PlanarianScanner
Système d'imagerie automatisé pour le suivi comportemental de planaires
(C) dd@linuxtarn.org pour le Laboratoire de Biologie, Université Champollion, Albi
Présentation
PlanarianScanner est une application web développée pour le suivi de l'activité et des mouvements de planaires (Platyhelminthes) dans le cadre de leur étude en laboratoire.
Le système pilote un scanner multi-puits motorisé composé d'un bras CNC (GRBL) et d'une caméra haute définition ArduCam montée sur Raspberry Pi 4. Il permet l'acquisition automatisée d'images sur une grille de 6×4 puits × 4 plaques, le stockage haute performance des captures, et leur export vers des machines d'analyse distantes.
Matériel
| Composant | Détail |
|---|---|
| Carte | Raspberry Pi 4 |
| Caméra | ArduCam haute définition |
| Motorisation | Bras CNC (L2544) piloté en GRBL |
| Grille de puits | 6×4 × 4 plaques multi-puits |
| Réseau | LAN local — export Samba/rsync |
Stack technique
| Couche | Technologie |
|---|---|
| Backend | Django + Django Channels |
| Temps réel | Redis (broker + channel layer) |
| Acquisition | OpenCV + Picamera2 |
| Stockage | ReductStore (time series haute performance) |
| Tâches asynchrones | Celery + django-celery-beat |
| Export | Samba (CIFS), rsync/SSH |
| Plateforme | Raspberry Pi 4 — Debian Linux |
Fonctionnalités
Application 1: Scanner de tube à essais
- Pilotage du bras CNC en GRBL — déplacement automatique puits par puits
- Calibration des multi-puits avec synchro base de données
- Acquisition image haute définition via ArduCam (OpenCV + Picamera2)
- Stockage des frames en base time série ReductStore
- Sessions de scan paramétrables (grille complète ou sélection de puits)
- Export asynchrone (Celery) :
- Archive ZIP d'images JPEG par session
- Vidéo MP4 générée depuis les frames capturées
- Transfert automatique des exports vers machines distantes (Linux / Windows)
- Planification nocturne des exports via django-celery-beat
- Interface web temps réel (Django Channels / WebSocket)
- Interface administration Django (sqlite3 ou mariadb ou postgresql)
- Suivi de progression des tâches longues par polling
Application 2: planarian Détection et suivi multi-individus de planaires dans un tube.
-
Supporte plusieurs planaires avec paramètres configurables via django ou csv.
-
Stratégie :
- Soustraction de fond MOG2 (léger sur Raspberry Pi 4)
- Détection de tous les contours valides (surface >= min_area_px)
- Association frame-à-frame par distance euclidienne minimale via algorithme hongrois (scipy.optimize.linear_sum_assignment)
- Un état inter-frame indépendant par individu (PlanarianState)
- Retourne une liste de résultats, un par individu suivi
-
-
Export CSV par planaire compatible EthoVision XT.
-
Métriques par frame :
- Mobilité : velocity, distance, moving, mobility_state
- Thigmo : dist_to_wall_mm, near_wall
- Photo : dist_to_light_mm, heading_to_light_deg, fleeing_light
- Chemo : dist_to_food_mm, heading_to_food_deg, approaching_food, in_food_zone
- Social : nearest_neighbour_mm, in_avoid_zone, in_aggreg_zone, chem_repulsion_level
-
Métriques résumé (summary) :
- Mobilité : movedCenter_pointTotal_mm, velocity_mean_mm_s, durations par état
- Thigmo : thigmotaxis_pct_time_near_wall
- Photo : photo_pct_time_fleeing, photo_mean_dist_mm, photo_latency_s
- Chemo : chemo_pct_time_approaching, chemo_pct_time_in_zone, chemo_latency_s, chemo_mean_dist_mm
- Social : social_pct_time_avoiding, social_pct_time_aggregating, social_mean_nn_mm, social_contact_events
-
Seuils EthoVision par défaut (configurables via django ou csv)
- Immobile : déplacement < 0.2 mm/s
- Mobile : 0.2 à 1.5 mm/s
- Très mobile : > 1.5 mm/s
EthoVision CSV frames CSV summary movedCenter-pointTotalmm total_distance_mm movedCenter_pointTotal_mm VelocityCenter-pointMeanmm/s velocity_mm_s velocity_mean_mm_s MovementMoving moving, duration_moving_s movement_moving_duration_s MovementNot Moving duration_stopped_s movement_not_moving_duration_s ImmobileFrequency / Duration mobility_state mobility_immobile_frequency/duration_s MobileFrequency / Duration mobility_state mobility_mobile_frequency/duration_s Highly mobileFrequency / Duration mobility_state mobility_highly_mobile_frequency/duration_s -
Comportements
- Thigmotactisme : attraction vers la paroi (--thigmotaxis)
- Phototactisme : fuite de la lumière (--photo-mode, --photo-strength)
- Chimiotactisme : attraction vers une source de nourriture (--chemo-strength)
- Inter-individus : évitement de contact, agrégation, répulsion chimique
Application 4: Simulation de planaires
-
planarian_sim.py
Espace circulaire de 16mm de diamètre, 500x500px Supporte plusieurs planaires avec paramètres configurables via arguments CLI. Export CSV par planaire compatible EthoVision XT.
