1 L'invention concerne un procédé de détection de présence d'insectesThe invention relates to a method for detecting the presence of insects
xylophages actifs dans un ouvrage en bois, notamment des larves d'anobidés tels que Anobium punctatum (petite vrillette) ou Lyctus brunneus (lyctus). Active xylophages in a wooden structure, including anobid larvae such as Anobium punctatum (small vrillette) or Lyctus brunneus (lyctus).
ARRIERE-PLAN DE L'INVENTION La détection de présence d'insectes xylophages repose en général sur l'identification de signes visuels à la. surface de l'ouvrage en bois tels que vermoulure, trous d'envol, cadavres d'insectes. Cependant ce type de diagnostic est symptomatique et ne permet qu'une détection tardive. En outre, les signes visuels ainsi détectés ne permettent pas de conclure à une infestation active, mais uniquement à la probabilité de celle-ci, les insectes ayant pu quitter l'ouvrage en bois, ou mourir. BACKGROUND OF THE INVENTION The detection of the presence of xylophagous insects is generally based on the identification of visual signs at the. surface of the wooden work such as vermoulure, flight holes, corpses of insects. However this type of diagnosis is symptomatic and allows only late detection. In addition, the visual signs thus detected do not allow to conclude to an active infestation, but only to the probability of it, the insects having been able to leave the wooden work, or to die.
Dans le domaine du bâtiment (charpentes, pans de bois), des méthodes de détection plus particulièrement adaptées à la détection de présence dans les structures ou charpentes d'insectes xylophages tels que les capricornes ou les termites ont été développées. Ces méthodes de détection reposent sur la détection de bruits ou vibrations générés par les insectes xylophages à l'intérieur de la structure en bois à l'occasion de leur activité biologique. Cependant, il apparaît que les méthodes existan- tes (par exemple le procédé INADEC développé par le Centre Technique du Bois et de l'Ameublement ou CTBA) ne sont pas suffisamment sensibles pour détecter la présence dans du mobilier de larves xylophages telles que la petite vrillette ou le lyctus. En effet, ces larves xylo- phages ont une activité biologique beaucoup plus discrète que celle des capricornes ou termites. L'activité biologique de ces larves d'anobidés se caractérise par l'émission de "clics" très brefs, que l'on suppose dus à la rupture des fibres de bois lorsqu'elles sont coupées par les mandibules des insectes xylophages. Ces "clics" peu- 2903189 2 vent être audibles au casque après amplification d'un signal provenant d'un transducteur acoustique fixé sur l'ouvrage en bois concerné. Les méthodes de détection sont dès lors basées 5 sur la détection dans un signal représentatif du bruit généré à l'intérieur de l'ouvrage en bois de transitoires correspondant aux "clics" émis par les larves xylophages. Dans tout le texte, on appellera transitoire une partie du signal se caractérisant par sa variation brus- 10 que et par sa brièveté. A cet égard, il est connu de l'article "Les signaux émis par les larves d'insectes xylophages et la détection acoustique", paru dans proceedings of the ICOM COMITTEE FOR CONSERVATION, 14th triennal meeting, 2005, 15 vol. 1, un procédé de détection de présence d'insectes xylophages actifs dans un ouvrage en bois, comportant les étapes de: - enregistrer pendant une période de temps donnée un signal représentatif de bruits émis à l'intérieur de 20 l'ouvrage en bois; - soumettre ce signal à un prétraitement ; - détecter dans le signal prétraité des transitoires susceptibles d'être causés par l'activité biologique des insectes xylophages dans l'ouvrage en bois. In the field of building (frames, timber framing), detection methods more particularly adapted to the detection of presence in the structures or frameworks of xylophagous insects such as capricorns or termites have been developed. These detection methods are based on the detection of noise or vibrations generated by xylophagous insects inside the wooden structure as a result of their biological activity. However, it appears that the existing methods (for example the INADEC process developed by the Wood and Furniture Technical Center or CTBA) are not sensitive enough to detect the presence in furniture of xylophagous larvae such as the small vrillette or lyctus. Indeed, these xylophagous larvae have a much more discrete biological activity than capricorns or termites. The biological activity of these anobid larvae is characterized by very brief "clicks", which are supposed to be due to the breaking of wood fibers when they are cut by the mandibles of xylophagous insects. These "clicks" can be audible to the headphones after amplification of a signal from an acoustic transducer attached to the wooden work concerned. The detection methods are therefore based on the detection in a signal representative of the noise generated inside the wooden transient structure corresponding to the "clicks" emitted by the xylophagous larvae. Throughout the text, a part of the signal characterized by its abrupt variation and its brevity will be called transitory. In this regard, it is known from the article "The signals emitted by xylophagous insect larvae and acoustic detection", published in Proceedings of the ICOM COMITTEE FOR CONSERVATION, 14th Triennial Meeting, 2005, vol. 1, a method for detecting the presence of active xylophagous insects in a wooden structure, comprising the steps of: recording during a given period of time a signal representative of noises emitted inside the wooden structure; - subject this signal to a pretreatment; - detect in the pretreated signal transients that may be caused by the biological activity of xylophagous insects in the wooden structure.
