Toure, Francois Gonothi
(2026).
« Conception et développement d'un prototype de système robotique autonome intégrant la perception sémantique pour la détection de la mammite clinique chez les vaches laitières » Mémoire.
Montréal (Québec, Canada), Université du Québec à Montréal, Maîtrise en informatique.
Fichier(s) associé(s) à ce document :
Résumé
Les progrès majeurs observés ces cinq dernières années en robotique autonome et en intelligence artificielle ont permis un suivi automatisé et en temps réel pour le secteur de l’élevage de précision. Toutefois, leur intégration et déploiement pourtant souhaités sur le terrain, entre autres dans les fermes commerciales, présentent des limitations significatives. Ces difficultés de déploiement révèlent ainsi un fossé critique d’adoption et d’intégration des technologies développées et simulées en laboratoire vers les fermes laitières et agricoles, d’où l’intérêt ascendant de la robotique de terrain auquel s’attaquent des chercheurs de nos jours. Ils essayent ainsi de résoudre cette problématique due à des défis fondamentaux pour l’incarnation de l’intelligence artificielle en robotique dans le cadre du développement durable prôné par les Nations Unies. Parmi ces défis, nous retrouvons notamment une faible généralisation des modèles, une fragilité entre la simulation et la réalité, et l’absence de critères de validation standardisés. De l’autre côté, l’élevage de précision se trouve aussi face à ce fossé de déploiement, car les progrès algorithmiques peinent encore à se traduire en solutions facilement intégrables et déployables sur le terrain, pour la simple raison de contraintes tant matérielles que logicielles, et surtout à cause des facteurs environnementaux entraînant des échecs de transition de la simulation vers la réalité. Alors, l’incarnation de l’intelligence artificielle dans la robotique à petite échelle présente un problème majeur pour l’élevage de précision, notamment en raison de ce fossé entre les expériences validées en milieu encadré de laboratoire et la réalité du terrain. Ce mémoire aborde le défi critique ci-haut avec des contributions originales traitant de l’application de la robotique autonome terrestre et de l’intelligence artificielle dans le contexte de l’élevage de précision. En premier lieu, nous mettons en lumière les notions de base sur les pathologies bovines suivies par les médecins vétérinaires, tout en mettant un accent particulier sur les cas de la mammite clinique et de la mammite sous-clinique qui affectent la santé et le bien-être du troupeau. Ensuite, nous effectuons une revue systématique de l’état de l’art afin d’identifier et de valider la présence concrète du fossé de déploiement durant la dernière demi-décennie et de traquer la cause racine dudit fossé que nous cherchons à résoudre par la science et la technologie. En outre, nous concevons et développons Cowbot, le prototype du système robotique mobile terrestre destiné au suivi des vaches, reposant sur ROS 2 Jazzy Jalisco, une version à support à long terme du système d’exploitation pour robots, retenue pour la stabilité et la reproductibilité qu’elle garantit, et sur des modèles finement ajustés à partir de la variante Nano de YOLOv11 de l’algorithme de détection d’objets, YOLO, préentraînés sur l’ensemble de données COCO de Microsoft. Deux modèles hybrides sont mis en oeuvre : l’un pour la navigation sémantique du robot en milieu de ferme, YOLO-Segmentation, l’autre pour la détection de cas de mammite clinique, YOLO-Detection, fondée sur l’état de normalité ou d’anormalité du pis, du trayon et de la qualité du lait. Le système est d’abord validé en environnement simulé, à l’aide du logiciel de simulation d’Open Robotics, Gazebo Harmonic, puis embarqué sur le prototype physique du robot, le Cowbot, en environnement contrôlé de laboratoire, et le portage complet du pipeline sur un robot physique en milieu fermier étant une perspective future. Par la suite, nous évaluons l’approche de navigation proposée dans le simulateur Gazebo et le visualiseur de ROS, RViz, afin d’examiner la robustesse des deux modèles hybrides au moyen de trois méthodes de validation et d’en déduire la plus adaptée à notre contexte. La première est la validation croisée standard, répartissant l’ensemble de données en 70 % pour l’entraînement, 20 % pour la validation et 10 % pour le test. La deuxième est la validation croisée à cinq sous-ensembles, désignée 5-Fold, où k = 5 est le nombre de sous-groupes obtenus par division de l’ensemble initial. La troisième est la validation croisée par individu de vache, dans laquelle chacune des 7 vaches obtenues de la clinique ambulatoire de la Faculté de médecine vétérinaire de l’UdeM est traitée tour à tour comme un ensemble de tests complet, les six autres servant à l’entraînement, en itérant sur les 7 vaches. La méthode de la validation croisée par individu de vache s’est avérée être la meilleure dans les détections et identifications de cas de mammite où elle a classé 6 vaches comme étant malades, ce qui représente le taux de vrais positifs, et une seule vache comme saine, pourtant étiquetée malade à la clinique ambulatoire de l’UdeM, ce qui ressort donc comme le seul cas de faux négatif. La validation croisée par individu de vache, bien qu’ayant mieux performé que les autres méthodes à cause de la limitation et des difficultés d’obtention de données de vaches malades auxquelles nous avons fait face, semble pour autant dans ce contexte être bien meilleure que la méthode de validation croisée sur le 5-Fold et celle de la validation croisée standard. À travers l’évaluation de la robustesse et de la performance du prototype du système, Cowbot, un robot autonome à petite échelle reposant sur des ressources matérielles limitées et des logiciels libres sous licence, nous montrons qu’une optimisation approfondie des ressources de bas niveau, associée à une architecture globale d’intelligence artificielle incarnée, ouvre une voie prometteuse pour réduire l’incidence des pathologies affectant le secteur agroalimentaire. Ces résultats obtenus en simulation et hors ligne sur les données cliniques disponibles constituent une démonstration de faisabilité qu’une validation en ferme expérimentale et commerciale pourra confirmer dans des perspectives futures.
_____________________________________________________________________________
MOTS-CLÉS DE L’AUTEUR : Robotique autonome, Intelligence artificielle, Élevage de précision, Vision par ordinateur, Apprentissage par renforcement profond, Architecture Edge IA, Détection de la mammite, Navigation sémantique, Interaction Animal-Humain-Robot.
| Type: |
Mémoire accepté
|
| Informations complémentaires: |
Fichier numérique reçu en format PDF. |
|
Directeur de thèse: |
Diallo, Abdoulaye Banire |
| Mots-clés ou Sujets: |
Robotique autonome / Applications agricoles de l'intelligence artificielle / Élevage de précision / Apprentissage par renforcement / Vision par ordinateur / Bovins laitiers / Surveillance / Santé / Maladies / Mammite bovine |
| Unité d'appartenance: |
Faculté des sciences > Département d'informatique |
| Déposé par: |
Service des bibliothèques
|
| Date de dépôt: |
29 sept. 2026 14:04 |
| Dernière modification: |
29 sept. 2026 14:04 |
| Adresse URL : |
https://archipel.uqam.ca/secure/id/eprint/20365 |
RECHERCHER
PARCOURIR
LIBRE ACCÈS
