Développement d’un outil d’enregistrement automatique de la maturité du porcelet - Archive ouverte HAL Accéder directement au contenu
Poster De Conférence Année : 2021

Development of a tool to record piglet maturity automatically

Développement d’un outil d’enregistrement automatique de la maturité du porcelet

Léa André
  • Fonction : Auteur
Jérôme Manceau
  • Fonction : Auteur
Vincent Gauthier
Mathieu Monziols
  • Fonction : Auteur
  • PersonId : 1077474
Pauline Brenaut
  • Fonction : Auteur correspondant
  • PersonId : 958945

Connectez-vous pour contacter l'auteur

Résumé

Increasing piglet survival remains a priority for pig producers. In breeding programs, it can be increased by considering piglet maturity at birth, defined as the level of full development. Indeed, an immature piglet, which does not reach its intrauterine growth, has a lower chance of surviving during the first few days after birth. On the farm, it is possible to detect these piglets because they present an asymmetrical growth with a specific head morphology. However, it is necessary to record this phenotype routinely to use this new criterion in breeding programs. The aim of this study was to develop a deep learning algorithm to predict piglet maturity automatically using pictures of their head. A first step was to record maturity levels of piglets at birth using, on the one hand, morphological criteria such as head shape, bulging eyes, ear shape and, on the other hand, morphological measurements i.e. body length, head length and skull length. Each piglet head was then photographed from the side and from the front. From 1,100 pictures of piglet heads annotated with their maturity level, a prediction model was developed and validated using an additional 661 pictures. Currently, the algorithm can detect an immature piglet with a sensitivity of 89% and a specificity of 74%. These are encouraging initial results, and improvement is expected by increasing the size of the database. This new system has great potential to record piglet maturity automatically and provide new perspectives for genetic selection.
L’amélioration de la survie des porcelets pendant la période d’allaitement est une attente forte des producteurs comme de la société. Récemment, Matheson et al. (2018) ont montré que la proportion de porcelets immatures par portée était un caractère héritable. Ces porcelets, qui n’ont pas atteint leur plein développement à la naissance, ont un risque accru de mortalité avant sevrage (Hales et al., 2013). Ce nouveau critère pourrait être sélectionné avec des conséquences positives sur la survie des porcelets. Cependant, pour une utilisation à des fins de sélection génétique, le phénotype de maturité doit être enregistré sur tous les porcelets en élevage de sélection. Il est possible visuellement d’identifier un porcelet immature car celui-ci présente une morphologie caractéristique avec un crâne bombé, des yeux exorbités et une asymétrie tête/corps (Chevaux et al., 2010). Malheureusement, cette notation morphologique est difficile à mettre en place à grande échelle. Une approche par traitement d’images de type deep learning permettrait d’automatiser et d’homogénéiser ce phénotypage. L ’objectif de cette étude est de développer un algorithme de classification des porcelets selon leur degré de maturité à partir d’une photo de leur tête.
Fichier principal
Vignette du fichier
42227-G09_Brenaut (1).pdf (221.51 Ko) Télécharger le fichier
41319-G09.pdf (1.11 Mo) Télécharger le fichier
Format : typeAnnex_file
Origine : Fichiers produits par l'(les) auteur(s)

Dates et versions

hal-04003298 , version 1 (09-06-2023)

Identifiants

  • HAL Id : hal-04003298 , version 1

Citer

Léa André, Jérôme Manceau, Vincent Gauthier, Laurence Liaubet, Agnès Bonnet, et al.. Développement d’un outil d’enregistrement automatique de la maturité du porcelet. 53es Journées de la Recherche Porcine, Feb 2021, Paris, France. Ifip, 53es Journées de la recherche porcine, 1er-4 février 2021, Paris, p. 49-50, poster, 53, pp.49-50, 2021, Journées de la recherche porcine. ⟨hal-04003298⟩
24 Consultations
6 Téléchargements

Partager

Gmail Facebook X LinkedIn More