ArticlePDF Available

Décrypter le vol des abeilles en 3D

Authors:

Abstract and Figures

Défi technologique relevé : les trajectoires d’envol et d’atterrissage de milliers d’abeilles sont désormais décryptables en 3D. L’utilisation de la stéréovision en apiculture permet désormais d’étudier les troubles comportementaux des abeilles en vol dans un contexte de vidéosurveillance des colonies in natura.
No caption available
… 
Content may be subject to copyright.
48 >
BIOFUTUR 380 OCTOBRE 2016
ÉTUDIER
LE COMPORTEMENT
IN NATURA
Depuis plus de vingt ans, les api-
culteurs tirent la sonnette d’alarme
face aux surmortalités de colonies
d’abeilles qu’ils subissent. Ce syn-
drome d’effondrement des popu-
lations d’abeilles mellifères*1,
observé dans le monde entier,
alarme les biologistes, car le rôle
de ces insectes dans les écosys-
tèmes est essentiel. En effet, le
service de pollinisation qu’offrent
les abeilles garantit une part non
négligeable des rendements agri-
coles des cultures fruitières, oléa-
gineuses et maraîchères, mais éga-
lement la reproduction des plantes
les auteurs
Fabrice Requier1,2,3, Guillaume
Chiron4, Michel Ménard4
1 Inra,
UR 406 Abeilles et environnement,
Site Agroparc,
Avignon
requierf@gmail.com
2 Centre d’études biologiques de Chizé
CNRS &Université de La Rochelle,
UMR 7372,
Beauvoir-sur-Niort
3 Inra,
UE 1255 Entomologie,
Surgères
4 Laboratoire L3i,
Avenue Michel Crépeau
Université de La Rochelle
Décrypter le vol
des abeilles en 3D
D
ans notre nouvelle aire,
l’anthropocène, dérivant de
la croissance démographe
humaine et de son activité indus-
trielle, les animaux vivent dans
des écosystèmes modifiés, où ils
doivent faire face à de nouvelles
pressions de sélection. Ces pres-
sions anthropiques directes (ex :
traitements phytosanitaires) ou
indirectes (ex : interactions bio-
tiques avec des espèces invasives,
altération des ressources) peuvent
altérer le comportement des ani-
maux. Après s’être intéressés aux
impacts létaux de ces pressions
anthropiques, les scientifiques
s’interrogent aujourd’hui sur les
potentielles nuisances comporte-
mentales qu’elles engendrent.
Les théories d’écologie évolutive
prédisent qu’en réponse à des pres-
sions de sélection, les organismes
adaptent leurs comportements.
Cependant, certaines adaptations
comportementales impliquent
une cascade d’événements qui
aboutissent in fine à la mort (1).
L’étude de la réponse comporte-
mentale des animaux face aux
pressions environnementales
nécessite le recours à des techno-
logies de pointe, adaptées à l’espèce
visée. Les traceurs GPS, les balises
Argos ou même les caméras à
auto-déclenchement ont permis
de faire de grandes avancées
dans l’étude comportementale des
mammifères, oiseaux et poissons.
Mais ces supports technologiques
ne peuvent être miniaturisés à
l’échelle de l’insecte, des abeilles
en particulier.
Défi technologique
relevé : les trajectoires
d’envol et d’atterrissage
de milliers d’abeilles
sont désormais
décryptables en 3D.
Grâce à l’utilisation
de la stéréovision
en apiculture, il est
aujourd’hui possible
d’étudier les troubles
comportementaux
des abeilles en vol
dans un contexte
de vidéosurveillance
des colonies
in natura
.
*1
Au cours des dernières décennies en
Union Européenne et aux États-Unis, de
nombreuses exploitations apicoles ont subi
une augmentation des pertes de colonies.
Les pertes annuelles peuvent dépasser 30 %
du cheptel d’un apiculteur, contre 5 % à 10 %
avant l’apparition de ce syndrome d’effondre-
ment des colonies (SEC). Les causes de ce SEC
ne sont pas complètement identifiées à
ce jour, mais deux syndromes distincts ont été
observés : d’une part depuis les années 1990,
une diminution de la survie des cheptels
apicoles avec un doublement voire un
quadruplement du taux de mortalité hivernale
selon les régions et les pays ; d’autre part un
syndrome, apparu plus récemment en 2006,
nommé CCD pour Colony collapse disorder.
Le CCD est caractérisé par une soudaine
disparition des abeilles adultes de leur ruche,
sans qu’aucune raison ne soit perceptible.
