La vision par ordinateur au service de la filière laitière de demain

De la détection de l’œstrus à l’alarme lorsqu’une vache va vêler: grâce à la surveillance vidéo et à l’apprentissage automatique, le chercheur Maarten Perneel fournit des informations sur les vaches de l’élevage. Ces informations devraient également apporter plus de sérénité pour les animaux. ‘Il faut toutefois se débarrasser chaque mois des toiles d’araignée qui apparaissent devant les caméras.’

Maarten Perneel est né et a grandi dans une exploitation d’élevage de bovins. Il connaît donc très bien les défis que les éleveurs doivent relever. Son mémoire de maîtrise l’a initié à l’apprentissage automatique ou machine learning. Il a ensuite entamé ses recherches doctorales sous la supervision d’un professeur de la KU Leuven spécialisé dans les vaches et d’un professeur de l’UGent spécialisé dans l’apprentissage automatique. Par exemple, il a mis au point un système qui reconnaît automatiquement les vaches à partir d’images de caméras et qui inventorie leur comportement.

De la vidéo à l’analyse comportementale

Le matériel est simple: une étable de 100 vaches nécessite six caméras de surveillance à infrarouge et un serveur. ‘Avec deux images par seconde, vous obtenez des mouvements saccadés, mais vous réduisez les coûts’, confie-t-il. L’application de Maarten estime d’abord la position de l’animal. ‘Nous réduisons les vaches à une série de points, par exemple, sur le mufle et la hanche droite. Cette image entre dans le réseau neuronal et produit une information: la vache est-elle debout, couchée sur le côté gauche ou couchée sur le côté droit?’

La deuxième étape importante est l’identification des vaches: où se trouve telle ou telle vache? ‘Grâce à un ensemble de données de référence, nous reconnaissons plus de 90 % des animaux connus. En mode semi-automatique, le système reconnaît également de nouveaux animaux. Ce n’est que la nuit qu’il y a trop de bruit sur les images pour permettre une réidentification. Nous avons choisi de ne pas déranger les animaux avec la lumière.’ Vient ensuite l’estimation de la distance entre les animaux.

Soutien à l’agriculteur et à la vache

Que pouvez-vous faire de ces informations? Une première application concrète est la détection de l’œstrus, car les vaches sont beaucoup plus actives pendant leur période de fertilité. ‘Une diminution des mouvements peut indiquer la présence d’ulcères de la sole. Et lorsqu’une vache est sur le point de vêler, elle alterne davantage la position debout et la position couchée.’ S’il est vrai qu’une alarme arrache l’éleveur de bovins à ses rêves, il n’en reste pas moins qu’en son absence, sa nuit aurait encore été plus courte. ‘La localisation permet de trouver rapidement une vache spécifique.’

Maarten a testé le système dans l’exploitation bovine de ses parents. Les animaux suivis y sont en pleine croissance. ‘Aujourd’hui, nous suivons leur croissance millimètre par millimètre. Une alerte peut suivre si l’animal ne grandit pas comme prévu.’ Les informations sur les interactions entre les animaux et leur comportement alimentaire et de couchage fournissent des données intéressantes pour les scientifiques et les constructeurs d’étables, mais aussi immédiatement pour l’éleveur. ‘Par exemple, si nous savons quels sont les animaux les plus dominants, nous pouvons instaurer une plus grande sérénité entre les différents groupes et au sein de ceux-ci.’ En effet, des vaches calmes, qui se couchent davantage, produisent plus de lait.

 Réduction de la charge de travail

Les obstacles à l’application de cette approche sont la consommation d’énergie et les toiles d’araignée. ‘Les images infrarouges nécessitent un nettoyage des caméras une fois par mois’, précise Maarten. Ses parents continuent d’utiliser le système, principalement pour être présents à temps au moment du vêlage et éviter autant que possible la mortalité à la naissance. L’IA ne remplace pas l’agriculteur, mais elle peut le soutenir. ‘En réduisant la charge de travail, nous préparons l’avenir de l’élevage laitier.’

Maarten ne prévoit pas de commercialiser le système. ‘Mais si quelqu’un est intéressé, je serais heureux de le soutenir. Le code qui convertit les données vidéo en données abstraites est disponible en ligne, de même que le code qui transforme ces données abstraites en graphiques interprétables par l’agriculteur. Le chaînon manquant est une interface pratique, une application conviviale. Il s’agirait d’une prochaine étape dans la mise en œuvre pratique.’