Détection et diagnostic d'anomalies dans les serres intelligentes

Le maintien de conditions intérieures adéquates dans une serre exige le fonctionnement continu du chauffage, de la ventilation, de la déshumidification et de l'éclairage — des systèmes énergivores dont les anomalies entraînent pertes d'énergie, hausses de coûts et baisse de qualité de production. La détection d'anomalies y est difficile : les mesures sont affectées par des fluctuations naturelles, du bruit et des interactions physiques complexes, ce qui génère de fausses alertes avec les méthodes conventionnelles.

Ce projet doctoral développe un cadre intégré de détection et de diagnostic d'anomalies combinant modélisation probabiliste informée par la physique, quantification de l'incertitude, raisonnement causal et méthodes d'intelligence artificielle efficaces sur le plan computationnel — capable d'identifier la cause racine d'une anomalie : défaut d'actionneur, de capteur, problème de commande ou condition environnementale anormale.

Objectif principal

Développer et valider un cadre intelligent de détection et de diagnostic d'anomalies dans les serres, combinant connaissance du système physique, quantification de l'incertitude, raisonnement causal et méthodes d'intelligence artificielle.

Méthodologie

Quatre étapes : revue de la littérature ; modélisation du comportement normal par des relations physiques et un apprentissage probabiliste tenant compte des incertitudes aléatoire et épistémique ; représentations causales pour l'analyse de cause racine ; méthodes d'IA efficaces validées sur un simulateur physique et un banc d'essai réel (précision, rappel, taux de fausses alarmes).