World population is expected to surpass the 9 billion mark by 2050, and agriculture has to increase the production of nutritious food to meet the growing demand and ensure food security for all. It has to generate jobs, improve incomes and contribute to poverty eradication and rural economic growth. And it has a major role to play in the sustainable management of natural resources. Most of the increase in food production will have to take place in developing countries.
Classical innovation adoption models implicitly assume homogenous information flow across farmers, which is often not realistic. As a result, selection bias in adoption parameters may occur. We focus on tissue culture (TC) banana technology that was introduced in Kenya more than 10 years ago. Up till now, adoption rates have remained relatively low.
With support from The Technical Centre for Agricultural and Rural Cooperation ACP-EU (CTA), through a call for proposal, Hello Tractor an agriculture technology social enterprise has been selected to implement ICT-enabled smallholder mechanisation services with the objective to create jobs for youth across Nigeria and Kenya over a one-year period. Hello Tractor has a bold vision to create sustainable value for tractor owners and to radically transform how the smallholder agricultural ecosystem interacts with and derives value from technology.
L’objectif de cet article est d’explorer les défis et les contraintes de l’adoption des technologies de l’agriculture de précision, en se plaçant du point de vue des entreprises opérant dans le secteur des nouvelles technologies agricoles. L’étude s’appuie sur une approche qualitative moyennant une analyse de contenu issue de huit entretiens semi-directifs.
Partout dans le monde, de plus en plus de jeunes se détournent de l’agriculture. Avec ses travaux manuels pénibles et ses faibles salaires, l’agriculture traditionnelle n’attire pas les nouvelles générations qui préfèrent généralement tenter leur chance à la ville pour trouver un emploi. L’agriculture est pourtant le secteur qui offre le plus de potentiel pour réduire la pauvreté, par exemple en Afrique subsaharienne où plus de soixante pour cent de la population, estimée à 1,2 milliard d’habitants, est âgée de moins de 25 ans.
Plants are susceptive to various diseases in their growing phases. Early detection of diseases in plants is one of themost challenging problems in agriculture. If the diseases are not identified in the early stages, then they may ad-versely affect the total yield, resulting in a decrease in the farmers' profits. To overcome this problem, many re-searchers have presented different state-of-the-art systems based on Deep Learning and Machine Learningapproaches. However, most of these systems either use millions of training parameters or have low classificationaccuracies.
L’herbe pâturée est l’aliment qui coûte le moins cher dans une ration et la bonne gestion de l’herbe passe entre autre par une connaissance des quantités disponibles. Afin de simplifier et d’automatiser ces mesures d’herbe, et ainsi contribuer au maintien voire au développement du pâturage, le projet HERDECT s’est attaché à construire des méthodes d’estimation de la biomasse des prairies à partir d’outils de télédétection (d’acquisition à distance) et à en estimer la faisabilité opérationnelle.
La diminution du nombre de prairies, que l’on observe à l’échelle mondiale depuis plusieurs décennies, s’est accompagnée de l’évolution de leur mode de gestion dans un contexte d’intensification de l’usage des terres. Face aux enjeux que ces changements impliquent, tant sur le plan environnemental qu’économique, il est nécessaire d’identifier et de caractériser les dynamiques spatiotemporelles des prairies, afin notamment d’évaluer les impacts du changement climatique sur ces dernières et leur capacité à s’y adapter.
Le drone est un outil de plus en plus utilisé dans de nombreux domaines et en particulier en agriculture. La méthode présentée permet d’estimer la hauteur de plantes fourragères à partir de photos prises d’un drone. Cette méthode revêt un intérêt tout particulier pour la sélection végétale.
Many of the world’s food-insecure and undernourished people are smallholder farmers in developing countries. This is especially true in Africa. There is an urgent need to make smallholder agriculture and food systems more nutrition-sensitive. African farm households are known to consume a sizeable part of what they produce at home. Less is known about how much subsistence agriculture actually contributes to household diets, and how this contribution changes seasonally. We use representative data from rural Ethiopia covering every month of one full year to address this knowledge gap.