© E. KINSMAN/BSIP
48-53_ecologie_380 26/10/16 11:03 Page 48
OCTOBRE 2016
BIOFUTUR 380
< 49
api-
rme
nies
syn-
pu-
es
*1,
tier,
rôle
sys-
t, le
rent
non
gri-
léa-
éga-
ntes
à fleurs entomophiles, dépendante
des insectes. Malgré l’ampleur
économique et écologique du
déclin des abeilles, ses causes
restent incomprises. L’hypothèse
la plus plausible est multifacto-
rielle : de nombreuses pressions
environnementales – pesticides,
parasites, pathogènes, prédateurs,
malnutrition – causeraient, seules
ou en interaction, le déclin de
ces insectes (2). Pour tenter d’élu-
cider cette mystérieuse probléma-
tique, de récentes études recom-
mandent d’explorer la réponse
comportementale des abeilles face
aux pressions environnementales,
in natura
, donc en conditions
naturelles. Des scientifiques ont
ainsi pu lever le voile sur l’impact
des pesticides sur les abeilles (3)
en ayant recours à une techno-
logie de pointe, le RFID (
Radio
Frequency Identification
) (4).
Dans cette étude publiée en 2012
dans la revue
Science
, des buti-
neuses ont été équipées de puces
électroniques afin de retracer leur
retour à la ruche. Les résultats
sont sans appel. Les butineuses
exposées aux pesticides perdent
leurs aptitudes à rentrer à la ruche.
Un trouble comportemental que
les auteurs sont parvenus à mettre
en avant avec le thiaméthoxame,
nouvel insecticide de la famille
des néonicotinoïdes, un neuro-
toxique connu pour dégrader les
capacités d’orientation des abeilles
en agissant sur leur système ner-
veux. Cette étude confirme, d’une
part, que les troubles compor-
tementaux peuvent conduire à la
mort de l’animal, et d’autre part,
que l’adaptation de nouvelles
technologies à l’échelle de l’abeille
est indispensable pour étudier le
comportement
in natura
. Plusieurs
types d’outils sont aujourd’hui
disponibles.
LES BUTINEUSES
SUIVIES À LA TRACE
L’abeille mellifère (
Apis melli-
fera
) est un insecte social, qui vit
en colonie de plusieurs dizaines
de milliers d’individus. Chaque
jour, des milliers de butineuses
sortent de la ruche pour collec-
ter nectar et pollen sur les fleurs.
Le butin rapporté permet, d’une
part, d’alimenter la colonie com-
posée de la reine, des larves,
des mâles et des abeilles internes
(abeilles adultes n’ayant pas l’âge
de butiner) (4), et d’autre part,
de constituer des réserves. Le miel
en est l’ingrédient principal. Issu
de la déshydratation du nectar,
il est stocké dans la ruche pour
garantir l’alimentation de la colo-
nie lors de périodes ne permettant
pas le butinage, comme les jours
de pluie ou d’hiver. Les butineuses
jouent ainsi un rôle clé dans la
survie de la colonie. Elles sont
directement exposées aux pres-
sions environnementales, comme
les pesticides ou les prédateurs,
tel le frelon asiatique
Vespa velu-
tina
(5). Suivre le comportement
des butineuses est donc un objectif
prioritaire, mais aussi un défi tech-
>
Abeille à miel domestique
(Apis mellifera)
nologique, car très peu d’outils
sont disponibles pour suivre les
abeilles en conditions naturelles.
Chaque colonie comprend plus de
10 000 butineuses, des individus
de 12 mm et 100 mg qui pros-
pectent dans un rayon moyen de
2 km autour de leur ruche (6).
Les premières études comporte-
mentales (au début du XXesiècle)
se sont focalisées sur le déco-
dage des danses des abeilles (7).
Celles-ci communiquent en effet
par différents moyens, dont la
danse. Chaque début de journée,
des exploratrices prospectent et
rapportent à la ruche un échan-
tillon de butin qu’elles font goûter
à leurs congénères, tout en indi-
quant, par une danse, la locali-
sation et la quantité de butin
disponible. Ce comportement de
communication a été longtemps
étudié pour améliorer les connais-
sances sur la cognition des abeilles,
et plus récemment envisagé pour
comprendre leur adaptation aux
pressions anthropiques (8). Cepen-
dant, l’étude de ces danses est
aujourd’hui réservée à une poignée
de spécialistes, car elle nécessite
une lourde logistique*2. En outre,
cette étude des danses ne permet
pas de retracer le mouvement des
butineuses dans l’espace, c’est-à-
dire le chemin parcouru depuis
la ruche jusqu’aux lieux de buti-
nage, et vice versa.
