View
2
Download
1
Category
Preview:
Citation preview
LES DONNÉES À LA FERME une récolte abondante, une culture à développer
CENTRE D’EXPERTISE EN PRODUCTION LAITIÈRE
Daniel Lefebvre, Ph.D. agr. Directeur général et directeur de la R et D René Lacroix, Ph.D., ing. Analyste, Valorisation des données, R et D
On ne peut pas gérer ce qu’on ne mesure pas…
On ne peut pas gérer ce qu’on ne mesure pas…
Essor du contrôle laitier à partir des années 60
1966 Salon de l’agriculture :
Types de données Nombre (M) Identification animale, parenté 15.5 Consanguinité 15.7 Inséminations 30.5 Facilité de vêlage 10.7 Lactations 22.1 Jours des tests 141.9 Caractères fonctionnels 13.2 Santé 1.0 Évaluations génétiques - Taureaux 53.3 Évaluations génétiques - Femelles 907.2 Génotypes 1.1 Évaluations génomiques – mâles et femelles 10.7
Les données, à la base du progrès génétique
Mesurer permet de s’améliorer
0
2 000
4 000
6 000
8 000
10 000
12 000
Production par vache (kg/an)
Analyse par reflectance dans l’infrarouge moyen (MIR)
Lactose Gras
Analyse des données spectrales par transformation de Fourier (FTIR)
2-11 µm >1000 lectures par échantillon Potentiel accru d’analyse
Capteur de mouvement et d’activité
Alimentation
Activité, température
Production/Qualité
Détection du vêlage
Génotypage ADN du follicule d’un poil
Problèmes locomoteurs
Génotypage Production Gras Protéine Lactose Vitesse de traite Température Cellules somatiques Visites au robot Temps/box
Par quartier Contribution à la production Position des trayons Temps de pré-traite Temps de traite Conductivité Couleur
Conformation
Surveillance
Efficience et rentabilité. Contrôle et gestion améliorée Gestion des normes et règles Santé et bien-être animal Sécurité alimentaire Salubrité Durabilité Être plus et mieux informés
PULL
IdO (IoT), technologies Connectivité accrue Stockage des données Capacité computationnelle Avancées analytiques Firmes agrotechnologiques
PUSH
Enjeux Volume
Véracité
Validation
Variété
Vélocité
Valorisation
Visualisation
y = 0,6043x + 1,736 R² = 0,3405
2,00
2,50
3,00
3,50
4,00
4,50
5,00
5,50
6,00
6,50
7,00
2,00 2,50 3,00 3,50 4,00 4,50 5,00 5,50 6,00 6,50 7,00 7,50
MG
robo
t, %
MG laboratoire, %
Ferme C
y = 0,6054x + 1,4831 R² = 0,246
2,00
2,50
3,00
3,50
4,00
4,50
5,00
5,50
6,00
6,50
7,00
2,00 2,50 3,00 3,50 4,00 4,50 5,00 5,50 6,00 6,50 7,00
MG
robo
t, %
MG laboratoire, %
Ferme B
Composants : période de 24 hrs Dispersion de la matière gras du lait par vache
y = 0,6629x + 1,3869 R² = 0,3317
2,00
2,50
3,00
3,50
4,00
4,50
5,00
5,50
6,00
6,50
7,00
2,00 2,50 3,00 3,50 4,00 4,50 5,00 5,50 6,00 6,50 7,00
MG
robo
t, %
MG laboratoire, %
Ferme A
Enjeux Volume
Véracité
Validation
Variété
Vélocité
Valeur
Visualisation
Valorisation
L’Agronuméricus aura intégré la présence des données dans tous les détails du quotidien
DLefebvre@valacta.com @DanielMLefebvre
Recommended