L’IA au service du suivi du comportement des bovins (TRADUCTION)

Cette étude, publiée dans un journal scientifique turc, examine une avancée prometteuse dans la gestion du bétail : l’utilisation de la vision par ordinateur pour surveiller le comportement des bovins de manière non invasive. YOLOv8 est un modèle de pointe en intelligence artificielle permettant de détecter et d’analyser les comportements clés des bovins (se coucher, se tenir debout, manger et ruminer). Cette solution innovante démontre ici sa précision, ouvrant la voie à une surveillance plus accessible et axée sur le bien-être dans l’élevage de précision.

Le comportement des bovins est un indicateur crucial pour le suivi de leur santé, leur état reproductif et leur bien-être. Cependant, les méthodes reposant sur des dispositifs portables sont souvent confrontées à des défis importants, notamment des coûts élevés, des difficultés de maintenance et des impacts potentiels sur le bien-être des animaux. Pour répondre à ces limitations, cette étude a exploré le potentiel d’un modèle de vision par ordinateur de pointe, YOLOv8, pour la surveillance non invasive du comportement des animaux.
La méthodologie de recherche comprenait quatre étapes clés : la collecte de données, leur traitement préliminaire, la formation au modèle et la validation. Les résultats ont révélé que YOLOv8 est capable de détecter et de localiser les comportements clés des vaches (se coucher, se tenir debout, manger et ruminer). Malgré ces résultats prometteurs, les performances du modèle sont notablement affectées par l’occlusion, qui reste un défi majeur. Néanmoins, les résultats indiquent que YOLOv8 est un outil viable pour reconnaître le comportement des vaches, offrant une avancée significative dans l’élevage de précision et répondant au besoin croissant de pratiques de gestion du bétail efficaces et axées sur le bien-être.

Référence : Saifudin, Ali; Madyawati, Sri Pantja; et al. (2024) Monitoring cow behavior based on lying, standing, eating, and ruminating recognition using YOLOv8. Turkish Journal of Veterinary & Animal Sciences: 48(5): 2 (PDF en libre accès)

Source : Turkish Journal of Veterinary & Animal Sciences