qui consomment donc une faible quantité de protéines. L’aquaculture, l’élevage de poissons pour la consommation locale de protéines et à des fins commerciales, constitue une solution. L’Université du Nigeria à Nsukka va construire un système de gestion de la qualité de l’eau basé sur l’IdO contrôlé et géré à distance pour les bassins conventionnels et les systèmes de bassins aquaponiques afin de générer des ensembles de données étiquetées et va s’associer à des agriculteurs locaux afin de tester le système sur le terrain. Ces ensembles de données permettront aux chercheurs en apprentissage machine d’établir des modèles visant à prédire le rendement des poissons en termes de prise de poids, les paramètres de la qualité de l’eau et la consommation alimentaire.
Ensembles de données pour l’apprentissage machine en vue du diagnostic des nuisibles et des maladies dans les cultures, constitués sur la base d'images des cultures et de données de spectrométrie
Ce projet produira des ensembles de données d’imagerie et de spectrométrie de qualité, accessibles et ouverts en provenance de l’Ouganda, de la Tanzanie, de la Namibie et du Ghana pour différentes cultures qui contribuent à la sécurité alimentaire de l’Afrique subsaharienne, y compris le manioc, le maïs, les haricots, les bananes, le millet perlé et le cacao. L’objectif de l’équipe, composée de scientifiques spécialistes des données et de chercheurs de l’Université Makerere, de l’Institut africain des sciences et technologies Nelson Mandela, de l’Université des sciences et technologies de Namibie et de la karaAgro AI Foundation, est que ces ensembles de données d’imagerie et de spectrométrie soient utilisés pour l’identification précoce des maladies, le diagnostic des maladies et la modélisation de la propagation des maladies, autant de choses qui aideront au final à mettre au point des variétés de cultures résistantes.
Outil d’aide à la prise de décision pour des plans communautaires d’occupation des sols
L’élevage joue un rôle crucial dans la lutte contre la pauvreté, particulièrement dans le cas de la pauvreté rurale en Afrique subsaharienne où la survie de la population dépend des animaux. Dans cette partie de l’Afrique, la majorité du bétail est élevé selon des systèmes traditionnels qui reposent sur le partage des zones de ressources communales, telles que les pâturages et les ressources en eau.
Ce projet, dirigé par l’Institut des sciences et technologies Nelson Mandela, l’Université de Glasgow, l’Université de Hohenheim et la société anonyme NOTTECH, appliquera des méthodes participatives et des données télémétriques pour générer des ensembles de données étiquetées des caractéristiques du paysage. Ces ensembles de données étiquetées seront ensuite utilisés pour élaborer un plan communautaire d’occupation des sols en Tanzanie afin de soutenir la gestion des ressources pour l’élevage et de réduire les conflits avec les agriculteurs.
Correction du décalage de localisation
L’utilité des ensembles de données existants concernant les rendements des cultures est souvent compromise par des inexactitudes découlant du processus de collecte des données. Pour rectifier cela, le projet « Correction du décalage de localisation » s’attachera à mettre au point une méthode de correction des inexactitudes de localisation en utilisant les données satellites disponibles. Cette méthode sera ensuite utilisée pour créer une nouvelle version rectifiée d’un ensemble de données concernant le rendement des cultures de maïs en Afrique de l’Est, laquelle sera accompagnée d’un outil permettant à d’autres de recréer le processus en utilisant des ensembles de données supplémentaires. Cette recherche sera menée par une équipe composée de membres de Zindi et de la plateforme du GCRAI pour le big data.
Eyes on the Ground - Regards sur le sol : Des données d’entraînement pour un modèle de qualité grâce aux smartphones
Dans le projet « Eyes on the Ground », l’équipe d’ACRE Africa et de l’Institut international de recherche sur les politiques alimentaires (IFPRI) aura recourt aux smartphones pour créer un ensemble unique de données d’images des cultures géoréférencées comportant des étiquettes sur l’utilisation d’intrants, la gestion des cultures, la phénologie, les dégâts sur les cultures et les rendements. Les images seront collectées dans 11 comtés du Kenya. Les fonds serviront à soutenir la collecte des données, la normalisation des méthodes de soumission des images et l’organisation des ensembles de données dans le respect des bonnes pratiques en matière de collecte et de catalogage de données de référence au sol, dans le respect des considérations éthiques.
