Type de document : Article scientifique publié dans Scientific Reports
Auteurs : Elodie F. Briefer, Ciara C.-R. Sypherd, Pavel Linhart, Lisette M. C. Leliveld, Monica Padilla de la Torre, Eva R. Read, Carole Guérin, Véronique Deiss, Chloé Monestier, Jeppe H. Rasmussen, Marek Špinka, Sandra Düpjan, Alain Boissy, Andrew M. Janczak, Edna Hillmann & Céline Tallet
Résumé en français (traduction) : Classification des vocalisations de porcs de la naissance à l’abattage en fonction de leur valence émotionnelle et du contexte de production
L’expression vocale des émotions a été observée chez toutes les espèces et pourrait constituer un moyen non invasif et fiable d’évaluer les émotions des animaux. Nous avons cherché à savoir si les indicateurs vocaux d’émotions des porcs révélés dans des études antérieures sont valables pour tous les types d’appels et tous les contextes, et s’ils pourraient être utilisés pour développer un outil automatisé de suivi des émotions. Nous avons effectué une analyse d’un ensemble de données exhaustif et unique de vocalisations à basse (BF) et haute fréquence (HF) émises par des porcs dans de nombreux contextes commerciaux, de la naissance à l’abattage (7414 vocalisations provenant de 411 porcs). Nos résultats révèlent que la valence attribuée aux contextes de production (positive ou négative) affecte tous les paramètres étudiés, à la fois en BF et en HF. De même, la catégorie relative au contexte a affecté tous les paramètres. Nous avons ensuite testé deux méthodes automatisées différentes pour la classification des vocalisations ; un réseau neuronal a révélé une précision de classification bien plus élevée que l’analyse par fonction discriminante permutée (pDFA), tant pour la valence (réseau neuronal : 91,5% ; analyse pDFA moyenne pondérée à la fois pour les BF et les HF (classification croisée) : 61,7% avec un niveau de hasard à 50,5%) et le contexte (réseau neuronal : 81,5 % ; moyenne pondérée de l’analyse PDFA pour les catégories BF et HF (classification croisée) : 19,4 % avec un niveau de hasard à 14,3 %). Ces résultats suggèrent qu’un système de reconnaissance automatisé peut être développé pour contrôler le bien-être des porcs à la ferme.
Résumé en anglais (original) : Vocal expression of emotions has been observed across species and could provide a non-invasive and reliable means to assess animal emotions. We investigated if pig vocal indicators of emotions revealed in previous studies are valid across call types and contexts, and could potentially be used to develop an automated emotion monitoring tool. We performed an analysis of an extensive and unique dataset of low (LF) and high frequency (HF) calls emitted by pigs across numerous commercial contexts from birth to slaughter (7414 calls from 411 pigs). Our results revealed that the valence attributed to the contexts of production (positive versus negative) affected all investigated parameters in both LF and HF. Similarly, the context category affected all parameters. We then tested two different automated methods for call classification; a neural network revealed much higher classification accuracy compared to a permuted discriminant function analysis (pDFA), both for the valence (neural network: 91.5%; pDFA analysis weighted average across LF and HF (cross-classified): 61.7% with a chance level at 50.5%) and context (neural network: 81.5%; pDFA analysis weighted average across LF and HF (cross-classified): 19.4% with a chance level at 14.3%). These results suggest that an automated recognition system can be developed to monitor pig welfare on-farm.
Article ayant donné lieu à un communiqué de presse sur le site d’INRAE le 7 mars 2022 : Bien-être animal : quand l’intelligence artificielle traduit les vocalisations des porcs