Seule la technique du radar
harmonique permet de retracer
le parcours d’exploration et de
butinage des abeilles (9, 10). Elle
© J. MEUL/ARCO/BSIP
*2
Les danses des abeilles se font le plus souvent
à l’intérieur de la ruche, plus rarement
à l’entrée de celle-ci. Leur étude nécessite
d’observer l’intérieur de la ruche, sans
toutefois perturber le comportement des
abeilles. Une lourde logistique est donc mise
en place : ruches vitrées couvertes par
un voile occultant la lumière et abritant
un expérimentateur; observation des danses
à l’aide d’une lumière rouge, non perceptible
par les abeilles.
48-53_ecologie_380 26/10/16 11:03 Page 49
50 >
BIOFUTUR 380 OCTOBRE 2016
consiste à les équiper avec une
micro-antenne réflectrice, chargée
de renvoyer le signal diffusé par
un émetteur-récepteur au sol.
Cet outil présente cependant de
nombreuses limites, parmi les-
quelles la dimension de l’antenne
– aussi longue que les individus
eux-mêmes et pesant plus de
15 % de leur masse corporelle –,
la faible distance de détection
– 900 mètres de portée unique-
ment en terrain plat – et surtout,
l’impossibilité de produire des
signaux distinctifs, obligeant les
scientifiques à suivre un seul
individu à la fois. Ces restrictions
techniques expliquent qu’à ce jour,
seule une poignée de scientifi-
ques avertis utilise le radar har-
monique, avec guère plus d’une
dizaine d’individus suivis par
étude en moyenne.
DES TECHNOLOGIES
LIMITÉES
Face à ces limites quantitatives,
la technologie RFID a été adaptée
aux abeilles en 2003 (4,11). Ces
dernières sont équipées de puces
RFID miniaturisées (1x1,6 mm)
contenant un identifiant unique
détectable à faible distance par des
lecteurs électroniques. Les puces
pèsent 3 à 4 mg, ce qui ne repré-
sente que 3 à 4 % du poids des
abeilles et reste bien inférieur aux
70 mg de nectar que peut trans-
porter le jabot des butineuses.
Si la faible portée des lecteurs
– quelques millimètres seulement –
ne permet pas de localiser les
abeilles à l’extérieur de la ruche,
le dispositif rend possible, en
revanche, leur identification lors
de leurs entrées et sorties. Cette
technologie permet également
de retracer pour chaque abeille,
à la seconde près, la chronologie
de ses allées et venues.
Plus récemment, en 2012, des
compteurs optiques ont été
adaptés à l’abeille (12,13). Ici,
les lecteurs RFID laissent place à
une caméra chargée de surveiller
24h/24 l’entrée de la ruche. Des
algorithmes intelligents dédiés
au traitement des vidéos numé-
riques (ex : détecteurs de mouve-
ments) se chargent de compta-
biliser le nombre d’abeilles
marchant sous l’objectif de la
caméra. Suivant la même logique
que l’outil RFID, il est possible
de suivre individuellement les
butineuses à l’aide de marqueurs
visuels adaptés (point coloré,
numéro, etc.). Néanmoins, cette
option met à mal le caractère
non-intrusif de l’approche et
s’avère techniquement contrai-
gnante. En outre, ces outils auto-
matiques très performants ne
permettent pas de retracer le mou-
vement des butineuses à l’extérieur
de la ruche, et encore moins leurs
comportements de vols.
En ce qui concerne la collecte
des trajectoires d’animaux et d’in-
sectes à partir de vidéos (tracking),
notons l’existence d’un panel de
méthodes et d’outils assez géné-
riques dédiés à l’écologie, comme
ceux conçus et commercialisés
par Noldus, un des acteurs histo-
riques dans le domaine (14).
Suivant une démarche plutôt
académique, Microsoft Reasearch
a également mis à disposition
l’outil « Zoo Tracker » (15). Les outils
et méthodes de suivi d’insectes
proposés jusqu’à récemment répon-
daient essentiellement à des pro-
blématiques de trajectométrie en
2D, telles que l’observation de
fourmis dans une boîte de Pétri
(16) ou l’analyse de la danse des
abeilles à intérieur de la ruche (17).
