Optimisation des systèmes communicants pour la smart-agriculture

par Kerima Abakar

Projet de thèse en Sciences IFTS - STS

Sous la direction de Valeriu Vrabie.

Thèses en préparation à Reims , dans le cadre de Ecole Doctorale Sciences, Technologies, Santé , en partenariat avec (CRESTIC) Centre de Recherches en STIC (laboratoire) et de Equipe SysCom-CRESTIC (equipe de recherche) depuis le 24-10-2016 .


  • Résumé

    Les changements de température et de précipitation, la hausse du niveau des mers et l'augmentation probable des événements climatiques extrêmes vont avoir un impact considérable sur l'agriculture. L'irrégularité des saisons de croissance, l'excès de chaleur ou le manque d'eau perturbent déjà profondément les cycles des cultures et par conséquent impactent négativement la production alimentaire. Les effets attendus vont varier considérablement selon les régions, y compris sur de petites distances. Les entreprises agricoles doivent faire face à ces défis, en plus de l'imprévisibilité quotidienne, et doivent trouver des solutions d'adaptation et d'atténuation du changement climatique, répondre aux défis de la sécurité alimentaire et anticiper les problématiques à venir. Plusieurs éléments doivent être soigneusement compris et gérés en permanence. La smart agriculture (utilisation des outils de NTIC pour l'agriculture intelligente) vise à contribuer à créer de la valeur pour les agriculteurs au travers d'outils alliant agriculture de précision et aide à la prise de décision. Il s'agit de collecter et analyser diverses informations en temps réel afin d'optimiser la quantité et/ou la qualité de la production et ainsi d'améliorer la rentabilité. Le déploiement des capteurs dans des champs agricoles avait déjà commencé depuis quelques années, mais pour des applications liées à la surveillance. Ces capteurs ont joué un rôle important comme outils utilisés par les professionnels de l'agriculture pour gérer les imprévus dans leurs activités quotidiennes. Aujourd'hui, plusieurs types de capteurs qui deviennent de plus en plus performants offrent la possibilité de recueillir un grand nombre d'informations en temps réel avec une précision améliorée. Néanmoins, il y a encore des obstacles majeurs à un déploiement d'envergure, en particulier en ce qui concerne la fiabilité et l'intégrité des données mesurées, la qualité des services et l'optimisation de la consommation énergétique et de la transmission de données. Par ailleurs, les données mesurées par un réseau de capteurs sont souvent incompatibles avec les données provenant d'autres ressources sur le terrain et il n'y a pas de véritable moyen de les intégrer et d'extraire des informations pertinentes ou d'interagir en temps réel. En outre, les capteurs génèrent beaucoup de données qui doivent être gérées, transmises et/ou stockes. Un défi de taille est d'analyser des ensembles de données disparates et de les corréler afin de créer des événements répondant à une action. Ces éléments ont conduit jusqu'à présent à des échecs plus souvent qu'à des succès en ce qui a trait à l'utilisation de la technologie capteurs dans l'environnement agricole. Une des solutions prometteurs est l'arrivée des plateformes IoT (Internet of Things). Ces solutions sont décrites par des couches fonctionnelles selon le procédé de flux d'information et le traitement de la logique métier différent. Ils sont habituellement divisés en quatre couches fonctionnelles : la collecte, la transmission, le contrôle et l'application : La couche de collecte est responsable de la collecte de donnée, par exemple des valeurs de production agricole, en se fondant sur le déploiement de capteurs différents. Les formats des modules capteur et le processus de recueil des données sont basés sur des normes publiques. La couche de transmission gère les données recueillies à partir de couche de collecte en utilisant différentes technologies comme l'Internet et en intégrant différents points géographiques de collecte d'information. Selon les supports de transmission, cette couche utilise des réseaux filaires, réseaux sans fil ou réseaux hybrides. La couche de contrôle utilise les données collectées comme paramètres d'entrée et produit des tâches d'aide à la prise de décision en utilisant des algorithmes de contrôle automatiques. Cette couche vise à optimiser les procédés, à réduire l'intervention humaine et à atteindre finalement les processus les plus performants de l'agriculture. la couche application exprime les spécificités et la logique métier de l'agriculture à travers des interfaces interactives ou une réalité augmentée. En fonction des besoins d'adaptation multi-terminaux et en se basant sur une structure de type services, cette couche construit un système d'information automatique et intelligent permettant le développement des applications de type plate-forme propres à la chaîne de l'agriculture. Dans le cadre de cette thèse, nous nous intéressons particulièrement aux trois premières couches et éventuellement à la dernière couche si le temps nous le permet. Plus récemment, l'une des technologies dans l'IoT appelée Low Power Wide Area Networks (LPWAN) émerge afin de répondre aux différents défis indiqués plus haut. Ce nouveau type de connectivité sans fil, utilisé pour réaliser des réseaux d'accès WAN, est caractérisé par un faible taux de transmission, une longue distance de couverture et une transmission dans des bandes de fréquence libres. Parmi différentes plateformes, on s'intéressera aux technologies LoRa ou LoRaWAN et Sigfox, les plus récentes et les plus performantes actuellement sur le marché.

