Académique Documents
Professionnel Documents
Culture Documents
IoTet agriculture
L'une des raisons du succès de l'agriculture est la répartition spatiale optimale des cultures
dans les terres agricoles et les successions temporelles des cultures au fil des ans [4]. le
choix optimal de du sol. Disposer d'informations précises sur les sols de son exploitation et
leur fonctionnement est un atout indéniable pour la réussite des conduites de culture.
L'analyse de sol est l'un des outils les plus utilisés car il permet d'aborder de nombreux
aspects du fonctionnement des sols [5]. Le but de La stratégie de l'agriculture de précision
et de fournir un plan de culture qui fait référence aux superficies occupées par toutes les
différentes cultures chaque année [6]. Et à leur distribution spatiale à l'intérieur d'une
terre agricole [7]. Un plan de culture peut être élaboré au niveau de la ferme où la plupart
des décisions sont prises [8].
A ce faite il faut permet aux agriculteurs d’obtenir des cartes détaillées de la topographie
et des propriétés de cultures d’un terroir, notamment des paramètres telles que l’acidité,
la température, les teneurs en azote, le biogaz qui sont des éléments qui définissent l’état
d’une production. Ils peuvent également accéder aux prévisions climatiques pour contrôler
les conditions météorologiques favorables à la sureté et la qualité de leurs cultivassions.
Ou à un niveau plus élevé afin de traiter des problèmes collectifs (par exemple, utilisation
des ressources, paysage, économie) [9].
Suivi de la plantation
Le suivit finement de les plantes en temps-réel sur un large territoire par la collecte de
nombreux indicateurs. Permet aux agriculteurs de bien planifier centaine action d’une
manière optimale et peuvent cibler les interventions nécessaires pour la récolte et donc
limiter les intrants, et par là, réduire l’empreinte écologique de son exploitation. On peut
aussi identifier automatiquement les maladies des plantes, calcul d’application des
pesticides, monitoring, désherbage, fertilisation, etc [10, 11, 12]. Par exemple les travaux
effectués par Kait et al [13] et Suman Kumar et al [14], Où ils proposent la conception d'un
système de surveillance de la croissance du riz à base de capteurs sans fil pour améliorer
le rendement du riz.
Contrôle de l’irrigation
Afin de surmonter les méthodes d'irrigation traditionnelle dans l'agriculture qui utilisent la
distribution uniforme de l'eau dans les champs. Un système d’irrigation connectée est
nécessaire pour les agriculteurs. Ils permettent donc de dispenser une irrigation variable
en fonction notamment des données du sol et des données météo, qui permettent de
mettre en place une irrigation personnalisée adaptée aux plantes et aux conditions de
chaque culture. Ce qui améliore le rendement des plantes et permet aux agriculteurs une
optimisation de l’usage de l’eau. [23]
Accessibilité aux grandes parcelles
Les auteurs Jaime Lioret et al pour eux présentent dans leur travail [27], un réseau de
capteurs sans fil, où chaque nœud de capteur prend des images du champ et les traites
afin de détecter tout état inhabituel des feuilles. Ce symptôme peut être causé par une
pénurie, un parasite, une maladie ou un autre facteur nocif. Lorsqu'il est détecté, le nœud
de capteur envoie un message à un nœud récepteur par l'intermédiaire du réseau de
capteurs sans fil afin d’avertir le problème à l'agriculteur.
Les céréaliers et maraichers utilisent largement depuis des années les images satellites
pour superviser leurs exploitations. Mais aujourd’hui les cultivateurs remplacent cette
technologie par des IoT et drones agricoles afin de recueillir en temps réel des
informationset des images plus précises pour analyser l’état de leurs exploitations :
humidité de la terre, comportement des plantations, climat, etc. Cette technique offre
une précision de visualisation des parcelles jusqu’ici jamais atteinte, même par les
satellites. D’abord parce la visibilité des drones ne dépend pas de l’ennuagement, étant
donné la basse altitude de son vol ; ensuite parce qu’équipé d’appareils photo et de
capteurs agricoles, ils permettent d’obtenir des photos classiques et infrarouges indiquant
des données invisibles sur les parcelles, comme la quantité d’azote ou le niveau de
biomasse sèche. À partir de là, l’agriculteur peut cibler ces interventions d’une façon
optimal. Dans ce contexte, Cambra et al [28], présentent le développement et le
déploiement d'un pulvérisateur de précision en temps réel qui utilise la détection vidéo
capturée par des drones. Il se base sur un système de géo-référence qui prend en compte
les mauvaises herbes à l'intérieur d'une zone cartographiée, réseau de Drones, un
ordinateur portable et un pulvérisateur dans un tracteur. L'expérience a été réalisée dans
un champ de maïs avec différents emplacements choisis pour représenter les diverses
densités de mauvaises herbes qui peuvent être trouvées dans le champ. Le système
déployé permet d'économiser un pourcentage élevé d'herbicide, ce qui réduit le coût des
engrais et augmente la qualité du produit.
