Analyse d'image pour déterminer l'effet des enrichissements sur les comportements de chèvres. (Stage réalisé du 25/03/2024 au 16/08/2024) - Sciences Animales Paris-Saclay
Mémoire D'étudiant Année : 2024

Analyse d'image pour déterminer l'effet des enrichissements sur les comportements de chèvres. (Stage réalisé du 25/03/2024 au 16/08/2024)

Résumé

The aim of this experiment is to assess whether artificial intelligence can detect the behaviour of goats on straw bedded pack and observe the effect of enrichment on their behaviour and spatial distribution. The aim of enrichment is to reduce the poverty of the environment by encouraging behaviours such as exploration, cognitive stimulation and foraging, with a view to improving well-being. Enrichments were set up for five weeks. The detection algorithm used was YOLOv8. Specific zones were defined and then marked out using matrices. Georeferencing was carried out. Finally, the model was validated to ensure the accuracy of the georeferencing and the detections. The results show that the spatial dynamics and time spent in the areas differ after enrichment, indicating a change in the goats' behaviour. A difference in activity was also observed between the two batches. A daily routine marked by peaks of activity around feed distribution was observed. Artificial intelligence proved effective in analysing these behaviours, although further improvements are still required for optimal use. In order to improve future behavioural analyses, it would be appropriate to reduce obstruction by adjusting the size of the herd and the location of the cameras, and to better distribute the enrichment in the pen.
Le but de cette expérimentation est d'évaluer si l'intelligence artificielle peut détecter les comportements des chèvres sur aire paillée et permettre d'observer l'effet des enrichissements sur leurs comportements et leur distribution spatiale. Les enrichissements visent à réduire la pauvreté du milieu en favorisant des comportements comme l’exploration, la stimulation cognitive ou la recherche alimentaire dans un objectif d’amélioration du bien-être. Des enrichissements ont été mis en place durant cinq semaines. L'algorithme de détection utilisé est YOLOv8. Des zones spécifiques ont été définies puis matérialisées à l'aide de matrices. Un géoréférencement a été effectué. Enfin, des validations du modèle ont été menées pour s'assurer de la précision du géoréférencement et des détections. Les résultats montrent que la dynamique spatiale et le temps passé dans les zones diffèrent pendant l'enrichissement, indiquant une modification comportementale des chèvres. Une différence d'activité est également observée entre les deux lots. On constate une routine quotidienne marquée par des pics d'activité autour de la distribution d'aliments. L'intelligence artificielle s'est révélée efficace pour analyser ces comportements, bien que des améliorations soient encore nécessaires pour une utilisation optimale. Pour améliorer de futures analyses comportementales, il serait pertinent, pour réduire l’occlusion, d’ajuster la taille du troupeau et l'emplacement des caméras et de mieux répartir les enrichissements dans le parc.
Fichier principal
Vignette du fichier
Mémoire fin d'étude Pauline GAUTHIER.pdf (4.35 Mo) Télécharger le fichier
Origine Fichiers produits par l'(les) auteur(s)

Dates et versions

hal-04698879 , version 1 (16-09-2024)

Identifiants

  • HAL Id : hal-04698879 , version 1

Citer

Pauline Gauthier. Analyse d'image pour déterminer l'effet des enrichissements sur les comportements de chèvres. (Stage réalisé du 25/03/2024 au 16/08/2024). Vision par ordinateur et reconnaissance de formes [cs.CV]. 2024. ⟨hal-04698879⟩
0 Consultations
0 Téléchargements

Partager

More