Contribution au développement d'un outil de comptage de jour au pâturage des vaches laitières par une approche Big Data

Abstract

Grassland has an important place in the Walloon landscape and plays many roles, including providing access to a local, low-cost feed resource for livestock. Today, many protected designation of origin specifications and dairies require farmers to put their cattle out to pasture for a given period. However, this constraint is rarely checked in practice. Consequently, the aim of this end-of-study work is to develop a method for calculating the number of grazing days of cows on a given farm, based on the analysis of milk composition using medium infrared spectrometry (MIR). Given the difficulty of acquiring large-scale grazing management calendars, the innovation of this end-of-study work consists in postulating that the month of the year is an indicator of grass intake. In fact, in Wallonia, the majority of herds graze from April to September. Thus, a prediction equation for the month of the year was constructed using a partial least squares discriminant analysis (PLS-DA) on 344,234 data from 2,287 farms in 2019 and 2020. This prediction model was then validated with 86,058 data from 581 farms. The validation R² obtained was 0.39. When reading the confusion matrix, it appeared that some months of the year were confused in their prediction. The dendrogram obtained from the predictions made it possible to distinguish two groups corresponding to the "grazing" and "non-grazing" periods. Thus, a second PLS-DA type equation was performed to discriminate these groups more in line with the subject of this work. The validation R² was significantly higher than the previous one with a value of 0.88. The probability of belonging to the "grazing" group had a high intra-annual variability. In order to allow the counting of the number of days, this probability was averaged to the week and then two moving means were applied to smooth this resulting curve. An algorithm was finally developed on 211,438 data sets from 2,868 farms to count the number of days grazing from the first four consecutive rises in the probability of grazing. Some farms had several grazing peaks which had to be summed if they occurred during the theoretical grazing period. The final results show that the grazing period of the farms varies between 0 and 280 days. The proposed tool can therefore be easily applied routinely to all farms delivering milk to the dairy, as milk is already analysed approximately every 3 to 4 days by MIR spectrometry to quantify fat and protein content. The resulting spectrum can be used to predict the presence of the herd on pasture. However, before any routine use, it will be necessary to validate the tool using grazing schedules and potentially refine it in the light of the results obtained.

La prairie a une place importante dans le paysage wallon et exerce de nombreux rôles dont celui de permettre l’accès à une ressource alimentaire locale et à moindre coût, pouvant être exploitée par le bétail. Aujourd’hui, de nombreux cahiers des charges d’appellation d’origine protégée et des laiteries demandent aux éleveurs de mettre leurs vaches au pâturage pendant une période donnée. Cependant, cette contrainte est dans les faits peu vérifiée. Par conséquent, ce travail de fin d’étude a pour but de développer une méthode de calcul du nombre de jours de pâturage des vaches d’une ferme donnée, basée sur l’analyse de la composition du lait effectuée par la spectrométrie moyen infrarouge (MIR). Vu la difficulté d’acquérir à large échelle des calendriers de gestion de pâturage, l’innovation de ce travail de fin d’étude consiste à faire le postulat que le mois de l’année est un indicateur de l’ingestion d’herbe. En effet, en Wallonie, la majorité des troupeaux vont en pâture globalement d’avril à septembre. Ainsi, une équation de prédiction du mois de l’année a été construite en utilisant une analyse discriminante liée à la méthode des moindres carrés partiels (PLS-DA) sur 344.234 données issues de 2.287 fermes, en 2019 et en 2020. Cette dernière a ensuite été validée avec 86.058 données, provenant de 581 fermes. Le R² de validation obtenu était de 0,39. A la lecture de la matrice de confusion, il est apparu que certains mois de l’année étaient confondus lors de leur prédiction. Le dendrogramme obtenu via les prédictions a permis de distinguer deux groupes correspondant à la période de « pâture » et de « non-pâture ». Ainsi, une seconde équation de type PLS-DA a été réalisée pour discriminer ces groupes plus en lien avec le sujet de ce travail. Le R² de validation était nettement supérieur au précédent et avait une valeur de 0,88. La probabilité d’appartenir au groupe « pâture » avait une forte variabilité intra-annuelle. Afin de permettre le comptage du nombre de jours, cette probabilité a été moyennée à la semaine et ensuite deux moyennes mobiles ont été appliquées pour lisser cette courbe résultante. Un algorithme a finalement été développé sur 211.438 données appartement à 2.868 fermes pour compter le nombre de jours en pâture à partir des quatre premières montées consécutives de la probabilité « pâture ». Certaines fermes présentaient plusieurs pics de pâture qui ont donc dû être sommés s’ils apparaissaient pendant la période de pâturage théorique. Les résultats finaux montrent que la période de pâturage des fermes varie entre 0 et 280 jours. L’outil proposé pourra donc être aisément appliqué en routine pour tous les élevages livrant leur lait à la laiterie car pour ces derniers un lait est déjà analysé environ tous les 3 à 4 jours par la spectrométrie MIR pour quantifier les teneurs en matières grasses et en protéines. Le spectre ainsi généré pourra être utilisé pour prédire la présence du troupeau en pâture. Cependant, avant toute utilisation en routine, il faudra valider l’outil développé en utilisant des calendriers de pâturage et potentiellement l’affiner aux regards des résultats obtenus.