Tous les textes des 3R

2409. Génétique

Bovins à viande | élevage de précision | Génétique

Comparaison d’algorithmes d’apprentissage automatique pour prédire le poids vif et les scores de pointage morphologique des veaux au sevrage à l’aide de l’imagerie 3D

« DECHAUX T. (1), LEBRETON L. (1), DO Y. (1), EL JABRI M. (1), BRUYAS M. (2), DELATTRE L. (3), GILLE- PERRIER C. (4), ALLAIN C. (1) (1) Institut de l’Elevage, 149 rue de Bercy, 75012 Paris (2) Eliance, 149 rue de Bercy, 75012 Paris (3) 3D Ouest, 5 rue de Broglie, 22300 Lannion (4) Race de France, 149 rue de Bercy, 75012 Paris

RESUME
Lebreton et al. (2023) ont récemment démontré qu’il était possible de collecter des images tridimensionnelles de veaux au sevrage à l’aide d’un dispositif 3D adapté au phénotypage à haut débit et d’en extraire automatiquement des paramètres morphologiques (hauteurs, largeurs, volumes, surfaces…). Le but de cette nouvelle étude était de développer des modèles basés sur l’intelligence artificielle pour estimer le poids vif (PV) et les notes de pointage sur la base de paramètres morphologiques 3D préalablement estimés. Pour atteindre ces objectifs, 1114 veaux charolais âgés de 4 à 18 mois et pesant de 90 à 778 kg ont été scannés dans 14 élevages commerciaux. La plupart d’entre eux ont été scannés deux fois, générant 2 079 images 3D. Pour collecter des données de référence, chaque veau a été pesé sur une balance électronique (PV) et pointé visuellement par 3 techniciens expérimentés. La notation a conduit à l’estimation de 10 postes élémentaires qui ont ensuite permis le calcul de 2 notes synthétiques (notées de 1 à 100) : 1. Développement musculaire (MUS), relatif à la musculature globale de l’animal, et 2. Développement squelettique (SQE), relatif à sa structure corporelle. Pour prédire PV, MUS et SQE, divers algorithmes de machine learning (ML) ont été entraînés en utilisant 80 % des images et testés sur les 20 % restants. Les modèles ont été évalués à l’aide de l’erreur moyenne absolue (MAE) et de la corrélation de rang de Spearman (rs). La répétabilité des prédictions a été évaluée par le rs entre les estimations faites pour la première et la deuxième image. Pour le meilleur modèle, PV a été prédit avec un rs de 0,97, un MAE de 12,1 kg et un MAPE de 4,2 %. La répétabilité r s était de 0,98 entre les deux images. Pour le meilleur modèle ML, MUS et SQE ont été prédits avec des valeurs r s de 0,78 et 0,75, respectivement, des MAE de 7,1 et 6,5 et des MAPE de 14,5 % et 11,9 %. Les r s de répétabilité pour MUS et SQE étaient respectivement de 0,81 et 0,87. Les prédictions et la répétabilité obtenues pour MUS et SQE étaient supérieures à celles obtenues en moyenne par des pointeurs expérimentés lors des sessions annuelles de formation sur la race charolaise. »

Bovins à viande | élevage de précision | Génétique

• Dechaux T.
• Lebreton A.
• Do Y.
• El Jabri M.
• Bruyas M.
• Delattre L.
• Allain C.