Estimation de la note d'état corporel de vaches laitières en pâture sur base de nuages de points 3D

Abstract

Les enjeux environnementaux pressants, la volatilité du prix de l’alimentation des bovins et du lait ainsi que la volonté des agriculteurs Wallons de produire local, avec un moindre coût économique et écologique sont autant de raisons pour lesquelles il est essentiel de privilégier le pâturage. Cette volonté se heurte à une conduite du troupeau trop difficile et chronophage pour ce genre de pratique, en particulier pour de grandes fermes et troupeaux, principalement en raison de la difficulté d’assurer une surveillance régulière des animaux en raison de la distance entre la ferme et la prairie. Les fermiers sont donc freinés dans l’utilisation du pâturage même s’il présente des bénéfices multiples. Le développement de l’identification animale électronique par l’ARSIA et les services clouds liés offre la possibilité d’exploiter cette identification en la couplant à des capteurs permettant un suivi à distance de la santé et du bien-être animal. Les nouvelles technologies d’acquisition d’images en 3 dimensions apparaissant sur le marché et présentant des performances croissantes pour des coûts décroissants ouvrent la porte au développement d’applications de surveillance accessibles. Le but de cette étude vise à développer un outil permettant le suivi à distance d’un indice de bien-être animal qu’est la note d’état corporel (NEC) grâce à l’imagerie 3D. Ainsi, l’utilisation d’un portique expérimental équipé de caméras 3D a permis l’acquisition de 19 nuages de points de qualité suffisante, représentant 19 vaches différentes présentant des NEC estimées par un opérateur expérimenté entre 2 et 4. Un nombre important de données sont non utilisables à cause d’effets des conditions extérieures mal contrôlés et de paramétrages des caméras non-optimaux. Toutefois, à partir des images tridimensionnelles de ce système expérimental et à l’utilisation de l’algorithme de l’enveloppe convexe, une relation entre les inégalités du dos de la vache et la NEC mesurée par l’expert a pu être trouvée et l’élaboration d’une relation linéaire a permis de déduire la NEC prédite. La méthode utilisée offre de bons résultats conformément aux études actuelles. Le coefficient de détermination obtenu de 0,75 témoigne d’une forte corrélation entre la NEC prédite et celle mesurée. De plus, 100% des valeurs prédites sont comprises en dessous d’un échelon de NEC de 0,5, 68% en dessous de 0,25 et 42% en dessous de 0.125. Finalement, l’erreur (MSE) associée au prédicteur (0,057) est relativement faible. Cette étude suggère que les images 3D peuvent être utilisées pour déterminer automatiquement la NEC. Un jeu de donnée plus important est nécessaire pour que cette supposition soit plus robuste statistiquement. La qualité des nuages de points résultant est primordiale dans l’évaluation de la NEC. Les études futures devraient se concentrer sur l’acquisition d’un plus grand nombre d’images de qualité suffisante à l’évaluation de la NEC. Finalement, un jeu de données plus grand permettra de diviser celui en deux et ainsi évaluer la précision, la sensibilité et la robustesse du modèle à l’aide du jeu de validation.