Serre agricole
L'agriculture en serre est une méthodologie qui aide à améliorer le rendement des
légumes, des fruits, des cultures, etc. et protègent celles-ci contre les animaux nuisibles
L’élevage
A cet effet, Wark et al. Ont proposé un système de surveillance des bovins à base d’un
réseau de capteurs sans fil. où les nœuds de bovins Fleck-2 (capteurs) sont placés au sein
d’une boîte en plastique qui est sont tour placer au niveau du cou de l’animaux comme
étant un colliers. [37]
Zebranet [38] est un projet qui consiste à surveiller les zèbres en utilisant des données de
positionnement GPS.
Le machinisme
CLAAS est l'un des principaux fabricants mondiaux d'équipements de génie agricole. Les
agriculteurs peuvent utiliser l'équipement CLAAS avec le pilote automatique, recevoir des
conseils sur la façon d'améliorer le flux des cultures et de minimiser les pertes de grains,
ou optimiser automatiquement les performances de l'équipement. La société travaille
en partenariat avec 365FarmNet , sur un programme qui permet aux agriculteurs de gérer
l'intégralité de leur exploitation agricole sur un ordinateur ou un appareil mobile. Le
système recueille des données et en fait bon usage grâce à la cartographie sur le terrain, à
la planification de la fertilisation, à l'équilibre des éléments nutritifs et aux programmes
de calendrier et de planification [40].
John Deere a récemment lancé plusieurs produits capables de connecter son équipement
entre eux ainsi qu'à des concessionnaires et des consultants - l'interconnectivité, affirme
John Deere, qui améliore la productivité et augmente l'efficacité [41]. L'entreprise a
incorporé des capteurs à tous ses derniers équipements agricoles. Pour rendre les données
encore plus «grandes», ces informations en temps réel sur le niveau du sol sont combinées
avec des données historiques et des prévisions météorologiques, entre autres. Les
informations sont présentées sur la plateforme MyJohnDeere.com. Les agriculteurs peuvent
également observer la sortie sur leurs iPads et iPhones, en utilisant l'application Mobile
Farm Manage - ce que l'on appelle aussi «Big Data sur le pouce». Cette information indique
ensuite aux producteurs quelles cultures planter (et même quelle variété), où et quand
planter et, plus tard, quand et où cultiver.
ISAGRI propose une solution de guidage GPS, L’ordinateur embarqué qui pilote un tracteur
par GPS et automatise tous les enregistrements parcellaires. Isa360 est la combinaison
d'outils destinée à simplifier les travaux aux champs. Par un guidage de précision évolutif
vers l'autoguidage, sans changer d'antenne, une solution d'arpentage GPS, un pilotage de
des outils ISOBUS, une caméra de surveillance haute définition et des applications Internet
utiles (prévisions météo, cotations agricoles)[42].
Perspectives du travail :
Notre travail sera l’intensification des axes d’optimisation de l’agriculture dans les serres.
En particulier :
La communication entre les objets connectés,
L’unification des interfaces pour optimiser l’exploitation efficacement des
informations transmises,
Les collectes et l’analyse des données pertinentes
Pour en faire de véritables outils d’aide à la décision.
References
[1] Perera, C., Zaslavsky, A., Christen, P., and Georgakopoulos, D. Context aware
computing for the internet of things : A survey. IEEE Communications Surveys and
Tutorials, 16(1) :414–454. (2014).
[2] M. Stočes, J. Vaněk, J. Masner, J. Pavlík. Internet of Things (IoT) in Agriculture
Selected Aspects Agris on-line Papers in Economics and Informatics : Volume VIII,
Number 1, (2016).
[3] Amaral, J.P., Oliveira, L.M.L., Rodrigues, J.J.P.C., Han, G., Shu, L. Policy and
network-based intrusion detection system for IPv6-enabled wireless sensor networks.
In: Proceedings of International Communication on Communications, Sydney, Australia,
pp. 1796–1801, 2014.
[4] Dury, Schaller, Garcia, Reynaud, Jacques Bergez. Models to support cropping plan and
crop rotation decisions. A review. Agronomy for Sustainable Development, Springer
Verlag/EDP Sciences/INRA, 32 (2), pp.567-580, 2012.
[5] http://rhonealpes.synagri.com/synagri/pj.nsf/TECHPJPARCLEF/13412/$File/
Objectif_64.pdf?OpenElement OBJECTIF n° 64 : "Analyser son sol pour mieux le
connaître".
[6] Wijnands E. Crop rotation in organic farming: theory and practice. In: Designing and
testing crop rotations for organic farming. Proceedings from an international
workshop. Danish Research Centre for Organic Farming, pp. 21–35, 1999.
