En savoir plus

Hybridation des méthodes d’apprentissage et Web Sémantique pour la planification et l’optimisation de culture maraîchères en Agro-écologie

Je suis étudiant en thèse Cifre au sein de l’équipe Web3 du Laboratoire d’informatique, de robotique et de micro-électronique de Montpellier (LIRMM) et de l’entreprise Elzeard.
J’ai un parcours centré autour de l’informatique. Après ma licence d’informatique à la faculté des sciences de Montpellier, j’ai continué dans la même structure sur le master DECOL, orienté Données, Connaissances et Langage naturel. J’ai réalisé un stage de recherche au sein du Lirmm sur le thème des réseaux de neurones. Suite à mon expérience de recherche, j’ai préféré m’orienter vers l’industrie, mais avec un goût pour la recherche bien développé,  je me suis tourné vers une thèse CIFRE.
L’idée de mon sujet de thèse est de développer des algorithmes de machine learning en utilisant de la donnée provenant de graphes de connaissances pour des tâches telles que la sélection de culture ou la planification de rotation. Le domaine agricole demande de prendre en compte des paramètres agronomiques, de contexte, météorologique, etc. Mon objectif est de prendre en compte la plupart des paramètres et de produire des algorithmes qui arrivent à gérer l’ensemble de ces paramètres pour faire des recommandations personnalisées aux agriculteurs.
Je pense que l’agriculture est un secteur clé du fonctionnement de nos sociétés. Les agriculteurs ont un métier difficile, et essayer de leur rendre la vie plus simple en leur permettant de gagner du temps sur l’organisation et en leur apportant une quantité d’information qui leur sera bénéfique me semble important. De plus, mettre mes connaissances et mes capacités au service de l’écologie en cherchant à développer les techniques de l’agro-écologie chez les producteurs et les rendant plus accessibles est, pour moi, intéressant.
L’agriculture est un domaine qui demande autant de la connaissance théorique que de l’expérience. Avec des jeux de données de plus en plus gros récoltés chez les producteurs et de la connaissance métier agrégée et formalisée, il serait possible de faire des algorithmes de planification de plus en plus poussés, qui prendraient en compte une multitude de paramètres comme la santé du sol, les aléas climatiques, l’apparition de ravageurs, etc.

• Date de démarrage : 2 février 2021
• Université : Université de Montpellier
• Ecole doctorale : I2S – Information, Structures, Systèmes
• Discipline / Spécialité : Informatique
• Directeur de thèse : Clément Jonquet (Lirmm, Université de Montpellier)
• Encadrant(es)  : Konstantin Todorov (Lirmm, Université de Montpellier), Florence Armadeilh (Elzeard)
• Financement : Convention Cifre
• #DigitAg : Thèse labellisée – Challenge 1 : Le challenge agroécologique

Mots-clés : Informations - Maraîchage - Agroécologie - Données - Sémantique

Résumé : L’objecif général de la thèse est de produire une méthodologie de traitement des données agricoles pour les enrichir sémanquement (via leur description ou leur annotation avec des ontologies ou des référentiels du domaine (coproduits dans le contexte de D2KAB)), puis les interconnecter et les désambiguïser afin de produire un graphe de connaissances à exploiter via les algorithmes de plongement de graphes (graph embeddings) qui sont une méthode d’apprentissage de représentation. Nous nous intéresserons tout particulièrement aux recommandations en termes de planification des cultures, de localistion des cultures et de compagnonnage, c’est-à-dire avec quoi planter. Nous faisons l’hypothèse que l’enrichissement sémantique des données agricoles augmentera la performance des méthodes d’apprentissage automatique pour la tâche de recommandation que l’exploitation des données brutes.

Contact : darnala.b@gmail.com - Tel: 06.58.91.23.94

Réseaux sociaux : LinkedIn 

Communications & Publications

Crop Planning and Production Process Ontology (C3PO), a new model to assist diversified crop production, Baptiste Darnala, Florence Amardeilh, Catherine Roussey, Clement Jonquet, https://hal.archives-ouvertes.fr/lirmm-03389513v1