Type a word to start your search

Loading

Résil-IA-nce : Développement d’outils technologiques par le recours à l’intelligence artificielle pour améliorer la résilience des troupeaux laitiers

Les fermes laitières sont soumises à des perturbations de tout ordre, pour la plupart imprévisibles, qui peuvent avoir des impacts importants (e.g., météo/qualité des fourrages, maladies/santé et bien-être animal). Les fermes qui persisteront seront celles qui auront le plus de résilience, i.e., la plus grande capacité à s’adapter aux changements en cours et à réagir favorablement aux perturbations négatives. Ce projet concerne spécifiquement la résilience de l’atelier de production du lait, qui contribue grandement à la résilience globale d’une ferme laitière. La recherche suggère que la résilience à diverses perturbations varie d’une vache à l’autre, pour des raisons d’environnement et de génétique. Il importe donc de mettre au point des indicateurs de résilience à la fois au niveau du troupeau et des vaches individuelles, à partir des nombreuses données collectées sur les fermes, afin d’améliorer les pratiques à la ferme et établir un programme de sélection génétique favorisant une plus grande résilience.
Peu importe la source de données, que ce soit des capteurs à la ferme, les composants du lait de réservoir ou le contrôle laitier, la mesure de la résilience nécessite la démarche suivante. Il faut d’abord détecter les anomalies dans des séries chronologiques, et les caractériser en tenant compte de l’ensemble des autres variables chronologiques ou intemporelles. Il faut ensuite identifier les perturbations possibles puis calculer la capacité de retour à une situation normale. L’analyse est donc complexe, prenant en compte un grand nombre de données multidimensionnelles. Le recours à l’intelligence artificielle devient donc un incontournable.
L’objectif est de développer un prototype d’analyse de la résilience avec un cœur d’intelligence artificielle (représentation de la connaissance et apprentissage machine). La résilience sera modélisée sous l’angle d’analyse d’anomalies dans des séries chronologiques et multidimensionnelles, et de mesures et caractérisation de la résilience à divers degrés d’agrégation (vaches, troupeau) et à différentes échelles temporelles (quotidiennes, mensuelles). Spécifiquement, il est proposé de : 1) intégrer les données de diverses sources en lien avec la performance, le bien-être, la santé et la génétique animale; 2) analyser les anomalies dans les séries chronologiques multidimensionnelles; 3) développer l’ontologie pour analyser et caractériser les anomalies et les perturbations qui y sont associées et pour l’explicabilité des prédictions; 4) développer des mesures de résilience; 5) modéliser la résilience de façon générique à partir d’algorithmes d’intelligence artificielle basés sur la détection d’anomalies; 6) développer une API intégrant les fonctionnalités pour l’analyse de la résilience par les modèles établis; 7) développer une application prototype s’interfaçant avec l’API pour l’analyse de résilience et la visualisation de résultats, dans le but de valider l’API et ses fonctionnalités.

Daniel Lefebvre

Chief Operator Officer - Director, Centre of Expertise
Lactanet

CRIBIQ's contribution

$ 299 643


Partners

Industrial participants :

  • Valacta
  • MIMs

QPRI*
*Quebec public research institutes :

  • UQAM
  • ULaval