Aller au contenu principal

L’Ifip teste des caméras pour détecter les porcelets malades

Les premières analyses d’images en post-sevrage montrent un lien entre la localisation des porcelets dans la case et leur état de santé. Les travaux de l’Ifip à Romillé le démontrent.

Vue de la case depuis la caméra. Les points représentent les centres des porcs détectés. Les rectangles identifient les zones de déjection (en bleu) et d’alimentation (en orange). © Ifip
Vue de la case depuis la caméra. Les points représentent les centres des porcs détectés. Les rectangles identifient les zones de déjection (en bleu) et d’alimentation (en orange).
© Ifip

Les possibilités offertes par l’analyse d’images en élevage sont extrêmement prometteuses. Les premiers résultats d’essais menés à la station expérimentale de l’Ifip sur la détection précoce de pathologies ne peuvent qu’abonder dans ce sens ! Ils montrent notamment un lien entre la localisation des animaux dans la case et leur état de santé. En effet, il est connu depuis longtemps que le porc est un animal qui compartimente son aire de vie en trois parties : zone de défécation, zone d’alimentation et zone de repos. L’analyse du comportement des porcelets en post-sevrage montre que les animaux sains respectent ces délimitations alors que les malades défèquent dans l’intégralité de la case.

Un test en conditions réelles sur la station de Romillé

C’est en partenariat avec l’entreprise canadienne Ro-Main, qui distribue déjà différentes solutions exploitant l’analyse d’images dans les élevages, que l’Ifip a obtenu ces premiers résultats. Un protocole expérimental complet a été mis en place à la station de Romillé. Des caméras ont été fixées au-dessus de six cases de 17 porcelets pour suivre leur déplacement en continu. Toutes les 10 secondes les animaux sont localisés à l’aide d’une procédure d’analyses d’images automatisée. Une fois les porcelets localisés dans la case, leur répartition dans les trois espaces de vie (alimentation, défécation, repos) est mesurée. En parallèle, l’état de santé des animaux est relevé trois fois par semaine par des techniciens expérimentés, selon une grille de notation standardisée. L’objectif est donc de déterminer si la présence ou non d’animaux dans chacune des zones est révélatrice de troubles pathologiques.

Les résultats de la première bande suivie sont extrêmement encourageants pour la suite du projet. En effet, l’algorithme utilisé parvient à détecter 85,76 % des porcelets dans les cases à la fin de l’essai. Même si seulement 44,37 % des animaux sont détectés au début de la bande. Ce faible score s’explique par le regroupement des porcelets pour se tenir chaud qui empêche l’algorithme de les localiser correctement. Pour l’améliorer, un travail est à réaliser sur les conditions d’éclairage des cases. En effet, la part d’animaux détectés est de 77,9 % la journée sur l’ensemble de l’essai. Mais elle passe à 66 % la nuit. L’ajout de lampes infrarouge permet de la remonter à 80,4 %. Malgré des améliorations possibles, les premières données sont bonnes et les détections dans les différentes zones de la case permettent de suivre la répartition des animaux dans les trois aires de vies. Cette répartition semble intimement liée à l’état de santé des animaux, avec une moindre fréquentation de la zone de défécation par les animaux malades. L’hypothèse retenue est que les porcelets atteints de diarrhée (92 % des observations) défèquent dans l’ensemble de la case et non dans la zone initialement dédiée.

Des résultats prometteurs mais une technologie encore jeune

Ces premiers résultats sont en cours de consolidation avec de nouvelles bandes actuellement à l’étude. Un travail est à réaliser sur l’algorithme utilisé pour améliorer le repérage des porcelets. Par exemple, l’un des problèmes majeurs est lié au comportement de regroupement des porcelets en début de post-sevrage. Entassés les uns sur les autres, la détection et le comptage individuel sont impossibles. Pour régler le problème du manque de luminosité qui limite la détection des porcelets, deux solutions sont envisagées, informatique ou matérielle. La première consiste à utiliser des traitements de l’image permettant de limiter l’impact des changements de lumière avant l’analyse pour la localisation. La seconde solution est l’ajout de lampes infrarouges à proximité des caméras. Ces deux solutions peuvent être complémentaires.

Ces informations de localisation sont d’ores et déjà exploitables et valorisables. Elles viennent compléter l’enregistrement des autres données déjà automatisées à la station expérimentale de Romillé : les consommations d’aliment, d’eau et les pesées individuelles permises grâce aux DAC, abreuvoirs et bascules connectées. Toutes ces informations sont regroupées dans une base de données puis analysées à l’aide de méthode de machine learning afin de caractériser le comportement des individus malades. Les résultats obtenus uniquement avec l’abreuvement, l’alimentation et le poids des porcelets étaient déjà prometteurs, les données de localisation devraient encore les améliorer. Les premiers tests arrivaient à une précision de 62,5 % avec la méthode des réseaux de neurones, mais une spécificité trop faible (32,35 %) rend impossible dans l’état un déploiement sur le terrain. L’objectif est d’obtenir un système d’alertes capable de détecter les individus malades sans pour autant envoyer de fausses informations à l’éleveur.

