Une Ferme Connectée: partie 1 - La Traite 🐄 🥛

À côté de mon travail d’Ingénieur Système (focus Kubernetes) chez PostFinance, je suis marié à une agricultrice en Suisse, et vis avec elle et sa famille sur l’exploitation familiale.
Cela me change de mon travail quotidien, et j’ai parfois l’occasion d’aider en donnant par exemple à boire aux veaux lors de la traite, en utilisant mes compétences pour par exemple installer des caméras de surveillance, pour déployer un réseau WiFi longue distance à travers l’exploitation, ou encore pour moderniser la surveillance de la traite quotidienne.
C’est ce dernier point que je détaille aujourd’hui (sans les détails techniques, qui seront eux abordés dans la version anglaise de cette article, et dans le README du projet OpenSource que j’ai créé pour ce projet).

La traite sur la Ferme

Mon épouse et sa famille traient quotidiennement 65 vaches laitières Holstein, à 5h30 le matin et à 16h30 pour la traite du soir. Les données de la traite sont enregistrées dans un logiciel appelé Alpro, qui n’a plus été mis à jour depuis 2009, et qui ressemble à ça:

Le logiciel permet d’obtenir un grand nombre d’informations sur les vaches, comme la quantité de lait pour chaque traite, la quantité de concentré distribué à la vache, la durée de la traite, le nombre de jours depuis la dernière mise-bas, etc.

Bien que ces données soit intéressantes, comme le seul moyen d’y accéder est de se connecter à l’ordinateur et de d’utiliser le vieux logiciel à l’interface démodée, je me suis intéressé à essayer d’importer les données de la traite dans une base de données de séries chronologiques (en anglais: time-series database), afin de pouvoir ensuite visualiser ces données avec un logiciel moderne et que j’apprécie au quotidien: Grafana.

Importer les données Access

Pour ce faire, je me suis intéressé à la base de données employée par le logiciel Alpro, qui est une base de donnée Access assez vieille, mais que l’on peut toujours ouvrir avec des logiciels comme MDB/ACCDB viewer sour MacOS, avec Microsoft Access, ou encore avec l’excellent logiciel open-source mdbtools.

Le processus pour sortir les données Access et les convertir au format OpenMetrics/Prometheus est le suivant:

1. je sauvegarde les fichiers de la base de données Alpro avec le logiciel open-source restic, qui me permet assez facilement de faire une sauvegarde incrémentale toutes les 15 minutes sur un serveur S3 (en l’occurrence, Cloudflare R2, avec une offre gratuite généreuse), et qui gère automatiquement la rotation des sauvegardes
2. je télécharge la dernière sauvegarde dans un CronJob sous Kubernetes, et je convertis les fichiers Access .mdb en une base de données SQLite
3. un script python importe les données SQLite avec la librairie pandas, convertit les “timestamps”, filtre les données manquantes/erronéees, puis génère des enregistrements OpenMetrics/Prometheus qui ressemblent à ça:

11                             cow_milk_yield{cow_id="JADE",cow_no="1",session="1",} 9.32 1705383960000
12                            cow_milk_yield{cow_id="JADE",cow_no="1",session="2",} 11.07 1705422540000
13                         cow_milk_yield{cow_id="JURAFLO",cow_no="2",session="1",} 16.63 1705384860000
14                         cow_milk_yield{cow_id="JURAFLO",cow_no="2",session="2",} 12.82 1705421520000
15                        cow_milk_yield{cow_id="JOLIMOME",cow_no="3",session="1",} 12.34 1705380300000
                                                     ...
4049                 cow_milk_daily_yield{cow_id="JETSET",cow_no="72",session="2",} 20.58 1708014720000
4051                 cow_milk_daily_yield{cow_id="FIGGIE",cow_no="75",session="2",} 20.87 1708015740000
4053                  cow_milk_daily_yield{cow_id="ETIVA",cow_no="77",session="2",} 24.34 1708014180000
4055    cow_milk_daily_yield{cow_id="JESSIE",cow_no="78",session="2",} 22.729999999999997 1708016460000
4057               cow_milk_daily_yield{cow_id="HESQUISE",cow_no="80",session="2",} 33.47 1708011780000
Name: 0, Length: 20290, dtype: objec

1. j’envoie tous ces enregistrements dans ma base de donnée chronologique de prédilection: VictoriaMetrics

Visualisation des données

Comme les données de la traite sont disponibles dans VictoriaMetrics, je peux utiliser Grafana pour les visualiser. Je pourrai potentiellement par la suite créer des alertes, par exemple lorsqu’il faut beaucoup plus de temps pour traire une vache que la veille, ou si la production moyenne de lait sur 3 jours baisse sensiblement.

Comme Grafana est une solution de visualisation de graphiques web, il est maintenant possible en tout temps de consulter la production de chaque vache, la tendance de production, la durée moyenne de la traite, etc. Et ce même depuis son natel (/téléphone portable/smartphone)!

Je clôture donc cet article avec un aperçu de la visualisation. Le prochain épisode concernera l’installation de méthanisation/biogaz de l’exploitation !