Une diminution de la différence alimentaire cations-anions (DACA) des rations distribuées aux vaches laitières avant le vêlage permet de prévenir l'hypocalcémie tant clinique, la fièvre vitulaire, que subclinique. Ce programme de doctorat visait à déterminer si l'utilisation de fourrages fertilisés avec du chlore est un moyen efficace d'y arriver. La première étude, qui consistait en une analyse statistique de données déjà publiées dans la littérature, a permis de mieux comprendre l'impact de la diminution de la DACA sur les vaches taries. Il a été possible de déterminer que les équations courtes de calcul de la DACA ont un lien plus étroit avec la fièvre vitulaire et le pH urinaire. De plus, la relation entre une diminution de DACA et la prise alimentaire a été confirmée. La deuxième et la troisième études étaient des expériences dans lesquelles des vaches taries recevaient dans un cas du foin à faible DACA et dans l'autre cas, de l'ensilage à faible DACA. Lors de comparaison avec un fourrage témoin ou un produit anionique, les fourrages à faible DACA ont démontré leur capacité à créer une acidose métabolique compensée, équivalente à celle obtenue avec un produit anionique. Toutefois, contrairement à l'autre produit anionique, le foin à faible DACA n'a pas eu d'impact sur la prise alimentaire des vaches. Finalement, la dernière étude visait à déterminer s'il y a un bénéfice à l'utilisation de tels fourrages pour une ferme laitière moyenne. Une modélisation de ferme laitière permettant l'optimisation du revenu net a montré qu'un foin à faible DACA qui permet une meilleure prise alimentaire comparativement à un autre produit anionique est rentable à utiliser peu importe la région. Sa production devrait être priorisée par rapport à son achat et, avec une plusvalue monétaire, son commerce serait intéressant économiquement. L' utilisation de fourrage à faible DACA représente donc une alternative intéressante aux produits anioniques habituels, tant d'un point de vue technique qu'économique.

La vision par ordinateur est un domaine qui consiste à extraire ou identifier une ou plusieurs informations à partir d'une ou plusieurs images dans le but soit d'automatiser une tache, soit de fournir une aide à la décision. Avec l'augmentation de la capacité de calcul des ordinateurs, la vulgarisation et la diversification des moyens d'imagerie tant dans la vie quotidienne, que dans le milieu industriel, ce domaine a subi une évolution rapide lors de dernières décennies. Parmi les différentes modalités d'imagerie pour lesquels il est possible d'utiliser la vision artificielle cette thèse se concentre sur l'imagerie infrarouge. Plus particulièrement sur l'imagerie infrarouge pour les longueurs d'ondes comprises dans les bandes moyennes et longues. Cette thèse se porte sur deux applications industrielles radicalement différentes. Dans la première partie de cette thèse, nous présentons une application de la vision artificielle pour la détection du moment de vêlage en milieux industriel pour des vaches Holstein. Plus précisément l'objectif de cette recherche est de déterminer le moment de vêlage en n'utilisant que des données comportementales de l'animal. À cette fin, nous avons acquis des données en continu sur différents animaux pendant plusieurs mois. Parmi les nombreux défis présentés par cette application l'un d'entre eux concerne l'acquisition des données. En effet, les caméras que nous avons utilisées sont basées sur des capteurs bolométriques, lesquels sont sensibles à un grand nombre de variables. Ces variables peuvent être classées en quatre catégories : intrinsèque, environnemental, radiométrique et géométrique. Un autre défit important de cette recherche concerne le traitement des données. Outre le fait que les données acquises utilisent une dynamique plus élevée que les images naturelles ce qui complique le traitement des données ; l'identification de schéma récurrent dans les images et la reconnaissance automatique de ces derniers grâce à l'apprentissage automatique représente aussi un défi majeur. Nous avons proposé une solution à ce problème. Dans le reste de cette thèse nous nous sommes penchés sur la problématique de la détection de défaut dans les matériaux, en utilisant la technique de la thermographie pulsée. La thermographie pulsée est une méthode très populaire grâce à sa simplicité, la possibilité d'être utilisée avec un grand nombre de matériaux, ainsi que son faible coût. Néanmoins, cette méthode est connue pour produire des données bruitées. La cause principale de cette réputation vient des diverses sources de distorsion auquel les cameras thermiques sont sensibles. Dans cette thèse, nous avons choisi d'explorer deux axes. Le premier concerne l'amélioration des méthodes de traitement de données existantes. Dans le second axe, nous proposons plusieurs méthodes pour améliorer la détection de défauts. Chaque méthode est comparée à plusieurs méthodes constituant l'état de l'art du domaine. / Abstract Computer vision is a field which consists in extracting or identifying one or more information from one or more images in order either to automate a task or to provide decision support. With the increase in the computing capacity of computers, the popularization and diversification of imaging means, both in industry, as well as in everyone's life, this field has undergone a rapid development in recent decades. Among the different imaging modalities for which it is possible to use artificial vision, this thesis focuses on infrared imaging. More particularly on infrared imagery for wavelengths included in the medium and long bands. This thesis focuses on two radically different industrial applications. In the first part of this thesis, we present an application of artificial vision for the detection of the calving moment in industrial environments for Holstein cows. More precisely, the objective of this research is to determine the time of calving using only physiological data from the animal. To this end, we continuously acquired data on different animals over several days. Among the many challenges presented by this application, one of them concerns data acquisition. Indeed, the cameras we used are based on bolometric sensors, which are sensitive to a large number of variables. These variables can be classified into four categories: intrinsic, environmental, radiometric and geometric. Another important challenge in this research concerns the processing of data. Besides the fact that the acquired data uses a higher dynamic range than the natural images which complicates the processing of the data; Identifying recurring patterns in images and automatically recognizing them through machine learning is a major challenge. We have proposed a solution to this problem. In the rest of this thesis we have focused on the problem of defect detection in materials, using the technique of pulsed thermography. Pulse thermography is a very popular method due to its simplicity, the possibility of being used with a large number of materials, as well as its low cost. However, this method is known to produce noisy data. The main cause of this reputation comes from the various sources of distortion to which thermal cameras are sensitive. In this thesis, we have chosen to explore two axes. The first concerns the improvement of existing data processing methods. In the second axis, we propose several methods to improve fault detection. Each method is compared to several methods constituting the state of the art in the field.