25 OBJET DE L'INVENTION L'invention a pour objet un procédé de détection de présence d'insectes xylophages actifs dans un ouvrage en bois, notamment des larves, permettant un diagnostic de fiabilité améliorée.OBJECT OF THE INVENTION The object of the invention is a method for detecting the presence of active xylophagous insects in a wooden structure, in particular larvae, enabling an improved reliability diagnosis.
30 BREVE DESCRIPTION DE L'INVENTION En vue de la réalisation de ce but, on propose un procédé de détection de présence d'insectes xylophages actifs dans un ouvrage en bois, notamment des larves, comportant les étapes de: 35 -enregistrer pendant une période de temps donnée 2903189 3 un signal représentatif de bruits émis à l'intérieur de l'ouvrage; - soumettre ce signal à un prétraitement ; - détecter dans le signal prétraité des transi- 5 toires susceptibles d'être causés par l'activité biologiques des insectes xylophages dans l'ouvrage en bois; et - identifier parmi les transitoires détectés les transitoires significatifs qui sont effectivement dus à l'activité biologique des insectes xylophages dans l'ou- 10 vrage en bois. En effet, les inventeurs se sont aperçus que, dans le cas spécifique de larves d'anobidés tels que la petite vrillette ou le lyctus, les transitoires associés à l'activité biologique de ces larves sont en général de 15 faible intensité et peuvent donc être confondus avec des transitoires provenant de bruits parasites tels que des voix, bruits de pas, claquements de portes, qui peuvent être nombreux dans certaines conditions d'acquisition du signal (par exemple dans le cas d'une acquisition du si- 20 gnal in situ lorsque l'ouvrage en bois ne peut être transportée dans une salle insonorisée). Les transitoires parasites sont de nature à perturber le diagnostic de présence. Le tri des transitoires selon l'invention per-met de ne retenir que les transitoires effectivement dus 25 (à une marge d'erreur près) à l'activité biologique des insectes xylophages, ce qui augmente la fiabilité du diagnostic de présence. Selon un mode préféré de mise en oeuvre, l'identification des transitoires significatifs est réalisée en 30 affectant des paramètres à chacun des transitoires détectés et en triant les transitoires au moyen d'un réseau de neurones agissant sur lesdits paramètres pour reconnaître, à partir d'une base d'apprentissage, les transitoires significatifs des autres transitoires détectés.BRIEF DESCRIPTION OF THE INVENTION In view of accomplishing this object, there is provided a method of detecting the presence of active xylophagous insects in a wooden structure, especially larvae, comprising the steps of: registering for a period of time given time 2903189 3 a signal representative of noises emitted inside the structure; - subject this signal to a pretreatment; detecting in the pretreated signal any transients likely to be caused by the biological activity of xylophagous insects in the wooden structure; and - identifying among the transients detected the significant transients that are actually due to the biological activity of xylophagous insects in the woodwork. In fact, the inventors have found that, in the specific case of anobid larvae such as small vrillette or lyctus, the transients associated with the biological activity of these larvae are generally of low intensity and can therefore be confused with transients from stray noises such as voices, footsteps, slamming doors, which can be numerous under certain signal acquisition conditions (for example in the case of an acquisition of the signal in situ when the wooden work can not be transported to a soundproof room). Spurious transients are likely to disturb the diagnosis of presence. The sorting of the transients according to the invention makes it possible to retain only the transients actually due (within a margin of error) to the biological activity of the xylophagous insects, which increases the reliability of the diagnosis of presence. According to a preferred embodiment, the identification of significant transients is accomplished by assigning parameters to each of the detected transients and sorting the transients by means of a neural network acting on said parameters to recognize, from 'a learning base, the significant transients of the other transients detected.
