Bienvenue aux Mines Paristech
Bienvenue à MINES ParisTech
Newsletter International
Website
Théorie & Pratique
Vous êtes

webTV

Lecture

Aftermovie du H4ck@mines 2019 MINES ParisTech

Lecture

MIG 2019 - Systèmes embarqués

Lecture

Teaser Journées Portes Ouvertes

Lecture

Season's Greetings - Meilleurs voeux 2019

Lecture

Plan stratégique de l'Ecole

+ Toutes les vidéos

Partager

Plateforme multimodale d'aide à la gestion de ruchers en temps réel

Plateforme multimodale d'aide à la gestion de ruchers en temps réel

Multimodal Real-Time Beekeeping Orientated Management Platform

Proposition de thèse

Spécialité

Informatique temps réel, robotique et automatique - Fontainebleau

Ecole doctorale

Ingénierie des Systèmes, Matériaux, Mécanique, Énergétique

Directeur de thèse

ANCOURT Corinne

Co-directeur

ANCOURT Corinne

Unité de recherche

Mathématiques et Systèmes

Contact
Date de validité

01/10/2019

Site Web
Mots-clés

Intelligence Artificielle, Traitement du signal, IOT, Big Data

AI, Signal Processing, IOT, Big Data

Résumé

L'apiculture n'a cessé de se complexifier techniquement en raison des diminutions de récolte et des
pertes de cheptel qui impactent cette activité. Les références scientifiques et techniques restent
insuffisamment transférées vers l'ensemble des apiculteurs. Cela vient en partie d'un manque de
données collectées en conditions réelles d'élevage apicole. Nous proposons de concevoir une
plateforme innovante de gestion du cheptel apicole, qui apporte une sauvegarde des pratiques, de
l'état de santé des colonies, et de leur rendement, tout en permettant aux apiculteurs de comparer
leurs données avec des moyennes régionales. Cette plateforme intègrera une intelligence artificielle
afin de valoriser les données environnementales (climatiques, assolement, ...) pour mieux
accompagner les apiculteurs dans leurs décisions.
La thèse s'effectuera dans le cadre du projet PNAPI (Plateforme numérique d'accompagnement des
apiculteurs), financée par le compte d'affectation spéciale pour le développement agricole et rural
(CASDAR) du ministère de l'agriculture.
Le projet PNAPI a pour objectif de proposer des outils informatiques aux apiculteurs pour les assister
dans la gestion de leur cheptel en enregistrant leurs informations (performances, traitements,
nourrissements, signalements d'événements de santé au rucher, etc.) et en les leur restituant sous des
formats adaptés et synthétiques (graphiques, tableaux de résultats). Un agrégateur de données
environnementales complètera les outils de saisie proposés aux apiculteurs afin de leur permettre de
mieux connaître les caractéristiques des emplacements qu'ils utilisent pour leurs ruchers, et ainsi de
les accompagner dans ces choix. Un système décisionnel sera également intégré sous la forme d'une
intelligence artificielle capable d'apprendre, entre autres, des décisions prises par les apiculteurs dans
un contexte donné (par exemple : nourrissement en hiver) pour prodiguer des conseils à partir des
actions les plus représentées. L'expertise des structures de développement alimenteront également
ce système décisionnel dans le cadre de lancement d'alertes (par exemple, alerte disette dans un
secteur en raison de la connaissance du terrain et du climat).
Les données collectées alimenteront un référentiel nouveau, issu de la profession, dans lequel les
possesseurs de ruches pourront situer leurs pratiques et identifier les forces et faiblesses de leur
conduite de cheptel. Ce référentiel permettra également de proposer des indicateurs de l'état de santé
de l'apiculture française, notamment en ce qui concerne les pertes hivernales, les stratégies de
traitement contre varroas et les quantités de miel (ou gelée royale) récolté.
La thèse de doctorat s'articule autour de trois thématiques :1. La collecte et le stockage automatisés de données hétérogènes orientées métier (voix, image,
etc.), basés sur une intelligence artificielle. Il s'agit d'assurer la capture efficace de données terrain
en proposant un système de collecte de données, intelligent et robuste en environnement bruité.
2. L'analyse de gros volumes de données hétérogènes et leur restitution.
3. La mise en place d'un système décisionnel (SMA) pour accompagner les apiculteurs dans leur
pratique quotidienne.
Le troisième point représente le cœur de cette thèse. En effet, cette intelligence artificielle capable
d'intégrer les décisions prises par les apiculteurs dans un contexte donné, c'est à dire en tenant compte
à la fois des informations saisies, d'une part, et des données extérieures comme les conditions
climatiques, d'autre part, pour prodiguer des conseils et suggérer des actions lorsqu'un contexte
similaire se présentera à nouveau. Ainsi, cette intelligence artificielle représentera un vecteur de
transfert de savoir.
Quelques verrous doivent être levés :
- Construire des processus innovants et scalables
- Prendre en compte les contraintes du domaine
- Au niveau voix, il faudra étudier plusieurs algorithmes de reconnaissance de la parole en milieu
bruité ; proposer une nouvelle solution ou adapter l'existant et l'optimiser- Au niveau image, il faudra assurer le comptage de varroas à partir d'images en mode optimisé
ou dégradé et analyser la typologie d'occupation des cadres de hausse.
- Au niveau de l'acquisition des données capteurs, il s'agira de rendre les ruches communicantes
au travers d'un réseau d'opérateur de type Sigfox

