La détection des problèmes d’aplombs et de boiteries par l’analyse d’images 3D est une technique qui est encore au stade expérimental, notamment en raison du coût très élevé des caméras. John Gardenier, un jeune chercheur australien de l’université de Sydney, a mis au point une solution économique qui se révèle plus performante que la notation manuelle. Cette dernière, qui implique de placer régulièrement un vacher en sortie de salle de traite pour observer et noter la posture et le déplacement de chaque animal, est une pratique courante dans les grands troupeaux australiens et néo-zélandais.

Quatre caméras Kinect

L’idée de John est de reprendre le principe de la notation par observation du déplacement mais de confier cette tâche à des caméras. Pour maintenir un prix bas, il a opté pour des caméras 3D Kinect de Microsoft. Il s’agit de celles qui sont employées sur la console de jeux XBox et qui permettent de jouer sans manette, en analysant les mouvements du corps. Ces caméras fournissent des images en profondeur et utilisent la valeur d’un pixel pour évaluer la distance entre le sujet et le capteur.

 

Deux Kinect sont placées au-dessus du couloir de sortie de la salle de traite. © J. Gardenier
Deux Kinect sont placées au-dessus du couloir de sortie de la salle de traite. © J. Gardenier

Toutes les caméras sont installées en sortie de salle de traite. John Gardenier a monté deux Kinect au-dessus du couloir de retour en stabulation pour enregistrer les mouvements de la tête, de la colonne vertébrale et des hanches. Deux autres caméras Kinect sont placées à hauteur de genou pour analyser le mouvement des pattes. John Gardenier utilise aussi une caméra embarquée GoPro placée à cinq mètres du couloir. Pendant la phase d’expérimentation, deux vétérinaires ont analysé les images de cette dernière pour diagnostiquer les boiteries et contrôler la performance du travail des Kinect.

Utiliser l’intelligence artificielle

Pour passer des images 3D au diagnostic de la boiterie, John Gardenier a fait appel à l’intelligence artificielle. Mais comme toujours avec cette technologie, il faut passer par une phase d’apprentissage avant que l’ordinateur puisse apprendre seul. Le jeune chercheur a ainsi entraîné le logiciel à se concentrer sur des points précis tels que les sabots, les joints carpiens et tarsiens, la hanche, le sommet du crâne et lui a fourni des milliers d’images de positions normales et anormales. L’ordinateur compile aussi des données telles que le temps pour traverser le couloir, la longueur du pas et le placement des sabots.

Les boiteries classées en quatre catégories

John Gardenier a tout d’abord classé les boiteries détectées par son système en quatre classes de 0 (pas de boiterie) à 3 (boiterie sévère). Avec cette grille, l’intelligence artificielle a obtenu une précision de 55 %, équivalente à celle des vétérinaires experts.

 

Les boiteries sont automatiquement classées en plusieurs catégories. © J. Gardenier
Les boiteries sont automatiquement classées en plusieurs catégories. © J. Gardenier

En classant les résultats en seulement deux catégories, boiterie et pas de boiterie, la fiabilité du dispositif atteint 85 %, ce qui est nettement au-dessus de la performance d’un humain expérimenté. Le système est pour le moment en test sur un troupeau de 3 000 vaches laitières. Une caméra Kinect neuve coûte autour de 140 euros. En ajoutant le logiciel et l’intelligence artificielle, John Gardenier pense être en mesure de proposer la solution complète pour moins de 6 000 euros.