La précision mène à un diagnostic précoce

Les mangeoires automatiques enregistrent les comportements alimentaires des veaux tels que le nombre de visites et les litres de lait consommés.

Les dispositifs « Internet des objets », tels que les mangeoires automatiques, peuvent aider à détecter les changements de comportement avant l'apparition de signes cliniques extérieurs de maladie.

Selon les résultats d'une nouvelle étude, la surveillance des veaux laitiers avec des technologies de précision basées sur « l'Internet des objets » permet un diagnostic plus précoce des maladies respiratoires bovines. Les nouvelles technologies deviennent de plus en plus abordables. Cela offre aux agriculteurs la possibilité de détecter les problèmes de santé animale suffisamment tôt pour pouvoir intervenir, sauvant ainsi les veaux et l'investissement qu'ils représentent, a déclaré Melissa Cantor, professeur adjoint de science laitière de précision à la Pennsylvania State University.

L'Internet des objets fait référence aux appareils intégrés dotés de capteurs, de capacités de traitement et de communication, de logiciels et d'autres technologies permettant de se connecter et d'échanger des données avec d'autres appareils via Internet. Dans l’étude de l’Université d’État de Pennsylvanie, des technologies Internet des objets telles que des capteurs portables et des mangeoires automatiques ont été utilisées pour surveiller et analyser l’état des veaux.

De tels appareils génèrent une énorme quantité de données en surveillant le comportement des animaux. Pour rendre les données plus faciles à interpréter et fournir des indices sur les problèmes de santé des veaux, les chercheurs ont adopté l’apprentissage automatique. Il s'agit d'une branche de l'intelligence artificielle qui apprend des modèles cachés dans les données pour faire la distinction entre les veaux malades et en bonne santé, à partir des données fournies par les appareils Internet des objets.

"Nous mettons des bandes de jambe sur les mollets, qui enregistrent les données d'activité et de comportement telles que le nombre de pas et le temps passé en position couchée", a déclaré Cantor. « Et nous avons utilisé des distributeurs automatiques, qui distribuent du lait et des céréales, et enregistrent les comportements alimentaires, tels que le nombre de visites et les litres de lait consommés. Les informations provenant de ces sources signalaient que l'état d'un veau était sur le point de se détériorer.

Le diagnostic des maladies respiratoires bovines nécessite une main-d'œuvre intensive et spécialisée difficile à trouver, a-t-elle déclaré.

« Ainsi, les technologies de précision basées sur des appareils connectés à l’Internet des objets, tels que des mangeoires automatiques, des balances et des accéléromètres, peuvent aider à détecter les changements de comportement avant que les signes cliniques extérieurs de la maladie ne se manifestent », a-t-elle déclaré.

Elle et ses collègues de la Pennsylvania State University ont collecté des données sur 159 veaux laitiers à l’aide de technologies d’élevage de précision. Des chercheurs de l’Université du Kentucky ont effectué quotidiennement des examens de santé physique sur les mollets. Les chercheurs ont enregistré à la fois les résultats de la collecte automatique de données et les résultats de la collecte manuelle de données, et ont comparé les deux.

Les chercheurs ont rapporté que cette approche permet d'identifier plus rapidement les veaux ayant développé une maladie respiratoire bovine. Numériquement, le système a atteint une précision de 88 pour cent pour l'étiquetage des veaux malades et en bonne santé. Soixante-dix pour cent des veaux malades ont été prédits quatre jours avant le diagnostic. Quatre-vingt pour cent des veaux ayant développé un cas chronique de la maladie ont été détectés dans les cinq premiers jours suivant la maladie.

"Nous avons été vraiment surpris de découvrir que la relation avec les changements de comportement chez ces animaux était très différente de celle des animaux qui s'amélioraient avec un seul traitement", a-t-elle déclaré. « Nous avons imaginé que si ces animaux se comportent réellement différemment, il y a probablement une chance que les technologies de l'Internet des objets, dotées de techniques d'inférence et d'apprentissage automatique, puissent les identifier plus tôt, avant que quiconque puisse le faire à l'œil nu. Cela offre des options aux producteurs.

Enrico Casella du Département des sciences animales et laitières de l'Université du Wisconsin était l'un des chercheurs ayant contribué à l'étude. Visitez animalscience.psu.edu – recherchez « Melissa Cantor » – pour plus d’informations.

Mélissa Cantor

Jeff Mulhollem est rédacteur scientifique à la Pennsylvania State University.

Actualités agricoles quotidiennes et informations sur le marché de tout le Midwest.

La liste des participants au cours « Fondements de la planification des pâturages » de la Grassland 2.0 Academy a été complétée en seulement trois jours. La liste d’attente pour l’été 2024 s’allonge à mesure que…