La base documentaire de l'IFIP

La base documentaire de l'IFIP : des centaines de documents à télécharger ou bien à commander.

Résultats 1 à 4 de 4 résultats
Rechercher une documentation
Publication Annéetrier par ordre décroissant

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

Consulter le resumé

Léa André et al., 53es Journées de la Recherche Porcine, 1, 2, 3 et 4 février 2021, Paris, p. 49-50, poster

Poster.

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.

Poster.

Development of a tool to record piglet maturity automatically

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.

2021

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

Consulter le resumé

Léa André et al., 53es Journée de la Recherche Porcine (FRA), 2021, 1er, 2, 3 et 4 février 2021, poster

L’objectif de ce projet est de développer un outil capable d’identifier les porcelets présentant un retard de croissance intra-utérin, dit immatures. Le prototype doit évaluer le degré de maturité des porcelets dans les élevages de sélection à partir d’une photo de la tête du porcelet. Ce projet s’appuie sur une approche d’analyse d’images type deep learning. A terme, ce phénotype de maturité sera enregistré en routine et servira comme nouveau critère de sélection.

PDF icon Léa André et al., 53es Journée de la Recherche Porcine (FRA), 2021, 1er, 2, 3 et 4 février 2021, poster
2021

L’intelligence artificielle pour détecter les porcelets immatures

Consulter le resumé

Pauline Brenaut, Réussir Porc/Tech Porc (FRA), 2021, n° 287, avril, p. 36-37

Le niveau de maturité des porcelets à la naissance pourrait devenir un nouveau critère de sélection afin d’améliorer leur taux de survie en cours de lactation, grâce à l’intelligence artificielle.

PDF icon Pauline Brenaut, Réussir Porc/Tech Porc (FRA), 2021, n° 287, avril, p. 36-37
2021

Outil d'enregistrement automatique de la maturité du porcelet

Consulter le resumé

Pauline Brenaut, Bilan d'activité 2020, éditions Ifip, mai 2021, p. 94

Une nouvelle voie d’amélioration de la survie des porcelets pendant la période d’allaitement consiste à prendre en compte la maturité du porcelet à la naissance. En effet, au-delà du poids à la naissance, il apparait important pour les sélectionneurs de pouvoir détecter parmi les porcelets légers ceux qui sont plus susceptibles de mourir du fait de leur immaturité. Il s’agit alors d’apporter une information complémentaire sur la qualité du porcelet. Visuellement, il est possible d’identifier un porcelet immature car celui-ci présente une morphologie caractéristique avec un crâne bombé, des yeux exorbités et une asymétrie tête/corps. 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, ce phénotype doit être enregistré sur tous les porcelets en élevage de sélection. Or cette notation morphologique est difficile à mettre en place à grande échelle. Dans le cadre de l’appel à projet CASDAR 2019, l’IFIP a imaginé avec la société Neotec-Vision, spécialisée dans l’analyse d’images, et en partenariat avec les sélectionneurs français d’Alliance R&D (Axiom, Choice et Nucléus), un dispositif de prise d’images capable de définir le phénotype de maturité du porcelet par une approche de type deep learning.

PDF icon Pauline Brenaut, Bilan d'activité 2020, éditions Ifip, mai 2021, p. 94
2021