COPAIN : l'informatique pour relever les grands défis environnementaux et agricoles

>Listes des projets de l'équipe 2017-2023

L’activité de l’équipe COPAIN de TSCF, basée à Aubière et à Montoldre, est consacrée aux recherches sur les systèmes d’information communicants dédiées à la gestion agri-environnementale et l'agroécologie. Les chercheurs et ingénieurs de COPAIN sont spécialisés en informatique et technologies, avec une solide expérience en termes de projets interdisciplinaires. Les méthodes conçues par l'équipe couvrent les besoins des acteurs, la définition des caractéristiques des systèmes d'acquisition et d'information, leur modélisation, leur gestion. Plus précisément, le but de l'équipe est de développer de nouvelles méthodes et techniques de pointe pour : (1) Déployer et gérer des réseaux de capteurs sans fil (objets connectés) adaptés aux problèmes agri-environnementaux ; (2) Concevoir et gérer les données associées, de façons adaptées au contexte de l'agriculture et de l'environnement. Dans le cadre de projets ANR en cours, et différents autres projets locaux, nationaux et européens, l'équipe applique ses recherches dans les domaines de l'INRAE tels que l'agroécologie, l'environnement, ou les agroéquipements. L'équipe participe aussi a des projets au sein de métaprogrammes INRAE.

Quelques exemples de projets en cours :

- ANR Labcom IoTAE-Lab : Laboratoire auvergnat pour l'IoT Appliqué à l’Environnement - Fédération de Recherche en Environnement (LPC-UCA, TSCF) et la société Yesitis. Le laboratoire commun IoTAE-Lab financé par l'ANR vise à apporter une contribution de recherche sur l’amélioration et la mise au point de systèmes IoT. En particulier, le programme de recherche s’articule autour des 3 axes suivants : performances énergétiques des systèmes et autonomie (energy harvesting, charge capacitive) ; performances des systèmes embarquées (réseau de neurone, Intelligence artificielle locale pour minimiser la quantité de données transmises tout en améliorant leurs pertinences) ; réseaux de capteurs en environnement fortement contraint (isolement, sous-terrain, milieux aquatiques, problématiques d’antennes). Ces axes principaux de recherches ont vocation à relever les défis technologiques de l’IoT en termes de fonctionnalités, de miniaturisation, de modularité, de réduction de coût énergétique et d’impact environnemental. Ces points sont un enjeu majeur des développements futurs en instrumentation à large échelle.

 - ANR COSWOT, Constrained Semantic Web of Things, coswot.gitlab.io, (2019-2024) - INSA Lyon, MINES Saint-Étienne, INRAE, Mondeca. Thèmes : IoT, Web sémantique. The Web of Things (WoT) allows the access of a very large volume of data produced by sensors, through the Web. WoT describe the device semantics, bridging the gap between the different domain and service descriptions. In today WoT architectures, physical devices can be located at distance from systems that perform reasoning. CoSWoT objectives are to propose a distributed WoT-enabled software architecture embedded on constrained devices with two main characteristics: (1) it will use ontologies to specify declaratively the application logic of devices and the semantics of the exchanged messages; (2) it will add reasoning functionalities to devices, so as to distribute processing tasks among them. The solution will be tested in different fields including smart farming.

- PEPR Agroécologie et numérique NINSAR : Itinéraires agroécologiques innovants exploitant la robotique collaborative (2023-2027) - INRIA (Acentauri, Chroma, Rainbow), INRAE (ASTRO, TSCF), CEA LIST, UniLaSalle, IRL, Cristal, Institut Pascal, ISIR, LAAS, LS2N, XLim, LPC. Le projet Ninsar propose de mener des recherches ambitieuses, basées sur la conception d’itinéraires agroécologiques exploitant une flotte de robots élémentaires, dotés de capacité de coopération et de rétroaction avec l’environnement. Une telle approche, en rupture avec les développements actuels nécessitent de nombreuses avancées, tant au niveau de la définition de pratiques culturales nouvelles, que de développements robotiques. Aussi le projet développera des approches décisionnelles innovantes dédiés aux systèmes multi-robots, pour adapter les comportements robotiques à la diversité des actions requises par les pratiques agroécologiques. Réciproquement, l’évaluation des performances obtenues permettra de construire de nouveaux itinéraires basé sur le degré d’efficience atteignable (en termes de précisions, de vitesse, d’actions réalisables). Le projet inclut la conception d'objets connectés résiliants et autonomes énergétiquement, et de systèmes d'information pour les agroéquipements dédiés à l'agroécologie.

