Au début de l’année, « l’histoire de l’élevage des poulets par l’IA » s’est largement répandue sur Internet dont les protagonistes sont un groupe d’étudiants post-2000 de l’Université de Shenzhen.
En compagnie des poulets dans les profondes forêts de bambous du Guizhou, après plus de huit mois de recherches et de développement techniques, ils ont aidé avec succès la communauté locale à faire un grand pas en avant pour l’élevage intelligent de poulets à os noirs (Gallus domesticus Brisson).
Afin d’améliorer ce système d’élevage intelligent, les étudiants de la classe Tencent Cloud Artificial Intelligence (ci-après dénommée « classe Tencent ») de la Faculté des sciences de l’informatique et du génie logiciel de l’Université de Shenzhen, tels que Wang Yifeng, se sont de nouveau rendus au Guizhou.
Zeng Bowen, chef du groupe commercial de l’équipe, a déclaré au journaliste : « Étudiants, IA, élevage de poulets et d’oies, tous ces mots mis ensemble, les agriculteurs penseront que nous plaisantons. »
Cette « blague » est depuis longtemps devenue réalité.
En 2022, les étudiants de la classe Tencent ont mis au point une technologie de « reconnaissance des oies », capable d’identifier automatiquement les oies maladroites et les oies fiévreuses, et d’émettre des alertes précoces pour éviter la propagation des maladies. Ils ont ainsi réussi à augmenter de 30 % le taux de survie des oies dans une ferme d’oies à tête de lion à Shantou.
En 2023, M. Xu Qiyong, responsable d’une base d’élevage à Chishui du Guizhou, a invité les étudiants de la classe Tencent au mont Tiantai pour commencer à déployer un tout nouveau « système d’élevage intelligent des poulets à os noirs ». Plus de six mois après la mise au point du système, le taux d’abattage des poulets à os noirs dans cette base a augmenté de 30 %, soit une augmentation de production de plus de 60 000 têtes.
Avec l’arrivée de l’hiver, le poulailler a été recouvert d’un film plastique translucide pour le protéger du vent, et les conditions de luminosité se sont détériorées, ce qui a empêché l’algorithme original d’identifier avec précision les poulets noirs.
Afin de résoudre ces problèmes, les étudiants sont revenus pendant les vacances d’hiver pour mettre à niveau le matériel et l’algorithme. En construisant un « poulailler modèle », ils ont eu recours, en plus de l’initiale reconnaissance visuelle, aux différentes approches telles que la carte thermique et la carte de densité et ont ainsi augmenté la précision d’environ 87 % à 93 %, ce qui a encore approuvé la bonne direction de leur recherche.
« J’espère que davantage de personnes participeront à notre projet et contribueront davantage à la transformation intelligente de l’élevage avicole, de sorte que l’ensemble de cette industrie puisse encore s’améliorer. » a déclaré Wang Yifeng. Leur vision pour la prochaine étape est de créer des produits matures et standardisés en s’ancrant profondément dans les besoins réels.
Photos : SZTV NEWS