En savoir plus

Après un double diplôme en data science (AgroParisTech - IODAA) et en bio-informatique (Université Paris-Saclay - AMI2B), Joseph a réalisé un stage à Dublin pour extraire des comportements de veaux à partir de données accéléromètres et de vidéo (l’intitulé exact était le suivant : “Classification de comportements de veaux à partir de données accéléromètres par des méthodes d’apprentissage automatique”). Ce stage étant très intéressant et le sujet étant plus complexe qu’il n’en avait l’air à premier abord, il décide de continuer sur une étude similaire en thèse. Cette thèse, supervisé par Aurélien Madouasse (INRAE, UMR Bioepar), Antoine Cornuéjols (INRAE, UMR MIA) et Christine Martin (INRAE, UMR MIA) s’intitule ainsi : “Développement de méthodes de caractérisation du comportement et des interactions sociales des bovins pour l'évaluation de la santé et du bien-être dans le cadre de la transition agro-écologique.”. Elle se déroulera en trois parties distinctes :

 1. Recueil de données en fermes bovines laitières.

• Equipement des bovins inclus avec un collier contenant les capteurs
• Enregistrement des comportements de ces bovins : lever, coucher, autres comportements usuels, interactions ; observation directe ou vidéo.
• Etiquetage des données de boiteries avec une méthode de notation usuelle

 2. Evaluation de méthodes d’apprentissage automatique pour la prédiction des comportements observés à partir des données de capteurs.

• Signal accélérométrique : méthodes reposant sur la segmentation des séries temporelles en fenêtres chevauchantes puis application d’algorithmes adaptés, ou méthodes d’apprentissage profond pour identification de patrons spécifiques.
• Détecteur de proximité : approche à développer et méthodes à identifier.

 3. Evaluation des associations entre comportements, interactions sociales et boiteries.

Début de la thèse : octobre 2023

Mots clés : Apprentissage automatique, classification de série temporelle, santé animale, boiteries.