35 DESCRIPTION DETAILLEE DE L'INVENTION 2903189 4 La mise en oeuvre du procédé de l'invention requiert d'enregistrer un signal représentatif du bruit émis à l'intérieur de l'ouvrage en bois. A cet effet, il importe d'utiliser un transduc- 5 teur ayant une bande passante large, car l'activité biologiques des larves donne lieu à un signal comportant des transitoires dont l'énergie se répartit dans une large gamme de fréquences recouvrant largement la gamme audible. De préférence, le transducteur est un accéléromètre 10 piézoélectrique de bande passante sensiblement égale à [20 Hz; 20 kHz]. L'accéléromètre est de préférence fixé à l'aide d'une colle à la cyanoacrylate sur une petite sur-face d'aluminium adhésif, celle-ci étant alors rapportée sur l'ouvrage en bois à investiguer. En variante, l'accé- 15 léromètre peut être fixé sur l'ouvrage en bois au moyen de cire. Le transducteur est associé à une carte d'acquisition numérique pour mettre en forme, amplifier et numériser le signal électrique issu de l'accéléromètre. Ici, 20 on choisit une fréquence d'échantillonnage supérieure à deux fois la fréquence maximale du signal, soit en pratique au moins 40000 Hz. On effectue l'enregistrement du signal sur une période suffisamment longue pour permettre l'acquisition 25 de plusieurs transitoires significatifs. En pratique, une période d'enregistrement de l'ordre de 5 minutes semble suffisante. On pourra avantageusement recommencer l'enregistrement du signal à différents moments de la journée, pour diminuer le risque d'enregistrer le signal 30 pendant une période de repos ou d'inactivité biologique des larves xylophages. Une fois le signal enregistré, mis en forme, amplifié et numérisé, celui-ci est soumis à un prétraitement, destiné à faciliter la détection ultérieure des 35 transitoires.DETAILED DESCRIPTION OF THE INVENTION 2903189 4 The implementation of the method of the invention requires the recording of a signal representative of the noise emitted inside the wooden structure. For this purpose, it is important to use a transducer having a wide bandwidth, because the biological activity of the larvae gives rise to a signal comprising transients whose energy is distributed over a wide range of frequencies largely covering the audible range. Preferably, the transducer is a bandwidth piezoelectric accelerometer substantially equal to [20 Hz; 20 kHz]. The accelerometer is preferably fixed with a cyanoacrylate adhesive on a small surface of adhesive aluminum, which is then reported on the wooden work to be investigated. Alternatively, the accelerometer can be attached to the wooden structure by means of wax. The transducer is associated with a digital acquisition card to format, amplify and digitize the electrical signal from the accelerometer. Here, a sampling frequency greater than twice the maximum frequency of the signal is chosen, in practice at least 40000 Hz. The signal is recorded over a sufficiently long period to allow the acquisition of several significant transients. . In practice, a recording period of the order of 5 minutes seems sufficient. It will be advantageous to repeat the signal recording at different times of the day, to reduce the risk of recording the signal during a period of rest or biological inactivity of the xylophagous larvae. Once the signal is recorded, formatted, amplified and digitized, it is pretreated to facilitate subsequent detection of the transients.
