Le projet vise à développer des méthodes de détection précoce de problèmes de santé ou de stress grâce au comportement d’un animal enregistré par des capteurs. Nous étudierons des ensembles de données de niveau d’activité de vaches laitières disponibles auprès des partenaires français. L’objectif final est d’implémenter ces méthodes dans des outils d’élevage de précision. Une première méthode d’apprentissage automatique, pour détecter des anomalies de rythme d’activité, a été conçue en utilisant une transformée de Fourier avec des résultats prometteurs. Ces méthodes vont maintenant être développées plus avant dans le but d’améliorer la fiabilité et la précision de la détection. En particulier, nous étudierons des méthodologies pour affiner l’enregistrement des séries temporelles afin de mieux les comparer, relier l’amplitude et la direction des changements dans les harmoniques de Fourier à l’origine de l’anomalie (par exemple, suractivité en cas de mammite, rythme circadien moins marqué en cas de boiterie) en utilisant des harmoniques d’ordre supérieur et une transformée en ondelettes qui permettent de mieux capturer les ultradiens (c’est-à-dire les pics d’activité au cours de la journée). La logique floue sera également étudiée pour prendre en compte l’apparition et la disparition progressive des troubles.