Analyse d'images en élevage aviaire

Image Analysis for broilers production

• Auteur / Autrice : Henry Brunet
• Direction : Didier Concordet
• Type : Thèse de doctorat
• Discipline(s) : Mathématiques et Applications
• Date : Soutenance le 22/07/2022
• Etablissement(s) : Toulouse 3
• Ecole(s) doctorale(s) : École doctorale Mathématiques, informatique et télécommunications (Toulouse)
• Partenaire(s) de recherche : Laboratoire : Institut de mathématiques de Toulouse (2007-....)
• Jury : Président / Présidente : Jérôme Saracco
• Jury : Examinateurs / Examinatrices : Peggy Gandia
• Jury : Rapporteur / Rapporteuse : Thomas Laloë

Mots clés

Mots clés contrôlés

Poulets -- Élevage

Reconnaissance d'objets (informatique)

Mots clés libres

Suivi

Détection d'objet

Réseaux convolutifs

Tracking

Object detection

Convolutional network

Résumé

Le but de cette thèse a été de développer un outil de tracking de poulets de chaire en élevage commercial. Pour ce faire, un ensemble de tests ont été réalisés, tout d'abord dans un environnement contrôlé (expérimental) puis en élevage commercial. Il a été établit la meilleure façon de capter les images. Un modèle de réseaux de neurones convolutif a ensuite été entraîné à partir d'une base de données d'images issues des différentes captations réalisées. Suite au développement de cet outil de détection de poulets de chaires, un algorithme de tracking de poulets a été développé afin de générer un ensemble de données sur la position des poulets et leur identification sous le champ de la caméra au cours du temps. Enfin, il a été développé quelques algorithmes qui permettent de traduire ces données brutes de tracking sous forme de distribution notamment qui permettent une meilleure lecture du comportement global des animaux.

The aim of this thesis was to develop a tool for tracking broiler chickens in commercial breeding. To do this, a series of tests were carried out, first in a controlled environment (experimental) and then in commercial breeding. It was established as the best way to capture the images. A model of neural networks was then trained from a database of images from the various recordings made. Following the development of this broiler chicken detection tool, a chicken tracking algorithm was developed to generate a set of data on the position of chickens and their identification under the camera's field over time. Finally, a few algorithms have been developed which make it possible to translate these raw tracking data into the form of distribution, in particular which allows a better reading of the overall behavior of the animals.