Outils

Agenda de l'ENS de Lyon

Designing and modeling sustainable, autonomous, smart, and energy efficient Internet of Things systems, applied to precision beekeeping

Date
jeu 25 juil 2023
Horaires

14 heures

Lieu(x)

Amphi L

Intervenant(s)

Soutenance de M. HADJUR Hugo sous la direction de M. LEFEVRE Laurent

Organisateur(s)
Langue(s) des interventions
Description générale

L'apiculture de précision vise à préserver les colonies d'abeilles domestiques tout en épaulant les apiculteurs dans leur travail de développement des colonies et de production de ressources, dont le miel. Par sa nature, ce sujet force à lier l'apidologie avec plusieurs grandes disciplines informatiques:
l'Internet des objets, la science des données, et souvent, l'intelligence artificielle. Cette discipline, qui s'est développée dans les années 2010, voit émerger des solutions pensées sous contraintes, notamment celle qui prend forme à cause de l'isolement des systèmes d'apiculture de précision souvent isolés : l'autonomie et l'efficacité énergétique.

Cette thèse tente de s'inscrire dans le courant qui vise à rendre le numérique plus vert en concevant et en modélisant des systèmes connectés répondant aux questions de l'apiculture de précision, tout en se concentrant sur des questions autour de l'énergie.

D'abord, une revue bibliographique est proposée. Cette revue est la seule du domaine de l’apiculture de précision qui couvre l’architecture système d’une ruche connectée, mais aussi tous les services, notamment utilisant de l’intelligence artificielle, présents dans la littérature. Elle permet de soulever des questions et lister les défis qui attendent la recherche à venir dans ce domaine. Des analyses de mesures énergétiques sont ensuite montrées afin de justifier la contribution suivante : un système d'apiculture de précision autonome et efficace en énergie, collectant à la fois des données apicoles, et sa propre production et consommation énergétique. Une généralisation de ce système est modélisée de façon à analyser plusieurs scénarios. Cette
simulation permet de concevoir des systèmes de l'Internet des objets par constellation et de déterminer le meilleur scénario, entre edge et cloud.

Finalement, une méthode d'apprentissage par renforcement intégrant un modèle de prédiction de production d'énergie photovoltaïque se montre être une réponse efficace à la question de la répartition de tâches pour tous les systèmes autonomes stationnaires produisant leur propre énergie.
 

Gratuit

Mots clés

Disciplines