Développement d’algorithmes de tracking par imagerie pour le relevé automatique d’indicateurs de bien-être des poulets de chair en élevage

Garantir aux consommateurs un élevage de poulet de chair respectueux du bien-être animal est la base du métier d’éleveur, mais la société civile demande plus de transparence sur les pratiques d’élevage. Des méthodes d’évaluation du bien-être en élevage existent (ex : EBENE®) mais nécessitent du temps et la présence d’un observateur formé. L’analyse d’image est une opportunité pour réaliser des mesures en continu et en temps réel, sans nécessiter la présence d’un observateur dans le bâtiment (ie sans perturbation des animaux). L’objectif de cet article est de faire l’état des performances d’un système de tracking (suivi) par imagerie mis au point dans le cadre de plusieurs essais en conditions commerciales de poulets de chair. Ce système utilise l’intelligence artificielle et permettant le suivi individuel des poulets de chair en élevage commercial. Ces algorithmes permettent une quantification précise de l’activité des animaux. Il n’existe pas à ce jour de système similaire en développement ou commercialisé pour fonctionner en conditions d’élevage commercial de poulet de chair. Les caméras utilisées possèdent une définition de 2 et 3 Mpixels et ont été placées, pour la première caméra en conditions expérimentales avec deux densités d’animaux et pour la deuxième en élevage commercial de poulets de chair à différentes hauteurs (2,5m, 3,7m et 5m). La sensibilité de l'algorithme varie selon l’âge, la hauteur de la caméra et la densité de poulets au m². Par exemple, celle-ci passe de 99,2% à 29 jours d’âge et une densité de 10 poulets par m², à 98,1% à 20 animaux au m². Cette détection est fortement liée au nombre de pixels qui définissent le poulet. En effet, il augmente avec l’âge du poulet et avec la résolution des images de la caméra (nombre de pixels/m²). Une augmentation de la hauteur de la caméra ou une dégradation de la définition de l’image (nombre de pixels de l’image), diminue la résolution de l’image et la sensibilité. La qualité du tracking dépend très fortement de la capacité du système à détecter correctement les animaux, mais également de leur activité. In fine, les données générées par ces algorithmes serviront à la détection précoce de troubles de santé et de problèmes de bien-être des poulets et au calcul d’indicateurs de bien-être et de santé des poulets en élevage commercial