Beekeeping has become more and more technically complex due to crop losses and livestock losses
affecting this activity. Scientific and technical references remain insufficiently transferred to all
beekeepers. This is partly due to a lack of beekeeping-orientated data collected under real conditions.
We propose to design an innovative apicultural livestock management platform, which provides a
backup of the practices, the health status of colonies, and their performance, while allowing
beekeepers to compare their data with regional averages. This platform will integrate an artificial
intelligence to value environmental data (climate, rotation ...) to better assist beekeepers in their
decisions.
The thesis will be carried out within the framework of the PNAPI project (French acronym which stands
for “digital support platform for beekeepers”), financed by the special appropriation account for
agricultural and rural development (CASDAR) of the French Ministry of Agriculture.
The aim of the PNAPI project is to provide beekeepers with computer tools to assist them in managing
their livestock by recording their information (performances, treatments, feedings, reports of health
events in the apiary, etc.) and returning synthetic and adapted data back to them (graphs, tables of
results). An environmental data aggregator will complement the input tools offered to beekeepers to
enable them to better understand the characteristics of the locations they use for their apiaries, and
thus to accompany them in these choices. A decision-making system will also be integrated in the form
of an artificial intelligence capable of learning, among other things, decisions made by beekeepers in
a given context (for example: feeding in winter) to provide advice from the most active actions
represented. The expertise of the development structures will also feed this decision-making system
in the context of launching alerts (for example, scarcity alert in a sector due to knowledge of the terrain
and the climate).
The collected data will feed into a new repository, resulting from professionals, in which hive owners
will be able to locate their practices and identify the strengths and weaknesses of their livestock
management. This reference system will also make it possible to propose indicators of the state of
health of French beekeeping, particularly with regard to winter losses, treatment strategies against
varroa mites and the quantities of honey (or royal jelly) harvested.
This doctoral thesis is based on three themes:
1. Automated collection and storage of business-oriented heterogeneous data (voice, image,
etc.), based on artificial intelligence. It is about ensuring the efficient capture of field data by
proposing a data collection system that is intelligent and robust in a noisy environment.
2. The analysis of large volumes of heterogeneous data and their restitution.
3. The establishment of a decision-making system (MAS) to accompany beekeepers in their daily
practice.

The third point represents the heart of this thesis. Indeed, this artificial intelligence will be capable of
integrating decisions made by beekeepers in a given context, that is to say taking into account both
information entered, on the one hand, and external data such as climatic conditions, on the other
hand, to provide advice and suggest actions when a similar context arises again. Thus, this artificial
intelligence will represent a vector of knowledge transfer.

Contexte

La thèse sera codirigée par MINES ParisTech et l'Efrei Paris. Elle se déroulera au sein du laboratoire AlliansTIC de l'Efrei Paris et du laboratoire de recherche CRI de MINES ParisTech.
Le laboratoire AlliansTIC a été créé en 2011. Il est dirigé par Katarzyna Wegrzyn-Wolska (HDR), il
rassemble actuellement 17 enseignants chercheurs et 17 doctorants.
Ses travaux, concentrés autour de deux thématiques : Big Data et Objets Connectés, sont menés en
collaboration avec de nombreux partenaires en France et à l'international.
Le CRI de MINES ParisTech est situé à Fontainebleau. Il est dirigé par Francois Irigoin. Ses axes de recherche sont centrés autour des Langages informatique. Corinne Ancourt, enseignant-chercheur au CRI, travaille avec Katarzyna Wegrzyn-Wolska sur la thématique HPC et Big data.

