Utilisation de capteurs commerciaux non invasifs pour le suivi quotidien des bovins laitiers en ferme expérimentale
Résumé
Dans les fermes expérimentales aussi bien que dans les fermes commerciales, le suivi du comportement des animaux est un élément essentiel à la conduite du troupeau. Les personnels des établissements détenteurs et utilisateurs de bovins à des fins scientifiques utilisent l’observation visuelle pour ce suivi et peuvent la compléter par l’utilisation de données issues de capteurs, par exemple, des accéléromètres, développés pour le pilotage de l’élevage de fermes commerciales. Les accéléromètres Axel (Medria, France) sont des dispositifs commerciaux, non invasifs et bon-marché, couramment utilisés à cette fin. Afin de vérifier la qualité des données générées par ces capteurs, nous avons réalisé deux études de validation de données. Ces études montrent que la détection des activités (ingestion, rumination, activité, repos) est fiable ; on peut donc utiliser les données pour suivre les individus au cours de leurs activités journalières, détecter des anomalies de comportement et agir pour les corriger si on considère qu’elles sont susceptibles de relever de problèmes de santé ou de bien-être. Toutefois, les données générées par les capteurs ne sont pas utilisables telles qu’elles et nécessitent d’être retravaillées avant de pouvoir être utilisées pour le suivi du comportement au quotidien. À cet effet, l’interface Farmlife (outil d’aide à la décision développé par ITK/Medria) permet une analyse rapide et facile grâce à des graphiques générés automatiquement, mais les données ne sont pas disponibles sur le long terme. Automne, l’application développée par INRAE, permet, quant à elle, d’obtenir des informations plus fines, disponibles sur le long terme, mais nécessite un travail de mise en forme et d’analyse plus poussé. Dans cet article, nous illustrons l’utilisation des deux outils FarmLife et Automne pour le suivi des activités des animaux et l’analyse de leur comportement en ferme expérimentale.
Références
- Antanaitis R., Juozaitienė V., Malašauskienė D., Televičius M. 2019. Can rumination time and some blood biochemical parameters be used as biomarkers for the diagnosis of subclinical acidosis and subclinical ketosis? Veterinary and Animal Science, Volume 8, 2019. https://doi.org/10.1016/j.vas.2019.100077
- Aubé L., Mialon M.M., Mollaret E., et al. (2022). Review: Assessment of dairy cow welfare at pasture: measures available, gaps to address, and pathways to development of ad-hoc protocols. Animal, 16 (8), 100 597. https://doi.org/10.1016/j.animal.2022.100597
- Chanvallon A., Gatien J., Lamy J.M., et al. (2012). Évaluation de la détection automatisée des chaleurs par différents appareils chez la vache laitière. Presented at : 19e Renc. Rech. Ruminant (3R 2012), Paris, France, 2012-12-05 - 2012-12-06.
- Delagarde R., Lamberton P. (2015). Daily grazing time of dairy cows is recorded accurately using the Lifecorder Plus device. Applied Animal Behaviour Science, 165, 25-32. https://doi.org/10.1016/j.applanim.2015.01.014
- Hostiou N., Allain C., Chauvat S., et al. (2014). L'élevage de précision : quelles conséquences pour le travail des éleveurs ? INRA Prod Anim, 27 (2), 113-122. https://doi.org/10.20870/productions-animales.2014.27.2.3059
- Ledoux D., Veissier I., Meunier B., et al. (2023). Combining accelerometers and direct visual observations to detect sickness and pain in cows of different ages submitted to systemic inflammation. Scientific Reports, 13, 1977. https://doi.org/10.1038/s41598-023-27884-x
- Manzocchi E, Koczura M, Coppa M, Turille G, Kreuzer M, Berard J. (2019) Grazing on Upland Pastures Part-Time Instead of Full-Time
- Affects the Feeding Behavior of Dairy Cows and Has Consequences on Milk Fatty Acid Profiles. Animals. 2019; 9(11):908. https://doi.org/10.3390/ani9110908/ https://doi.org/10.3390/ani9110908
- Martiskainen P., Järvinen M., Skön J.-P., et al. (2009). Cow behaviour pattern recognition using a three-dimensional accelerometer and support vector machines. Applied Animal Behaviour Science, 119 (1-2), 32-38. https://doi.org/10.1016/j.applanim.2009.03.005
- Philippot J. M., Krauss D., Trou G., et al. (2010). Essai d'un système novateur de détection des chaleurs des femelles bovines par mesure de l'activité. Presented at : 19e Renc. Rech. Ruminant (3R 2010), Paris, France, 2010-12-09 - 2010-12-10.
- Rayas-Amor A.A., Morales-Almaráz E., Licona-Velázquez G., et al. (2017). Triaxial accelerometers for recording grazing and ruminating time in dairy cows: An alternative to visual observations. Journal of Veterinary Behavior, 20, 102-108. https://doi.org/10.1016/j.jveb.2017.04.003
- Rutten C.J., Velthuis A.G.J., Steeneveld W., et al. (2013). Invited review: Sensors to support health management on dairy farms. Journal of Dairy Science, 96 (4), 1928-1952. https://doi.org/10.3168/jds.2012-6107
- Sheahan A.J., Boston R.C., Roche J.R. (2013). Diurnal patterns of grazing behavior and humoral factors in supplemented dairy cows, Journal of Dairy Science, 96 (5), 3201-3210 https://doi.org/10.3168/jds.2012-6201
- Sepchat B., Thollon N., Bouchon M. (2022). AUTOMNE Automatisation du traitement des donées Medria. Journées d'animation scientifique du département PHASE de l'INRAE, Poitiers, France, 2022-05-18 - 2022-05-19.
Pièces jointes
Pas de document complémentaire pour cet articleStatistiques de l'article
Vues: 47
Téléchargements
PDF: 12