[7] Aubry C, Papy F, Capillon A Modelling. decision-making processes for annual crop
management. Agric Syst 56(1):45–65, 1998.
[8] Stone ND, Buick RD, Roach JW, Scheckler RK, Rupani R. The planning problem in
agriculture: farm-level crop rotation planning as an example. AI Appl 6(1):59–75, 1992.
[9] Rounsevell MDA, Annetts JE, Audsley E, Mayr T, Reginster I. Modelling the spatial
distribution of agricultural land use at the regional scale. Agric Ecosyst Environ 95(2–3)
: 465–479, 2003.
[10] Mengzhen Kang, Fei-Yue Wang. From Parallel Plants to Smart Plants: Intelligent
Control and Management for Plant Growth. IEEE/CAA Journal of Automatica Sinica,
4(2): 161-166, 2017.
[11] P. C. Robert, "Precision agriculture: a challenge for crop nutrition management, "
Plant Soil, vol. 247, no. 1, pp. 143-149, Nov. 2002.
[12] R. Gebbers and V. I. Adamchuk, "Precision agriculture and food security, " Science,
vol. 327, no. 5967, pp. 828-831, Feb. 2010.
[13] Kait L.K., Kai C.Z., Khoshdelniat R., Lim S.M., and Tat E.H., “Paddy Growth Monitoring
with Wireless Sensor Networks,” Intelligent and Advanced Systems, 2007. ICIAS 2007.
International Conference on, pp.966-970, Kuala Lumpur, Malaysia, 25-28 Nov. 2007.
[14] Suman Kumar et al “Application of Sensor Networks for Monitoring of Rice Plants: A
Case”, The 4th International Symposium on IRADSN'09, Hangzhou, China, May 18-21,
2009.
[15] Gutiérrez, J., Villa-Medina, J.F., Nieto-Garibay, A., Ángel Porta-Gándara, M..
Automated irrigation system using a wireless sensor network and GPRS module. IEEE
Trans. Instrum. Meas. 63 (1), 166–176, 2014.
[16] Moghaddam, M., Entekhabi, D., Goykhman, Y., Li, K., Liu, M., Mahajan, A., Nayyar,
A., Shuman, D., Teneketzis, D. A wireless soil moisture smart sensor web using
physics-based optimal control: concept and initial demonstrations. IEEE J. Sel. Top.
Appl. Earth Observ. Rem. Sens. 3 (4), 522–535, 2010.
[17] Erdem, Y., Arin, L., Erdem, T., Polat, S., Deveci, M., Okursoy, H., Gültas, H.T., Crop
water stress index for assessing irrigation scheduling of drip irrigated broccoli (Brassica
oleracea L. var. italica). Agric. Water Manage. 98 (1), 148–156, 2010.
[18] Nemali, K.S., Iersel, M.W.V.,. An automated system for controlling drought stress and
irrigation in potted plants. Sci. Hortic. 110 (3), 292–297, 2006.
[19] B Schultz, D De Wrachien - Irrigation and drainage. Irrigation and drainage systems
research and development in the 21st century Wiley Online Library, 2002.
[20] Luis Ruiz-Garcia 1,*, Loredana Lunadei 1 , Pilar Barreiro 1 and Jose Ignacio Robla 2 A
Review of Wireless Sensor Technologies and Applications in Agriculture and Food
Industry: State of the Art and Current Trends Sensors 2009, 9, 4728-4750.
[21] Edordu C. and Sacks L., “Self Organizing Wireless Sensor Networks as a Land
Management Tool in Developing Countries: A Preliminary Survey,” In Proceedings of
the 2006 London Communications Symposium, Communications Engineering Doctorate
Centre, London, UK. September, 2006.
[22] Kim Y., Evans R.G. and Iversen W.M., “Remote Sensing and Control of an Irrigation
System Using a Distributed Wireless Sensor Network,” Instrumentation and
Measurement, IEEE Transactions on, vol.57, no.7, pp.1379-1387, July 2008.
[23] Zhang Feng Research on water-saving irrigation automatic control system based on
internet of things 2011 International Conference on Electric Information and Control
Engineering : 2011, Pages: 2541 - 2544
[24] Chiti F., De Cristofaro A., Fantacci R., Tarchi D., Collodo G., Giorgett G. and Manes,
A., “Energy efficient routing algorithms for application to agro-food wireless sensor
networks,” Communications, ICC 2005. 2005 IEEE International Conference on, vol.5,
pp. 3063-3067 Vol. 5, Seoul, South Korea,16-20 May 2005.
[25] Konstantinos K., Apostolos X., Panagiotis K. and George S., “Topology Optimization in
Wireless Sensor Networks for Precision Agriculture Applications,” Sensor Technologies
and Applications, 2007. SensorComm 2007. International Conference on, pp.526-530,
Valencia, Spain, 14-20 Oct. 2007.