Encadrement

Katarzina Wegrzyn-Wolska, HDR, EFREI
Alain MORETTO, PhD, EFREI
Lamine BOUGUEROUA, PhD, EFREI

Profil candidat

Master recherche ou équivalent maîtrisant les concepts suivants : Intelligence Artificielle, Traitement
du signal (voix et image) et Outils d'aide à la décision.
Les compétences suivantes sont souhaitables : analyse statistique, IOT et Big Data.

Master research or equivalent knowing the following concepts: Artificial Intelligence, Signal Processing (voice and image) and decision support tools.
The following skills are desirable: statistical analysis, IOT and Big Data.

Références

[1] A. Graves, J. Navdeep : Towards end-to-end speech recognition with recurrent neural networks.
In International Conference on Machine Learning, pp. 1764-1772. 2014.
[2] A. Maas, Z. Xie, D. Jurafsky, A. Ng: Lexicon-free conversational speech recognition with neural
networks. In Proceedings of the 2015 Conference of the North American Chapter of the Association
for Computational Linguistics: Human Language Technologies, pp. 345-354. 2015.
[3] W. Chan, N. Jaitly, Q. Le, and O Vinyals: Listen, attend and spell: A neural network for large
vocabulary conversational speech recognition. In Acoustics, Speech and Signal Processing (ICASSP),
2016 IEEE International Conference on, pp. 4960-4964. IEEE, 2016.
[4] D. Amodei, S. Ananthanarayanan, R. Anubhai, J. Bai, E. Battenberg, C. Case, J. Casper et al. : Deep
speech 2: End-to-end speech recognition in English and mandarin. In International Conference on
Machine Learning, pp. 173-182. 2016.
[5] Brodschneider R., Gray A., van der Zee R. et al.: Preliminary analysis of loss rates
of honeybee colonies during winter 2015/16 from the COLOSS survey. 2016.[6] Kretzschmar A., Durand E., Maisonnasse A., Vallon J., Le Conte Y. : A New Stratified
Sampling Procedure which Decreases Error Estimation of Varroa mite Number on Sticky Boards.
J. Econ. Entomol. 2015.
[7] Zine Eddine Latioui, Lamine Bougueroua, Alain Moretto, “Social Media Chatbot System beekeeping
case study”. HIS 2018: 18th International Conference on Hybrid Intelligent Systems. Porto, Portugal,
December 13-15, 2018.

Type financement

Financement d'un ministère hors MESRI

Document PDF

https://www.adum.fr/download.pl?tk=x7s5nh3ss93lr3p2pnkb4dzcd5bagjab

Retour à la liste des propositions

actualité

Deux docteurs MINES ParisTech distingués

Formation Deux docteurs MINES ParisTech distingués Le département Mécanique et Matériaux de MINES ParisTech une…
> En savoir +

L'École des mines 39-45

Formation L'École des mines 39-45 Être élève des Mines pendant la guerre Voisine du Palais du Luxembourg, dont la Luftwaffe…
> En savoir +

Agir pour renforcer le doctorat en Europe

Formation Agir pour renforcer le doctorat en Europe Le projet IDEAL vise à développer l’impact…
> En savoir +

L'intelligence artificielle pour la santé

Formation L'intelligence artificielle pour la santé Le jeudi 27 juin, l' Association des Instituts Carnot…
> En savoir +

Télécommunications acoustiques MIMO

Formation Télécommunications acoustiques MIMO Arthur Aubertin, doctorant au Centre de recherche en…
> En savoir +

+ Toutes les actualités

agenda

Du 4 juin au 28 septembre 2019 Dons du Ciel - Des météorites et des hommes

Du 24 août au 30 septembre 2019 L'École des Mines de Paris - 39-45 Engagement et…

Du 18 septembre au 17 octobre 2019 Musique aux Mines

Du 21 au 22 septembre 2019 Les Journées européennes du patrimoine

+ Tous les événements

contact

Régine MOLINS
Direction de l'Enseignement
Service du Doctorat
> envoyer un mail

Plan du site
MINES
ParisTech

60, Boulevard Saint-Michel
75272 PARIS Cedex 06
Tél. : +33 1 40 51 90 00

Implantations
Mentions légales | efil.fr | ©2012 MINES ParisTech | +33 1 40 51 90 00 |