Mais depuis 2008, Intel Research
se démarque en misant sur la
vidéo pour compter non plus sim-
plement les passages, mais aussi
les vols d’abeilles entrantes et
sortantes, à l’aide d’une caméra
classique fixée à l’extérieur de la
ruche (18). Cependant, l’absence
d’information 3D est pénalisante,
car elle ne permet pas d’étudier
avec précision les mouvements de
vol (accélération, vitesse, virages,
collisions). Sans compter qu’en
cas de forte affluence, il est dif-
ficile à partir d’images classiques
2D, même avec un algorithme
de tracking, de maintenir dans le
temps un suivi individualisé des
abeilles, car les nombreux croise-
ments et superpositions d’insectes
sont source de confusion.
LES ABEILLES
SOUS VIDÉO-
SURVEILLANCE 3D
Les trajectoires de vol des insectes
n’ont été que très peu étudiées par
les écologues jusqu’à aujourd’hui,
faute de moyen pour les collecter.
Les récentes caméras dites « stéréo-
vision » permettent d’appréhender
une scène en 3D en captant, à
l’instar de la vision humaine, des
informations de profondeur en
plus de la couleur. L’accès simpli-
fié à cette technologie offre de
nouvelles possibilités pour le suivi
des abeilles
in natura
, car elle lève
un certain nombre de verrous
scientifiques inhérents au suivi de
si nombreuses cibles. L’activité de
la ruche peut en effet promouvoir
jusqu’à dix milles butineuses par
© G. CHIRON/L3I
>
Collecter en 3D les
trajectoires de vol devant
la ruche
via
un dispositif
de stéréovision
a. Caméra stéréovision
positionnée au dessus
de l’entrée de la ruche;
b. Couple RGB-D (intensité à
gauche/profondeur à droite)
et détections des abeilles
mellifères en vol
(chiffre indiquant
la profondeur en mm);
c. Inférence des trajectoires
par calcul de la dynamique
des cibles (agrégation
séquentielle des positions).
48-53_ecologie_380 26/10/16 11:03 Page 50
OCTOBRE 2016
BIOFUTUR 380
< 51
© G. CHIRON/L3I
jour, engendrant un nombre élevé
de cibles à suivre simultanément.
Entre les vols d’entrée, de sortie
et les simples vols de passage,
l’entrée de la ruche est un théâtre
mouvant où cohabitent des scènes
d’entrelacement, de collision et
parfois même de prédation.
En l’absence de marquage,
l’apparence similaire des abeilles
(forme, taille) complexifie leur
suivi individualisé selon des
critères visuels. Chacune d’elles
ne mesure qu’une dizaine de mil-
limètres, ce qui nécessite une
caméra suffisamment précise en
termes de définition, en parti-
culier si l’on souhaite capter les
individus les plus éloignés. En
vol, les abeilles sont capables
d’atteindre des vitesses de 8 m/sec,
ce qui nécessite une fréquence
élevée d’acquisition pour assurer
le fonctionnement des algorithmes
de
tracking
. Outre ces caractères
biologiques intrinsèques à l’espèce,
le suivi vidéo
in natura
doit com-
poser avec des variations lumi-
neuses qui dépendent de l’heure,
de la météo et de la saison et qui
modifient l’orientation et l’inten-
sité de l’éclairage. Des mouvements
soudains ou répétitifs peuvent
également être source de confu-
sion (visiteurs rampants, dépôts
de feuilles mortes, herbes en mou-
vement, eau ruisselante, etc.)
UN CHOIX
TECHNOLOGIQUE
DÉTERMINANT
Ces contraintes biologiques et
environnementales impliquent
un choix rigoureux du modèle de
caméra, afin de trouver le meilleur
compromis possible parmi les tech-
nologies existantes. Le modèle G3
Evo 3 de TYZX répond raisonna-
blement aux contraintes énoncées :
stéréovision calculant la profon-
deur avec une précision de 3 mm,
relative haute résolution de 740x468
pixels et fréquence d’acquisition
élevée de 60 images par seconde.
Ce modèle, une fois configuré avec
des lentilles adaptées, peut visua-
liser l’ensemble des abeilles transi-
tant par l’entrée de la ruche (figure
p. 50 a) et ce, même lorsqu’il
est positionné à une soixantaine
de centimètres au-dessus de la
planche d’envol. Cet agencement
à l’avantage de limiter le caractère
intrusif du dispositif, tout en assu-
rant une visualisation suffisam-
ment précise des abeilles, repré-
sentées en pratique par un mini-
mum de 8 x 5 pixels à une distance
de 80 cm de l’objectif. Au-delà de
cette distance, la précision n’est
plus assez bonne pour les détecter
et les suivre correctement.
