COTONET: A custom cotton detection algorithm based on YOLO11 for stage of growth cotton boll detection

Cet article présente COTONET, un modèle de détection de capsules de coton à tous les stades de croissance basé sur une architecture YOLO11 personnalisée intégrant des mécanismes d'attention avancés, qui surpasse les modèles de référence avec une précision élevée tout en restant adapté aux dispositifs embarqués à ressources limitées.

L'essentiel

🌱 Le Défi : Cueillir le coton sans le casser

Imaginez que le coton est comme une fleur de soie très fragile. Pour en faire du tissu de qualité, il faut le cueillir avec des mains de fée. Si on utilise de grosses machines industrielles (comme on le fait souvent aujourd'hui), on arrache toute la plante et on écrase les fibres, ce qui abîme la qualité du coton.

L'idée des chercheurs est de créer un robot cueilleur qui serait aussi délicat qu'un humain. Mais pour qu'un robot puisse cueillir une fleur, il doit d'abord savoir la reconnaître et savoir si elle est prête. C'est là que le problème commence : le coton change d'aspect à chaque étape de sa vie (bouton, fleur, capsule verte, capsule ouverte, etc.), et il est parfois caché par des feuilles ou mal éclairé.

🤖 La Solution : COTONET, le "Super-œil" du robot

Les chercheurs de Barcelone ont créé un nouveau cerveau artificiel (un algorithme) appelé COTONET. C'est une version améliorée d'un célèbre détecteur d'objets appelé YOLO11 (qui signifie "You Only Look Once" ou "Tu ne regardes qu'une fois").

Pour faire simple, imaginez que YOLO11 est un étudiant très intelligent, mais qui a besoin d'un peu d'aide pour voir les détails fins. COTONET, c'est cet étudiant avec des lunettes spéciales et un manuel de survie personnalisé.

Voici comment ils ont amélioré le modèle avec des analogies :

1. Les Lunettes de Focalisation (Mécanismes d'Attention)

Le coton peut ressembler à plein de choses différentes selon la lumière.

• Le problème : L'étudiant regarde tout en même temps et se perd dans les détails inutiles (comme une feuille verte qui ressemble à une capsule).
• La solution (SimAM et PHAM) : Les chercheurs ont ajouté des "lunettes d'attention".
  • SimAM agit comme un réflexe instinctif : il dit au robot "Regarde ici, c'est important !" sans avoir besoin d'apprendre de nouvelles règles compliquées.
  • PHAM agit comme un détective : il analyse la scène sous trois angles (couleur, forme, position) pour s'assurer que ce qu'il voit est bien un coton et pas un leurre.

2. Le Miroir Magique (CARAFE)

Quand un robot regarde une image, il doit parfois l'agrandir pour voir les petits détails.

• Le problème : La méthode habituelle est comme un photocopieur bas de gamme : on agrandit l'image, mais elle devient floue et on perd des informations.
• La solution (CARAFE) : C'est comme un photocopieur intelligent. Au lieu de simplement étirer l'image, il devine ce qui se trouve entre les pixels manquants en regardant le contexte autour. Il reconstruit l'image avec une précision incroyable, comme si on avait pris une photo en haute définition.

3. Le Filtre à Café (Bloc SEConvBlock)

• Le problème : Le robot reçoit trop d'informations (comme un café trop dilué).
• La solution : Ils ont ajouté un filtre qui "squeezes" (presse) les informations pour ne garder que l'essentiel, comme un filtre à café qui laisse passer le bon goût mais retient les impuretés. Cela aide le robot à mieux comprendre la forme du coton.

4. La Règle de Précision (Perte SIoU)

Pour dire si le robot a bien trouvé le coton, il faut une règle de mesure.

• Le problème : L'ancienne règle (CIoU) était un peu approximative, comme mesurer une distance avec un élastique.
• La solution (SIoU) : Ils ont utilisé une règle laser ultra-précise (Scylla IoU) qui prend en compte non seulement la distance, mais aussi l'angle et la forme. C'est comme si le robot savait exactement où placer sa main pour ne pas rater la cible, même si elle est de travers.

📊 Les Résultats : Qui gagne ?

Les chercheurs ont testé leur invention contre les meilleurs modèles existants (YOLOv8, v9, v10, etc.) sur une nouvelle base de données qu'ils ont créée eux-mêmes, appelée CONDIS++. Cette base contient des milliers de photos de coton à tous les stades de croissance, prises dans une serre avec différentes lumières et angles.

