France News Agency

Une équipe de 16 étudiants de l'Université de Shenzhen en Chine a développé un programme d'intelligence artificielle (IA) qui aide à détecter les oies à tête de lion malades pour les éleveurs, augmentant le taux de survie du troupeau de 30 %.

Les oies à tête de lion, une race réputée pour leur qualité dans la région de Chaoshan, dans le sud de la Chine, sont cependant difficiles à élever. Les éleveurs de Chenghai, qui comptent sur plus de 300 ans d'expérience, observent la santé des oies en surveillant leur immobilité et en sentant leur chaleur corporelle avec leurs mains.

Cependant, une maladie peut détruire une ferme en seulement 10 jours. En hiver 2018, une épidémie inattendue a tué des milliers d'oies à tête de lion, laissant seulement cinq survivantes. Jin Shutao, un éleveur d'oies à Houxi, est revenu dans sa ville natale en tant que jeune entrepreneur et a envisagé d'utiliser la puissance de la technologie.

En 2022, il a invité 16 étudiants du programme Shenzhen University-Tencent Cloud AI BEng à rejoindre la coopérative d'élevage d'oies à tête de lion. Il visait à résoudre ce problème difficile avec l'aide de ses enseignants à l'université et des ingénieurs du géant chinois de l'internet Tencent.

L'équipe a été confrontée à la difficulté de détecter les oies malades dans un espace de 500 mètres carrés où plus de 4 000 oies étaient entassées, entourées de bruits cacophoniques. Ils ont décidé de mesurer le temps d'immobilité d'une oie pour diagnostiquer la maladie et ont divisé le projet en quatre groupes : matériel, frontal, dorsal et algorithme.

Mais leur premier défi était d'installer des caméras, car les méthodes traditionnelles de reconnaissance basées sur des codes QR, utilisées pour les animaux tels que les vaches, les moutons ou les porcs, ne fonctionnaient pas pour les oies. Pour collecter suffisamment de données pour l'entraînement de l'IA, les étudiants ont capturé des images à l'aide des caméras de la ferme existantes et les ont étiquetées manuellement.

Ce processus d'étiquetage impliquait la catégorisation et l'étiquetage de 6 000 images parmi les 300 000 images d'oies. Wang Yifeng, l'un des membres de l'équipe, a souligné qu'ils devaient se concentrer à 100 % car la moindre erreur pouvait affecter les résultats de l'entraînement de l'IA.

Après des dizaines d'ajustements de modèle, les étudiants ont découvert qu'il n'y avait pas un seul algorithme qui conviendrait à tous. Ils ont également constaté qu'il était difficile de mesurer la température corporelle des oies à tête de lion adultes en raison de leurs épais plumages. Ils ont donc décidé de classifier les oies en tant qu'oisillons fiévreux pour compléter l'outil.

En fait, certains étudiants ont même découvert que les maladies des oies étaient étroitement liées à des conditions météorologiques telles que les typhons et le brouillard. Par conséquent, ils ont ajouté des fonctions d'observation et d'analyse de données en temps réel au programme pour l'optimisation. À l'heure actuelle, le programme fournit des alertes en temps réel pour les "oies non enregistrées" et les "oies fiévreuses", indiquant la température, l'humidité, les niveaux de PM2,5 et les tendances des données de la ferme. Cela a permis d'augmenter le taux de survie des oies à tête de lion de la ferme de 30 %.

Shen Linlin, directeur de l'Institut de recherche visuelle de l'Université de Shenzhen, a souligné la difficulté du travail en déclarant que "développer de l'intelligence artificielle ne signifie pas simplement s'asseoir dans une pièce climatisée et écrire du code. Cela signifie apprendre à écrire du code dans la fiente d'oie".