Des images de laboratoire aux comptages validés
COLLEMBOT automatise le comptage des juvéniles et adultes du collembole Folsomia candida dans les essais de reproduction OCDE 232. Son modèle YOLOv11 a été entraîné sur 3 207 images de plusieurs laboratoires. La validation indépendante porte sur 22 jeux de données d’Amsterdam, Bâle, Bayreuth, Coimbra et Aarhus, avec différents sols d’essai standardisés.
L’évaluation couvre ainsi plusieurs contextes de laboratoire. La concordance avec le comptage manuel varie de R² = 0,79 à 0,99 selon le jeu de données. Cette plage décrit les données testées ; elle ne garantit pas une performance équivalente pour d’autres espèces, sols ou conditions de prise de vue.
Références [1]
L’enjeu : les résultats des essais
L’étude examine aussi les conséquences du comptage automatique sur les courbes concentration–réponse et les concentrations d’effet qui en découlent. Les courbes issues des comptages manuels et automatiques se superposent étroitement. L’analyse d’images est ainsi reliée à la question écotoxicologique de l’expérience.
L’article a été publié dans Environmental Toxicology and Chemistry en 2026. Le code, le workflow et les données de toxicité associées sont accessibles au public. L’exemple documenté d’environ 300 images illustre le gain de temps possible, tout en restant propre au processus évalué.
La méthode en détail
- Entraîner un modèle YOLOv11 sur des images de laboratoire et évaluer des jeux indépendants.
- Comparer les comptages automatiques et manuels et les résultats d’essai qui en découlent.
- Rendre accessibles le code, le workflow et les données de toxicité associées.