  • Titre traduit

    Optimization of communication systems for the smart-agriculture


  • Résumé

    Changes in temperature and precipitation, rising sea levels and the likely increase in extreme weather events will have a considerable impact on agriculture. The irregularity of growing seasons, excess heat or lack of water already deeply disrupt the cycles of crops and therefore negatively impact food production. The expected effects will vary considerably across regions, including over short distances. Agricultural enterprises have to face these challenges, in addition to the daily unpredictability, and must find solutions for adapting and mitigating climate change, address food security challenges and anticipate future problems. Several elements must be thoroughly understood and constantly managed. The smart agriculture (use of ICT tools for smart agriculture) aims to contribute to create value for farmers through tools that combine precision agriculture and aid to decision-making. This is to collect and analyze a variety of real-time information to optimize the quantity and / or quality of production and thus improve profitability. The deployment of sensors in agricultural fields had already started a few years, but for applications related to surveillance. These sensors have played an important role as tools used by agricultural professionals to handle the unexpected in their daily activities. Today, many types of sensors that are becoming increasingly powerful offering to collect a large number of real-time information with improved accuracy. Nevertheless, there are still major obstacles to a large-scale deployment, in particular regarding the reliability and integrity of measured data, the quality of services and the optimization of energy consumption and data transmission . Furthermore, the data measured by a sensor network are often incompatible with the data from other resources in the field and there is no real way to integrate and extract relevant information or interact in real time. In addition, the sensors generate a lot of data that must be managed, transmitted and / or stored. A major challenge is to analyze disparate data sets and correlate events to create answering a share. These factors led to failures far more often than success in regard to the use of sensor technology in the agricultural environment. A promising solution is the arrival of platforms IoT (Internet of Things). These solutions are described by functional layers according to the information flow procedure and processing logic different trade. They are usually divided into four functional layers: the collection, transmission, monitoring and application: The collection layer is responsible for data collection, for example agricultural production values, based on the deployment of the different sensors. The formats of sensor modules and data collection processes are based on public standards. The transmission layer manages the data collected from collection layer using different technologies like the Internet and integrating different geographical points of information collection. According to the transmission media, this layer uses wireline, wireless or hybrid networks. The control layer uses the collected data as input parameters and product assistance tasks to decision making using automatic control algorithms. This layer is designed to optimize processes, reduce human intervention and to finally achieve the most efficient process of agriculture. Application layer expresses the specific business logic and agriculture through interactive interfaces or augmented reality. Depending on the multi-terminal adaptation needs and based on a services-type structure, this layer built an automatic and intelligent information system allowing the development of applications such own platform to the agricultural chain . As part of this thesis, we are particularly interested in the first three layers and possibly the last coat if the weather permits. More recently, one of the technologies in the IoT called Low Power Wide Area Networks (LPWAN) emerges to meet the various challenges listed above. This new type of wireless connectivity, used to make WAN access networks, is characterized by a low transmission rate, long distance coverage and transmission in free frequency bands. Among different platforms, we will look at LoRa or lorawan SigFox and technologies, the latest and currently most efficient on the market.