Vision artificielle pour l'analyse de la perception animale : un outil d'aide à la prévision du comportement alimentaire

par Rabie Hachemi

Thèse de doctorat en Informatique

Sous la direction de Nicole Vincent.

Soutenue en 2010

à Paris 5 .


  • Résumé

    L'objectif de la thèse est de concevoir une approche basée principalement sur des méthodes issues de la vision artificielle pour l'analyse de la perception visuelle animale. Nous entendons par analyse de la perception animale l'étude qui cherche à trouver des liens entre des caractéristiques perçues et le comportement animal correspondant. Cette approche donne lieu à une nouvelle application de la vision industrielle dans le domaine agroalimentaire. Les industriels du domaine ont acquis une maîtrise considérable des caractéristiques nutritionnelles des aliments composés. Cependant, des lots d'aliments possédant des caractéristiques nutritionnelles optimales peuvent être refusés ou fortement sous consommés par les animaux. Les caractéristiques sensorielles des aliments sont alors mises en cause et les mesures classiquement utilisées pour les étudier sont souvent relatives à l'aspect physique des aliments. La vision artificielle offre une nouvelle gamme de méthodes permettant la caractérisation visuelle des aliments. Pour analyser l'effet de ces caractéristiques sur le comportement alimentaire des animaux, des méthodes de la statistique descriptive sont généralement utilisées. Notre approche emploie, quant à elle, des techniques d'apprentissage ayant un rôle décisionnel. Les méthodes d'extraction de caractéristiques, de classification et de sélection de caractéristiques sont discutées et adaptées aux spécificités de l'application.

  • Titre traduit

    Artificial vision for the analysis of animal perception : a tool for predicting feeding behavior


  • Résumé

    The objective of this thesis is to conceive an approach mainly based on computer vision methods to analyse animal visual perception. We mean by animal perception analysis, the study that seeks to find links between perceived characteristics of feeds and corresponding animal behavior. This approach gives rise to a new application of machine vision in the feed sector. The industrials have gained considerable control of feed nutritional characteristics. However, batchs of feed with optimal nutritional characteristics can be rejected or under consumed by animals. The sensory characteristics of feeds are then called into question and the measures classically used to study them are often related to physical aspects. Computer vision offers a new range of methods for visual characterization of feeds. In order to analyze the effect of these characteristics on the animal feeding behavior, methods of descriptive statistics are generally used. In our approach, we employ learning techniques with a decision making role. Feature extraction, classification and feature selection methods are discussed and adapted to the specificities of the application.

Consulter en bibliothèque

La version de soutenance existe sous forme papier

Informations

  • Détails : 1 vol. (VIII-149 p.)
  • Annexes : Bibliogr. p. 141-149

Où se trouve cette thèse ?

  • Bibliothèque : Université Paris Descartes-Bibliothèque Saints-Pères Sciences (Paris). Service commun de la documentation. Bibliothèque Saints-Pères Sciences.
  • Consultable sur place dans l'établissement demandeur
Voir dans le Sudoc, catalogue collectif des bibliothèques de l'enseignement supérieur et de la recherche.