Designing and modeling sustainable, autonomous, smart, and energy efficient Internet of Things systems, applied to precision beekeeping
Conception et modélisation de systèmes connectés durables, autonomes, intelligents et à basse consommation énergétique appliqués à l'apiculture de précision
Résumé
Precision beekeeping aims to preserve honey bee colonies while supporting beekeepers in their work to develop colonies and produce resources, including honey. This topic naturally mixes apidology with several major computing disciplines: the Internet of Things, data science, and often, artificial intelligence. Precision beekeeping, which developed in the 2010s, sees the emergence of solutions thought under constraints, especially autonomy and energy efficiency because of the isolation of the deployed systems. This thesis is part of the trend that aims to make digital technology greener by designing and modeling connected systems addressing precision beekeeping issues while focusing on energy efficiency. First, a literature review is presented. This review is the only one in this field which covers the system architecture of a connected hive, but also all the services present in the literature, especially those using artificial intelligence. It raises questions and lists the challenges for future research in this field. Analyses of energy measurements are then shown to justify the following contribution: an autonomous and energy-efficient precision beekeeping system, that collects both beekeeping data and its own energy production and consumption. A generalization of this system is modeled to analyze different resource allocation scenarios. This simulation is used to design constellation-based Internet of Things systems and to determine the best scenario, between edge and cloud. Finally, a reinforcement learning method integrating a photovoltaic energy production prediction model is shown to be an effective answer to the question of task allocation under a limited energy budget for stationary autonomous energy-harvesting systems.
L'apiculture de précision vise à préserver les colonies d'abeilles domestiques tout en épaulant les apiculteurs dans leur travail de développement des abeilles et de production de ressources, dont le miel. Par sa nature, ce sujet force à lier l'apidologie avec plusieurs grandes disciplines informatiques : l'Internet des objets, la science des données, et souvent, l'intelligence artificielle. L'apiculture de précision, qui s'est développée dans les années 2010, voit émerger des solutions pensées sous contraintes, notamment celles qui prennent forme à cause de l'isolement des systèmes déployés sur le terrain : l'autonomie et l'efficacité énergétique. Cette thèse s'inscrit dans le courant qui vise à rendre le numérique plus vert en concevant et en modélisant des systèmes connectés qui répondent aux questions de l'apiculture de précision, tout en se concentrant sur des questions autour de l'énergie. D'abord, une revue bibliographique est présentée. Cette revue est la seule du domaine de l'apiculture de précision qui couvre l'architecture système d'une ruche connectée, mais aussi tous les services présents dans la littérature, notamment ceux qui utilisent de l'intelligence artificielle. Elle permet de soulever des questions et lister les défis qui attendent la recherche à venir dans ce domaine. Des analyses de mesures énergétiques sont ensuite montrées afin de justifier la contribution suivante : un système d'apiculture de précision autonome et efficace en énergie, collectant à la fois des données apicoles, et sa propre production et consommation énergétique. Une généralisation de ce système est modélisée de façon à analyser plusieurs scénarios d'allocation de ressources matérielles. Cette simulation permet de concevoir des systèmes de l'Internet des objets par constellation et de déterminer le meilleur scénario, entre edge et cloud. Finalement, une méthode d'apprentissage par renforcement intégrant un modèle de prédiction de production d'énergie photovoltaïque se montre être une réponse efficace à la question de la répartition de tâches sous un budget énergétique restreint et pour tous les systèmes autonomes stationnaires produisant leur propre énergie.
Origine : Version validée par le jury (STAR)