Résumé :

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 farmiers doivent s’occuper d’un plus grand nombre d’animaux. Dans ce context, 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 d’une manière respectueuse des animaux. Nous avons proposé la contribution suivante: 1. Nous avons d’abord proposé un système basé sur l’apprentissage profond pour la classification de l’état des chaleurs des vaches. Dans ce travail, une approche originale basée sur la vision artificielle pour la classification de l’état de chaleur des vaches s’appuyant sur l’analyse de l’appareil génital de la vache à partir d’images endoscopiques. Il permet aux vétérinaires et surtout aux fermiers de détecter les phases de chaleur chez les vaches pour une insémination optimale tout en respectant le bien être de l’animal. 2. Pour remédier à l’indisponibilité des vétérinaires, nous proposons également un système d’aide à l’insémination artificielle, qui permet de prédire un jeu de coordonnées de la case de délimitation pour la localisation du col de l’utérus. À cette fin, un modèle de détection basé sur un transformateur appelé Transformer-Darknet19 est spécifiquement conçu pour localiser le col de l’utérus, ce qui a résolu le problème que les détecteurs de courant primaire doivent détecter au moins un objet. De plus, nous avons proposé un nouveau cadre de détection de l’état de la chaleur qui est piloté par la localisation du col de l’utérus.

Abstract :

Nowadays, the problem of world population and food 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 a larger number of animals. In this context, the welfare of the animals cannot be well ensured, which can cause various problems in terms of environment, food quality and safety, and social ethics. 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 in an animal-friendly manner. We proposed the following contribution: 1. We first proposed a deep learning based system for the classification of the heat status of cows. In this work, an original approach based on computer vision for the classification of the heat status of cows based on the analysis of the genitalia of the cow from endoscopic images. It allows veterinarians and especially 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 propose an artificial insemination support system that predicts a set of bounding box coordinates for cervical location. For this purpose, a transformer-based detection model called Transformer-Darknet19 is specifically designed to locate the cervix, which solved the problem that primary current detectors must detect at least one object. In addition, we proposed a new heat state detection framework that is driven by cervical localization.