RUWIN HE
Soutenance : 24 Novembre 2022 –
Amphi 001 de l’ISA.
Jury :
Rapporteurs :
Amir NAKIB, Professeur – Université Paris Est Créteil
Frédéric CHAUSSE, Professeur – Université Clermont Auvergne
Examinateurs :
Mme Labbani-igbida OUIDDAD, Professeure – Université de Limoges
Sebastien JACQUES, MCF – Université de Tours
Encadrants
Halim BENHABILES, Enseignant-chercheur – JUNIA ISEN Lille
Mme Feryal WINDAL, Enseignante-chercheuse – JUNIA ISEN Lille
Invité (le cas échéant) :
Christophe AUDEBERT – Gènes Diffusion / GD Biotech
Gaël EVEN – Gènes Diffusion / GD Biotech
Directeur de thèse :
Dominique COLLARD, DR CNRS – Université de Lille
Codirecteur de thèse :
Abdelmalik TALEB-AHMED, Professeur – Université Polytechnique Hauts-de-France
Résumé :
Mots clefs : bien-être animal, insémination artificielle, apprentissage profond, traitement d’images/vidéos endoscopique, détection des chaleurs, détection du col de l’utérus
De nos jours, le problème de la population mondiale et de l’alimentation n’a pas été complètement résolu. La production agricole intensive est inévitable, en particulier dans le domaine de l’élevage. De plus en plus d’animaux doivent être confinés dans un petit espace, et les fermiers doivent s’occuper d’un plus grand nombre d’animaux. Dans ce contexte, le bien-être des animaux ne peut pas être bien assuré, ce qui peut causer divers problèmes au niveau de l’environnement, de la qualité et de la sécurité des aliments, et de la morale sociale. Le développement de l’élevage de précision rend possible le bien-être des animaux. Dans l’élevage de vaches, l’insémination artificielle peut offrir de nombreux avantages potentiels en termes de bien-être pour les vaches, notamment la prévention de la propagation des maladies, la prévention des blessures des taureaux pendant l’accouplement et la sélection du sexe pour éviter de réformer les veaux mâles indésirables. Dans cette thèse, nous avons développé des outils intelligents par vision artificielle pour répondre à deux défis principaux de l’insémination artificielle : la détection incertaine des chaleurs et l’indisponibilité des vétérinaires.
Nous avons proposé les contributions suivantes :
- Nous avons développé un système basé sur l’apprentissage profond pour la classification de l’état des chaleurs des vaches. Dans ce but, une approche originale s’appuyant sur l’analyse de l’appareil génital de la vache à partir d’images endoscopiques a été adoptée. Le système développé permet aux vétérinaires et aux fermiers de détecter les phases de chaleur chez les vaches pour une insémination optimale tout en respectant le bienêtre de l’animal.
- Pour remédier à l’indisponibilité des vétérinaires, nous avons développé également un système d’aide à l’insémination artificielle, qui permet de prédire les coordonnées d’une fenêtre pour la localisation du col de l’utérus. À cette fin, un modèle de détection basé sur un transformateur a été spécifiquement conçu pour localiser le col de l’utérus. De plus, nous avons exploité ce modèle pour augmenter les performances de notre modèle de classification de l’état des chaleurs.
Cette thèse est inscrite dans le cadre d’un projet FEDER en collaboration avec l’entreprise Gènes Diffusion et s’intitule « Développement d’outils intelligents par vision artificielle pour la supervision du bien-être animal »
Abstract :
Keywords: animal welfare, artificial insemination, deep learning, endoscopic image/video processing, heat detection, cervical detection
Nowadays, the world population and food problem has not been completely solved. Intensive agricultural production is unavoidable, especially in the field of animal husbandry. More and more animals have to be confined in a small space, and farmers have to take care of more animals. In this context, animal welfare cannot be well ensured, which can cause various problems in terms of environment, food quality and safety, and social morality. The development of precision breeding makes animal welfare possible. In cow breeding, artificial insemination can provide many potential welfare benefits for cows, including prevention of disease spread, prevention of bull injury during mating, and sex selection to avoid culling unwanted male calves. In this thesis, we developed intelligent computer vision tools to address two main challenges in artificial insemination: uncertain heat detection and unavailability of veterinarians.
We proposed the following contributions:
1. We have developed a deep learning based system for the classification of the heat status of cows. For this purpose, an original approach based on the analysis of the genitalia of the cow from endoscopic images has been adopted. The system developed allows veterinarians and farmers to detect heat phases in cows for optimal insemination while respecting the animal’s well-being.
2. To address the unavailability of veterinarians, we also developed an artificial insemination support system, which predicts the coordinates of a window for cervical location. For this purpose, a transformer-based detection model was specifically designed to locate the cervix. Furthermore, we exploited this model to increase the performance of our heat state classification model.
This thesis is part of a FEDER project in collaboration with the company Gènes Diffusion and is entitled « Development of intelligent tools by artificial vision for the supervision of animal welfare ».