Grâce à l’IA, il est désormais possible de détecter automatiquement les morsures de queue et d’oreilles, indépendamment des réactions des porcs mordeurs ou des victimes – une première dans le domaine.
Lire aussi Quelles sont les initiatives d’arrêt de coupe des queues des porcelets de nos voisins européens?
Dans cette étude, deux systèmes basés sur la vision par ordinateur ont été entraînés en utilisant des données provenant d’un élevage commercial. L’étude s’appuie sur l’analyse de 1 282 événements de morsures filmés dans sept cases sur trois bandes de porcs charcutiers à queue coupée. Les chercheurs ont annoté chaque événement selon un éthogramme structuré : 532 morsures de queue (63 815 images) et 750 morsures d’oreilles (78 132 images), en conditions variables d’âge, d’éclairage et de configuration de cases. Le modèle MViTv2-S s’est distingué, détectant correctement 72,2 % des morsures de queue et 72,4 % des morsures d’oreilles, indépendamment du fait que les animaux soient couchés, debout ou en mouvement. Des études antérieures avaient déjà développé un modèle permettant de détecter et de localiser les comportements de morsure de queue, avec une précision de 89,2 %. Mais malgré ses performances élevées, il ne permettait pas de détecter les événements de morsure de queue survenant en l’absence de comportements de fuite ou de poursuite. De plus, ce modèle est le premier à identifier distinctement les morsures de queue et d’oreilles au sein d’un même système. Cette avancée ouvre la voie à des systèmes d’alerte précoce en élevage et à des programmes de sélection génétique visant à réduire ces comportements délétères.
Claire Walbecque, [email protected]
Restez au courant en temps réel !
Suivez des thématiques, des projets législatifs, des entreprises et des personnalités pour être notifié dès que nous publions un article.
Suivi
Suivre
Suivi
Suivre
Côté biblio
Behaviour recognition of tail and ear biting in pigs using AI-based computer vision, Q. Guo, C. A. E. M. Orsini, P. P. J. H. Langenhuizen, Y. Sun, S. Huo, L. E. van der Zande, I. Reimert, J. E. Bolhuis, P. Bijma, and P. H. N. de With, Smart Agricultural Technology, vol. 13, p. 101713, 2026.
Une avancée pour la surveillance automatisée du bien-être
Les résultats de cette étude marquent une rupture avec les systèmes précédents, qui dépendaient des réactions visibles des victimes (fuite, rotation brusque). Or, lors des morsures douces (phase de pré-lésions), la victime réagit rarement, bien que ces comportements puissent rapidement dégénérer. Avec une précision de 72 % et un fonctionnement 24h/24, le système détecte près de 3 événements sur 4 : imparfait, certes, mais suffisant pour alerter l’éleveur, qui peut alors intervenir rapidement. Cependant, l’identification du porc mordeur reste un défi. Le modèle présente des limites : données issues d’un seul élevage et événements courts difficiles à détecter. Son utilisation semble aujourd’hui plus réaliste en sélection génétique qu’en élevage de production.
