Détection des anomalies dans les serres

L'optimisation de la gestion de l'énergie dans les serres est un défi majeur pour l'agriculture moderne, en particulier dans des régions comme le Québec, où les conditions climatiques varient considérablement. L’un des défis les plus critiques est l’identification et la gestion des anomalies, telles que les défaillances d’équipements, les capteurs défectueux et les variations anormales des conditions environnementales.

Cette recherche se concentre sur les approches basées sur l’apprentissage automatique et l’intelligence artificielle pour la détection et la gestion des anomalies en temps réel. En exploitant des modèles basés sur les données et des techniques d’optimisation avancées, nous visons à améliorer la fiabilité et l’efficacité des systèmes de contrôle des serres.

Notre méthodologie comprend la classification des anomalies, l’identification de leur origine et une analyse comparative des méthodes de détection existantes afin d’évaluer leur efficacité et leurs limites. Cette étude contribuera au développement d’un cadre amélioré pour la gestion énergétique des serres, intégrant une détection précoce des anomalies afin d’optimiser la performance du système et la durabilité de la production agricole.