Menu Fermer

Soutenance de thèse – M. Ahmad TAY (LIS)

Le Bureau des Études Doctorales a le plaisir de vous informer que

Monsieur Ahmad TAYdoctorant au laboratoire LIS Rattaché à l’École Doctorale 548 « Mer & Sciences »

Sous la direction de Monsieur Frédéric LAFONT, Maitre de Conférences-HDR, Université de Toulon (France)

&

M. Jean-François BALMAT, Maitre de Conférences, Université de Toulon (France), Co-encadrant de thèse

soutiendra sa thèse en vue de l’obtention du Grade de Docteur

Discipline : « Automatique, Signal, Productique, Robotique »

sur le thèmeAide à la décision par fusion de signaux faibles et d’indicateurs appropriés pour la lutte intégrée en agriculture

jeudi 1er juillet 2021 à 09h30

en visioconférence (lien de connexion sur demande à frederic.lafont@univ-tln.fr) et/ou en présentiel Université de Toulon – Campus La Garde Amphi du Bâtiment X

devant un jury composé de

  • M. Allel HADJALI, Professeur des Universités, Ecole Nationale Supérieure de Mécanique-Poitiers (France), Rapporteur
  • M. Boutaib DAHHOU, Professeur des Universités, Université Paul Sabatier -Toulouse 3 (France), Rapporteur
  • M. Michel FLIESS, Directeur de Recherche, Ecole Polytechnique-Palaiseau (France), Examinateur
  • M. Thibault MAILLOT, Maitre de Conférences, Agrosup-Dijon (France), Examinateur
  • Mme Nadège THIRION-MOREAU Professeur des Universités, Université de Toulon (France), Examinatrice
  • M. Jean-François BALMAT, Maitre de Conférences, Université de Toulon (France), Co-encadrant
  • M. Frédéric LAFONT, Maitre de Conférences-HDR, Université de Toulon (France), Directeur de thèse
  • Mme Ange DROUINEAU-LHOSTE, Ingénieur, Syndic Régional Appli Et Demo Horticole-ASTREDHOR Méditerranée (France), Invitée

Résumé

La prévention des maladies et des attaques d’insectes nuisibles fait depuis toujours partie des préoccupations principales des agriculteurs. Depuis de nombreuses années, des travaux sur les stratégies de protection intégrée ont été réalisés par l’INRA (INRA-PIC Serre 2001/2004, ANR-ADD Ecoserre 2006/2009, INTERREG FIORBIO 2009/2012). Dans cette thèse, nous proposons un système d’aide à la décision qui permet à l’agriculteur de lutter efficacement contre les maladies et les parasites des cultures sous serres.

Notre système innovant tient compte :

• des moyens classiques qui pourront être mis en œuvre par l’agriculteur dans la lutte intégrée (auxiliaires biologiques et pratique des agriculteurs),

• de l’environnement des cultures (climat et type de parasites),

• de la connaissance des spécialistes des domaines (agriculteurs, agronomes ),

• des données relatives à la photopériode et au type de plante.

Nous suggérons d’étudier des approches hybrides combinant des classifieurs flous à des systèmes à base d’apprentissage de type réseaux de neurones. Un des verrous scientifique réside dans la capacité de l’algorithme à prendre en compte les signaux faibles (signes avant-coureurs) à partir de la connaissance experte des agriculteurs. De plus, sachant qu’un système à base de connaissances se complexifie en fonction du nombre d’informations à traiter, nous présentons un algorithme capable de traiter un grand nombre de données d’entrée avec une architecture permettant de simplifier la conception du système d’aide à la décision. Pour répondre à ces différentes problématiques, une architecture modulaire et hiérarchique est proposée. Enfin, un indice de confiance fiable associé à l’information proposée est fourni à l’utilisateur final.

Mot clés : Système d’aide à la décision, Logique floue, Réseaux de neurones, Système d’inférence adaptatif neuro-flo (ANFIS), Lutte intégrée

Decision support by merging weak signals and appropriate indicators for Integrated Pest Management in agriculture

The prevention of disease and pest attacks has always been one of the main concerns for farmers. For many years, several integrated protection strategies have been carried out by INRA (INRA-PIC Serre 2001/2004, ANR-ADD Ecoserre 2006/2009, INTERREG FIORBIO 2009/2012). In this thesis, we propose a decision support system that allows the farmer to effectively control diseases and pests in greenhouse crops. Our innovative system takes into account :

• the classical means that can be implemented by the farmer in integrated pest management (biological auxiliaries and farmers’ practices),

• the crop environment (climate and type of pests ),

• the knowledge of specialists in the field (farmers, agronomists),

• the data related to the photoperiod and the type of plant.

We suggest to study hybrid approaches combining fuzzy classifiers with learning-based systems such as neural networks. One of the scientific bottlenecks lies in the ability of the algorithm to take into account weak signals (warning signs) based on the expert knowledge of farmers. Also, knowing that a knowledge-based system becomes more complex depending on the amount of information to be processed, we present an algorithm capable of processing a large amount of input data with an architecture that simplifies the design of the decision support system. To answer these different problems, a modular and hierarchical architecture is proposed. At last, a reliable confidence index associated with the proposed information is provided to the end user.

Keywords : Decision support systems, Fuzzy logic, Neural networks, Adaptive neuro-fuzzy inference system (ANFIS), Integrated Pest Management.