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

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

Sujet de thèse cofinancée par #DigitAg

Je m’appelle Baptiste Oger et je suis ingénieur agronome spécialisé en statistiques appliquées. J’ai d’un double diplôme master/ingénieur et une double compétence en agronomie/statistiques, car j’ai choisi de me spécialiser en statistiques en dernière année, via un parcours de Montpellier SupAgro avec AgroCampus Ouest et l’Université de Rennes 2. Cette thèse interdisciplinaire correspond à mon profil agronomie, statistique et informatique. Cette partie informatique me permet de continuer à me former.
Mon sujet porte sur l’estimation du rendement en viticulture. Cette estimation, issues de mesures réalisées par le viticulteur sur sa parcelle, a lieu quelques jours avant les vendanges. Connaitre les quantités qui vont être récoltées leur permet de mieux gérer la qualité du produit (respect des quotas) ainsi que de calibrer la main d’œuvres et les équipements (nombre de cuves etc.) sur le besoin réel pour minimiser les coûts des opérations. Concrètement, je me propose de développer une méthode qui dise au viticulteur où faire ces mesures afin d’obtenir la meilleure estimation du rendement possible, dans le respect de ses contraintes (temps, déplacement).

• 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 :  Bruno Tisseyre (Institut Agro, UMR Itap)
• Encadrant(es)  :  Philippe Vismara (Institut Agro, UMR Mistea)
• Financement : #DigitAg – Institut Agro
•  #DigitAg : Thèse cofinancée – Axe 3 (Capteurs et acquisition et gestion de données)

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.

Contact : bruno.tisseyre [AT] gmail.com

Réseaux : LinkedIn

Communications & Publications
Télécharger le mémoire de thèse

Baptiste Oger, 30 novembre 2017 : Présentation du sujet à Stéphane Travert, Ministre de l’Agriculture et de l’Alimentation

Baptiste Oger, 1ère promo doctorant #DigitAg présente son sujet à @StTRAVERT : stats et agriculture de précision pour estimer le rendement et aider le viticulteur à améliorer la gestion de sa vendange #AgTech pic.twitter.com/dMhlQKp1oU

— #DigitAg (@DigitAgLab) 30 novembre 2017

Publications dans des conférences internationales

• Oger B., Vismara P., Tisseyre B.(2019), Combining target sampling with route-optimization to optimise yield estimation in viticulture, Precision Agriculture 2019 – Papers Presented at the 12th European Conference on Precision Agriculture – https://hal.archives-ouvertes.fr/hal-02609782/

• Oger, B., Vismara, P., Tisseyre, B.(2019), Échantillonnage sous contraintes en viticulture de précision, Proc. 12th European Conference on Precision Agriculture (ECPA 2019)- https://hal-lirmm.ccsd.cnrs.fr/lirmm-01924365/file/oger_JFPC2018.pdf

• Oger, B., Laurent, C., Vismara, P., Tisseyre, B. (2021), Is the optimal strategy to decide on sampling route always the same from field to field using the same sampling method to estimate yield?, Oeno One – https://doi.org/10.20870/oeno-one.2021.55.1.3334