Abstrait

Évaluation des scores d'état corporel des vaches croisées Holstein Friesian basée sur l'apprentissage profond

Shriramulu*, Heartwin A. Pushpadass, Magdaline Eljeeva Emerald Franklin, Manimala Kanagaraj, Jeyakumar Sakthivel, Sivaram Muniandy, Ramesha P. Kerekoppa

Le score d'état corporel (BCS) est une mesure de la graisse corporelle ou de l'énergie stockée chez la vache laitière. C'est un outil important dans la gestion de l'exploitation pour améliorer la santé des vaches, les performances de reproduction et la production laitière. Traditionnellement, le BCS est effectué visuellement par des experts vétérinaires, ce qui prend du temps et implique un coût élevé. Par conséquent, cette étude a proposé un système basé sur le réseau neuronal convolutionnel (CNN) pour automatiser le BCS des vaches par analyse d'image. Le logiciel GNU Image Manipulation Program (GIMP) a été utilisé pour supprimer l'arrière-plan des images de vaches capturées numériquement, et un script MATLAB a été implémenté pour détecter leurs bords. Enfin, les images détectées par les bords ont été utilisées comme ensemble de données d'entrée pour le développement de modèles d'apprentissage profond basés sur le CNN. L'ensemble de données d'images a été classé en deux groupes en fonction du système BCS incrémental de 0,25 (modèle CNN 1) et 0,5 (modèle CNN 2). La précision de classification du premier modèle pour les plages d'erreur de 0,25 et 0,50 était respectivement de 63,23 % et 85,29 %. En comparaison, le deuxième modèle a atteint une précision de classification de 86,02 % et 94,85 % pour les plages d'erreur respectives. Sur la base des résultats, les modèles CNN ont donné de bons résultats pour la plage moyenne des scores BCS dans laquelle les données montrent que la plupart des vaches sont présentes. Par conséquent, les modèles développés seraient efficaces pour les fermes laitières commerciales qui n'ont généralement pas de vaches avec un BCS faible ou élevé, car elles ne seraient pas très productives.