| Titre : | SmartCattleAI : an AI-Powered IOT Platform for intelligent Cattle Monitoring And Farm Automation |
| Auteurs : | douibat ilyes abdelghani, Auteur ; Bensaid Tayeb, Directeur de thèse |
| Type de document : | texte manuscrit |
| Editeur : | Université de Saïda – Dr. Moulay Tahar – Faculté des Mathématiques, de l’Informatique et des Télécommunications, 2025/2026 |
| Format : | 85 ص |
| Accompagnement : | CD |
| Langues: | Anglais |
| Index. décimale : | BUC-M 008691 |
| Catégories : | |
| Mots-clés: | precision livestock farming, dairy cattle monitoring, multi- modal fusion, behaviour classification, object detection, welfare alerting, natural language agent élevage de précision, surveillance des bovins laitiers, fusion multimodale, classification comportementale, détection d’objets, alertes de bien-être, agent en langage naturel. |
| Résumé : |
Dairy cattle monitoring at herd scale presents a persistent challenge: in-
dividual animals must be observed continuously, but manual inspection is intermittent and subject to human error. This dissertation presents Smart- CattleAI, a multi-modal monitoring system for dairy cattle that integrates computer vision, inertial and positioning sensors, a welfare rule engine, and a natural language agent into a unified web-based platform. Built on the MMCOWS public dataset, the system combines a YOLOv8 object detector with image-based and sensor-based behaviour classifiers operating over a shared seven-class taxonomy, and reconciles their outputs through a late- fusion strategy at the application layer. A configurable threshold-based welfare rule engine translates perception outputs into interpretable alerts for fever, prolonged lying, and low activity, while a pattern-matching nat- ural language agent allows farm managers to query herd state in plain En- glish without external service dependencies. The prototype is implemented as a static-generation pipeline whose offline build produces a self-contained playback artifact for demonstration purposes. Experimental evaluation on a one-hour MMCOWS data slice reveals complementary strengths between vision and sensor modalities, confirms the sensitivity of the alerting layer to threshold configuration, and demonstrates end-to-end coherence through two representative usage scenarios. The work positions multi-modal cattle monitoring as a meaningful case study for integrating perception, decision support, and user interaction in applied agricultural AI. La surveillance des bovins laitiers à l’échelle du troupeau constitue un défi persistant : chaque animal doit être observé en continu, alors que l’inspection humaine reste intermittente et sujette aux erreurs. Cette dis- sertation présente SmartCattleAI, un système de surveillance multimodal pour bovins laitiers qui intègre la vision par ordinateur, des capteurs in- ertiels et de positionnement, un moteur de règles de bien-être animal et un agent en langage naturel, au sein d’une plateforme web unifiée. Con- struit sur le jeu de données public MMCOWS, le système combine un dé- tecteur d’objets YOLOv8 avec des classificateurs de comportement fondés sur l’image et sur le capteur, opérant sur une taxonomie partagée de sept classes, et réconcilie leurs sorties par une stratégie de fusion tardive au niveau de la couche applicative. Un moteur de règles de bien-être à seuils configurables traduit les sorties de perception en alertes interprétables pour la fièvre, le décubitus prolongé et la faible activité, tandis qu’un agent de correspondance de motifs permet aux éleveurs d’interroger l’état du trou- peau en langage naturel sans dépendance à des services externes. Le pro- totype est mis en œuvre sous la forme d’un pipeline de génération statique dont la construction hors ligne produit un artefact de lecture autonome à des fins de démonstration. L’évaluation expérimentale sur une tranche d’une heure du jeu MMCOWS met en évidence les forces complémentaires des modalités vision et capteur, confirme la sensibilité de la couche d’alerte à la configuration des seuils, et démontre la cohérence de bout en bout à travers deux scénarios d’utilisation représentatifs. Ce travail positionne la surveillance multimodale des bovins comme une étude de cas représentative pour l’intégration de la perception, de l’aide à la décision et de l’interaction utilisateur dans l’intelligence artificielle agricole appliquée. |
Exemplaires
| Code-barres | Cote | Support | Localisation | Section | Disponibilité |
|---|---|---|---|---|---|
| aucun exemplaire |
Documents numériques (1)
BUC-M 008691 Adobe Acrobat PDF |