En aval de l’acquisition vidéo,
des méthodes de traitement auto-
matique sont utilisées pour cal-
culer les trajectoires en 3D propres
à chaque abeille. Ce calcul se
déroule en deux phases distinctes.
La première consiste à détecter et
localiser en 3D chaque abeille à
partir des informations d’intensité
lumineuse et de profondeur four-
nies par la caméra stéréovision
(figure p. 50 b). Les mouvements
sont perçus grâce aux diffé-
rences détectées entre les images
successives. L’information de pro-
fondeur permet, dans un second
temps, de lever les ambiguïtés
quant à l’origine du mouvement
constaté (abeille, ombre portée,
herbes hautes, autres insectes,
etc.), mais aussi dans certains
cas, de détecter les cibles stati-
ques. Cette approche offre ainsi
la possibilité de localiser en 3D
la quasi-totalité des abeilles
en vol (95 %) avec une précision
supérieure à 90 %, sinon simple-
ment en 2D dans certains cas
extrêmes (trop forte affluence).
Pour obtenir des trajectoires
proprement dites à partir d’une
séquence d’images, il est ensuite
nécessaire de comparer les posi-
tions détectées entre une image
et sa suivante puis d’agréger
l’ensemble des données (figure
p. 50 c). Plus le nombre de cibles à
suivre est important, plus la pro-
blématique d’agrégation devient
complexe. La puissance de calcul
des ordinateurs modernes permet
d’explorer et de trouver les com-
binaisons susceptibles de repré-
senter au mieux les trajectoires
réelles de chaque abeille. L’éva-
luation des hypothèses d’agré-
gation s’appuie sur un certain
nombre de critères tels que la
courbure, la vitesse, l’accélération,
les possibilités d’apparition/
disparition dans le champ de la
caméra (19).
DES TRAJECTOIRES
BIEN DIFFÉRENTES
Suite aux reconstructions des
trajectoires de chaque abeille, il
est désormais possible de distin-
guer les envols et les atterrissages,
et plus finement encore, d’étudier
le comportement de vol. Chaque
Reconstitution 3D
et analyse des trajectoires
d’entrées/sorties d’abeilles
mellifères à partir
des données de vol
acquises
in natura
(Echantillon de la journée
du 16 octobre 2015)
0
vitesse (m./sec.)
1 23
sinuosité (fact.)
densité
01
direction (°)
0 100 200 300
>
48-53_ecologie_380 26/10/16 11:03 Page 51
52 >
BIOFUTUR 380 OCTOBRE 2016
trajectoire peut être caractérisée
par sa vitesse (en m/s), par un fac-
teur de sinuosité et par sa direc-
tion globale (en degrés). Parmi
un demi-million de trajectoires
suivies devant une même ruche
expérimentée, on distingue deux
directions notables (figure p. 51).
L’une autour du cap 115° corres-
pondant aux sorties (environ
25 % des trajectoires captées)
et l’autre autour du cap des 289°
correspondant aux entrées (environ
18 % des trajectoires captées).
Le comportement d’envol des
abeilles se distingue très nette-
ment du comportement d’atter-
rissage (figure p. 51). En effet,
les abeilles qui décollent volent
en moyenne 1,9 fois plus vite
que les abeilles qui atterrissent.
Les vols de sortie sont aussi glo-
balement plus directs (moins de
sinuosité) que les vols d’entrée.
Ces différences comportemen-
tales peuvent s’expliquer par
plusieurs mécanismes. D’une
part, à l’atterrissage, comme pour
les avions, les aérosystèmes
doivent réduire leur vitesse avant
de toucher le sol. Pour cela, les
abeilles effectuent des virages.
De plus, l’entrée de la ruche peut
être perçue comme un entonnoir
où toutes les trajectoires conver-
gent (figure p. 51). Afin d’aug-
menter leur vigilance, les abeilles
peuvent effectuer des virages pour
définir un point d’atterrissage tout
en évitant les collisions. Enfin,
les abeilles rentrant à la ruche sont
fréquemment des butineuses qui
rapportent leur butin (pollen et/
ou nectar). Leur poids peut être
deux fois supérieur à celui d’une
butineuse sans butin, ce qui a des
conséquences sur leur comporte-
ment de vol.
