Dispositif anti vespa velutina
Depuis 2004 et l'arrivée en France à Bordeaux d'une fondatrice dans un vase chinois, vespa velutina, encore appelé frelon asiatique, ne cesse de gagner du terrain. Ce prédateur des abeilles domestiques et sauvages fait des ravages sur la bio-diversité et nuit gravement à l'activité apicole, notamment celle des petits ruchers où il peut entièrement détruire les colonies. Dans l'optique de réduire la pression des colonies de frelons asiatiques sur les abeilles, des campagnes de piégeage des reines sont organisées partout en France, souvent pas les syndicats d'apiculteurs. Le piégeage des fondatrices empêche la formation d'un trop grand nombre de nids, mais ne l'annule pas. Des dispositifs de piégeage des ouvrières venant prélever des butineuses sont donc nécessaires tout au long de la saison de production, du printemps à l'automne.
Si l'idée est simple, sa mise en œuvre comporte en revanche des risques lorsque le piège n'est pas sélectif et tue les autres espèces d'insectes. Ce projet propose d'explorer les pistes de pièges sélectifs accessibles aux apiculteurs et citoyens désireux d'aider à lutter contre ce fléau de la biodiversité.
Sommaire
État de l'art de la lutte contre vespa velutina
- État de l'art du radiotracking
Le radiotracking est une méthode très efficace de destruction des frelon et elle à déjà permis la destruction de nombreux nids en France(plus d'un millier en Aquitaine en 2017) mais elle est difficile à mettre en œuvre, elle nécessite d'avoir les moyens de capturer un frelon puis de l'équiper d'un capteur et de le suivre jusqu'à son nid. De plus cette méthode ne permet que de localiser le nid, la destruction du nis doit être réalisée séparément.
- État de l'art des dispositifs de piégeage passifs
Les pièges passifs ont été utilisés durant plusieurs campagnes de lutte contre la prolifération de Vespa Velutina. Ils consistent d'un appât placé dans un récipient permettant l'entrée mais pas la sortie des frelons. S'il existe des modèles commerciaux, ils sont également faciles à réaliser soit-même. Ils présentent cependant un taux de captures assez faible et peuvent également pièger d'autres insectes et impacter négativement la biodiversité. Un autre défaut est qu'à moins de capturer une reine leur effet sur la population d'un nid est négligable comparé au radiotracking. On notera cependant que des pièges utilisant des harpes électriques sont en cours d'étude et semblent pouvoir cibler efficacement les frelons asiatiques sans piéger d'autres insectes.
- État de l'art des dispositifs de piégeage actifs
Les piéges actifs sont quand à eux plus efficace, ils sont capables de distinguer entre les abeilles et les frelons permettant d'éviter de piéger d'autres insects comme c'est le cas pour les piéges passif, mais ils sont un peux plus coûteux et compliquer à réaliser que des piéges passifs. Deux périodes sont propices aux campagnes de piégeage: la période de colonisation (début du printemps), où l'on cherche à cibler les reines avant qu'elles puissent établir de nouvelles colonise et la période de chasse (d'août à novembre). On peut noter que selon le type de frelon visé, l'emplacement des pièges jouera un rôle important pour son efficacité: ils peuvent être placés près des ruches si on vise les frelons chassant les abeilles ou près des cours d'eau si on cible les reines qui sont susceptibles de s'y implanter.
Objectifs du projet
Mise au point d'un appareil de piégeage actif permettant de détecter et tuer les frelons tout en veillant à:
- S'assurer que le piège cible uniquement Vespa Velutina et ne présente pas de danger pour les autres insectes
- Possède un taux de capture suffisamment élevé pour limiter la prolifération de l'espèce
- Soit adapté à sa mise en place en extérieur
Principe de fonctionnement
- L'appareil serait constitué d'une boite contenant un appât et un mécanisme permettant de propulser du poison.
- Lorsqu'un frelon est détecté ,la boite s'ouvrirait.Une fois le frelon rentrer à l'intérieur de la boîte, il serait aspergé d'un poison a effet lent qu'il répandrai ensuite à son nid.
