English version follows
PaquetLab — La vision numérique au service des productions animales
Offres de doctorat et de maîtrise en vision numérique appliquée · Université Laval
La vision numérique et l'intelligence artificielle transforment déjà la santé, les transports et l'industrie manufacturière. L'agroalimentaire constitue aujourd'hui un terrain d'application exceptionnel, où l'innovation technologique répond à des enjeux sociétaux majeurs : bien-être animal, sécurité alimentaire et durabilité des productions.
Au PaquetLab (Université Laval), nous développons des algorithmes de vision numérique et d'apprentissage profond pour surveiller la santé et le comportement des animaux directement sur le terrain — en élevage ovin laitier (projet Ovision) et en production porcine (Chaire de recherche en vision numérique appliquée au secteur porcin, en partenariat avec le MAPAQ, Les Éleveurs de porcs du Québec, Olymel et le CDPQ). Ces projets donnent accès à des données réelles, rarement disponibles en recherche académique — vidéos et images prises en fermes, en clinique et en usine de transformation — pour un impact à la fois scientifique et concret sur la production animale.
Doctorat en vision numérique appliquée (candidats de partout au Canada et à l'international bienvenus)
30 000 $ CAD / an · plusieurs candidatures étudiées
Le projet
Le projet doctoral vise à concevoir et à valider des algorithmes robustes de vision numérique pour détecter précocement les problèmes de santé, suivre le comportement des animaux et automatiser l'évaluation de leur condition, à partir de flux vidéo et d'images captées en conditions réelles. L'étudiant.e abordera des problématiques de pointe : détection d'objets et suivi multi-individus en environnement complexe, analyse comportementale, reconstruction 3D, traitement d'images en conditions non contrôlées, et développement de modèles robustes et transférables vers le terrain.
Profil recherché
Formation de maîtrise en informatique, génie informatique ou logiciel, mathématiques appliquées, intelligence artificielle ou domaine connexe. Compétences solides en apprentissage profond (PyTorch/TensorFlow) et expérience en vision numérique (détection, segmentation, suivi, 3D). Autonomie, créativité et intérêt marqué pour les applications concrètes de l'IA en agriculture.
Maîtrise en vision numérique appliquée (réservé aux étudiants du Québec)
24 000 $ CAD / an
Le projet
Ce projet de maîtrise offre une excellente porte d'entrée vers la recherche appliquée en intelligence artificielle. L'étudiant.e contribuera à un projet concret — collecte de données, développement d'outils de capture, entraînement et validation de modèles de vision numérique — au sein d'une équipe encadrée qui travaille directement avec des partenaires de l'industrie animale.
Profil recherché
Formation de baccalauréat en informatique, génie informatique, génie électrique, génie agroalimentaire ou domaine équivalent. Intérêt marqué — idéalement une première expérience — pour la vision numérique et l'apprentissage profond. Candidat.e débrouillard.e et motivé.e à contribuer à des solutions concrètes pour l'agriculture.
En fonction de la provenance du candidat.e, nous anticipons un début possible en Janvier/Mai 2027.
Pour postuler, envoyez votre lettre de motivation, votre CV et vos relevés de notes. Pour en savoir plus sur nos projets et notre équipe, visitez le site du laboratoire.
Eric Paquet, Ph.D., directeur — PaquetLab, Université Laval
eric.paquet@fsaa.ulaval.ca
--------------------------------------------------------------------------------------------
PaquetLab — Computer Vision for Animal Production
PhD and Master's Positions in Applied Computer Vision · Université Laval
Computer vision and artificial intelligence are already transforming healthcare, transportation, and manufacturing. Agri-food today offers an exceptional application ground, where technological innovation meets major societal challenges: animal welfare, food safety, and the sustainability of animal production.
At PaquetLab (Université Laval), we develop computer vision and deep learning algorithms to monitor animal health and behavior directly in the field — in dairy sheep farming (Ovision project) and in pork production (Research Chair in Digital Vision Applied to the Pork Sector, in partnership with MAPAQ, Les Éleveurs de porcs du Québec, Olymel, and CDPQ). These projects give access to real-world data rarely available in academic research — video and images captured on farms, in clinics, and in processing plants — for both scientific and concrete impact on animal production.
PhD in Applied Computer Vision (candidates from across Canada and abroad welcome)
$30,000 CAD / yr · multiple applications considered
The project
This doctoral project aims to design and validate robust computer vision algorithms to detect health issues early, track animal behavior, and automate body-condition assessment from video and images captured under real conditions. The student will tackle cutting-edge problems: object detection and multi-animal tracking in complex environments, behavioral analysis, 3D reconstruction, image processing under uncontrolled conditions, and the development of robust models that transfer to the field.
Profile sought
Master's degree in computer science, computer or software engineering, applied mathematics, artificial intelligence, or a related field. Strong skills in deep learning (PyTorch/TensorFlow) and experience in computer vision (detection, segmentation, tracking, 3D). Autonomy, creativity, and a strong interest in real-world applications of AI in agriculture.
Master's in Applied Computer Vision (reserved for Québec students)
$24,000 CAD / yr
The project
This Master's project is an excellent entry point into applied AI research. The student will contribute to a concrete project — data collection, development of data-capture tools, and training and validation of computer vision models — within a supervised team that works directly with partners from the animal industry.
Profile sought
Bachelor's degree in computer science, computer engineering, electrical engineering, food/agricultural engineering, or an equivalent field. Strong interest — ideally some prior experience — in computer vision and deep learning. Resourceful, motivated candidates eager to contribute to concrete solutions for agriculture.
Depending on the candidate's country of origin, we anticipate that the appointment could begin in January/May 2027.
To apply, send your cover letter, CV, and transcripts. To learn more about our projects and our team, visit the lab's website.
Eric Paquet, Ph.D., Director — PaquetLab, Université Laval
eric.paquet@fsaa.ulaval.ca