Deep Learning-Based Meat Freshness Detection with Segmentation and OOD-Aware Classification

Cette étude présente un cadre d'apprentissage profond pour la détection de la fraîcheur de la viande à partir d'images RVB, combinant une segmentation par U-Net et une classification OOD-aware qui aident à isoler les régions d'intérêt et à rejeter les échantillons incertains, démontrant que le modèle EfficientNet-B0 atteint une précision de 98,10 % tout en étant optimisé pour un déploiement sur mobile via TensorFlow Lite.

L'essentiel

🥩 Le Problème : "Est-ce que ma viande est encore bonne ?"

Imaginez que vous êtes dans un supermarché ou chez vous, devant un paquet de viande. Vous voulez savoir si elle est fraîche ou si elle commence à tourner.

• La méthode traditionnelle : C'est comme envoyer un détective spécialisé (un expert) qui doit toucher, sentir et analyser chimiquement la viande. C'est cher, lent et pas toujours possible pour le client moyen.
• Le problème visuel : Parfois, la viande est dans un emballage en plastique brillant. Les reflets, la lumière et le fond de l'assiette peuvent tromper l'œil. C'est comme essayer de lire un livre à travers une vitre sale : c'est difficile de voir la vraie couleur des mots.

🤖 La Solution : Le "Super-Inspecteur Numérique"

Les chercheurs de l'Université d'Auburn et de l'Université Tuskegee ont créé un système intelligent qui utilise la caméra de votre smartphone pour faire ce travail. Voici comment cela fonctionne, étape par étape, avec des analogies simples :

1. Le Nettoyage de la "Vitrine" (La Segmentation)

Avant même de regarder si la viande est fraîche, le système doit d'abord isoler la viande du reste.

• L'analogie : Imaginez que vous devez juger la qualité d'une pomme, mais elle est posée sur une table encombrée avec des journaux, des couverts et des reflets de fenêtre. Le système utilise un outil magique (appelé U-Net, un peu comme un couteau de chirurgien numérique) pour découper précisément la pomme et jeter tout le reste à la poubelle.
• Le résultat : Le système ne regarde plus que la viande, sans le bruit de fond. Cela rend la décision beaucoup plus claire.

2. Le Jury d'Experts (Les Modèles de Deep Learning)

Une fois la viande isolée, le système la montre à cinq "juges" différents (des algorithmes d'intelligence artificielle). Chaque juge a une personnalité différente :

• ResNet-50 & Swin-T : Ce sont les juges très sérieux et détaillés, mais ils sont un peu lents à réfléchir.
• EfficientNet-B0 & MobileNetV3 : Ce sont les juges rapides et efficaces, parfaits pour travailler sur un téléphone portable.
• ViT-B/16 : C'est un juge très ambitieux qui essaie de tout comprendre d'un coup, mais qui s'est un peu perdu dans les détails sur ce jeu de données spécifique.

Le verdict : Le juge EfficientNet-B0 s'est révélé être le meilleur. Il a réussi à deviner la fraîcheur dans 98 % des cas (sur un échantillon de test), devançant même les autres.

3. Le "Juge de Paix" (La Mécanisme OOD)

C'est la partie la plus intelligente et la plus sûre. Parfois, la caméra prend une photo d'un fond d'assiette vide, d'un reflet bizarre, ou d'un objet qui n'est pas de la viande.

• L'analogie : Un mauvais système d'IA dirait : "C'est de la viande fraîche !" (avec une confiance aveugle), même si c'est juste une assiette vide. C'est dangereux !
• La solution : Ce nouveau système a un bouton "Je ne sais pas". Si l'image est floue, bizarre ou ne ressemble pas à de la viande, le système dit : "Résultat : Aucun". Il refuse de donner une réponse hasardeuse. C'est comme un garde du corps qui dit : "Je ne suis pas sûr, ne passez pas, demandez à un humain."

📱 Et sur mon téléphone ? (L'efficacité)

Les chercheurs ont testé ce système sur un smartphone réel (un Samsung Galaxy).