2903189 5 Selon un mode préféré de mise en oeuvre de l'invention, le prétraitement comporte l'étape d'effectuer un blanchiment du signal destiné à égaliser la densité spectrale de puissance du signal dans toute la bande de fré- 5 quence, ce qui facilitera les traitements ultérieurs. Le blanchiment comporte avantageusement les opérations de: - rééchantillonner le signal à un taux d'échantilldnnage légèrement plus bas que celui utilisé pour la numérisation du signal, de façon à ne retenir que la par- 10 tie du signal comprise dans la bande passante de l'accéléromètre ; puis - blanchir le signal à l'aide d'un filtre blanchisseur. De préférence, le prétraitement comporte en outre 15 l'étape ultérieure d'effectuer un filtrage passehaut destiné à éliminer les parties du signal de fréquence basse pour lesquelles le rapport signal sur bruit est en général trop faible pour être exploitable. De préférence encore, le prétraitement comporte 20 en outre l'étape ultérieure d'effectuer un seuillage en ondelettes destiné à éliminer une grande partie du bruit généré par la chaîne d'acquisition. Le seuillage en ondelettes comporte de préférence les opérations de : 25 -faire subir au signal ainsi filtré une transformée en ondelettes discrète, de préférence en utilisant des ondelettes de type Daubechies choisies avantageuse-ment d'ordre 8; - soumettre le signal ainsi transformé à un 30 seuillage connu en soi sur les coefficients de la transformée en ondelettes. Le seuil S utilisé pour cette opération de seuillage est choisi de préférence suffisamment haut pour éliminer une grande partie du bruit de fond de la chaîne d'acquisition, mais néanmoins pas trop haut 35 pour ne pas trop éliminer de transitoires ; 2903189 6 reconstruire le signal temporel à partir du signal ainsi seuillé par une transformée en ondelettes in-verse. Une fois le signal prétraité, on procède alors à 5 la détection des transitoires dans le signal prétraité. Selon un mode préféré de mise en oeuvre de l'invention, la détection des transitoires comporte l'opération'd'effectuer un seuillage du signal temporel, en utilisant de préférence le même seuil S que précédemment. Ce 10 seuillage permet de détecter dans le signal prétraité les parties de celui-ci qui dépassent le seuil S et qui sont susceptibles d'avoir été générés par l'activité biologique des insectes xylophages. Ces parties forment les transitoires déjà mentionnés.According to a preferred embodiment of the invention, the pretreatment comprises the step of signal whitening intended to equalize the signal power spectral density throughout the frequency band, which will facilitate subsequent treatments. The bleaching advantageously comprises the operations of: resampling the signal at a sampling rate slightly lower than that used for the digitization of the signal, so as to retain only the portion of the signal included in the bandwidth of the signal. accelerometer; then - whiten the signal with a whitening filter. Preferably, the pretreatment further comprises the subsequent step of performing high pass filtering for removing low frequency signal portions for which the signal-to-noise ratio is generally too low to be exploitable. More preferably, the pretreatment further includes the subsequent step of performing wavelet thresholding to eliminate much of the noise generated by the acquisition chain. The wavelet thresholding preferably comprises the operations of: - subjecting the signal thus filtered to a discrete wavelet transform, preferably by using Daubechies type wavelets advantageously of order 8; subjecting the signal thus transformed to a thresholding known per se on the coefficients of the wavelet transform. The threshold S used for this thresholding operation is preferably chosen high enough to eliminate a large part of the background noise of the acquisition chain, but nevertheless not too high so as not to eliminate transients too much; The time signal is reconstructed from the signal thus thresholded by an inverter-wavelet transform. Once the signal has been preprocessed, the transients are then detected in the preprocessed signal. According to a preferred embodiment of the invention, the transient detection comprises the operation of performing a thresholding of the time signal, preferably using the same threshold S as before. This thresholding makes it possible to detect in the pretreated signal the parts of the latter which exceed the threshold S and which may have been generated by the biological activity of the xylophagous insects. These parts form the transients already mentioned.
