Samson, Stéphane
(2026).
« Développement de méthodes d'analyse informatique en biovigilance utilisant l'apprentissage profond » Thèse.
Montréal (Québec), Université du Québec à Montréal, Doctorat en informatique cognitive.
Fichier(s) associé(s) à ce document :
Résumé
Cette thèse porte sur la modélisation et la prévision des maladies des cultures agricoles à partir de données environnementales à l’aide des méthodes d’apprentissage profond. Des principes tirés de l’informatique cognitive sont employés afin de rapprocher les modèles d’apprentissage automatique des mécanismes de raisonnement utilisés dans les systèmes d’aide à la décision en agriculture. Les modèles d’apprentissage proposés exploitent les interactions spatiales entre les plantes, les dynamiques temporelles propres à la période de croissance et les mécanismes biologiques et météorologiques propres aux agroécosystèmes, afin de dépasser les limites des approches traditionnelles fondées sur des observations indépendantes. Nous faisons l’hypothèse que l’intégration de ces représentations au sein de modèles d’apprentissage profond permet d’améliorer la prévision de l’occurrence et de la sévérité des maladies des cultures agricoles. Nous présentons trois contributions qui s’inscrivent dans cette démarche et visent à faire progresser l’état des connaissances. La première évalue l’apport des réseaux de neurones à base de graphes pour la prédiction de l’occurrence de maladies chez l’oignon, la laitue et la carotte, en représentant les champs agricoles sous forme de graphes reliant des plantes individuelles. La seconde explore l’utilisation du transfert d’apprentissage afin d’améliorer la généralisation de nos modèles entre les cultures et les pathogènes, en particulier dans des contextes où les données disponibles sont limitées. Enfin, la troisième contribution concerne l’impact de différentes méthodes de réduction de dimension sur la performances de modèles d’apprentissage automatique, traditionnels et profonds, dans le cadre des tâches de classification et de régression liées à la santé des plantes agricoles.
_____________________________________________________________________________
MOTS-CLÉS DE L’AUTEUR : Systèmes d’aide à la décision, Agriculture de précision, Prévision des maladies des plantes, Maladies fongiques, Réseaux de neurones à base de graphes, Apprentissage profond
| Type: |
Thèse ou essai doctoral accepté
|
| Informations complémentaires: |
Fichier numérique reçu en format PDF. |
|
Directeur de thèse: |
Makarenkov, Vladimir |
| Mots-clés ou Sujets: |
Applications agricoles de l'intelligence artificielle / Agriculture de précision / Plantes / Maladies fongiques / Prévision / Systèmes d'aide à la décision / Apprentissage profond / Réseaux neuronaux graphiques |
| Unité d'appartenance: |
Faculté des sciences > Département d'informatique |
| Déposé par: |
Service des bibliothèques
|
| Date de dépôt: |
02 sept. 2026 10:35 |
| Dernière modification: |
02 sept. 2026 10:35 |
| Adresse URL : |
https://archipel.uqam.ca/secure/id/eprint/20280 |
RECHERCHER
PARCOURIR
LIBRE ACCÈS