• Le résultat : Le système est si léger qu'il peut analyser une photo en moins de 20 millisecondes (c'est plus rapide que le clignement d'un œil !).
• Le compromis : Le modèle le plus rapide (MobileNet) est ultra-rapide, mais le modèle le plus précis (EfficientNet) offre le meilleur équilibre entre rapidité et justesse.

🏆 En Résumé

Cette recherche nous donne un outil qui :

1. Nettoie l'image pour ne regarder que la viande.
2. Utilise un jury d'IA très performant pour juger la fraîcheur (qu'elle soit emballée ou non).
3. Refuse de deviner si la situation est trop floue, évitant ainsi les fausses alertes.

C'est comme avoir un expert en sécurité alimentaire dans votre poche, capable de voir à travers les emballages brillants et de vous dire : "Oui, c'est bon !" ou "Non, je ne suis pas sûr, jetez-la ou demandez à un pro", le tout en une fraction de seconde.

Résumé technique

1. Problématique

La détection de la fraîcheur de la viande est cruciale pour la sécurité alimentaire et la réduction du gaspillage. Les méthodes conventionnelles (analyse chimique, évaluation sensorielle) sont invasives, coûteuses et dépendantes de l'expertise humaine. Bien que les approches basées sur la vision par ordinateur utilisant des caméras RGB aient montré des résultats prometteurs, elles souffrent de plusieurs limites dans des conditions réelles :

• Complexité visuelle : Les images de viande emballée (avec des reflets, des films plastiques, des occlusions d'étiquettes) dégradent les performances des modèles.
• Manque de robustesse : La plupart des études se concentrent sur la viande non emballée dans des environnements contrôlés.
• Absence de gestion de l'incertitude : Les systèmes existants forcent souvent une prédiction même lorsque l'entrée est hors distribution (OOD) ou ambiguë, ce qui peut conduire à des décisions erronées et trop confiantes.

L'objectif de cette étude est de développer un cadre robuste capable de classifier la fraîcheur de la viande (emballée et non emballée) tout en intégrant un mécanisme d'abstention pour rejeter les échantillons incertains.

2. Méthodologie

L'approche proposée repose sur un pipeline en deux étapes combinant segmentation et classification, évalué via une validation croisée imbriquée rigoureuse.

A. Collecte et Préparation des Données

• Jeu de données : Un ensemble de données hybride de 6 256 images uniques a été constitué, combinant trois jeux de données open-source (viande non emballée) et un nouveau jeu de données collecté en 2024 (viande emballée).
• Classes : Quatre classes in-distribution (ID) : Viande fraîche non emballée, Viande avariée non emballée, Viande fraîche emballée, Viande avariée emballée.
• Données OOD : Un ensemble séparé de 800 images « No Result » (plateaux vides, arrière-plans) a été créé pour évaluer la capacité du modèle à rejeter les entrées non pertinentes.
• Nettoyage : Suppression des doublons perceptuels (pHash) pour éviter les fuites de données entre les ensembles d'entraînement et de test.

B. Architecture du Modèle

1. Segmentation (Prétraitement) :

   • Utilisation d'un modèle U-Net avec des encodeurs ResNet (18, 34, 50) pour isoler la région de la viande et supprimer le bruit de fond (plateaux, reflets).
   • Les masques sont générés de manière faiblement supervisée via une procédure GrabCut adaptative, puis affinés morphologiquement.
   • Le but est de standardiser l'entrée pour le classifieur en ne conservant que la zone de la viande.

2. Classification :

   • Comparaison de cinq architectures de backbones : ResNet-50, Vision Transformer (ViT-B/16), Swin Transformer-Tiny (Swin-T), EfficientNet-B0 et MobileNetV3-Small.
   • Entraînement avec des poids pré-entraînés sur ImageNet et un fine-tuning complet.

3. Mécanisme de Rejet OOD (Out-of-Distribution) :

   • Le système utilise un mécanisme d'abstention basé sur la confiance. Si la probabilité maximale (MSP) est inférieure à un seuil $\tau$, le modèle renvoie « No Result » au lieu d'une prédiction forcée.
   • Évaluation de trois scores de confiance : MSP (probabilité softmax), Energy (basé sur les logits) et ODIN (avec mise à l'échelle de température et perturbation).