15 Ces transitoires peuvent être le résultat de l'activité biologique des insectes xylophages, mais peu-vent aussi avoir été crées par des bruits parasites ex-ternes, tel qu'un bruit de pas ou une vibration que le transducteur aurait capté, ou encore résulter d'un arte- 20 fact de mesure ou de numérisation. Or, notamment dans le cas des larves xylophages, les transitoires dus à l'activité biologique des insectes xylophages sont sensiblement du même ordre que les transitoires parasites de sorte qu'il est très difficile de différencier à l'oreille ou 25 sur la représentation graphique du signal les transitoires dus à l'activité biologique des insectes xylophages des transitoires parasites. Les transitoires parasites gênent donc le diagnostic de présence et risquent d'amener à un diagnostic 30 positif alors que l'ouvrage n'est pas ou plus infesté. A cet effet, et selon un aspect essentiel de l'invention, on procède à un triage des transitoires détectés afin de repérer parmi ceux-ci les transitoires significatifs effectivement liés à l'activité biologique 35 des insectes xylophages.These transients may be the result of the biological activity of xylophagous insects, but may also have been created by ex-dull parasitic noises, such as footstep noise or vibration that the transducer would have picked up, or result of measurement or digitization artefact. However, especially in the case of xylophagous larvae, the transients due to the biological activity of xylophagous insects are substantially of the same order as parasitic transients, so that it is very difficult to differentiate by ear or on the graphical representation. of the signal transients due to the biological activity of xylophagous insects parasitic transients. Spurious transients thus hinder the diagnosis of presence and may lead to a positive diagnosis while the work is not or more infested. For this purpose, and according to an essential aspect of the invention, the transients detected are sorted in order to identify among them the significant transients effectively linked to the biological activity of the xylophagous insects.
2903189 7 Selon un mode préféré de mise en oeuvre de l'invention, le triage est réalisé au moyen d'un réseau de neurones adapté à classer les transitoires en trois classes: - classe 1: transitoires correspondant à une activité biologique des insectes xylophages, encore appelés transitoires significatifs; 10 - classe 2: transitoires correspondant à du bruit dans la chaîne d'acquisition; -classe 3: transitoires correspondant à des bruits para-sites de l'environnement sonore externe. A cet effet, l'étape de triage comporte tout d'abord l'opération d'associer des paramètres à chacun des transitoires détectés. De préférence, les paramètres choisis sont les suivants: 20 - paramètre Pi: rapport entre l'énergie de la partie purement sinusoïdale du transitoire (estimée par exemple à l'aide d'une méthode de type haute résolution comme la méthode ESPRIT) et l'énergie totale du transitoire; - paramètre P2: Kurtosis, ou moment d'ordre 4 du transitoire ; - paramètre P3: rapport du maximum de l'amplitude du 30 transitoire sur le seuil S utilisé pour les opérations de seuillage ; - paramètre P4: largeur du transitoire, estimée par exemple en comptant pour chaque transitoire le nombre 35 d'échantillons issus de la numérisation du signal dont la 5 15 25 2903189 8 valeur est supérieure au seuil S utilisé pour les opérations de seuillage. Ces quatre paramètres sont calculés pour chacun des transitoires identifiés selon des techniques bien 5 connues de l'homme du métier du traitement du signal. On met alors en oeuvre un réseau de neurones pour trier les transitoires à partir de ces quatre paramètres. De façon connue en soi, les paramètres P1,P2,P3 et P4 sont soumis à une pondération dont les coefficients sont 10 déterminés par apprentissage à partir d'une base d'apprentissage comportant des entrées (les paramètres) et des sorties correspondantes (les classes) connues. En pratique, les coefficients sont estimés en minimisant l'erreur quadratique entre la sortie calculée pour une 15 entrée connue et la sortie attendue correspondante à cette entrée. Une fois cette phase d'apprentissage terminée, on met en oeuvre le réseau de neurones pour trier les transitoires en vue d'identifier les transitoires significatifs, c'est-à-dire ceux qui sont effectivement dus à l'activité biologique des insectes xylophages