Robotique mobile autonome en milieu ouvert

Autonomous mobile robotics in open environments

• Auteur / Autrice : Jorge Eduardo Aviles Mejia
• Direction : Ouiddad Labbani-Igbida, Joanny Stephant
• Type : Thèse de doctorat
• Discipline(s) : Electronique, microelectronique, optique et lasers, optoelectronique microondes robotique
• Date : Soutenance le 07/04/2023
• Etablissement(s) : Limoges
• Ecole(s) doctorale(s) : École doctorale Sciences et Ingénierie (Limoges ; 2022-)
• Partenaire(s) de recherche : Laboratoire : XLIM
• Jury : Examinateurs / Examinatrices : Olivier Ly, Roland Lenain, Patrick Danès, Eric Lucet, Anthony Gelibert
• Jury : Rapporteurs / Rapporteuses : Olivier Ly, Roland Lenain

Mots clés

Mots clés contrôlés

Vision artificielle (robotique)

Herbicides

Plantes adventices -- Lutte contre

Machines de pulvérisation (machines agricoles)

Robots autonomes

Robots mobiles

Mots clés libres

Robotique agricole

Désherbage autonome

Détection des cultures/mauvaises herbes

Navigation basée sur la vision

Vision et apprentissage

Challenge ROSE

Compétition ACRE

Agricultural robotics

Autonomous weeding

Crop/Weed detection

Vision-based navigation

Vision and machine learning

ROSE challenge

ACRE competition

Résumé

L’agriculture joue un rôle vital dans le développement de l’humanité pour répondre à une demande alimentaire croissante. Pour cette raison, des produits chimiques comme les engrais, les herbicides, les fongicides, etc., sont utilisés pour protéger les cultures contre les maladies, les ravageurs et les mauvaises herbes. Cependant, l’utilisation de ces produits implique la dégradation des écosystèmes ainsi que des effets néfastes sur la santé humaine. Cette thèse propose une solution de désherbage mécanique autonome afin de remplacer/réduire l’utilisation d’herbicides. Dans un premier temps, la détection des cultures et des mauvaises herbes s’effectue à l’aide de techniques d’apprentissage automatique et de traitement d’image pour protéger les premières et éliminer les secondes. Ensuite, la détection des cultures est utilisée pour naviguer de manière autonome sans s’appuyer sur les données GPS en estimant le point de fuite formé par les rangées de cultures. Enfin, la commande de l’activation de l’outil de désherbage est proposée en s’appuyant sur la modélisation de la plateforme et la détection temps réel en proposant plusieurs variants. Les résultats rapportés dans cette thèse ont été obtenus en conditions agricoles réelles dans le cadre de deux challenges internationaux : le challenge ANR ROSE et la compétition européenne ACRE. De la même manière, ces conditions ont été recréées à l’aide du simulateur Gazebo et des jumeaux numériques afin de valider les approches proposées.

Agriculture plays a vital role in the development of humanity to meet a growing demand for food. For this reason, chemicals like fertilizers, herbicides, fungicides, etc., are used to protect crops from diseases, pests and weeds. However, the use of these products implies the degradation of ecosystems as well as adverse effects on human health. This thesis proposes an autonomous mechanical weeding solution in order to replace/reduce the use of herbicides. Firstly, the detection of crops and weeds is carried out using machine learning and image processing techniques to protect the former and eliminate the latter. Then, crop detection is used to navigate autonomously without relying on GPS data by estimating the vanishing point formed by the crop rows. Finally, the activation of the weeding tool is based on the modeling of the platform and real-time detection by proposing several variants. The results reported in this thesis were obtained in real agricultural conditions within the framework of two international competitions: the ANR ROSE challenge and the European ACRE competition. In the same way, these conditions were recreated using digital twins and the Gazebo simulator in order to validate the proposed approaches.