Détection du frelon
Principe
En utilisant des enregistrements de frelons et d'abeilles, nous avons pu étudier leur spectre audio. Nous avons observé la fondamentale du frelon entre 100 et 140Hz et deux harmoniques respectivement entre 200-240Hz et 300-380Hz. Pour ce qui est de l'abeille la fondamentale est entre 200 et 250Hz et deux harmoniques respectivement entre 440-500Hz. Après avoir effectué un enregistrement, nous allons effectuer une transformée de Fourrier rapide. Ensuite, nous allons détecter les pics présents dans l'enregistrement ce qui nous permettra de détecter la présence de frelons et d'abeilles.
Traitement du signal
Pour cela, nous avons écrit une fonction MATLAB prenant en entrée un signal de 1024 points échantillonné à la fréquence fe=4000Hz. Nous avons ici fait l'hypothèse que le signal au-dessus de cette fréquence est trop faible pour que le repliement de spectre pose un problème. On peut noter que pour une véritable implémentation, il pourrait être préférable de filtrer le signal à l'aide d'un filtre passe-bas. Cette configuration nous donnes une résolution fréquentielle de 4000/1024=3.9Hz tout en prenant peu de place en mémoire. Grâce à la fonction fft de Matlab, nous réalisons la transformée de Fourier rapide du signal.
Détection des pics
Pour détecter les pics fréquentiel de la transformée de Fourier ainsi obtenue, nous avons utilisé deux critères: la différence d'amplitude en un point par rapport aux point adjacents et à la moyenne locale. Plus précisement, nous avons rassemblé les points par groupe de 10 et calculés la moyenne de chaque groupe. Nous parcourons ensuite l'ensemble des points de la fft. Si un point d'indice k a une amplitude plus élevée que les points k-1 et k+1 et que la moyenne du groupe de 10 points dont il fait partie, il est alors considéré comme un pic.
Nous comparons ensuite sa fréquence (f=k*4000/1024Hz) aux plages de fréquence des fondamentales des frelons et des abeilles. Une fois tout les points parcourus, la fonction renvoie un booléen indiquant si le piège doit être activé. Le résultat est dons positif si seules les fréquences du frelon ont été détectés et négatif si les fréquences de l'abeille ont été détectée ou rien n'a été détecté.
Nous avons testé cette fonction avec des enregistrements d'une durée de 5s de frelon en vols stationnaire, d'abeilles (y compris d'abeilles bleues, d'une taille proche des frelons), d'abeilles et de frelon en même temps et enfin un bruit blanc. Nous avons constaté que le programme détectait correctement les pics aux fréquence importantes pour les abeilles comme les frelons et ne produisait pas de faux positif en cas de bruit blanc. On peut néanmoins noter qu'un certain nombre de 'faux' pics sont comptés, mais n'ont ici pas impacté les résultats.
