Integration of textual data for the detection of natural risks in agriculture - Archive ouverte HAL Accéder directement au contenu
Thèse Année : 2022

Integration of textual data for the detection of natural risks in agriculture

Intégration de données textuelles pour la détection des risques naturels en agriculture

Résumé

Agriculture is entering the digital age through data (which opens up precision agriculture) or knowledge (which opens up new decision support tools). Modern technologies and IoT devices have been applied to improve agricultural processes. One application scenario is plant monitoring using sensors and data analysis techniques. However, most existing solutions based on specific devices and imaging technologies require a financial investment, which is inaccessible to small farmers. Furthermore, the lack of farmer input into data collection and decision-making in these solutions raises trust issues between farmers and smart farming technologies. On the other hand, textual data in agriculture, e.g. exchanges among farmers on social networks, can be a source of knowledge. This knowledge has great value when it is formalized, contextualized and integrated with other data. Crowdsensing is a sensing paradigm that allows ordinary people to contribute with data that their mobile devices equipped with sensors collect or generate. Farmers' observations reflect their knowledge and experience in plant health monitoring. Driven by the increasing connectivity of farmers and the emergence of online farming communities, this thesis proposes: (1) to use Twitter as an open crowdsensing platform to acquire people's perceptions of crop health so that we can include farmer participation in agricultural knowledge reconstruction. (2) to use pre-trained language models as an implicit and domain-specific knowledge base that integrates heterogeneous texts and supports information extraction from text.
L'agriculture entre dans l'ère numérique grâce aux données (qui ouvrent à l'agriculture de précision) ou aux connaissances (qui ouvrent à de nouveaux outils d'aide à la décision). Les technologies modernes et les dispositifs IoT ont été appliqués pour améliorer les processus agricoles. Un scénario d'application consiste à la phytosurveillance à l'aide de capteurs et de techniques d'analyse des données. Cependant, la plupart des solutions existantes basées sur des dispositifs spécifiques et des technologies d'imagerie nécessitent un investissement financier, inaccessible aux petits exploitants. L'absence de contribution des agriculteurs à la collecte des données et la prise de décision dans ces solutions soulève des problèmes de confiance entre les agriculteurs et les technologies d'agriculture intelligente. D'autre part, les données textuelles en agriculture, e.g. les échanges parmi les agriculteurs sur réseaux sociaux, peuvent être une source de connaissances. Ces connaissances ont une grande valeur lorsqu'elles sont formalisées, contextualisées et intégrées avec d'autres données. Poussée par la connectivité croissante des agriculteurs et l'émergence de communautés agricoles en ligne, cette thèse propose : (1) d'utiliser Twitter comme une plateforme ouverte de crowdsensing pour acquérir les perceptions des gens sur la santé des cultures afin que nous puissions inclure la participation des agriculteurs dans la reconstruction des connaissances agricoles. (2) d'utiliser des modèles de langage pré-entraînés comme une base de connaissances implicite et spécifique au domaine qui intègre des textes hétérogènes et soutient l'extraction d'informations du texte.
Fichier non déposé

Dates et versions

tel-03940105 , version 1 (15-01-2023)

Identifiants

  • HAL Id : tel-03940105 , version 1

Citer

Shufan Jiang. Integration of textual data for the detection of natural risks in agriculture. Computer Science [cs]. Université de Reims Champagne Ardenne, 2022. English. ⟨NNT : ⟩. ⟨tel-03940105⟩

Collections

URCA CRESTIC ISEP
52 Consultations
0 Téléchargements

Partager

Gmail Facebook X LinkedIn More