Comprehensive Performance Evaluation of YOLOv12, YOLO11, YOLOv10, YOLOv9 and YOLOv8 on Detecting and Counting Fruitlet in Complex Orchard Environments
Cette étude évalue de manière exhaustive les performances des algorithmes YOLO (de la version 8 à 12) pour la détection et le comptage de jeunes fruits dans des vergers complexes, démontrant que si YOLOv12 et YOLOv9 excellent en précision de détection, le modèle YOLO11n s'avère le plus performant pour le comptage précis et l'application en temps réel.
Article original sous licence CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). Ceci est une explication générée par l'IA de l'article ci-dessous. Elle n'a pas été rédigée ni approuvée par les auteurs. Pour une précision technique, consultez l'article original. Lire la clause de non-responsabilité complète
Le défi : Le casse-tête des petits fruits dans le verger
Imaginez un verger de pommiers. Au printemps, les arbres sont couverts de milliers de toutes petites pommes vertes (les "fruitlets"). Pour que les pommes finales soient grosses, juteuses et parfaites, l'agriculteur doit faire un tri : il doit en enlever certaines pour ne pas surcharger les branches.
Le problème ? C'est un travail de titan. C'est comme essayer de compter et de trier des grains de riz éparpillés dans une forêt dense, sous un soleil qui change tout le temps, avec des feuilles qui cachent les fruits. Aujourd'hui, ce sont des humains qui le font, mais c'est épuisant et pénible.
La mission : Recruter le "super-œil" numérique
Les chercheurs de cette étude ont voulu créer un robot capable de faire ce travail à notre place. Mais pour qu'un robot puisse travailler, il lui faut un cerveau capable de "voir". Ils ont donc testé les cinq meilleurs "cerveaux" de l'intelligence artificielle actuelle, de la famille YOLO (qui signifie "You Only Look Once" ou "Tu ne regardes qu'une fois").
Considérez ces modèles YOLO comme des athlètes de la vision que l'on fait passer à un examen de recrutement très sévère :
- YOLOv8 : Le vétéran expérimenté, solide mais un peu classique.
- YOLOv9 : Le spécialiste du détail, très attentif aux nuances.
- YOLOv10 : Le sprinteur, qui veut aller le plus vite possible sans trop réfléchir.
- YOLO11 : Le nouveau prodige, équilibré et ultra-rapide.
- YOLOv12 : Le dernier né, doté de technologies de pointe, mais encore un peu en phase d'apprentissage.
L'examen : Un parcours d'obstacles
Pour les tester, les scientifiques ne les ont pas mis dans un laboratoire propre. Ils les ont envoyés "sur le terrain" :
- Le camouflage : Les pommes sont vertes, les feuilles sont vertes. C'est comme chercher un chat noir dans une pièce noire.
- Le cache-cache : Les branches et les feuilles cachent souvent la moitié des fruits.
- Le changement de lunettes : Ils ont entraîné les modèles avec une caméra professionnelle (très précise), puis ils les ont testés avec un simple iPhone 14 Pro Max. C'est comme demander à un pilote de Formule 1 de conduire une voiture de tourisme pour voir s'il est vraiment bon.
Le verdict : Qui est le champion ?
Après avoir analysé des milliers d'images, voici les résultats :
- Le champion de la précision (Le Sniper) : C'est YOLOv10x. Il ne se trompe presque jamais quand il dit "voici une pomme". Il évite les fausses alertes.
- Le champion de la mémoire (Le Détective) : C'est YOLOv12l. Il est excellent pour ne rien oublier, même les pommes les plus cachées.
- Le champion de la régularité (Le Meilleur Élève) : C'est YOLOv9. Il a obtenu les meilleurs scores globaux de compréhension de l'image.
- Le grand gagnant pour le futur (Le Champion du Monde) : C'est YOLO11n.
Pourquoi YOLO11n est-il le grand gagnant ?
Imaginez que vous devez compter des pommes sur un tapis roulant qui défile à toute vitesse. Vous avez besoin de quelqu'un qui est à la fois très rapide (pour ne pas rater le passage), très précis (pour ne pas compter deux fois la même chose) et polyvalent (capable de voir aussi bien avec une caméra pro qu'avec un smartphone).
YOLO11n a réussi ce tour de force : il est incroyablement rapide (il analyse une image en seulement 2,4 millisecondes !) et il est resté très fiable même quand on a changé de caméra.
En résumé
Cette étude nous dit que l'avenir de l'agriculture sera robotisé. Grâce à des cerveaux comme YOLO11, nous pourrons bientôt avoir des robots dans les vergers qui, avec la précision d'un chirurgien et la rapidité de l'éclair, aideront les agriculteurs à produire de meilleures pommes, tout en les libérant de tâches physiques épuisantes.
Noyé(e) sous les articles dans votre domaine ?
Recevez des digests quotidiens des articles les plus récents correspondant à vos mots-clés de recherche — avec des résumés techniques, dans votre langue.