[Thèse soutenue] Gabriel Volte: La recherche opérationnelle au service de l’agriculture de précision. Un cas d’étude : le problème de la récolte sélective

La recherche opérationnelle au service de l’agriculture de précision. Un cas d’étude : le problème de la récolte sélective

Sujet de thèse cofinancée par #DigitAg

• Date de démarrage : Octobre 2018
• Université : Université de Montpellier
• Ecole doctorale : I2S – Information Structures Systèmes
• Discipline / Spécialité : Informatique
• Directeur de thèse : Rodolphe Giroudeau, Université de Montpellier, Lirmm et Olivier Naud, Inrae, UMR Itap
• Financement : #DigitAg – Université de Montpellier
• #DigitAg : Thèse cofinancée – Axe 6 – Challenge 5

Mots-clés : Recherche Opérationnelle appliquée à l’agriculture, calcul décisionnel,  méthodes exactes, aide à la décision, services de gestion agricole

Résumé : L’agriculture de précision vise à optimiser l’efficience agronomique, par exemple la qualité ou quantité de récolte, et l’usage des ressources, en cherchant à mieux prendre en compte la variabilité de l’environnement de la culture au travers d’informations recueillies a priori ou en temps réel. La recherche opérationnelle rassemble l’ensemble des méthodes et techniques d’optimisation recherchant un meilleur résultat possible par rapport à certains critères. Avec cette thèse, nous souhaitons montrer l’apport de la recherche opérationnelle pour modéliser et résoudre efficacement des problèmes d’agriculture de précision. Nous avons basé notre étude sur le problème des vendanges sélectives, qui consiste à optimiser le temps de récolte d’une parcelle de vigne tout en récoltant deux qualités différentes dans des bennes spécifiques avec une quantité minimum donnée de raisins de qualité supérieure. Après avoir identifié les particularités du problème de vendanges sélectives par rapport aux problèmes de tournées de véhicules, nous avons cherché à comprendre les paramètres spécifiques du problème impactant l’optimisation afin de proposer des solutions adaptées aux configurations rencontrées. En accord avec cette analyse, nous avons proposé des modèles d’optimisation exacte et des méthodes hybrides facilitant le passage à l’échelle pour résoudre ce problème. Un ensemble de  tests numériques a été réalisé sur des instances définies à partir de données réelles ou générées aléatoirement à partir de ces données.

Composition du jury

Rapporteurs 
Anass Nagih, Pr LCOMS (Laboratoire de Conception, Optimisation et Modélisation des systèmes, Université de Lorraine : http://lcoms.univ-lorraine.fr/content/nagih
Christelle Gueret Pr, Laboratoire Angevin de Recherche en Ingénierie des Systèmes, Université d’Angers :  http://perso-laris.univ-angers.fr/~gueret/

Examinateurs 
Ruslan Sadykov: CR INRIA, HDR : Institut de Mathématiques de Bordeaux, *Marie-Jo  Huguet : Pr LAAS, Institut National des Sciences Appliquées : https://homepages.laas.fr/huguet/drupal/node/11

Directeur de thèse 
Rodolphe Giroudeau MCF/HDR LIRMM/MAORE

Invités 
E. Bourreau MCF (LIRMM/MAORE), O. Naud (INRAE), F. Hernandez Ecole de Technologie Supérieure, Université du Québec

Contact :  rodolphe.giroudeau [AT] lirmm.fr – Tél: 04.67.41.85.85

Communications & Publications
Télécharger le mémoire de thèse

Publications dans des conférences internationales

• Gabriel Volte, Eric Bourreau, Rodolphe Giroudeau, Olivier Naud (2019) Differential Harvest Problem, 20ème congrès annuel de la société Française de Recherche Opérationnelle et d’Aide à la Décision (ROADEF 2019)

• Gabriel Volte, Eric Bourreau, Rodolphe Giroudeau, Olivier Naud (2019) Column generation approach for the Differential Harvest Problem a parametric study, 12th European Federation for Information Technology in Agriculture, Food and the Environment (EFITA), Rhodes island, Greece, 27-29 June, 2019.