Et si vous pouviez regarder le museau d’une vache et savoir si elle avait de la fièvre ? Un nouvel outil du Laboratoire d’Intelligence Artificielle et de Vision par Ordinateur de l’Université de l’Arkansas utilise l’intelligence artificielle et des caméras thermiques pour estimer la température corporelle des bovins.
Le système, appelé CattleFever, est la première étape vers des outils automatisés que les éleveurs pourraient utiliser pour surveiller la santé de leur troupeau.
Trong Thang Pham, un doctorant à l’Université de l’Arkansas, était le chercheur principal sur le projet. Le laboratoire AICV est dirigé par Ngan Le, une professeure associée en génie électrique et en informatique, qui fait de la recherche en imagerie médicale, en vision par ordinateur et en robotique.
Aujourd’hui, la température des bovins est mesurée par voie rectale, un processus qui peut stresser l’animal. Le système CattleFever pourrait à la fois améliorer le bien-être animal et réduire la main-d’œuvre nécessaire pour suivre la santé d’un troupeau. La technologie pourrait aider les éleveurs à détecter les maladies avant l’apparition des symptômes, permettant un traitement plus précoce et empêchant les épidémies.
Construction de la base de données
Pour construire CattleFever, les chercheurs avaient d’abord besoin de données. Un certain nombre de bases de données existent pour les chiens, les chats, les chevaux et les moutons. La base de données existante sur les bovins, appelée CattleEyeView, ne contient que des photos aériennes des animaux et a été construite pour le suivi des troupeaux. Les bases de données animalières existantes étaient également principalement des photos RVB des animaux, et pour CattleFever, les chercheurs avaient également besoin d’images thermiques.
Les chercheurs ont dû construire leur propre base de données avec de courtes vidéos et des images thermiques de milliers de veaux. Chaque veau était maintenu dans un enclos, puis 20 secondes de séquences vidéo et d’ images thermiques ont été enregistrées. La température de chaque animal a également été enregistrée avec un thermomètre rectal pour créer une référence, ou vérité terrain.
Les données sur les veaux ont été collectées à la Station expérimentale agricole de l’Arkansas, au complexe de recherche de Savoy.
Les photos RVB des veaux, qui montrent clairement les caractéristiques de l’animal, devaient ensuite être reliées à l’image thermique sur l’ordinateur. Les chercheurs ont marqué les photos avec 13 points de repère, tels que les yeux, les oreilles, le museau et la bouche. L’équipe a annoté manuellement 600 images, qui ont ensuite été utilisées pour entraîner un outil d’IA qui a automatiquement étiqueté les 4 000 images restantes dans une base de données, nommée CattleFace-RGBT. L’outil de détection des points de repère qui en résulte peut localiser automatiquement le visage d’un veau et identifier ses caractéristiques faciales clés à travers les modalités RVB et thermique.
Test de l’outil
Une fois qu’ils avaient la base de données, un ordinateur pouvait-il déterminer la température du veau à partir des seules images ?
Grâce à des études d’ablation approfondies examinant différentes combinaisons de points de repère faciaux, les chercheurs ont réalisé que la température des yeux et des naseaux de l’animal était la plus proche de la lecture du thermomètre rectal. En utilisant les points de repère faciaux, l’ordinateur s’est concentré sur la température des images thermiques de ces zones.
Les chercheurs ont ensuite examiné les données avec différentes approches d’apprentissage automatique pour déterminer la température corporelle de l’animal à partir de ces lectures de surface. Les résultats les plus précis sont venus d’une régression par forêt aléatoire, une approche d’apprentissage automatique pour prédire des résultats à partir de données complexes. Dans une régression par forêt aléatoire, de nombreux arbres de décision sont créés, chacun étant entraîné sur une partie différente des données. Ensuite, tous les résultats de ces arbres de décision sont moyennés, ce qui aide à réduire le bruit.
Le système CattleFever a pu automatiquement déterminer la température d’un animal à moins de 1 degré près de la lecture d’un thermomètre.
Sur le terrain ?
Les chercheurs ont démontré que la température des bovins pouvait être lue avec précision à partir d’une image thermique, mais toutes les images ont été prises avec l’animal faisant directement face à la caméra.
« Nous devons probablement prendre plus de photos d’eux dans des conditions réelles, par exemple en train de courir, pour capturer leur mouvement dans le champ », a expliqué Pham.
Le prochain défi est de gérer les visages de bovins capturés sous des angles divers et dans des poses naturelles, ce qui revient à apprendre à l’ordinateur à reconnaître et interpréter le visage d’une vache dans des environnements de terrain réels, plutôt que seulement lorsque la vache est positionnée directement face à la caméra à l’intérieur d’un enclos.
Les chercheurs de l’Université de l’Arkansas ont partagé publiquement leur base de données CattleFace-RGBT, afin que d’autres chercheurs puissent s’appuyer sur leur travail et aider à développer un système que les éleveurs pourraient utiliser.
« Si nous trouvons quelque chose de nouveau, nous le partageons avec le monde. C’est l’esprit », a déclaré Pham.
Les résultats de la recherche CattleFever ont été publiés dans la revue Smart Agricultural Technology. Pham était le premier auteur et Le était l’auteure principale. Les autres auteurs étaient Ethan Coffman du laboratoire AICV de Le, ainsi que Beth Kegley, Jeremy G. Powell et Jiangchao Zhao du Département des sciences animales du Dale Bumpers College of Agricultural, Food and Life Sciences.
Article : CattleFever: An automated cattle fever estimation system – Journal : Smart Agricultural Technology – Méthode : Experimental study – DOI : Lien vers l’étude
Source : Arkansas U.
