Skip to main content
Elevage de précision et IA

Combining Automated Behaviour Recognition and Physiological Data to Characterize Heat Tolerance and Animal Welfare in Growing Pigs

By 31 août 2024septembre 17th, 2024No Comments

Type de document : article scientifique déposé sur le Social Science Research Network (SSRN)

Auteurs : Poullet Nausicaa, Guichard Johanna, Beramice David, Dantec Laurent, Gourdine Jean-Luc, Bonneau Mathieu

Résumé en français (traduction) : Combiner la reconnaissance automatisée du comportement et les données physiologiques pour caractériser la tolérance à la chaleur et le bien-être animal chez les porcs en croissance
L’estimation du comportement des animaux pendant le stress thermique est particulièrement utile pour contrôler leur bien-être, mais aussi pour mieux comprendre leur thermorégulation. La présente étude est une preuve de concept combinant la vision par ordinateur pour surveiller le comportement des animaux, la surveillance continue de la température sous-cutanée et l’enregistrement de la température ambiante, dans le but d’étudier le lien entre le comportement et la température corporelle de l’animal pendant le stress thermique. Au total, 22 porcs ont été surveillés par vidéo de 8h00 à 18h00 dans deux conditions contrastées : HS correspondant au climat tropical (entre 20,3°C et 27,9°C) et Thermoneutre (TN) consistant en une salle intérieure à température contrôlée à 22°C. La température de l’animal (Tmuscle) et la température ambiante ont été contrôlées en continu à l’aide d’enregistreurs de température. Les postures des porcs estimées par un réseau neuronal montrent que les animaux dans HS passent plus de temps couchés latéralement et moins de temps couchés sur le sternum que dans TN. De plus, dans les HS, la longueur des séquences de couchage latéral augmente avec la température ambiante extérieure. La capacité d’un animal à dissiper la chaleur lorsqu’il est couché latéralement a été quantifiée par un coefficient de dissipation de la chaleur (CDC), combinant le Tmuscle et la durée des séquences de couchage latéral, et a montré une grande variation individuelle. Un indice d’inconfort thermique (HDI) a également été déterminé pour quantifier la différence de temps passé en position latérale entre HS et TN et pourrait servir d’indicateur pour quantifier la réduction du bien-être animal due à HS. Cette étude démontre que la combinaison de l’analyse d’images pour surveiller le comportement des animaux et les données physiologiques est un outil efficace pour dériver des critères quantitatifs afin de caractériser le bien-être des animaux et les traits liés à la tolérance à la chaleur.

Résumé en anglais (original) : Estimating animal behaviour during heat stress (HS) is particularly insightful to monitor animal welfare but also to better understand how animals thermoregulate. The present study is a proof of concept combining computer vision to monitor animal behaviour, continuous monitoring of subcutaneous temperature and recording of ambient temperature, with the aim to study the link between behaviour and animal body temperature during HS. A total of 22 pigs were video-monitored from 8:00 to 18.00 under two contrasted conditions: HS corresponding to the tropical climate (between 20.3°C and 27.9°C) and Thermoneutral (TN) consisting of an indoor temperature-controlled room at 22°C. Animal temperature (Tmuscle) and ambient temperature were monitored continuously using temperature loggers. Pig postures estimated by a neural network show that animal in HS spend more time lying laterally and less time lying sternally than in TN. Moreover, in HS, the length of the lateral sequences increased with the outdoor ambient temperature. The ability of an animal to dissipate heat while lying laterally was quantified through a Heat Dissipation Coefficient (HDC), combining Tmuscle and lateral lying sequence duration, and showed great individual variation. A Heat Discomfort Index (HDI) was also determined to quantify the difference in time spent lying laterally between HS and TN and could be useful as a proxy to quantify animal welfare reduction due to HS. This study demonstrates that combining image analysis to monitor animal behaviour and physiological data is an efficient tool to derive quantitative criterion to characterize animal welfare and traits related to heat tolerance.

Logo de SSRN
Extrait du site de SSRN