Génération d'un spectre moyen-infrarouge journalier représentatif de la composition laitière journalière par apprentissage automatique à partir d'échantillons partiels collectés via un robot de traite
Sneessens, Claire
Promotor(s) :
Soyeurt, Hélène
;
Nickmilder, Charles
Date of defense : 4-Sep-2025 • Permalink : http://hdl.handle.net/2268.2/24411
Details
| Title : | Génération d'un spectre moyen-infrarouge journalier représentatif de la composition laitière journalière par apprentissage automatique à partir d'échantillons partiels collectés via un robot de traite |
| Author : | Sneessens, Claire
|
| Date of defense : | 4-Sep-2025 |
| Advisor(s) : | Soyeurt, Hélène
Nickmilder, Charles
|
| Committee's member(s) : | Beckers, Yves
Gengler, Nicolas
Brostaux, Yves
Franceschini, Sébastien
Reding, Edouard |
| Language : | French |
| Discipline(s) : | Life sciences > Animal production & animal husbandry Life sciences > Agriculture & agronomy |
| Target public : | Researchers Professionals of domain Student |
| Institution(s) : | Université de Liège, Liège, Belgique |
| Degree: | Master en bioingénieur : sciences agronomiques, à finalité spécialisée |
| Faculty: | Master thesis of the Gembloux Agro-Bio Tech (GxABT) |
Abstract
[fr] Ce travail de fin d’études porte sur l’estimation du taux de matière grasse journalier
(%MG24h) et sur l’estimation d’un spectre moyen-infrarouge journalier représentatif de la
composition laitière à partir de l’analyse infrarouge d’échantillons de lait partiels collectés par
un robot de traite. Le jeu de validation contient 2230 enregistrements pour un total de 746
vaches issues de 7 exploitations. Deux protocoles d’échantillonnage ont été étudiés : RZ (une
traite) et RM (deux traites), avec l’évaluation comparative de trois méthodes d’estimation. La
Méthode 1 correspond à la méthode développée par Peeters et Galesloot (2002) et certifiée par
ICAR, la Méthode 2 se base sur une moyenne pondérée des traites analysées et la Méthode 3
se base sur une régression linéaire à la traite.
D’abord, l’estimation du %MG24h a été réalisée à partir de l’application des méthodes
d’estimation au taux de matière grasse des traites. Pour le protocole RZ, la Méthode 1 fournit
les estimations de %MG24h les plus précises, avec une RMSE de 0,275 g/100 g de lait. Pour le
protocole RM, ses performances s’améliorent avec une réduction de la RMSE à 0,193 g/100g
de lait. Un optimum est observé lorsque les deux traites représentent 40 à 60 % du volume
laitier journalier. La Méthode 2 est la plus précise lorsque ce volume dépasse 60 % et présente
une RMSE moyenne de 0,190 g/100 g de lait. En revanche, la Méthode 3 n’affiche de
meilleures performances dans aucun des cas étudiés.
Ensuite, l’exploitation des spectres journaliers estimés montre que les estimations de
%MG24h à partir de ceux-ci égalent ou dépassent la précision des estimations basées sur le taux
de matière grasse. En effet, pour la Méthode 1, la RMSE est de 0,272 g/100g de lait pour le
protocole RZ et elle reste à 0,193 g/100g de lait pour le protocole RM. Pour la Méthode 2, une
légère amélioration est observée pour les estimations issues des spectres journaliers avec une
RMSE de 0,182 g/100g de lait.
Enfin, la personnalisation des coefficients de la Méthode 1 à l’échelle de l’exploitation,
basée sur un historique représentatif, réduit la RMSE de 0,245 à 0,196 g/100g de lait pour la
ferme CL_4 (RZ), par rapport aux coefficients actuels d’Elevéo (AWé Groupe, Ciney,
Belgique). Ces résultats ouvrent la voie à l’adaptation des protocoles d’échantillonnage et à
l’intégration de l’estimation des spectres journaliers dans les outils de gestion des systèmes de
traite robotisée, afin d’optimiser le suivi de la qualité du lait.
File(s)
Document(s)
TFE_SNEESSENS_Claire_s205842.pdf
Description:
Size: 1.71 MB
Format: Adobe PDF
Annexe(s)
ANNEXES_SNEESSENS_Claire_s205842.pdf
Description:
Size: 292.05 kB
Format: Adobe PDF
Cite this master thesis
The University of Liège does not guarantee the scientific quality of these students' works or the accuracy of all the information they contain.

Master Thesis Online