• Le verdict : COTONET a gagné le match !
  • Il est plus précis (il se trompe moins).
  • Il est plus rapide et plus léger (il peut tourner sur un petit ordinateur de robot, pas besoin d'un supercalculateur).
  • Il arrive à distinguer les étapes subtiles (comme une fleur qui vient d'être fécondée) que les autres modèles confondent.

🚀 Et après ?

L'objectif final n'est pas juste de prendre une photo, mais de cueillir.
Imaginez un jour un robot mobile qui se promène dans un champ de coton. Grâce à COTONET, il sait exactement quelles capsules sont mûres, il s'approche délicatement, et un bras robotique équipé d'une pince spéciale vient les cueillir sans abîmer les fibres.

Cela permettrait de cultiver le coton sur plusieurs années (comme des arbres fruitiers) au lieu de le replanter chaque année, ce qui serait plus écologique et moins cher, tout en produisant un coton de qualité supérieure.

En résumé : COTONET, c'est l'ajout de lunettes intelligentes et d'un cerveau affûté à un robot, pour qu'il puisse voir le coton comme un expert humain, et ainsi révolutionner la façon dont nous récoltons cette fibre précieuse.

Résumé technique

1. Problématique et Contexte

La récolte du coton est une phase critique où la manipulation physique des capsules peut dégrader la qualité des fibres. Les méthodes traditionnelles (récolte mécanique massive ou manuelle) présentent des inconvénients majeurs : la première nécessite un replantage annuel coûteux et endommage les fibres, tandis que la seconde est économiquement non viable en raison des coûts de main-d'œuvre.
L'objectif est de développer des systèmes robotiques mobiles capables de détecter et de récolter les capsules de coton de manière sélective, en imitant la délicatesse de la main humaine. Cependant, la détection automatique se heurte à plusieurs défis :

• Complexité des stades de croissance : Il est crucial de distinguer les différents stades phénologiques (du bouton floral à la capsule mûre) pour déterminer le moment optimal de la récolte.
• Manque de données : Il existe une pénurie de jeux de données publics annotés spécifiquement pour les capsules de coton à différents stades de développement.
• Conditions environnementales : Les variations d'éclairage, les occlusions (feuilles, autres capsules) et le bruit visuel dans les serres rendent la détection difficile.
• Limites des modèles existants : Les travaux antérieurs (ex: Verma et al., Gong et al.) souffrent souvent d'une faible précision, d'une classification insuffisante des stades critiques (comme la pollinisation) ou d'un coût computationnel trop élevé pour le déploiement sur robots embarqués.

2. Méthodologie

A. Création du Jeu de Données (CONDIS++)

Les auteurs ont conçu un nouveau jeu de données nommé CONDIS++ (Cotton Growth-Stage Discerning Image Set) pour pallier le manque de données existantes.

• Collecte : 15 MP, prises dans une serre de 500 m² avec des conditions variées (lumière, occlusions, angles).
• Classes (6 catégories) : Contrairement aux travaux précédents, le jeu de données distingue finement les étapes biologiques :
  1. Ripe Boll (Capsule mûre prête à la récolte).
  2. Open Boll (Capsule immature ouverte).
  3. Square (Capsule fermée, entre la chute de la fleur et la taille maximale).
  4. Fertilised Flower (Fleur fécondée, rose/violet).
  5. Early Flower (Fleur non fécondée, blanc/jaune).
  6. Bracts (Bractées, les premières feuilles subtendantes).
• Augmentation des données : Utilisation de transformations géométriques (rotation, retournement) et photométriques (luminosité, contraste) via la bibliothèque Albumentations pour améliorer la généralisation.

B. Architecture du Modèle : COTONET

COTONET est une architecture personnalisée basée sur YOLO11, optimisée pour être légère (adaptée à l'informatique de bord) tout en étant robuste. Les modifications clés incluent :

