Embedded-AI-enabled semantic IoT platform for agroecology
Plateforme IoT sémantique compatible avec l’IA embarquée pour l’agroécologie
Résumé
Modern agriculture requires a profound transformation to address the challenges of sustainable development while qualitatively and quantitatively feeding the growing global population. In this light, farmers are adopting "Smart Farming" also called precision agriculture. It is an agricultural method that leverages technology to enhance the efficiency, productivity, and sustainability of agricultural production. This approach encompasses the use of sensors, the Internet of Things (IoT), Artificial Intelligence (AI), data analysis, robotics, and various other digital tools optimizing aspects such as soil management, irrigation, pest control, and livestock management. The goal is to increase production while reducing resource consumption, minimizing waste, and improving product quality. However, despite its benefits and successful deployment in various projects, smart agriculture encounters limitations, especially within the context of IoT. Firstly, platforms must be capable of perceiving data in the environment, interpreting it, and making decisions to assist in farm management. The volume, variety, and velocity of those data, combined with a wide diversity of objects and the advent of AI embedded in sensors, make communication challenging on wireless agricultural networks. Secondly, research tends to focus on projects addressing the issues of non-sustainable conventional agriculture, and projects related to small-scale farms focused on agroecology are rare. In this context, this thesis explores the creation of an IoT platform comprised of a network of semantic smart sensors, aiming to guide farmers in transitioning and managing their farm sustainably while minimizing human intervention.
L'agriculture moderne nécessite une profonde transformation pour répondre aux défis du développement durable tout en nourrissant qualitativement et quantitativement la population mondiale croissante. Dans cette optique, les agriculteurs adoptent le "Smart Farming" ou agriculture intelligente. C'est une méthode agricole qui utilise la technologie pour améliorer l'efficacité, la productivité et la durabilité de la production agricole. Elle englobe l'usage de capteurs, l'internet des objets (IoT), l'Intelligence Artificielle (IA), l'analyse de données, la robotique et divers autres outils numériques optimisant des aspects tels que la gestion des sols, l'irrigation, la lutte antiparasitaire ou encore la gestion de l'élevage. L'objectif est d'augmenter la production tout en réduisant la consommation de ressources, minimisant les déchets et améliorant la qualité des produits. Toutefois, malgré ses avantages et son déploiement réussi dans divers projets, l'agriculture intelligente rencontre des limites notamment dans le cadre de l'IoT. Premièrement, les plateformes doivent être capables de percevoir des données dans l'environnement, de les interpréter et de prendre des décisions pour aider à la gestion des fermes. Le volume, la variété et la vélocité de ces données, conjuguées à la grande diversité d'objets ainsi qu'à l'avènement de l'IA embarquée dans les capteurs, rendent difficile les communications sur les réseaux agricoles sans fils. Deuxièmement, les recherches tendent à se focaliser sur des projets répondant aux problématiques de l'agriculture conventionnelle non durable et les projets concernant les petites exploitations axées sur l'agroécologie sont rares. Dans ce contexte, cette thèse explore la création d'une plateforme IoT composée d'un réseau de capteurs intelligents sémantiques, visant à guider les agriculteurs dans la transition et la gestion de leur ferme en agriculture durable tout en minimisant l'intervention humaine.
| Origine | Version validée par le jury (STAR) |
|---|