VERS DES SUIVIS
INDIVIDUALISÉS
Face aux pressions environ-
nementales, les abeilles sont
susceptibles de modifier leur com-
portement de vol, lequel à son tour
peut avoir une influence sur leur
probabilité de survie. Par exemple,
l’exposition aux pesticides altère
les capacités d’orientation des
butineuses, les empêchant de re-
trouver leur ruche. Autre exemple,
le frelon asiatique perturbe leur
activité de vol devant la ruche,
terrain de chasse de ce prédateur
d’abeilles. L’impact de ces pres-
sions environnementales peut être
observé sur les trajectoires d’envol
et d’atterrissage des abeilles.
Imaginons deux lots d’individus
dont l’un serait soumis à une pres-
sion environnementale (pesti-
cides) et l’autre non. Ces deux lots
d’abeilles seraient introduits dans
la même ruche et distingués par
l’adjonction d’un point coloré sur
le thorax des individus exposés.
Comme évoqué précédemment, il
existe des méthodes permettant
d’identifier la présence de marques
sur les abeilles à partir d’un sys-
tème de vidéosurveillance (12,13).
Elles s’avèrent très performantes
lorsqu’on filme à très courte dis-
tance et en 2D, mais sont trop
restrictives pour être appliqué
in natura
, en raison notamment
de l’impossibilité d’obtenir une
image suffisamment détaillée du
thorax sous certaines conditions
d’éclairage, d’angle et d’obser-
vation (tangage et roulis*3).
Dans ce contexte, les caméras 3D
présentent un avantage notable.
Durant son suivi dans le champ de
la caméra, l’abeille est observée
sous différents angles et conditions
d’éclairage. Cette diversité de situa-
tions d’observation maximise les
chances de capturer au moins une
image satisfaisante de l’abeille
(figure ci-dessous a). Cependant,
dans bon nombre de cas, aucune
image individuelle ne permet de
statuer sur la présence ou non
d’une marque. Des méthodes de
traitement d’images interviennent
alors pour extraire les détails
nécessaires (marquage, position
de l’abdomen, tête) à partir d’une
séquence d’images de mauvaises
qualité (floues, mal centrées,
abeilles superposées). L’abeille
étant longiligne, son orientation
(lacet*3) est facilement détectable.
Sa tête est visuellement la partie
le plus stable et demeure en toutes
circonstances très foncée. Ces deux
critères permettent de fixer des
points de repère, rendant possible
un r
d’im
est a
seul
app
(figu
mar
(ma
men
part
car
amp
moy
prés
il su
mar
sur l
renc
la tê
lisée
seui
des
dan
men
RFID
cett
effic
méth
tats
sur
duel
ress
supp
avér
stab
tifié
teint
non
de l
gne
mar
déte
est
perm
aux
lors,
cati
de l
com
AB
CO
Le
plus
deva
tiqu
Espè
en F
le fr
une
et d
en c
deva
disp
Distinction des cibles
(abeilles mellifères/
frelons asiatiques)
marquées ou non
en fonction de leur
morphologie, de leur
couleur et de leur taille
a. Extraction des imagettes
(intensité/profondeur)
à partir d’une trajectoire ;
b. Méthode de détection
de marque par seuillage
sur l’apparence moyenne.
c. Projection des rapports
aire/profondeur des
imagettes d’une trajectoire
d’abeille et affectation de
l’appartenant à l’espèce
abeille ou frelon (abeille ici).
© G. CHIRON/L3I
>
*3
Système d'axes utilisé en aéronautique.
Le tangage, le roulis et le lacet sont respecti-
vement des mouvements de rotation autour
des axes longitudinal, transversal et vertical.
48-53_ecologie_380 26/10/16 11:03 Page 52
(1)
Stearns SC (1992) The Evolution of Life Histories,
Oxford University Press, Oxford, UK
(2)
Goulson D et al. (2015) Science 347, 1255957
(3)
Henry M et al. (2012) Science 336, 348-50
(4)
Requier F et al. (2014) Biofutur 46-51
(5)
Thiéry D, Monceau K (2015) Biofutur 365, 48-55
(6)
Steffan-Dewenter I, Kuhn A (2003) Proc Roy
Soc Lond B 270, 569-75
(7)
Von Frisch K (1965) Tanzsprache und Orientie-
rung der Bienen, Berlin, Springer Verlag
(8)
Härtel S, Steffan-Dewenter I (2014) Curr
Biol 24, R524-6
(9)
Riley JR et al. (1996) Nature 379, 29-30
(10)
Capaldi EA et al. (2000) Nature 403, 537-40
(11)
Streit S et al. (2003) Zoology 106, 169-71
(12)
Chen C et al. (2012) Comput Electron Agr 89, 100-9
(13)
Alaux C et al. (2014) J Exp Biol 217, 3416-24
(14)
Dell AI (2014) Trends Ecol Evol 29, 417-28
(15)
Buchanan A, Fitzgibbon A (2006) IEEE Com-
puter Society Conference on Computer Vision and
Pattern Recognition 1, 626-33
(16)
Khan Z et al. (2005) IEEE Transactions on Pattern
Analysis and Machine Intelligence 27(11) 1805-19
(17)
Veeraraghavan A et al. (2008)
IEEE Transactions on Pattern Analysis and Machine
Intelligence 30, 463-76
(18)
Campbell J et al. (2008) Procedings of Work-
shop on Visual observation and analysis of animal
and insect behavior (in conjunction of ICPR).