Comportements simulés : - Thigmotactisme : attraction vers la paroi (--thigmotaxis) - Phototactisme : fuite de la lumière (--photo-mode, --photo-strength) - Chimiotactisme : attraction vers une source de nourriture (--chemo-strength) - Inter-individus : évitement de contact, agrégation, répulsion chimique Usage: python3 planarian_sim.py [options] Exemples: python3 planarian_sim.py --count 5 --thigmotaxis 0.4 python3 planaire_sim.py --count 5 --photo-mode fixed --photo-x 0.2 --photo-y 0.2 --photo-strength 0.6 python3 planarian_sim.py --count 5 --chemo-x 0.7 --chemo-y 0.5 --chemo-strength 0.5 python3 planarian_sim.py --count 5 --avoid-strength 0.6 --aggreg-strength 0.2 -
make_videos.sh
-
Générateur de vidéos paramétrables
Usage: - ./make_video.sh (génère le fichier par défaut) - ./make_video.sh all (génère 24 vidéos pour 24 tubes à essais)
-
Architecture
Raspberry Pi 4
├── Django (interface web + API)
│ ├── Django Channels ←→ Redis (WebSocket temps réel)
│ └── Celery workers
│ ├── scanning(session_id) — parcours des puits
│ ├── export_images_zip() — génération ZIP JPEG
│ ├── export_video_mp4() — génération MP4 (OpenCV)
│ └── transfer → /mnt/exports — partage Samba
│
├── ArduCam ← Picamera2 / OpenCV — capture HD
├── CNC GRBL ← Serial — déplacement XY
└── ReductStore — stockage time série frames
Installation
Documentation complète à venir.
Avec piImager installez PI OS 64-bits Trixie sur le raspberry pi4.
Personnalisez votre raspberry avec au moins ssh (sshkey ou password)
