[Paroles de doctorants] Caroline Xavier : Phénotypage fin et à haut-débit des compositions corporelles et de la carcasse du bovin en croissance par imagerie 3D et absorptiométrie bi-photonique à rayons X couplée à l’apprentissage automatique

Caroline Xavier porte un sujet labellisé par #DigitAg

Je m’appelle Caroline Xavier et je suis doctorante à l’UMR PEGASE (INRAE – L’institut Agro (| Agrocampus Ouest, Rennes ) et dans le groupe de recherche ruminants (Agroscope, Posieux, Suisse). Au début de mes études, je voulais travailler « sur le terrain » : rencontrer les agriculteurs, les conseiller. Au fur et à mesure de mes études et lors de discussions avec les chercheurs et enseignants-chercheurs, j’ai découvert que la recherche était bien moins abstraite que l’idée que je m’en faisais. J’ai été très vite intéressée par les sujets et les possibilités de la recherche, ce qui m’a orientée vers une thèse.

L’objectif de ma thèse est de connaitre la composition corporelle pour l’évaluation et le paiement des carcasses, le choix du moment du départ vers l’abattoir des animaux, adapter les apports alimentaires aux besoins des animaux, connaitre la composition des animaux aux différentes phases de la vie, comprendre les facteurs d’influence de la composition corporelle et établir des modèles individuels, et comprendre le rôle déterminant de la composition corporelle dans l’efficience alimentaire.

J’ai toujours été intéressée par l’élevage. Lors de mes études et stages, j’ai découvert le traitement et la gestion de données, ainsi que l’utilisation des nouvelles technologies dans l’élevage, et notamment l’imagerie 3D, son utilisation possible en élevage. La thèse me permet de découvrir et comprendre d’autres techniques d’imagerie telle que le DXA ou l’ultrason.

J’espère, à la fin de la thèse, travailler en recherche publique ou privée, en tant que chercheur ou enseignant-chercheur, dans les domaines des productions animales, et/ou l’analyse de données, et /ou les nouvelles technologies.

 

Phénotypage fin et à haut-débit des compositions corporelle et de la carcasse du bovin en croissance par imagerie 3D et absorptiometrie bi-photonique à rayons X (DXA) couplées à l’apprentissage automatique (machine learning)

  • Date de démarrage : Novembre 2019
  • Université :  L’institut Agro | Agrocampus Ouest
  • Ecole doctorale : Écologie, Géosciences, Agronomie, ALimentation (EGAAL), Rennes (France)
  • Discipline / Spécialité : Agronomie (sciences animales) et nouvelles technologies
  • Directeur de thèse: Yannick Le Cozler, UMR Pegase, Institut Agro et Sylvain Lerch, UR Afpa, Université de Lorraine
  • Encadrant(es) :  Pierre Bressy et Isabelle Morel
  • Financement : INRAE – Institut Agro (Agrocampus Ouest)
  • #DigitAg : Thèse labellisée – Axe 5, Challenge 4

Mots-clés : Imagerie 3D, bovin en croissance, composition corporelle, DXA

Résumé :

Ce projet de thèse franco-suisse vise à mettre au point des méthodes innovantes d’estimations des compositions corporelle et de carcasse des bovins en croissance. Elles sont basées sur l’acquisition et le traitement à haut-débit  d’images en 3 dimensions de la conformation externe de l’animal vigile et de données d’absorptiométrie bi-photonique à rayons X (DXA) de la composition tissulaire sur carcasse. Les informations issues de ces images seront comparées et corrélées dans un but prédictif à celles provenant d’analyses chimiques post mortem. L’originalité de ce projet repose notamment sur la mobilisation de techniques d’imagerie modernes permettant l’acquisition d’un très grand ensemble de données morphologiques et leur traitement par méthodes d’apprentissage automatique. En comparaison aux estimateurs in vivo existants, les méthodes d’imagerie sont sans équivalence en terme de rapport précision / coût / temps d’acquisition / caractère non invasif. Cette rupture technologique permettra d’améliorer le phénotypage fin de la composition corporelle des animaux en croissance, pour une application à la fois en recherche et en élevage pour adapter l’alimentation aux besoins individuels, tout en diminuant les émissions et rejets polluants (efficience alimentaire et réduction de l’impact environnemental), et déterminer l’achèvement de la phase d’engraissement.

Contact:  caroline.xavier [AT] agrocampus-ouest.fr

Réseaux sociaux  : LinkedIn 

Communications / Publications:

Le Cozler, Y., Allain, C., Xavier, C., Depuille, L., Caillot, A., Delouard, J., Delattre, Luginbuhl,  Faverdin, P.2019. Volume and surface area of Holstein dairy cows calculated from complete 3D shapes acquired using a high-precision scanning system: Interest for body weight estimation. Computers and Electronics in Agriculture, 2019, 165 (104977)