4. Évaluation :

   • Utilisation d'une validation croisée imbriquée (5 folds externes × 3 folds internes) pour le réglage des hyperparamètres et l'évaluation, garantissant l'absence de fuite d'information.
   • Mesure de la latence sur un smartphone (Samsung Galaxy A55) via TensorFlow Lite.

3. Contributions Clés

1. Pipeline Unifié : Première étude comparant systématiquement CNN et Transformers sur un jeu de données mixte (emballé/non emballé) avec un mécanisme de rejet OOD explicite.
2. Segmentation U-Net : Démonstration que la segmentation préalable améliore la stabilité de l'apprentissage en réduisant la variabilité de l'arrière-plan, avec des métriques d'accord (IoU/Dice) rapportées sous le même protocole de pseudo-étiquetage.
3. Benchmark Rigoureux : Comparaison de cinq backbones sous un protocole de validation croisée imbriquée, permettant une comparaison directe de l'efficacité et de la précision.
4. Analyse de Déploiement : Évaluation de la latence réelle sur mobile et analyse des compromis précision-latence, ainsi que de la gestion de l'incertitude via des analyses de sensibilité des seuils.

4. Résultats Principaux

Performance de Segmentation

• ResNet-34 comme encodeur U-Net a obtenu les meilleurs résultats avec un IoU de 74,94 % et un coefficient Dice de 81,88 %.
• La segmentation a permis de standardiser les entrées, réduisant l'impact des reflets et du bruit de fond.

Performance de Classification (Jeu de test ID)

Sur l'ensemble de test maintenu (843 images) :

• EfficientNet-B0 a atteint la meilleure précision (98,10 %), suivi de près par ResNet-50 et MobileNetV3-Small (tous deux à 97,63 %).
• Swin-T a obtenu 97,51 %.
• ViT-B/16 a performé moins bien (94,42 %), probablement en raison du besoin de plus de données et d'une régularisation plus forte pour capturer les structures spatiales dans ce contexte spécifique.
• Les erreurs résiduelles se concentrent principalement sur la distinction entre viande fraîche et avariée au sein du même type d'emballage (difficulté des frontières visuelles subtiles).

Détection OOD et Rejet

• Les scores Energy et ODIN ont généralement surpassé le score MSP de base pour séparer les données ID des données OOD.
• Le mécanisme d'abstention permet de rejeter les cas à faible confiance (ex: images floues, reflets extrêmes) sans générer de fausses prédictions, améliorant la sécurité du système.

Efficacité Computationnelle (Déploiement Mobile)

• MobileNetV3-Small est le plus rapide (6,36 ms) avec une précision compétitive (97,63 %).
• EfficientNet-B0 offre le meilleur équilibre précision/latence (17,21 ms pour 98,10 % de précision).
• Les modèles Transformers (Swin-T, ViT-B/16) présentent des latences beaucoup plus élevées (108 ms et 462 ms respectivement), les rendant moins adaptés aux contraintes temps réel strictes sur mobile sans optimisation supplémentaire.

5. Signification et Conclusion

Cette étude démontre qu'une approche combinant segmentation et classification profonde, couplée à une gestion explicite de l'incertitude (OOD), est viable pour la détection de la fraîcheur de la viande dans des conditions réelles (emballées et non emballées).

• Impact Pratique : Le système propose une alternative peu coûteuse et non invasive aux méthodes chimiques, adaptée au déploiement sur smartphones.
• Sécurité : La capacité à rejeter les prédictions incertaines (« No Result ») est cruciale pour éviter les fausses assurances en matière de sécurité alimentaire.
• Recommandation : Pour un déploiement mobile, EfficientNet-B0 est identifié comme le modèle optimal offrant le meilleur compromis entre précision élevée et faible latence.

Les auteurs soulignent que des travaux futurs devraient inclure une validation microbiologique (comptage bactérien), une annotation par des experts pour réduire le bruit des étiquettes, et l'exploration de modalités multimodales (combinaison RGB et spectrale).