Une base de données disponible pour d’autres applications

La localisation des porcelets dans les cases est un des nombreux applicatifs envisageables grâce à l’analyse d’image. Son déploiement dans les élevages devrait continuer tant son potentiel semble loin d’être atteint. Ce développement est favorisé par les récents progrès technologiques de l’apprentissage automatique (machine learning). Non seulement les caméras peuvent être les yeux des éleveurs, mais il est aujourd’hui d’ores et déjà possible d’en faire de véritables assistants pour de nombreuses applications telles que la pesée des animaux, le comptage des porcs dans un couloir, la détection des truies en chaleur… Ces outils peuvent encore se développer pour permettre de réaliser des tâches plus complexes telles que la détection précoce des pathologies, ou le suivi du bien-être… Le principal avantage de l’analyse d’images est la multiplicité d’indicateurs générés à partir d’un seul et unique capteur (la caméra), ce qui permet de réduire les coûts et de simplifier l’usage de ces nouveaux outils par les éleveurs. Ces promesses sont cependant encore à l’état de développement, notamment la création des algorithmes nécessaires à la valorisation des images.

Le saviez-vous

Les réseaux de neurones sont une des méthodes de machine learning. Son fonctionnement est une imitation du cerveau humain. Les données sont réceptionnées puis analysées par une première couche de neurones. À la sortie de cette couche, l’ensemble des données sont envoyées vers chacun des neurones de la couche suivante. Cette opération est répétée selon le nombre de couches choisies puis le dernier groupe de neurones produit les résultats à partir des données précédentes.

Les plus lus

<em class="placeholder">Guillaume Degoulet, SCEA des Sables (à gauche) et Sylvain Jouy, Agrial : &quot; Le Label rouge Opale m&#039;a permis de financer un nouvel engraissement lors de mon installation. &quot;</em>
« La montée en gamme m'a aidé à financer mon bâtiment de porc en engraissement »

Avec le Label rouge Opale, Guillaume Degoulet a orienté la production porcine de son exploitation vers une montée en gamme…

<em class="placeholder">Fabien Sabourin : « Le gain technico-économique global est estimé à 175 000 euros annuels, soit 23,30 euros par porc produit. »</em>
"J'ai investi dans un nouveau bâtiment de porc en engraissement pour une meilleure rentabilité"

La Scea Le Mignon se dote d’un nouvel engraissement de 2 556 places. Moderne et innovant, l’installation doit permettre…

<em class="placeholder">Florence Guého et Jérémy Mainguy, SARL de la ville Corvec : « La gestion des performances bande par bande nous permet d&#039;être hyper réactifs. »</em>
« Avec le suivi à la bande, nous chiffrons l’impact de nouvelles stratégies de notre atelier porc»
À la SARL de la Ville Corvec, le suivi à la bande proposé par Nutrifirm a permis aux éleveurs d’améliorer leurs performances…
<em class="placeholder">Valérie Courboulay, Ifip-Institut du porc</em>
Propositions de l'EFSA : le coût du bien-être animal estimé à 10 milliards d'euros pour la filière porcine 

Une étude de l’Ifip chiffre à plus de dix milliards d’euros pour la filière porcine française le coût des principales mesures…

Une maternité pour truies en liberté apportant du confort de travail

À l’EARL Le Lann à Cléden-Poher dans le Finistère, Mathis et Estelle Talec ont investi en 2024 dans une maternité neuve…

<em class="placeholder">Thierry Boulet, Porc Amor Évolution et Jean Jacques Breton, SCEA Kerroc’h : « Investir dans un post-sevrage pour améliorer la cohérence de l’élevage a permis de ...</em>
« J’ai renforcé la cohérence de mes bâtiments porcins pour produire plus à moins cher ».

À la SCEA de Kerroc’h, le nombre de kilos produits a progressé d’un tiers et le prix de revient a baissé de 0,16 euro le…

Publicité
Titre
Je m'abonne
Body
A partir de 96€/an
Liste à puce
Version numérique de la revue Réussir Porc
2 ans d'archives numériques
Accès à l’intégralité du site
Newsletter Filière Porcine
Newsletter COT’Hebdo Porc (tendances et cotations de la semaine)