Although many agronomic researchers currently focus on designing and developing decision support systems, they rarely discuss the methodological implications of such work. In this paper, with the examples of two decision support systems, we propose methodological elements for conducting the participatory design of such tools. The authors proposition aims at building dialogue between designers and users but also between humans, tools and work situations.
This material was presented duting the conference: Big Data, a multiscale solution for a sustainable agriculture in Copenhagen Denmark in 2017 and brings an overview of the technological innovations of the French agricultural sector.
Agricultural machinery manufacturers historically referred to the intermediate players for selling, maintenance, customer service and/or training of equipment appear to interact with farmers and end-users. Intermediate players have therefore faced the burden to master the technology, in constant evolution, and the associated training needs at the interface between sophisticated equipment and the end-user and its sociological characteristics (age, education, background, etc.).
L’une des avancées les plus importantes dans le domaine de l’observation de la terre est la découverte des indices spectraux, ils ont notamment prouvé leur efficacité dans la caractérisation des surfaces agricoles, mais ils sont généralement définis de manière empirique. Cette étude basée sur l’intelligence artificielle et le traitement du signal, propose une méthode pour trouver un indice optimal. Et porte sur l’analyse d’images issues d’une caméra multi-spectrale, utilisée dans un contexte agricole pour l’acquisition en champ proche de végétation.
Mobiliser les approches issues de l’Intelligence Artificielle (IA) en Santé Animale (SA) permet d’aborder des problèmes de forte complexité logique ou algorithmique tels que rencontrés en épidémiologie quantitative et prédictive, en médecine de précision, ou dans l’étude des relations hôtes × pathogènes.
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.
Cet article présente une nouvelle approche à base de logique floue pour évaluer le risque phytosanitaire dans une serre produisant des roses. Le but de cette étude est de fournir à l’agriculteur un indice représentant le risque de présence de nuisible : Western Flower Thrips (WFT) ou Frankliniella Occidentalis, et d’enlever la phase decomptage manuel. Un systéme d’aide à la décision modulaire basé sur la connaissance d’experts a été conçu. Le systéme proposé fournit un facteur de risque en fonction des données météorologiques et statiques.
L’agriculture souffre d’un important déficit d’image : qualité des produits jugée médiocre, non respect de l’environnement, pénibilité des métiers… La réalité est cependant tout autre. Tout en restant profondément ancré dans la vie des territoires, ce secteur est devenu numéro deux de la robotisation. De nouvelles méthodes fondées sur le traitement des données, des outils innovants, intelligents et connectés, ainsi que des réseaux de diffusion des innovations et d’entraide contribuent à transformer en profondeur l’agriculture.