[26] Wark T., Corke P., Sikka P., Klingbeil L., Ying Guo, Crossman, C., Valencia P. and
Swain D.; Bishop-Hurley G., “Transforming Agriculture through Pervasive Wireless
Sensor Networks,” Pervasive Computing, IEEE , vol.6, no.2, pp.50-57, April-June 2007.
[27] J Lioret, Ignacio Bosch, Sandra Sendra and Arturo Serrano, A Wireless Sensor Network
that use Image Processing for Vineyard Monitoring, Sensors, Vol. 11, Issue 6, pp. 6165-
6196. June 2011.
[28] (Cambra, C., Díaz, J.R., Lloret, J. Deployment and performance study of an Ad Hoc
network protocol for intelligent video sensing in precision agriculture. In: Proceedings
of Ad-Hoc Networks and Wireless. lNCS, vol. 8629. Springer, Berlin Heidelberg, pp.
165–175, 2015.
[29] Bseiso B. Abele S. Ferguson P. Lusch K. Mehta "A decision support tool for greenhouse
farmers in low-resource settings" Global Humanitarian Technology Conference (GHTC)
2015 IEEE pp. 292-297, Oct 2015.
[30] K. A. Czyzyk S. T. Bement W. F. Dawson K. Mehta "Quantifying water savings with
greenhouse farming" Global Humanitarian Technology Conference (GHTC) 2014 IEEE
pp. 325-332, Oct 2014.
[31] S. Pallavi; Jayashree D. Mallapur; Kirankumar Y. Bendigeri Remote sensing and
controlling of greenhouse agriculture parameters based on IoT. International
Conference on Big Data, IoT and Data Science (BID) , 2017.
[32] IoT based smart greenhouse Kodali; Vishal Jain; Sumit Karagwal. IEEE Region 10
Humanitarian Technology Conference (R10-HTC) Year: 2016
[33] Liu Dan; Cao Xin; Huang Chongwei; Ji Liangliang . Intelligent
Agriculture Greenhouse Environment Monitoring System Based on IOT Technology
International Conference on Intelligent Transportation, Big Data and Smart City, 2015.
[34] Li, Guohong; Zhang, Wenjing; Zhang, Yi. A Design of the IOT Gateway for Agricultural
Greenhouse Sensors & Transducers; Toronto Vol. 172, N° 6, Jun 2014.
[35] Li LI, Maohua WANG, Man ZHANG, Minzan LI, Nick Sigrimis, Ahileas Anastasiou
Application of iot technology in greenhouse mangement 2012 Dallas, Texas, July 29 -
August 1, 2012
[36] D Smith, S Lyle, A Berry, N Manning, M Zaki, A Neely , Internet of Animal Health Things
(IoAHT) Opportunities and Challenges Centre for Digital Innovation, Cambridge Service
Alliance, University of Cambridge, 2015.
[37] Wark T., Corke P., Sikka P., Klingbeil L., Ying Guo, Crossman, C., Valencia P. and
Swain D.; Bishop-Hurley G., “Transforming Agriculture through Pervasive Wireless
Sensor Networks,” Pervasive Computing, IEEE , vol.6, no.2, pp.50-57, April-June 2007.
[38] Zhang P., Sadler C.M., Lyon S.A., and Martonosi M, “Hardware design experiences in
ZebraNet”. In Proceedings of the 2nd international Conference on Embedded
Networked Sensor Systems. SenSys ’04. Baltimore, MD, USA, pp. 227-238, November 03
– 05, 2004.
[39] Sebastian Gansemer, Jonas Sell, Simon Schulz, Bettina Horster, Thomas Horster-
Möller, Christian Rusch, Albert Pauls, Uwe Großmann, Evren Eren Machine-to-Machine
Communication for Process Optimization in Agriculture The 2nd IEEE International
Symposium on Wireless Systems within the Conferences on Intelligent Data Acquisition
and Advanced Computing Systems 11-12 September 2014, Offenburg, Germany 978-1-
4799-6722-3/14/$31.00 ©2014 IEEE 48
[40] https://www.365farmnet.com/en/
[41] Hoffman, D. (2012) Valid statistical analysis at John Deere and use of the R
programming language 8 November lecture Available online at
http://www.slideshare.net/RevolutionA-nalytics/order-fulfillment-jforecasting-at-
john-deere-how-r-facilitates-creativity-and-flexi-bility?ref5
http://www.revolutionanalytics.com/news-events/free-ebinars/2012/order-
fulfillment-forecasting-at-john-deere/ Accessed 7 October 2015
[42] https://www.isagri.fr/frontoffice/nos-solutions-metiers/grandes-cultures/gamme-de-
logiciels-pour-la-production-vegetale/isa360---solution-de-guidage-gps-6083.aspx