AgriGuard
AgriGuard: prototype malien combinant capteurs, caméras et drones pour détecter stress hydrique, maladies, intrusions et envoyer alertes.
YouTube Video
Project Description
AgriGuard est un projet en cours de développement qui vise à améliorer la surveillance des exploitations agricoles grâce à l’intelligence artificielle. Il combine des capteurs, des caméras et des drones pour détecter les anomalies comme le stress hydrique, les maladies des cultures et les intrusions humaines ou animales.
Le système est conçu pour être autonome, accessible et adapté aux réalités rurales du Mali. Il permettra aux agriculteurs de recevoir des alertes et des recommandations en temps réel, afin de mieux protéger leurs cultures et améliorer leur rendement.
Le prototype est en phase de conception, avec une équipe engagée dans la structuration technique, les tests de détection visuelle et la simulation des modules.
Le projet utilise des technologies embarquées et des algorithmes de vision par ordinateur (OpenCV) pour analyser les images agricoles et générer des alertes. Les données simulées (température, humidité, mouvement) sont structurées dans des fichiers CSV et visualisées via une interface simple. Le drone est simulé à travers des outils comme Mission Planner pour illustrer la logique d’intervention.
Durant la compétition, on va simuler les modules clés pour démontrer la faisabilité technique : détection visuelle sur images test, visualisation des alertes et logique d’intervention. Le système est modulaire, reproductible et pensé pour être déployé dans des zones rurales à faible connectivité.
Ce projet répond aux critères d’évaluation comme suit :
- Code fonctionnel : scripts de détection visuelle et simulation capteurs opérationnels
- Innovation & créativité : combinaison IA + drone + capteurs pour l’agriculture locale
- Impact réel : solution adaptée aux agriculteurs maliens, déployable en milieu rural
- Alignement thématique : agriculture, écologie, inclusion technologique
- Présentation & explicabilité : démonstration claire, documentation structurée, schéma d’architecture
Technologies utilisées : Python, OpenCV,VSCode CSV, Mission Planner, Raspberry Pi (prévu), caméras Pi, capteurs DHT11/PIR (simulés)