Code Matlab
Fonction
%% Fichier Detection_Frelon.m
function[frelon]=Detection_Frelon(S) %% Le signal en entrée est supposé enchantillonné (on suppose fe=4000Hz)
frelon = false; %% Indique si un frelon est détecté
Y = abs(fft(S));
[M,N] = size(S);
moyennes = zeros(int32(N/10));
frelon_fond = false;
frelon_harm = false;
% Possibilité de détecter la 2e harmo aussi (200Hz)
ab_fond = false;
ab_harm = false;
% Découpage du signal par paquets de 10 points et calcul des moyennes
for k=1:10:N
moy = 0;
for i=0:9
if(k+i<=1024)
moy = moy + Y(k+i);
end
end
moy = moy /10;
moyennes(int32(k/10)+1) = moy;
end
%% Ici on detecte les pics et on verifie s'ils sont dans les frequences correspondant aux frelons
for k=2:N-1
if (Y(k-1)<Y(k))&&(Y(k)<Y(k+1))&&(Y(k)>moyennes(int32(k/10)+1))
f = k*4000/N;
moyennes(int32(k/10)+1); % décommentez pour débug
if((f>=100)&&(f<=140))
% Fondamentale du frelon
frelon_fond = true;
elseif ((f>=300)&&(f<380))
% 3e harmonique du frelon
frelon_harm = true;
elseif ((f>=200)&&(f<=300))
% Fondamentale de l'abeille. Peut nécessiter un affinage
ab_fond = true;
elseif ((f>=440)&&(f<=500))
ab_harm = true;
end
end
end
if (frelon_fond && frelon_harm && (not(ab_fond) || not(ab_harm)))
frelon = true;
end
end
Programme de test
%% Fichier TestDetection.m
clear all;close all; clc;
newData1 = importdata('Samples/Re-cuts/ASMRFrelon5s.wav'); %Importation de l'échantillon audio
vars = fieldnames(newData1);
for i = 1:length(vars)
assignin('base', vars{i}, newData1.(vars{i}));
end
% échantillonnage du signal (1024 points)
dataSampled = zeros(1024,1);
for k=1:1024
dataSampled(k,:) = newData1.data(k*11); % Car on compare les périodes d'échantillonnage des signaux
end
dataSampled = dataSampled';
testFrelonSeul1 = Detection_Frelon(dataSampled)
%% test avec une abeille buis
DataBee = importdata('Samples/Re-cuts/abeilles_buis5s.wav');
varsBee = fieldnames(DataBee);
for i = 1:length(varsBee)
assignin('base', vars{i}, DataBee.(varsBee{i}));
end
dataBeeSampled = zeros(1024,1);
for k=1:1024
dataBeeSampled(k,:) = DataBee.data(k*11); % Car on compare les périodes d'échantillonnage des signaux
end
dataBeeSampled = dataBeeSampled';
testAbeilleSeule1 = Detection_Frelon(dataBeeSampled)
%% test avec une abeille buis et un frelon
DataHornet3 = importdata('Samples/Re-cuts/abeilles_et_frelon5s.wav');
varsHornet3 = fieldnames(DataHornet3);
for i = 1:length(varsHornet3)
assignin('base', vars{i}, DataHornet3.(varsHornet3{i}));
end
dataHornet3Sampled = zeros(1024,1);
for k=1:1024
dataHornet3Sampled(k,:) = DataHornet3.data(k*11); % Car on compare les périodes d'échantillonnage des signaux. on amplifie également le signal
end
dataBeeHornetSampled = dataHornet3Sampled';
testFrelonEtAbeille = Detection_Frelon(dataBeeHornetSampled)
%% autre test avec un frelon
DataHornet3 = importdata('Samples/Re-cuts/frelon_2_5s.wav');
varsHornet3 = fieldnames(DataHornet3);
for i = 1:length(varsHornet3)
assignin('base', vars{i}, DataHornet3.(varsHornet3{i}));
end
dataHornet3Sampled = zeros(1024,1);
for k=1:1024
dataHornet3Sampled(k,:) = DataHornet3.data(k*11); % Car on compare les périodes d'échantillonnage des signaux. on amplifie également le signal
end
dataHornet3Sampled = dataHornet3Sampled';
testFrelonSeul2 = Detection_Frelon(dataHornet3Sampled)
%% test avec abeille bleue
DataHornet3 = importdata('Samples/Re-cuts/abeille_bleue_5s.wav');
varsHornet3 = fieldnames(DataHornet3);
for i = 1:length(varsHornet3)
assignin('base', vars{i}, DataHornet3.(varsHornet3{i}));
end
dataHornet3Sampled = zeros(1024,1);
for k=1:1024
dataHornet3Sampled(k,:) = DataHornet3.data(k*11); % Car on compare les périodes d'échantillonnage des signaux. on amplifie également le signal
end
dataHornet3Sampled = dataHornet3Sampled';
testAbeilleBleue = Detection_Frelon(dataHornet3Sampled)
Ouverture du dispositif
Empoisonnement du frelon
Besoins en matériel
- -Capteur sonore
- -Carte arduino
- -Panneau solaire