- ANR MUSCAA, Adaptive behavior by multivariate learning and supervision processes for mobile robots (à partir de 2024) - INRAE TSCF, IRL, Institut Pascal, SITIA, Robagri. L'objectif de ce projet est de proposer des mécanismes prédictifs pour adapter le comportement d'un robot mobile évoluant en milieu agricole afin de garantir son intégrité et l'efficacité de la tâche à accomplir. Les applications ciblés sont en agroécologie. Pour ce faire, il est proposé d'investiguer des techniques d'apprentissage profond et des processus de cartographie enrichis afin de associer des algorithmes d'observation à la perception de l'environnement. Les évolutions attendues en le projet visera notamment à relier les paramètres régissant la dynamique du robot (motricité, adhérence, vibration, action d'un outil sur le sol...), que l'on peut observer mais non prédire, avec des éléments de perception de haut niveau (texture de l'image, intensité laser, radar...), de manière à anticiper une variation du comportement du robot. Les principales contributions proposés par ce projet pour améliorer le comportement des les robots sont : 1) La reconnaissance de différents types de sols et de leur influence sur le comportement des robots, à l'aide de l'apprentissage automatique ; 2)  La sélection des modes de perception et de contrôle ; 3) L'adaptation des paramètres des lois de commande ; 4) La conception et l'utilisation d'une base de données cartographique pouvant être partagée par plusieurs types de robots.

 - ANR BEYOND, Vers une épidémio-surveillance et une prophylaxie fondées sur des observations de proximité et à distance (2021-2026) - INRAE, Cirad, SupAgro. Le but de BEYOND est de dépasser le paradigme d’épidémiosurveillance (ES) actuel pour en créer un nouveau i) en intégrant de manière rationnelle la pléthore d’indicateurs provenant des capteurs intelligents, réseaux sociaux, fouille textuelle et images de télédétection dans des modèles rendus accessibles aux épidémiologistes, ii) en incitant les épidémiologistes à intégrer ces nouveaux indicateurs dans leur raisonnement lorsqu’ils cherchent à identifier les processus clés pouvant servir de leviers pour la protection des plantes, et iii) en créant des outils d’aide à la décision adaptés à ce nouveau contexte d’ES afin d’accompagner au mieux les agriculteurs et autres décideurs et d’élargir la gamme des options de gestion - zéro pesticides - de la santé des plantes. Telles sont les fondations de l’épidémiosurveillance « augmentée ».

- Projet CIDEA, https://cidea.hub.inrae.fr, L’objectif scientifique du projet CIDEA vise à étudier la faisabilité du développement d'un outil décisionnel permettant d’adapter en temps réel le comportement d’un robot mobile terrestre en fonction de données collectées sur des nœuds enterrés. Pour cela, l’application retenue consiste à déployer et enterrer plusieurs nœuds sur une parcelle de terrain à des points stratégiques associés à des capteurs d’humidité du sol, et à venir modifier la vitesse de travail et le travail agronomique d’un robot agricole en conséquence. Le démonstrateur pilote utilisé sera le robot de pulvérisation de l’INRAE équipé récemment d’un module de contrôle connecté sur son bus CAN permettant d’envoyer et transmettre des variables de commande additionnelles. Ce projet vise à étudier la mise en place d'une preuve de concept appliquée à un contexte agricole, mais vise également à s’ouvrir à d’autres domaines tels la surveillance des écosystèmes de manière plus générale (e.g. par un vecteur mobile aérien) ainsi que le contrôle de passage de véhicules.

 - ANR D2KAB, Data to Knowledge in Agronomy and Biodiversity, d2kab.mystrikingly.com, (2019-2024) - LIRMM, INRAE, STANFORD-BMIR, I3S, CEFE, ACTA. Thèmes : ontologies, interopérabilité. Dans les domaines de l'agronomie et de la biodiversité, les données sont produites en si grande quantité et si vite qu'elles remettent en question notre capacité à les transformer en connaissances et permettre, par exemple, l’agriculture translationnelle, c.-à-d. le transfert rapide et efficace des résultats de recherche agronomique vers le monde agricole. D2KAB ambitionne de mettre en place les processus informatiques permettant de transformer les données d’agronomie et de biodiversité en connaissances – sémantiquement riches, interopérables, ouvertes – ainsi que les méthodes scientifiques et les outils pour exploiter et diffuser ces connaissances.

- Projet CANNOPHY (appel à projets du CasDAR), Modélisation expérimentale des dépôts de traitements phytosanitaires en fonction de l’architecture du végétal en viticulture. Applications à l’expression des doses et à la viticulture de précision (2022-2026) - IFV, UMR ITAP, UR TSCF. Le projet CANNOPHY consiste à développer une chaine d’acquisition de données dephénotypage physique pour la caractérisation spatiale et temporelle de la végétation mobilisable par les viticulteurs et agro-équipementiers pour le développement des démarches de viticulture de précision dont la pulvérisation.