Surveiller le bien-être des chèvres en temps réel grâce à l’analyse acoustique de leurs vocalisations

Surveiller en permanence le bien-être des animaux d’élevage de façon non invasive constitue un objectif majeur. Chez les chèvres, les vocalisations véhiculent des informations importantes sur leurs émotions, soient négatives (dues à une blessure ou à la chaleur…), ainsi que des informations d’ordre plus social, comme la reconnaissance d’un chevreau par sa mère. Si les ordinateurs peuvent apprendre à identifier ces sons, les méthodes actuelles nécessitent souvent une grande puissance de calcul et sont difficiles à mettre en œuvre directement dans les élevages ou les champs en raison de contraintes économiques et énergétiques. Les auteurs de cette étude ont développé un algorithme léger, spécialement conçu pour fonctionner sur de petits appareils à faible consommation d’énergie, directement dans les exploitations agricoles. En analysant des motifs acoustiques spécifiques dans les ondes sonores plutôt qu’en les convertissant en données complexes, l’algorithme parvient à reconnaître avec une grande précision huit contextes et états comportementaux différents chez les chèvres. Le système s’est révélé particulièrement fiable pour détecter la détresse extrême et les interactions entre mères et chevreaux. Ce développement offre aux éleveurs un outil pratique et concret pour surveiller le bien-être des chèvres en temps réel.

Référence : Méndez, D. A., & Calvet Sanz, S. (2026). Classification of Goat Vocalization via Lightweight Machine Learning and High-Dimensional Acoustic Features. Animals, 16(9), 1394.

Source : Animals