1. Blocs Convolutifs Améliorés (SEConvBlock) : Remplacement des blocs convolutifs standards par des blocs intégrant le mécanisme Squeeze-and-Excitation (SE). Cela permet de recalibrer dynamiquement les cartes de caractéristiques en fonction des dépendances entre les canaux, améliorant l'extraction de formes complexes.
2. Mécanismes d'Attention :
   • SimAM (Simple Attention Module) : Inséré après les blocs C3k2 du backbone. C'est un module sans paramètres supplémentaires qui calcule l'importance de chaque neurone via une fonction d'énergie, améliorant la précision sans coût computationnel majeur.
   • PHAM (Parallel Hybrid Attention Mechanism) : Intégré dans le "neck" (cou) du modèle. Il combine des mécanismes d'attention canal, spatial et coordonnée pour affiner les cartes de caractéristiques et réduire le bruit de fond.
3. Opérateurs de Mise à l'Échelle :
   • CARAFE (Content-Aware ReAssembly of Features) : Remplace l'opération d'upsampling standard (plus proche voisin) pour préserver l'information contextuelle et les relations de gradient.
   • SCDown (Spatial-Channel Decoupled Downsampling) : Utilisé pour le downsampling dans le neck, réduisant le nombre de paramètres et le coût computationnel par rapport aux convolutions standards.
4. Fonction de Perte (Loss Function) : Remplacement de la perte CIoU par défaut par SIoU (Scylla IoU). La SIoU intègre un coût angulaire, de distance, de forme et d'IoU, permettant une convergence plus rapide et une localisation plus précise des boîtes englobantes.

3. Résultats Expérimentaux

Les expériences ont été menées sur un serveur avec 2 GPU NVIDIA A10. Le modèle a été comparé à une large gamme de modèles YOLO (v8 à v12, tailles nano à medium).

• Performance Globale : COTONET atteint les meilleures performances parmi tous les modèles testés.
  • mAP50 : 81,1 % (supérieur aux modèles de base).
  • mAP50-95 : 60,6 % (indiquant une excellente précision de localisation même avec des seuils d'intersection stricts).
  • Précision/Recall : Précision de 0,825 et Rappel de 0,733.
• Efficacité Computationnelle :
  • Paramètres : 7,6 M (léger, comparable aux modèles "small/medium").
  • FLOPs : 27,8 GFLOPS.
  • Cela rend le modèle adapté au déploiement sur des plateformes robotiques mobiles avec des ressources limitées.
• Études d'Abation :
  • L'ajout de SimAM et PHAM ensemble a prouvé être la combinaison optimale, augmentant significativement la précision par rapport à l'absence d'attention ou l'utilisation d'un seul mécanisme.
  • L'utilisation de SIoU a surpassé CIoU, GIoU et DIoU, confirmant l'importance de la composante angulaire pour la détection de formes complexes comme les capsules de coton.
  • La combinaison Rotation + Retournement dans l'augmentation des données a donné les meilleurs résultats de généralisation.

4. Contributions Clés

1. Jeu de Données CONDIS++ : Création d'un jeu de données public et complet annoté avec 6 classes phénologiques distinctes, incluant des états critiques comme la fécondation, ce qui manquait dans la littérature.
2. Architecture COTONET : Proposition d'une architecture YOLO11 modifiée intégrant des mécanismes d'attention avancés (SimAM, PHAM) et des opérateurs de mise à l'échelle (CARAFE) pour un compromis optimal entre précision et légèreté.
3. Amélioration de la Détection : Démonstration que l'ajout de modules d'attention spécifiques et le changement de fonction de perte permettent de surpasser les modèles YOLO standards, même ceux plus lourds, dans des environnements agricoles complexes.

5. Signification et Perspectives

Ce travail est significatif car il adresse directement le goulot d'étranglement de la robotique agricole : la détection précise et rapide de cultures spécifiques dans des conditions non structurées.

• Impact Agronomique : En permettant une détection fine des stades de croissance, COTONET ouvre la voie à une récolte sélective et durable, favorisant la culture pérenne du coton (2-4 cycles) plutôt que la replantation annuelle, réduisant ainsi l'empreinte carbone et les coûts.
• Déploiement Robotique : La légèreté du modèle (7,6M paramètres) le rend immédiatement utilisable sur des robots mobiles pour la surveillance autonome et la récolte assistée par bras robotisé.
• Travaux Futurs : Les auteurs prévoient d'intégrer COTONET dans une plateforme robotique complète avec un effecteur terminal spécialisé pour la récolte, et d'élargir le jeu de données pour couvrir davantage de variétés et de conditions environnementales.

En résumé, COTONET représente une avancée majeure dans la vision par ordinateur appliquée à l'agriculture de précision, offrant une solution robuste, légère et hautement précise pour la gestion du cycle de vie du coton.