Type de document : Revue scientifique publiée dans Frontiers in Veterinary Science
Auteurs : Yaneth Gómez, Anna H. Stygar, Iris J. M. M. Boumans, Eddie A. M. Bokkers, Lene J. Pedersen, Jarkko K. Niemi, Matti Pastell, Xavier Manteca, Pol Llonch
Résumé en français (traduction) : Revue systématique des technologies d’élevage de précision validées pour la production porcine et leur potentiel d’évaluation du bien-être animal
Plusieurs technologies d’élevage de précision (TEP), conçues pour optimiser les processus d’élevage, sont développées pour détecter les changements physiques et comportementaux des animaux en continu et en temps réel. L’objectif de cette revue était d’explorer la capacité des TEP existantes à contribuer à l’évaluation du bien-être des porcs. Une recherche sur Internet sur les TEP disponibles dans le commerce pour les porcs a permis d’identifier 83 technologies. Une recherche documentaire a été menée, en suivant les directives de revue systématique (PRISMA), afin d’identifier les études sur la validation des technologies de capteurs pour l’évaluation des indicateurs de bien-être animal. Deux niveaux de validation ont été définis : interne (évaluation pendant la construction du système au sein de la même population que celle utilisée pour la construction du système) et externe (évaluation sur une population différente de celle utilisée pendant la construction du système). Parmi les 2 463 articles trouvés, 111 ont été sélectionnés, qui ont validé certaines TEP pouvant être appliquées à l’évaluation des indicateurs de bien-être animal des porcs (7 % classés comme validation externe, et 93 % comme validation interne). Parmi notre liste de TEP disponibles dans le commerce, seules 5 % ont été validées en externe. Les technologies les plus souvent validées étaient les solutions basées sur la vision (n = 45), suivies par les capteurs de charge (n = 28 ; mangeoires et abreuvoirs, plaques de force et balances), les accéléromètres (n = 14) et les microphones (n = 14), les caméras thermiques (n = 10), les capteurs photoélectriques (n = 5), l’identification par radiofréquence (RFID) pour le suivi (n = 2), les thermomètres infrarouges (n = 1) et un pyromètre (n = 1). Les technologies validées en externe étaient les suivantes : capteurs photoélectriques (n = 2), caméras thermiques (n = 2), microphones (n = 1), capteurs de charge (n = 1), RFID (n = 1) et pyromètre (n = 1). Les caractéristiques mesurées comprenaient l’activité et le comportement lié à la posture, l’alimentation et l’abreuvement, d’autres comportements, la condition physique et la santé. En conclusion, les TEP existantes sont des outils potentiels pour l’évaluation du bien-être animal à la ferme dans la production porcine. Cependant, il manque des études de validation pour un pourcentage important des outils disponibles sur le marché, et en particulier la recherche et le développement doivent se concentrer sur l’identification des candidats caractéristiques des mesures (par exemple, les déviations du modèle diurne, les niveaux de seuil) qui sont des signaux valides de bien-être animal négatif ou positif. Une lacune importante identifiée est le manque de technologies permettant d’évaluer les états affectifs (états positifs et négatifs).
Résumé en anglais (original) : Several precision livestock farming (PLF) technologies, conceived for optimizing farming processes, are developed to detect the physical and behavioral changes of animals continuously and in real-time. The aim of this review was to explore the capacity of existing PLF technologies to contribute to the assessment of pig welfare. In a web search for commercially available PLF for pigs, 83 technologies were identified. A literature search was conducted, following systematic review guidelines (PRISMA), to identify studies on the validation of sensor technologies for assessing animal-based welfare indicators. Two validation levels were defined: internal (evaluation during system building within the same population that were used for system building) and external (evaluation on a different population than during system building). From 2,463 articles found, 111 were selected, which validated some PLF that could be applied to the assessment of animal-based welfare indicators of pigs (7% classified as external, and 93% as internal validation). From our list of commercially available PLF technologies, only 5% had been externally validated. The more often validated technologies were vision-based solutions (n = 45), followed by load-cells (n = 28; feeders and drinkers, force plates and scales), accelerometers (n = 14) and microphones (n = 14), thermal cameras (n = 10), photoelectric sensors (n = 5), radio-frequency identification (RFID) for tracking (n = 2), infrared thermometers (n = 1), and pyrometer (n = 1). Externally validated technologies were photoelectric sensors (n = 2), thermal cameras (n = 2), microphone (n = 1), load-cells (n = 1), RFID (n = 1), and pyrometer (n = 1). Measured traits included activity and posture-related behavior, feeding and drinking, other behavior, physical condition, and health. In conclusion, existing PLF technologies are potential tools for on-farm animal welfare assessment in pig production. However, validation studies are lacking for an important percentage of market available tools, and in particular research and development need to focus on identifying the feature candidates of the measures (e.g., deviations from diurnal pattern, threshold levels) that are valid signals of either negative or positive animal welfare. An important gap identified are the lack of technologies to assess affective states (both positive and negative states).
