Attempt to Automate the Assessment of Body Condition Score Using New Technologies

Abstract

The assessment of body condition score is an important factor on yield milking of dairy cows. It is traditionally measured visually or manually, actually the use of available high technologies is pivotal for farming accuracy. This study aims to estimate the BCS using AI through images analysis. A set of 6 farms was visited to take 113 images selected from more than two thousands photos captured and annotated to analyze them by the MobileNetV2 model to make a classification after discretization of the scores. This analysis shows that the model achieves an accuracy of 98% training and 74% validation. And also shows that errors are found between adjacent classes, due to the reduced number and quality of distributed images. Artificial Intelligence is a reliable tool for automating BCS. يعد تقييم درجة حالة الجسم عاملاً مهمًا في إنتاج الحليب والخصوبة والربح والصحة للأبقار الحلوب. تقليديًا، يتم قياسه بصريًا أو يدويًا، لكن هذه الطرق ذاتية وقد تكون صعبة في بعض الأحيان. تهدف هذه الدراسة إلى تقدير BCS باستخدام الذكاء الاصطناعي وتحليل الصور. تمت زيارة مجموعة من 6 مزارع لالتقاط 113 صورة تم اختيارها من أكثر من 2000 صورة تم التقاطها وشرحها لتحليلها بواسطة نموذج MobileNetV2 لإجراء تصنيف بعد تمييز الدرجات. يوضح هذا التحليل أن النموذج يحقق دقة معينة تبلغ 98% أثناء التدريب و74% أثناء التحقق من الصحة، كما يوضح أيضًا وجود أخطاء بين الفئات المتجاورة، وذلك بسبب انخفاض عدد وجودة الصور الموزعة. على الرغم من هذه القيود، أبرزت دراستنا أن الذكاء الاصطناعي هو أداة موثوقة لأتمتة BCS ولكن باستخدام قاعدة بيانات كبيرة عن طريق زيادة عدد الصور وجودتها .L'évaluation de la note d'état corporel est un facteur important sur la production laitière, la fertilité, le profit et la santé des vaches laitières.Traditionnellement, elle est mesurée visuellement ou manuellement, mais cettes méthodes sont subjectives et parfois peuvent êtredifficiles. cette étude vise à faire une estimation du BCS par l'aide de l’IA et l'analyse des images. Un ensemble de 6 fermes a été visité pour la prise de 113 photos sélectionnéesparmi plus de 2000 photos capturées et annotées pour les analyser par le modèle MobileNetV2 pour faire une classification après une discrétisation des scores. Cet analyse montre que le modèle atteint une certaine précision de 98% àl’entraînement et 74% à la validation, et montre aussi que les erreurs sont trouvés entres les classes adjacentes, a causes du nombre réduit et la qualité des images distribuées. Malgré ces limites, notre étude a mis en lumière que l’intelligente Artificielle est un outil fiable à l'automatisation de BCS mais en utilisant une grande base des données en augmentant le nombre et la qualité images.