• Titre : « Approche de Data Mining pour la découverte automatique de comportements déanimaux d'élevage au regard du bien-être animal. », Inria.
• Doctorante : Lucie Lepetit.
• Unité de rattachement : Inria, LACODAM.
• Co-encadrement :
  • Alexandre Termier (Inria),
  • Peggy Cellier (INSA).
• École doctorale : École doctorale Mathématiques, télécommunications, informatique, signal, systèmes, électronique
• Durée du projet : 2023 - 2026.

Résumé du projet :

L'agriculture fait face à des attentes sociétales croissantes, notamment en matière de bien-être animal dans l'élevage bovin. Les indicateurs actuels du bien-être animal se basent sur le respect des moyens alloués, comme l'espace et la nourriture.
Objectifs du projet :
* Analyser simultanément deux types de données de capteurs pour analyser en temps réel le bien être de l'animal : les capteurs physiologiques proches de l'animal (température, accéléromètres, équilibre hormonal) produisant des séries temporelles à haute fréquence, et les rapports d'activités provenant de séquences d'événements catégoriels issues de données vidéo.
* Identifier à la fois les comportements fortement et faiblement exprimés et les signaux faibles précédant ces comportements.
Méthodologies :
 Nouvelles approches d’extraction de motifs intéressants adaptées à ces types de données. En particulier, étendre la méthode de « Exceptional Model Mining » aux données de séries temporelles .
L’intérêt de ces approches est d’avoir à la fois un motif flexible extrait des séries temporelles, et une qualification de ce motif à partir d’attributs descriptifs.