European Commission logo
français français
CORDIS - Résultats de la recherche de l’UE
CORDIS

Article Category

Contenu archivé le 2023-04-17

Article available in the following languages:

Une détection automatique du comportement alimentaire des porcs basée sur l’apprentissage profond, pour un bétail plus sain

Dites adieu au traditionnel suivi des porcs, aux capteurs supplémentaires et au marquage individuel. Un système d’apprentissage profond rapide et précis basé sur une caméra 2D reconnaît automatiquement le comportement alimentaire des porcs, ce qui permet une détection précoce des problèmes de santé et de bien-être.

Économie numérique icon Économie numérique
Alimentation et Ressources naturelles icon Alimentation et Ressources naturelles

Lors de l’élevage du bétail, l’alimentation et les comportements associés doivent être quantifiés avec précision afin de détecter tout problème de santé et de bien-être à un stade précoce. Des changements dans le comportement alimentaire peuvent être annonciateurs de tels problèmes, et même des différences subtiles dans la manière dont un animal se nourrit pourraient aider à détecter des problèmes de santé et de bien-être du bétail. Des chercheurs soutenus par les projets HealthyLivestock et Feed-a-Gene, financés par l’UE, ont mis au point une nouvelle méthode prometteuse de surveillance de l’alimentation et du fourrage des porcs, susceptible de contribuer à la détection précoce de ces problèmes. Décrite dans un article paru dans la revue «Biosystems Engineering», cette méthode de détection automatisée peut être utilisée dans diverses configurations d’élevage et de gestion. Basée sur des réseaux neuronaux convolutifs, la méthode d’apprentissage profond par caméra 2D détecte automatiquement le comportement alimentaire des porcs sans avoir recours à des capteurs supplémentaires ou à un marquage individuel. Selon l’étude, «le système fonctionne sur des images vidéo en niveaux de gris et a été entraîné pour s’accommoder de conditions d’élevage sans cesse changeantes, notamment les conditions d’éclairage, les problèmes d’occlusion causés par d’autres porcs et les insectes occultant l’image de la caméra.» Les comportements alimentaires ne sont pas évalués à l’aide des méthodes traditionnelles de suivi des porcs. Au lieu de cela, les chercheurs ont utilisé des «architectures de type GoogLeNet … pour surveiller une zone d’enclos plus petite et prédéfinie couvrant deux mangeoires et une zone simple et clairement définie devant ces mangeoires. Le système proposé évite ainsi les problèmes liés à un court suivi d’identification, qui peuvent fausser en permanence le processus de reconnaissance du comportement alimentaire cumulé.»

Détecter des changements subtils de comportement

La détection du comportement alimentaire est rapide (0,02 seconde par image) et précise (99,4 %). Contrairement au suivi traditionnel des porcs, le système ne surestime pas le temps réel passé à s’alimenter. Il peut en effet distinguer les visites non nutritives (VNN) dans la zone d’alimentation (où les pattes se trouvent dans la mangeoire, mais pas la tête) et l’alimentation (avec la tête également dans la mangeoire). «Comme notre système se concentre uniquement sur un sous-ensemble de mangeoires disponibles dans un contexte commercial, nous démontrons que des données suffisantes peuvent être collectées à partir de ce sous-ensemble pour identifier les changements associés aux comportements alimentaires à l’échelle du groupe», rapporte l’étude. La méthode a d’abord été validée en utilisant des séquences vidéo issues d’une ferme porcine commerciale dans différentes configurations. Ensuite, pendant une période planifiée de restriction alimentaire au cours de laquelle les porcs ont reçu 80 % de leur nourriture quotidienne pendant 4 jours consécutifs, l’équipe a testé la capacité de la méthode à détecter les changements dans l’alimentation et les comportements associés aux VNN. «Nous avons constaté que la méthode était capable de quantifier automatiquement les changements escomptés tant dans l’alimentation que dans les comportements liés aux VNN», ont déclaré les chercheurs. Poursuivant les objectifs de HealthyLivestock (Tackling Antimicrobial Resistance through improved livestock Health and Welfare) et Feed-a-Gene (Adapting the feed, the animal and the feeding techniques to improve the efficiency and sustainability of monogastric livestock production systems), la méthode pourrait contribuer à une détection précoce des problèmes de santé et de bien-être des porcs destinés au commerce. Le projet Feed-a-Gene a pris fin au début de l’année 2020, tandis que le projet HealthyLivestock, d’une durée de 4 ans, s’achèvera en 2022. Pour plus d’informations, veuillez consulter: projet HealthyLivestock site web du projet Feed-a-Gene

Mots‑clés

HealthyLivestock, Feed-a-Gene, porc, comportement alimentaire, bétail

Articles connexes