Des chercheurs décrivent un cadre de surveillance acoustique destiné à détecter Postelectrotermes militaris, un termite susceptible d’endommager fortement les plantations de thé lorsque l’infestation n’est pas repérée à temps. Leur proposition repose sur un dispositif IoT basé sur un Raspberry Pi et un microphone haute sensibilité, capable de capter de manière non invasive les signaux sonores au niveau des troncs, tout en enregistrant les coordonnées géographiques des plants observés.
L’étude s’appuie sur 2 000 échantillons audio de 10 secondes, répartis à parts égales entre plants sains et plants infestés. Après prétraitement, les chercheurs ont entraîné un modèle de deep learning de type CNN sur des spectrogrammes dérivés de Fourier. Selon l’article, l’évaluation sur l’ensemble de test montre une accuracy de 81,5 %, avec une précision de 80,6 %, un rappel de 83,0 %, un score F1 de 81,8 % et une ROC-AUC de 0,819.
Au-delà de la simple classification binaire, les auteurs proposent aussi un modèle pondéré d’évaluation de sévérité. Celui-ci combine la probabilité d’infestation fournie par le CNN, l’amplitude acoustique moyenne et la présence de plants infestés à proximité, dans un rayon de 5 mètres. Les résultats sont ensuite projetés sur une carte géospatiale afin de visualiser la distribution des zones à risque.
Les essais terrain ont été menés dans une plantation touchée à Pundaluoya, dans des conditions jugées réalistes malgré le bruit ambiant. Les auteurs estiment que cette approche pourrait aider les gestionnaires de plantations à mieux cibler les inspections et les mesures de contrôle. Comme il s’agit d’un article arXiv, ces résultats doivent toutefois être considérés avec prudence en l’absence d’informations complémentaires sur une éventuelle validation indépendante à plus grande échelle.