[Paroles de doctorants] Kaaviya Velumani : Suivi continu de la croissance de la végétation à partir de systèmes IoT au champ

Kaaviya porte un sujet de thèse labellisée par #DigitAg

Suivi continu de la croissance de la végétation à partir de systèmes IoT au champ

  • Date de démarrage : septembre 2018
  • Université : Avignon Université
  • Ecole doctorale : A2E – ED 536 Agrosciences & Sciences
  • Discipline / Spécialité : Agronomie, Informatique
  • Directeur(s) de thèse : Frédéric Baret, Inra EMMAH Avignon et Raul Lopez lozano, Inra EMMAH
  • Encadrant :  Frédéric Baret, Inra EMMAH Capte
  • Financement :  Cifre Hiphen
  • #DigitAg : Thèse labellisée – ,Axe 5 : Fouille de données, analyse de données, extraction de connaissances, Challenge 2 : Le phénotypage rapide,

Mots-clés : croissance de la végétation, séries chronologiques, traitement d’images, phénologie des cultures, apprentissage profond, détection d’organes, échantillonnage spatial, Systèmes IoT, Internet des Objets, IoTA, capteurs, phénotypage haut-débit, agriculture de précision

Résumé :

Ces dernières années, le développement de capteurs et plateformes d’acquisition de données à haut débit sur le terrain offre de nouvelles opportunités pour acquérir, en temps réel, des informations sur la dynamique de la végétation d’une grande valeur pour des systèmes d’aide à la décision en agriculture.

Dans ce contexte, l’objectif de cette thèse est de proposer un cadre méthodologique qui permet d’exploiter un nouveau prototype de système au champ qui s’appelle IoTA (Internet of Things for Agriculture) dans les domaines du phénotypage à haut débit et de l’agriculture de précision. Les IoTA ont été développés par Bosch avec l’aide de l’UMT CAPTE, et ils intègrent une caméra RGB, deux capteurs PAR pour mesurer le rayonnement transmis par le couvert, et un radiomètre multi-spectral.

Afin d’accomplir cet objectif, la thèse développera des méthodes d’interprétation des données brutes acquises par les capteurs IoTA afin d’obtenir des traits physiologiques tels que la dynamique de la fraction verte ou de la surface foliaire, la détection des stades phénologiques, la taille et densité des organes reproductifs, et la présence de maladies. Différentes méthodes – modèles déterministes, algorithmes d’apprentissage profond– seront validées avec des données expérimentales.

Dans un deuxième temps, on proposera des stratégies d’échantillonnage spatial pour acquérir des observations représentatives des couverts agricoles étudiés. Chaque IoTA couvre une surface de quelques m2, et donc son utilisation opérationnelle dans des plateformes de phénotypages –milliers de micro-parcelles de 20 m2 –, parcelles agricoles, ou au niveau territorial. Il est donc nécessaire de définir la stratégie optimale de distribution des appareils.  Cette stratégie doit permettre d’établir des fonctions de transfert empiriques pour étendre les mesures locales IoTA à des images acquises par des drones ou des satellites à haute résolution comme Sentinel 2, couvrant des domaines plus larges.

 

Contact:  kaaviya.velumani [AT] inra.fr​

Réseaux : LinkedIn – ResearchGate

Communications /Publications

Publications dans des journaux internationaux à comités de lecture