(19)
Chiron G et al. (2013) EURASIP J Image Video
Process 1, 59
(20)
Villemant C et al. (2011) Biol Conservat 144,
2142-50
(21)
Chiron G et al. (2015) Revue d’Intelligence
Artificielle 29, 173-203
OCTOBRE 2016
BIOFUTUR 380
< 53
un recadrage et une superposition
d’images d’un même individu. Il
est alors possible de calculer une
seule image représentant une
apparence moyenne de l’insecte
(figure p. 52 b). Dans le cas d’une
marque d’apparence uniforme
(marquage contrôlé par l’expéri-
mentateur), cette approche est
particulièrement intéressante,
car les zones saillantes sont bien
amplifiées par la technique de
moyennage. Pour statuer sur la
présence ou non d’une marque,
il suffit de comparer la zone de
marquage (habituellement située
sur le thorax) à une teinte de réfé-
rence. La différence de teinte entre
la tête et le thorax peut être uti-
lisée, entre autres, pour fixer les
seuils de tolérance utilisés lors
des comparaisons. En revanche,
dans le cas de marques visuelle-
ment moins homogènes (ex : puce
RFID d’apparence non-contrôlée),
cette approche peut s’avérer in-
efficace. Dans ce cas, une seconde
méthode offre de meilleurs résul-
tats. Elle consiste à identifier
sur chacune des images indivi-
duelles, mêmes floues, la zone qui
ressemble le plus à une marque
supposée. En cas de marquage
avéré, on constate une relative
stabilité au niveau des zones iden-
tifiées (au travers de critères de
teintes, d’angles et de tailles). Une
non-stabilité de ces critères au sein
de la séquence d’images témoi-
gne alors de la non-présence de
marquage sur l’individu suivi. La
détection des marques et qui plus
est l’identification de celles-ci
permettent d’associer une étiquette
aux trajectoires d’abeilles. Dès
lors, cela rend possible des appli-
cations telles que l’estimation
de l’impact du pesticide sur le
comportement de vol.
ABEILLES
CONTRE FRELONS
Le problème, c’est qu’on ne trouve
plus uniquement des abeilles
devant les ruches. Les frelons asia-
tiques s’y sont invités depuis 2003.
Espèce introduite accidentellement
en France dans la région des Landes,
le frelon asiatique a vite colonisé
une grande partie de l’hexagone
et des pays voisins (20), prenant
en chasse, entre autres, les abeilles
devant l’entrée de leur ruche. Le
dispositif de vidéosurveillance 3D,
présenté ici, est capable d’enregis-
trer les trajectoires des abeilles et
celles des frelons. De même qu’il
est possible de détecter la présence
de marques sur les abeilles, il est
également possible de distinguer
numériquement les frelons des
abeilles. Avec une longueur
d’environ 3 cm pour les frelons
asiatiques contre 1,2 cm environ
pour l’abeille mellifère, la taille est
un critère différenciant essentiel.
La distinction entre les deux
espèces peut ainsi s’effectuer à
partir des images, grâce au rapport
taille/profondeur. Les millions de
positions 3D détectées (abeilles et
frelons confondus) et les tailles des
imagettes correspondantes mon-
trent clairement une séparation
entre les deux espèces (figure p. 52 c).
Sur le plan numérique, cette
approche constitue une référence
pour la distinction automatique
entre ces deux espèces. Il suffit
en effet de confronter à ce modèle
l’ensemble des couples taille/
profondeur associés à une trajec-
toire pour estimer la probabilité
que celle-ci ait été engendrée par
l’une ou l’autre des deux espèces
(figure p. 52 c).
