An AI-enabled radiometric ocular thermography framework for monitoring heat vulnerability and welfare in poultry

La chaleur est un adversaire silencieux mais implacable dans le monde de l'aviculture. Lorsque les poulets sont soumis à des températures élevées et prolongées, leur corps peine à s'adapter, ce qui entraîne une réduction de la croissance, une baisse de la production d'œufs et, dans les cas graves, la mort. Pour les éleveurs, le défi consiste à détecter ce malaise précocement, souvent avant que les oiseaux ne présentent des signes évidents de maladie. Les yeux offrent un indice crucial. Comme la température de l'œil est étroitement corrélée à la température corporelle centrale de l'oiseau, la surveillance des yeux peut servir de système d'alerte précoce contre le stress thermique. Cependant, vérifier la température de chaque oiseau individuellement dans un bâtiment encombré est une tâche colossale. Le faire manuellement nécessite d'arrêter le troupeau, de manipuler chaque oiseau et de prendre une lecture, un processus lent, stressant pour les animaux et impossible à mettre à l'échelle pour des milliers d'oiseaux.

Pour résoudre ce problème, les chercheurs se sont tournés vers une combinaison de l'imagerie thermique et de l'intelligence artificielle. Les caméras thermiques peuvent voir la chaleur rayonnant de la peau d'un animal sans jamais le toucher, créant une image où les zones plus chaudes apparaissent plus brillantes. Pourtant, une caméra seule ne peut pas distinguer quelle partie d'un oiseau est l'œil, ni calculer automatiquement la température de cet endroit spécifique à partir d'une scène chaotique remplie d'oiseaux en mouvement. C'est ici que l'intelligence artificielle intervient, agissant comme un assistant numérique capable d'apprendre à reconnaître des parties spécifiques du corps et d'extraire des données précises à partir d'images complexes. L'objectif est de créer un système qui permet aux éleveurs de simplement parcourir un bâtiment, de capturer des images et de recevoir instantanément un rapport sur la santé thermique de leur troupeau.

Dans une étude récente menée en Inde, un chercheur indépendant a développé et testé un tel système spécifiquement pour la volaille. Le travail s'est concentré sur la création d'un cadre complet capable de localiser automatiquement les yeux des poulets dans des images thermiques et de mesurer leur température, tout en fonctionnant sur un appareil mobile. L'étude s'est déroulée pendant un mois d'été chaud dans deux bâtiments avicoles dans l'Odisha. Un bâtiment abritait des oiseaux adultes, d'environ vingt-six semaines, tandis que le bâtiment adjacent en contenait des plus jeunes, des juvéniles d'environ treize semaines. Le chercheur a parcouru les bâtiments avec une caméra thermique portable connectée à un smartphone, capturant des images des oiseaux alors qu'ils se déplaçaient. La caméra enregistrait à la fois une photo standard en lumière visible et une image thermique brute, laquelle contient les données de température réelles pour chaque pixel du cadre.

Le cœur du projet consistait à apprendre à un programme informatique à reconnaître et à isoler les yeux des poulets. Le chercheur a d'abord marqué manuellement les yeux dans une sélection d'images à l'aide d'un logiciel spécialisé, créant ainsi un ensemble d'exemples pour que l'ordinateur puisse apprendre. Ces exemples ont été utilisés pour entraîner un type de modèle d'intelligence artificielle appelé réseau de segmentation. Contrairement à un modèle qui se contente de dessiner une boîte autour d'un oiseau, ce système a été entraîné pour dessiner un contour précis autour de l'œil uniquement, le séparant du reste de la tête de l'oiseau et de l'environnement environnant. Les chercheurs ont entraîné deux versions distinctes de ce modèle : l'une spécifiquement pour les oiseaux adultes et l'autre pour les plus jeunes juvéniles, car la taille et l'apparence des yeux diffèrent selon l'âge.

Une fois les modèles entraînés, ils ont été mis à l'épreuve sur les centaines d'images capturées dans les bâtiments. Le système a identifié et détouré avec succès les yeux de 123 oiseaux adultes et de 128 juvéniles. Pour chaque œil identifié, le logiciel a extrait les données de température de la zone correspondante de l'image thermique. L'analyse a révélé une différence claire et significative entre les deux groupes. La température oculaire moyenne des juvéniles était de 0,741 °C supérieure à celle des adultes. Cette découverte suggère que les plus jeunes oiseaux subissent un stress thermique plus important ou sont moins efficaces pour se refroidir par rapport aux oiseaux plus âgés et plus matures. L'analyse statistique a confirmé que cette différence n'était pas une fluctuation aléatoire, mais un motif constant observé à travers les données.

Pour garantir la fiabilité de ces résultats, le chercheur a soumis les conclusions à des tests rigoureux. Il a effectué des milliers de tests de rééchantillonnage simulés pour voir si la différence de température tenait bon lorsque les données étaient mélangées et réanalysées. Dans la grande majorité de ces tests, les jeunes oiseaux présentaient systématiquement des températures plus élevées. L'étude a également abordé la difficulté de la tâche, notant que le modèle entraîné sur les juvéniles était légèrement moins précis que celui pour les adultes, probablement parce que les caractéristiques plus petites et moins distinctes des yeux des juvéniles les rendent plus difficiles à localiser pour un ordinateur dans un troupeau encombré et en mouvement. Malgré ce défi, le système a réussi à traiter les données et à fournir un profil thermique clair pour les oiseaux.

L'aboutissement de cette recherche est un outil pratique pour les éleveurs. Le chercheur a construit une application web mobile qui permet à un utilisateur de télécharger une image thermique d'un poulet, de sélectionner s'il s'agit d'un adulte ou d'un juvénile, et de recevoir une estimation immédiate de la température oculaire de l'oiseau. L'application fournit également une classification de la sévérité, aidant l'utilisateur à comprendre si la température indique un état de santé ou un signe d'alerte de stress thermique. Cette approche offre un moyen de surveiller le bien-être d'un troupeau sans déranger les animaux ni nécesser l'utilisation d'équipements stationnaires coûteux. En automatisant la détection du stress thermique, le système permet aux éleveurs d'intervenir tôt, évitant potentiellement aux oiseaux les conséquences les plus graves de la surchauffe.

Bien que l'étude présente une solution prometteuse, le chercheur reconnaît certaines limites. Les données ont été collectées dans deux bâtiments distincts, ce qui signifie que des facteurs autres que l'âge, tels que de légères différences de ventilation ou de microclimats entre les deux bâtiments, auraient pu influencer les lectures de température. De plus, la nature encombrée des bâtiments signifiait que certains oiseaux étaient partiellement cachés, ce qui peut introduire des défis pour tout système d'imagerie. Le chercheur suggère que, bien que l'imagerie thermique oculaire soit un outil puissant, elle fonctionne mieux lorsqu'elle est combinée à d'autres observations, telles que la consommation d'eau ou la posture générale des oiseaux, afin de former une image complète de la santé du troupeau.

En fin de compte, ce travail démonte qu'il est possible d'utiliser l'intelligence artificielle pour transformer une simple photo thermique en un rapport de santé détaillé pour la volaille. L'étude confirme que les jeunes oiseaux sont effectivement plus vulnérables à la chaleur estivale que leurs homologues plus âgés, un fait qui peut désormais être surveillé de manière automatique et continue. En rendant cette technologie accessible via une plateforme mobile, la recherche ouvre la voie à une nouvelle norme dans la gestion de l'élevage, où le bien-être du troupeau est suivi avec précision et soin, garantissant que le stress thermique est détecté et traité avant qu'il ne devienne une crise.