PAE 2021 Frelon asiatique

Introduction

La prolifération du frelon asiatique en Europe et son apparition récente aux États-Unis pose problème aux apiculteurs. Détecter quand un frelon chasse autour d'une ruche est crucial pour la protection des abeilles.

Lorsque le frelon chasse, il est en vol stationnaire et émet un son très distinctif, d'où l'idée d'utiliser le traitement audio pour le détecter. La Teensy Audio Library propose 2 fonctions utiles dans ce cadre : la Fast Fourier Transform (FFT) et la fonction Tone.

Environnement de travail

Teensy

La carte Teensy est un microcontrolleur USB. Nous l'avons choisie car elle est compatible avec l'IDE Arduino donc facile à prendre en main, elle est peu encombrante et possède une banque d'outils pratiques pour le traitement audio (Teensy Audio Library).

Carte Teensy 3.2 avec audioshield

Audio System Design Tool

L'Audio System Design Tool de Teensy est l'interface permettant de créer rapidement et intuitivement des chaines d'acquisition et de traitement audio.

Screenshot du GUI, blocs disponibles (rouge), zone de "dessin" (vert), documentation (bleu)

Audacity

Audacity est un logiciel d'acquisition et de traitement open source que nous avons utilisé pour effectuer des analyses de spectres et des tests de nos codes.

Caractérisation audio

Dans cette partie, nous étudions les spectres audios pour déterminer les caractéristiques importantes pour les fonctions FFT et Tone. On effectue une FFT à 2048 points pour visualiser et 1024 points car la FFT de la carte est limitée à cette valeur.

Frelon

FFT du vol stationnaire d'un frelon (2048 points)

FFT du vol stationnaire d'un frelon (1024 points)

On repère un pic aux alentours de 100Hz-105Hz aussi bien en 2048 pts qu'en 1024 pts.

Abeille

FFT du bourdonnement d'une abeille (2048 points)

FFT du bourdonnement d'une abeille (1024 points)

On repère un pic aux alentours de 130Hz aussi bien en 2048 pts qu'en 1024 pts.

Bourdon

FFT du bourdonnement d'un bourdon (2048 points)

FFT du bourdonnement d'un bourdon (1024 points)

On repère un pic aux alentours de 150Hz et un autre de grande amplitude vers 300Hz en 2048 pts. En 1024 pts on ne voit distinctement que le pic à 300Hz.

Résultats

Le spectre du frelon en vol stationnaire (chasse) est le seul à avoir un pic aux alentours de 100Hz. Nous utiliserons donc cette fréquence comme référence pour la détection du frelon.

Test de la transformée de Fourier (FFT)

Audio System Design Tool

Schéma sur l'Audio System Design Tool(GUI) de notre chaine de traitement

Code généré automatiquement par le GUI à partir du schéma

Sketch Teensyduino

Set up du sketch

Loop du sketch

Tests

La condition p > 3 a été trouvée de manière empirique après observation de l'affichage avec divers extraits audio de frelon et de ruches

Test avec une vidéo de frelon en vol stationnaire

Test avec une vidéo de ruche d'abeilles

On observe bien la bande 86Hz-129Hz du frelon alors que pour la ruche, les fréquence sont réparties plus sporadiquement à travers tout le spectre

Test de la fonction tone

Code utilisé

Peu importe les réglages d'amplification ou de nombre de cycle choisis pour la fonction tone, impossible d'arriver à des résultats concluants où l'on distingue bruit et signal intéressant.

Test avec une vidéo de frelon en vol stationnaire

Bruit de fond

Conclusion

Malgré des résultats non concluants avec la fonction tone, nous avons pu obtenir des résultats satisfaisants avec la FFT. Cependant il y a encore beaucoup de place pour perfectionner ce système mais il faudrait pouvoir effectuer des tests dans des environnements contrôlés ou bien en situation réelle. Il y a d'autres pistes à explorer, par analogie avec la computer vision qui recourt souvent au deep-learning, il semble possible de l'utiliser pour détecter les frelons asiatiques.