Plus tard, par commodité vous installerez VNC server
ssh rpi4@ip.du.raspi
git clone https://github.com/votre-repo/planarianscanner.git
git@github.com:deunix-educ/PlanarianScanner.git
# modifier les variables d'environnement si besoin
cp .env.example .env
# Éditer .env : SECRET_KEY, REDIS_URL, REDUCTSTORE_URL, ...
cd PlanarianScanner/etc
chmod +x *.sh
# installation des librairies systèmes
./1-install-sys.sh
# compilation reductstore 15 mn sur le raspberry pi4
./2-cargo-reductstore-install.sh
# installation samba client
./3-install-samba-client.sh
# installation de mariadb
./4-install_mariadb.sh
# installation de adminer
./5-install_adminer.sh
# Configuration des applications Django
./6-install_django_app.sh
# tester
sudo supervisorctl stop test_tube:*
./manage.py runserver 0.0.0.0:8000
# tester en local
# http://127.0.0.1:8000
# tester en distant
# http://ip.du.raspi:8000
# fin du test
sudo supervisorctl restart test_tube:*
Démarrage des services :
Tous les services sont accessibles depuis supervisor
http://root:toor@ip-du-raspi:9001
ou
sudo supervisorctl start|stop|restart reductstore
sudo supervisorctl start|stop|restart test_tube:*
Ajouter scanner.local au fichier hosts des clients web:
si 10.8.0.100 est l'ip locale du raspberry pi4 le serveur
10.8.0.100 scanner.local
- linux : /etc/hosts
- windows: C:\Windows\System32\drivers\etc\hosts
- mac : /private/etc/hosts"
Organisation du dépôt
PlanarianScanner/
├── assets
│ ├── calibration-auto.png
│ └── logo.png
├── browser.py
├── etc
│ ├── 1-install-sys.sh
│ ├── 2-cargo-reductstore-install.sh
│ ├── 3-install-samba-client.sh
│ ├── 4-install_mariadb.sh
│ ├── 5-install_adminer.sh
│ ├── 6-install_django_app.sh
│ ├── db
│ │ ├── configuration.json
│ │ ├── multiwell.json
│ │ └── well.json
│ ├── install-linux-samba-server.sh
│ ├── nginx_service.conf
│ ├── reductstore_service.conf
│ ├── requirements.txt
│ ├── scanner_service.conf
│ └── supervisor-inet_http.conf
├── LICENSE
├── README.md
└── test_tube_scanner
├── home
│ ├── apps.py
│ ├── asgi.py
│ ├── celerymodule.py
│ ├── context_processors.py
│ ├── __init__.py
│ ├── locale
│ ├── management
│ ├── middleware.py
│ ├── __pycache__
│ ├── settings.py
│ ├── static
│ ├── templates
│ ├── templatetags
│ ├── urls.py
│ ├── views.py
│ └── wsgi.py
├── logs
│ ├── celery.log
│ └── test_tube.log
├── manage.py
├── media
│ ├── images
│ └── simulation
├── modules
│ ├── capture_interface.py
│ ├── circular_crop.py
│ ├── grbl.py
│ ├── __init__.py
│ ├── picamera2_capture_basic.py
│ ├── picamera2_capture.py
│ ├── planarian_metrics.py
│ ├── planarian_tracker.py
│ ├── __pycache__
│ ├── reductstore.py
│ ├── system_stats.py
│ ├── tube_aligner.py
│ ├── utils.py
│ ├── videofile_capture.py
│ └── webcam_capture.py
├── planarian
│ ├── admin.py
│ ├── apps.py
│ ├── forms.py
│ ├── __init__.py
│ ├── migrations
│ ├── models.py
│ ├── __pycache__
│ ├── templates
│ ├── tests.py
│ ├── urls.py
│ └── views.py
├── run-workers.sh
├── scanner
│ ├── admin.py
│ ├── apps.py
│ ├── constants.py
│ ├── consumers.py
│ ├── export_tasks.py
│ ├── __init__.py
│ ├── migrations
│ ├── models.py
│ ├── multiwell.py
│ ├── process.py
│ ├── __pycache__
│ ├── routing.py
│ ├── static
│ ├── tasks.py
│ ├── templates
│ ├── templatetags
│ ├── tests.py
│ ├── urls.py
│ └── views.py
├── staticfiles
│ ├── admin
│ ├── css
│ ├── img
│ ├── js
│ ├── scanner
│ └── webfonts
└── templates
└── admin
Procédure de calibration en 4 étapes
-
Activer "Debug détection" → voir le cercle et les zones sur le stream
-
Activer recadrage pour isoler le tube
Calibration auto
Calibration auto
Contexte scientifique
Les planaires sont des vers plats dotés de remarquables capacités de régénération et d'un système nerveux primitif faisant l'objet de nombreuses recherches en neurobiologie et biologie du développement.
Ce système d'imagerie automatisé permet d'observer et d'enregistrer leur comportement (déplacements, réponses à des stimuli) sur de longues périodes, pour un grand nombre d'individus en parallèle, sans intervention humaine.
Laboratoire
Développé par dd@linuxtarn.org pour le Laboratoire de Biologie de l'Université Champollion, Albi.
Statut
Documentation détaillée et guides d'installation complets à venir prochainement.
Licence
GPL-3.0 — Projet opensource, développé pour le partage et la reproductibilité scientifique.