[Agriculture numérique] Baptiste Oger : Optimisation sous contraintes adaptatives pour l’échantillonnage spatial en agriculture de précision

Thèse en cours

 

Optimisation sous contraintes adaptatives pour l’échantillonnage spatial en agriculture de précision

  • Date de démarrage : octobre 2017
  • Université : MUSE Montpellier Université d’Excellence / Montpellier SupAgro
  • Ecole doctorale :  GAIA, Montpellier
  • Discipline / Spécialité :  Informatique, Agriculture de précision
  • Directeur de thèse :  Philippe Vismara (Montpellier SupAgro)
  • Encadrant(es)  :  Philippe Vismara (Montpellier SupAgro, MISTEA), Bruno Tisseyre (Montpellier SupAgro, ITAP),
  • Financement : #DigitAgMontpellier SupAgro

Mots-clés : Agriculture de précision, Optimisation du rendement, échantillonage spatial

Résumé :

L’industrie viticole a intérêt à estimer précisément le rendement de chaque parcelle afin d’optimiser au mieux la gestion de la récolte et de limiter ses coûts. Les estimations de rendements sont généralement basées sur un échantillonnage aléatoire au sein de la parcelle. Cependant le résultat de cette estimation n’est généralement pas assez précis à cause de la variabilité importante au sein même de la parcelle. Des travaux récents ont montré l’intérêt d’utiliser un indice de végétation (i.e. NDVI, GLCV, etc.) obtenu à partir de données spatiales à haute résolution pour optimiser l’échantillonnage. Ils ont montré qu’il était possible d’améliorer l’estimation jusqu’à 15% en fonction de la parcelle étudiée et de la force de corrélation entre l’indice de végétation et le rendement.

D’autres travaux récents ont proposé une nouvelle approche originale, basée sur la prise en compte des contraintes spatiales opérationnelles, afin d’optimiser les opérations sur la parcelle en viticulture.

L’originalité du projet de thèse est de proposer une approche interdisciplinaire qui prenne en compte les résultats de ces deux études pour optimiser l’échantillonnage spatial réalisé par un opérateur. Le travail consiste à développer une méthodologie qui prenne en compte i) des informations à haute résolution qui décrivent la variabilité au sein de la parcelle ii) les contraintes opérationnelles et spatiales (temps nécessaire pour réaliser les observations et les déplacements, la structure de la parcelle comme les rangées etc.) et iii) les spécificités de la parcelle considérée (organisation spatiale de la variabilité et force de corrélation entre les données spatiales et l’information en question etc.)

La recherche fournira à l’industrie viticole un outil d’optimisation sous contraintes adaptatives pour l’échantillonnage spatial en agriculture de précision. A court terme, la méthode pourra être intégrée sur une plateforme mobile comme un smartphone. A long terme, ces résultats pourraient être utilisables pour optimiser l’échantillonnage réalisé par d’autres plateformes telles que des robots

 

Share