1. A decision support system coupling fuzzy logic and probabilistic graphical approaches for the agri-food industry: prediction of grape berry maturity
- Author
-
Nathalie, Perrot, Cédric, Baudrit, Jean Marie, Brousset, Philippe, Abbal, Hervé, Guillemin, Bruno, Perret, Etienne, Goulet, Laurence, Guerin, Gérard, Barbeau, Daniel, Picque, Génie et Microbiologie des Procédés Alimentaires (GMPA), Institut National de la Recherche Agronomique (INRA)-AgroParisTech, Institut de Mécanique et d'Ingénierie de Bordeaux (I2M), École Nationale Supérieure d'Arts et Métiers (ENSAM), Arts et Métiers Sciences et Technologies, HESAM Université (HESAM)-HESAM Université (HESAM)-Arts et Métiers Sciences et Technologies, HESAM Université (HESAM)-HESAM Université (HESAM)-Institut Polytechnique de Bordeaux-Institut National de la Recherche Agronomique (INRA)-Centre National de la Recherche Scientifique (CNRS)-Université de Bordeaux (UB), Sciences Pour l'Oenologie (SPO), Université Montpellier 1 (UM1)-Institut de Recherche pour le Développement (IRD [Nouvelle-Calédonie])-Institut National de la Recherche Agronomique (INRA)-Université de Montpellier (UM)-Institut national d’études supérieures agronomiques de Montpellier (Montpellier SupAgro), Unité de recherches en Technologie et Analyses Laitières (URTAL), AgroSup Dijon - Institut National Supérieur des Sciences Agronomiques, de l'Alimentation et de l'Environnement-Institut National de la Recherche Agronomique (INRA), Unité de VINs, Innovations, Itinéraires, TERroirs et Acteurs, Institut Français de la Vigne et du Vin (IFV), Interloire, Vigne et Vin (UVV), Institut National de la Recherche Agronomique (INRA), INTERLOIRE, Institut National de la Recherche Agronomique (INRA)-Université de Bordeaux (UB)-École Nationale Supérieure d'Arts et Métiers (ENSAM), HESAM Université (HESAM)-HESAM Université (HESAM)-Institut Polytechnique de Bordeaux-Centre National de la Recherche Scientifique (CNRS), Institut national d’études supérieures agronomiques de Montpellier (Montpellier SupAgro), Institut national d'enseignement supérieur pour l'agriculture, l'alimentation et l'environnement (Institut Agro)-Institut national d'enseignement supérieur pour l'agriculture, l'alimentation et l'environnement (Institut Agro)-Université Montpellier 1 (UM1)-Université de Montpellier (UM)-Institut National de la Recherche Agronomique (INRA), Institut National de la Recherche Agronomique (INRA)-AgroSup Dijon - Institut National Supérieur des Sciences Agronomiques, de l'Alimentation et de l'Environnement, Institut National de la Recherche Agronomique (INRA)-Université de Montpellier (UM)-Université Montpellier 1 (UM1)-Institut de Recherche pour le Développement (IRD [Nouvelle-Calédonie])-Institut national d’études supérieures agronomiques de Montpellier (Montpellier SupAgro), and Institut national d'enseignement supérieur pour l'agriculture, l'alimentation et l'environnement (Institut Agro)-Institut national d'enseignement supérieur pour l'agriculture, l'alimentation et l'environnement (Institut Agro)
- Subjects
[SDV.SA]Life Sciences [q-bio]/Agricultural sciences ,Fuzzy Logic ,Climate Change ,lcsh:R ,Food Industry ,lcsh:Medicine ,[SDV.BV]Life Sciences [q-bio]/Vegetal Biology ,Expert Systems ,Vitis ,lcsh:Q ,lcsh:Science ,Probability ,Research Article - Abstract
Agri-food is one of the most important sectors of the industry and a major contributor to the global warming potential in Europe. Sustainability issues pose a huge challenge for this sector. In this context, a big issue is to be able to predict the multiscale dynamics of those systems using computing science. A robust predictive mathematical tool is implemented for this sector and applied to the wine industry being easily able to be generalized to other applications. Grape berry maturation relies on complex and coupled physicochemical and biochemical reactions which are climate dependent. Moreover one experiment represents one year and the climate variability could not be covered exclusively by the experiments. Consequently, harvest mostly relies on expert predictions. A big challenge for the wine industry is nevertheless to be able to anticipate the reactions for sustainability purposes. We propose to implement a decision support system so called FGRAPEDBN able to (1) capitalize the heterogeneous fragmented knowledge available including data and expertise and (2) predict the sugar (resp. the acidity) concentrations with a relevant RMSE of 7 g/l (resp. 0.44 g/l and 0.11 g/kg). FGRAPEDBN is based on a coupling between a probabilistic graphical approach and a fuzzy expert system.
- Published
- 2015
- Full Text
- View/download PDF