De même qu’il est possible de
comparer les trajectoires d’abeilles
en entrées/sorties (figure p. 50),
il est possible de comparer les
trajectoires d’abeilles et de frelons
(figure ci-dessus). Parallèlement au
demi-million d’abeilles suivies,
plus de 5000 trajectoires de frelons
ont en effet été captées à proxi-
mité de la ruche. Les indicateurs
sur la vitesse moyenne et le temps
passé en vol statique montrent des
différences notables de compor-
tement entre les deux espèces.
En moyenne, les abeilles volent
sensiblement plus vite que les
frelons, à quelques dixièmes de
mètre par seconde près, et passent
globalement beaucoup moins de
temps en vol statique que leurs
prédateurs. Il est en revanche
difficile d’observer une différence
comportementale sur les courbures
de vol des deux espèces.
L’utilisation de la stéréovision
permet désormais d’étudier le
comportement d’envol et d’atter-
rissage de milliers d’abeilles en
3D. Cette avancée technologique
offre de nombreuses opportunités
aux scientifiques pour étudier
l’adaptation comportementale
des abeilles face aux pressions
environnementales. L’innovation
dans le domaine des statistiques
permettra à l’avenir de tirer le
meilleur parti de cette multitude
de données comportementales
collectées, dont l’exploration ne
fait que commencer (21).
I
© G. CHIRON/L3I
© G. CHIRON/L3I
Remerciements
Les travaux présentés ont été financés par
la région Poitou-Charentes, les Fonds Européen
Agricole de GAranti (FEAGA), la Fédération de
Recherche en Environnement pour le Dévelop-
pement Durable (FREDD), France AGRIMER,
et le Réseau National des Systèmes Complexes
(RSNC), dans le cadre de différentes projets
de recherches (DynApis, EPERAS, POLINOV, et
RISQAPI). Un remerciement tout particulier
est adressé à Bruno Lescalier, Olivier Chappe,
Pierrick Aupinel, Jean-François Odoux, Vincent
Bretagnolle, Quentin Rome, Claire Villemant
et Mickaël Henry pour leur contribution dans
le cadre dans cette étude.
ecti-
our
cal.
Comparaison
des comportements
de vol entre abeilles
mellifères et frelons
asiatiques devant
la ruche
>
0
vitesse (m./sec.)
1 23
sinuosité (fact.)
densitédensité
01
% temps statique
0 20 60 80 10040
48-53_ecologie_380 26/10/16 11:03 Page 53
... The experimental beehive was located nearby the town of La Rochelle (46°8′N, 1°8′W, Fig. 1a), 200 km away from where the hornet was introduced in 2004 ( Haxaire et al. 2006;Villemant et al. 2011). The camera was placed 50 cm above the flight board of the beehive to ensure the non-trivial trade-off between the device intrusiveness (no nearby source of disturbance), the image definition (at least eight pixels per bee on the board) and observed volume (must include at least the 50 cm wide flight board) (Requier et al. 2016). The video surveillance was carried out in 2015, from October 16 to October 25, i.e. during the peak period of the hornet predation (Fig. 1b). ...
... Based on Chiron et al. (2013), we computed the trajectories of all the insects flying in front of the beehive. The details on target size/depth ratio in RGB-D images (such as provided by stereo-cameras) are available in Requier et al. (2016). A total of 603,259 trajectories were extracted, and, following Chiron et al. (2015), we distinguished the flight trajectories between bees and hornets using a clustering approach based on flight dynamics (e.g. ...
Article
Full-text available
Introduced in France more than a decade ago from China, the invasive Asian hornet Vespa velutina preys on honey bee Apis mellifera foragers at hive entrances and is a major concern for Western European beekeepers and governmental policies. Asian hornet predation is suspected to weaken honey bee colonies before the winter season. In this study, we assessed the risk of winter colony losses related to hornet-induced disturbances by combining field observations and model system simulations. We provide empirical evidence in bee foragers’ homing failures and bee foraging paralysis behaviour of the colony related to the predator–prey relationships between the hornet and the honey bees nearby colonies’ entrances. Our model-based assessment confirms concerns of beekeepers and governmental policies that these hornet-induced disturbances affect honey bee colony dynamics and winter survival. Simulations reveal that the foraging paralysis behavioural response of honey bee colonies is an important mechanism underlying winter colony collapse. We provide recommendations of beekeeping management to mitigate potential detrimental effects from hornets to ensure bee colony survival, such as the control of the hornet-induced foraging paralysis of Western European honey bee colonies that may be viewed as an unadapted behavioural response to the invasive predator.
ResearchGate has not been able to resolve any references for this publication.