Développement de politique optimale d'irrigation en agriculture de précision // Design of optimal irrigation strategies in smart farming

L'agriculture de précision vise à améliorer le rendement des cultures tout en réduisant l'impact environnemental. Cet aspect est particulièrement important eu égard à la problématique de l'irrigation dans un contexte de réchauffement climatique et de sécheresse, par exemple, dans certaines zones du sud de l'Europe. Ce projet doctoral cherche à développer une solution de gestion optimale pour les cultures en champ ouvert, en intégrant des technologies de pointe comme des lois de commande avancée, la robotique, l'imagerie et l'intelligence artificielle. Cette approche basée un point de vue « système » considère le développement de modèles dynamiques prenant en compte la croissance des plantes cultivées et l'effet de l'eau sur celle-ci (y compris les carences et les excès) ainsi que la nature des sols et leur topographie. Des analyses d'observabilité et de commandabilité peuvent être mises en oeuvre pour déterminer les localisations judicieuses des sources d'information (capteurs, imagerie) et des actionneurs (asperseurs). Sur cette base des politiques de commande prédictive prenant en compte des sources d'information diverses (notamment provenant de stations météorologiques). L'objectif est de proposer un système de surveillance et de commande pour maximiser la rentabilité tout en minimisant les coûts et l'impact environnemental. Une attention toute particulière doit être portée à la réduction des coûts matériels de sorte que les solutions proposées puissent être accessibles dans des exploitations agricoles de petites tailles et aux moyens limités.
------------------------------------------------------------------------------------------------------------------------------------------------------------------------
------------------------------------------------------------------------------------------------------------------------------------------------------------------------

Precision agriculture aims to improve crop yields while reducing environmental impact. This aspect is particularly important given the issue of irrigation in a context of global warming and drought, for example, in certain areas of southern Europe. This doctoral project seeks to develop an optimal management solution for open-field crops, integrating cutting-edge technologies such as advanced control laws, robotics, imaging and artificial intelligence. This approach, based on a 'system' point of view, considers the development of dynamic models taking into account the growth of cultivated plants and the effect of water on it (including deficiencies and excesses) as well as the nature of the soils and their topography. Observability and controllability analyses can be implemented to determine the appropriate locations of information sources (sensors, imaging) and actuators (sprinklers). On this basis, predictive control policies taking into account various information sources (notably from weather stations). The goal is to propose a monitoring and control system that maximizes profitability while minimizing costs and environmental impact. Particular attention must be paid to reducing hardware costs so that the proposed solutions can be accessible to small farms with limited resources.
------------------------------------------------------------------------------------------------------------------------------------------------------------------------
------------------------------------------------------------------------------------------------------------------------------------------------------------------------

Début de la thèse : 01/10/2025

Contrats ED : Programme blanc GS-SIS

Université Paris-Saclay GS Sciences de l'ingénierie et des systèmes

580 Sciences et Technologies de l'Information et de la Communication

- Master 2 Recherche et/ou Ingénieur(e) en Automatique. - De bonnes compétences en estimation et commande de systèmes non linéaires. - De bonnes compétences en optimisation et en programmation (Matlab ou Python ou Julia). - Des connaissances en intelligence artificielle et machine learning seront appréciées mais ne sont pas obligatoires. - Une motivation pour un travail de recherche interdisciplinaire et dans un cadre international ( avec mobilité entre la France et la Belgique).
- Master's Degree and/or Engineering Degree in Control Engineering. - Strong skills in estimation and control of nonlinear systems. - Solid background in optimization and programming (Matlab, Python, or Julia). - Knowledge of artificial intelligence and machine learning is appreciated but not mandatory. - Motivation for interdisciplinary research work in an international framework, with mobility between France and Belgium.