et qui sont donc classés dans la classe 1. L'identification des transitoires significatifs permet ainsi de poser un diagnostic fiabilisé sur l'éven- 25 tuelle présence d'insectes xylophages actifs dans l'ouvrage en bois en écartant les transitoires non significatifs. En particulier, le triage permet de préciser la localisation temporelle des transitoires significatifs dans le signal, ainsi que l'intensité de l'activité biologi- 30 que. L'invention n'est pas limitée à ce qui vient d'être décrit, mais bien au contraire englobe toute va-riante entrant dans le cadre défini par les revendications.According to a preferred embodiment of the invention, the sorting is carried out by means of a neuron network adapted to classify the transients into three classes: class 1: transients corresponding to a biological activity of the xylophagous insects, still called significant transients; 10 - class 2: transients corresponding to noise in the acquisition chain; class 3: transients corresponding to parasitic noise of the external sound environment. For this purpose, the sorting step comprises first of all the operation of associating parameters with each of the detected transients. Preferably, the parameters chosen are the following: - parameter Pi: ratio between the energy of the purely sinusoidal portion of the transient (estimated for example by means of a high resolution type method such as the ESPRIT method) and total energy of the transient; Parameter P2: Kurtosis, or moment of order 4 of the transient; parameter P3: ratio of the maximum of the amplitude of the transient to the threshold S used for the thresholding operations; parameter P4: transient width, estimated for example by counting for each transient the number of samples from the digitization of the signal whose value is greater than the threshold S used for the thresholding operations. These four parameters are calculated for each of the transients identified according to techniques well known to those skilled in the art of signal processing. A neural network is then used to sort the transients from these four parameters. In a manner known per se, the parameters P1, P2, P3 and P4 are subjected to a weighting whose coefficients are determined by learning from a learning base comprising inputs (the parameters) and corresponding outputs (the classes). In practice, the coefficients are estimated by minimizing the squared error between the calculated output for a known input and the expected output corresponding to that input. Once this learning phase is complete, the neural network is used to sort the transients in order to identify the significant transients, that is to say those which are actually due to the biological activity of the xylophagous insects. The identification of significant transients thus makes it possible to make a reliable diagnosis of the possible presence of active xylophagous insects in the wooden structure by eliminating insignificant transients. In particular, sorting makes it possible to specify the temporal location of the significant transients in the signal, as well as the intensity of the biological activity. The invention is not limited to what has just been described, but on the contrary encompasses any variant falling within the scope defined by the claims.
35 En particulier, bien que l'on ait décrit l'étape 2903189 9 d'identification des transitoires significatifs comme mettant en oeuvre un réseau de neurones utilisant les quatre paramètres P1,P2,P3 et P4 pour discriminer les transitoires, on pourra utiliser tout autre procédé 5 d'identification apte à discerner parmi les transitoires ceux qui sont réellement associés à une activité biologique des insectes xylophages dans l'ouvrage en bois, par exemple un réseau de neurones utilisant seulement une partie des quatre paramètres ou bien d'autres paramètres, 10 ou encore une machine à vecteur support.In particular, although the step of identifying significant transients has been described as implementing a neural network using the four parameters P1, P2, P3 and P4 to discriminate transients, it will be possible to use any Another method of identification capable of discriminating among transients those which are actually associated with a biological activity of xylophagous insects in the wooden structure, for example a neural network using only a part of the four parameters or other parameters. , Or a carrier vector machine.