Retour

BeBop : l’apport des vidéos pour analyser le comportement des taurillons

Intervention réalisée par Agathe Cheype (idele) lors du webinaire animé par l'UMT PSR du 15 Novembre 2023

Publié le par Agathe Cheype (Institut de l'Elevage), Béatrice Mounaix (Institut de l'Elevage), Claire Littlejohn (Institut de l'Elevage), Anne Aupiais (Institut de l'Elevage), Vincent Gauthier (Neotec Vision), Xavier Boivin (INRAE Paris), Laure-Anne Merle (Chambre d’agriculture Pays de la Loire)
Santé Bien-être Bovin viande
Technologie vidéo et traitement automatisé des images se mettent au service de l'analyse des comportements des jeunes bovins à l'engraissement. Un processus d'analyse complexe mais des résultats prometteurs pour évaluer le bien-être des animaux ou encore repérer précocement des troubles de santé

Les changements de comportement des animaux peuvent être de bons indicateurs des variations de santé et de bien-être. Cependant, l'observation humaine peut se révéler chronophage. Le développement de la technologie vidéo et du traitement automatisé des images représente un outil innovant, en complément des observations de l’éleveur. Cette méthode non invasive pourrait offrir la possibilité d'une meilleure prévention en détectant les problèmes de comportement et de bien-être de manière continue, automatique et à un stade précoce.

Le projet Casdar BeBoP vise à faire la preuve de concept d’un outil utilisant des enregistrements vidéo et des algorithmes de Deep learning pour analyser en routine le comportement de taurillons en engraissement.

Des jeunes bovins issus de deux races différentes (Limousine, 6/case ; Charolaise, 13/case) ont été élevés au Pôle de Lanaud (France limousin Sélection, 87) et à la Ferme des Etablières (CRA Pays de Loire, 85). Deux caméras (2 D couleur) ont été installées au-dessus de chaque case avec des angles de vue différents. Les enregistrements vidéo ont été extraits tous les trois jours en période diurne pendant toute la période d'engraissement. Pour construire une base de données d'images et de vidéos, les séquences vidéo ont été annotées par un observateur formé et avec un éthogramme établi, puis elles ont été soumises à un algorithme de Deep learning. L’entrainement de l’algorithme a porté sur la détection de taurillons dans les cases, sur la caractérisation de leur posture (debout, couché) et de quelques comportements essentiels (manger, boire, se déplacer, etc…). La qualité de prédiction des comportements par l’algorithme, entrainé sur 790 séquences d’apprentissage et évaluée 190 séquences de validation, est prometteuse. Le projet se poursuit jusqu’à mi 2024 et devrait permettre d’affiner encore la qualité de prédictions des premiers comportements testés.

Ce projet répondra au besoin actuel d'indicateurs comportementaux opérationnels en élevage, facilement utilisés pour évaluer le bien-être d’un groupe de taurillons, en complément des observations de l’éleveur.

 

Retrouvez la présentation en quelques clics