Multi-Scale Fruit Capsules: Dilated Convolutions and Dynamic Routing for In-the-Wild Explainable Fruit Recognition
Cet article présente FruitCapsNet, un réseau de capsules multi-échelles utilisant des convolutions dilatées et des hyperparamètres optimisés par la méthode bayésienne pour atteindre une reconnaissance de fruits explicable et de pointe dans diverses conditions en milieu réel, en préservant l'information de pose spatiale et en se concentrant sur les régions du fruit entier plutôt que sur les contours.
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
Dans le monde trépidant de l'agriculture moderne, le voyage d'un fruit de l'arbre à la table est de plus en plus géré par des machines. Les agriculteurs et les centres de conditionnement s'appuient sur des systèmes automatisés pour trier les produits, vérifier la maturité et identifier les défauts avec une rapidie et une constance que les mains humaines ne peuvent égaler. Pour que ces machines fonctionnent, elles doivent être capables de « voir » les fruits comme le font les humains, en reconnaissant une pomme qu'elle soit suspendue à une branche, posée dans un sac en plastique, coupée en tranches sur une assiette ou meurtrie par une chute. Cette tâche est trompeuse car un même fruit peut paraître radicalement différent selon sa condition, l'éclairage et ce qui l'entoure. Si les ordinateurs sont devenus incroyablement doués pour repérer des objets sur des photos, ils éprouvent souvent des difficultés lorsque l'objet n'est pas dans une pose parfaite et isolée. Les systèmes de vision par ordinateur traditionnels ont tendance à se concentrer sur de petits détails locaux, comme la courbe d'une peau ou une tache de couleur spécifique, puis à assembler ces fragments. Cette approche fonctionne bien dans des environnements contrôlés, mais échoue souvent dans la réalité désordonnée et imprévisible d'une ferme ou d'un magasin, où les fruits se chevauchent, les ombres tombent et les arrière-plans sont encombrés.
Une équipe de chercheurs a développé une nouvelle façon d'apprendre aux ordinateurs à voir les fruits, qui imite la capacité humaine à comprendre l'objet entier plutôt que ses parties. Ils ont créé un système appelé FruitCapsNet, conçu spécifment pour gérer la variété chaotique de la photographie de fruits du monde réel. Au lieu d'utiliser les méthodes standards qui dominent le domaine depuis des années, lesquelles ignorent souvent des informations importantes sur l'emplacement d'une partie d'un objet, ce nouveau système suit la position et l'orientation de chaque morceau du fruit. Il y parvient en utilisant un type spécialisé de filtre numérique qui permet à l'ordinateur de voir une zone beaucoup plus large autour de chaque point d'intérêt sans avoir besoin d'ajouter de la puissance de calcul. En combinant cette vue large avec une méthode qui vérifie si les différentes parties du fruit concordent entre elles pour former un tout, le système peut reconnaître un fruit même s'il est partiellement caché ou entouré d'autres objets.
Les chercheurs ont testé leur système sur quatre collections différentes d'images de fruits, allant de photos propres de type studio à un nouvel ensemble plus difficile composé de plus de dix mille images prises dans la nature. Cet ensemble nouveau, qu'ils ont nommé PD-19, contient des images avec plusieurs fruits dans un seul cadre, un éclairage inégal et des fruits dans divers états comme épluchés, ensachés ou tranchés. Lorsqu'ils ont comparé leur système à dix des modèles de vision par ordinateur les plus puissants existants, FruitCapsNet a obtenu de meilleurs résultats sur chaque ensemble de données. La différence a été la plus spectaculaire sur les images difficiles du monde réel, où le nouveau système a surpassé le meilleur concurrent de près de trois points de pourcentage. Dans le monde du tri automatisé, où des millions d'articles sont traités, même une petite amélioration de la précision peut prévenir un gaspillage important et des pertes financières. Les chercheurs ont constaté que leur système ne se contentait pas de deviner ; il regardait réellement l'ensemble du fruit pour prendre sa décision, plutôt que de se concentrer sur les bords ou le bruit de fond, ce qui est une erreur courante commise par les anciens systèmes.
Pour comprendre pourquoi cela fonctionne, il faut observer comment le système traite une image. Les systèmes traditionnels décomposent souvent une image en petites tuiles et décident si une caractéristique existe dans une tuile, ignorant l'emplacement exact de cette caractéristique au sein de la tuile. C'est comme reconnaître un visage uniquement par la forme du nez, sans se soucier de savoir si le nez est à gauche ou à droite du visage. Le nouveau système, cependant, utilise une structure qui préserve la relation entre les parties. Il utilise une technique appelée convolution dilatée, qui agit comme une lentille qui élargit la vue de l'ordinateur, lui permettant de voir le contexte autour d'un fruit sans perdre les détails fins. Cela signifie que lorsque le système regarde une orange coupée en tranches, il comprend que les segments appartiennent à un seul objet rond, même si l'arrière-plan est un plan de travail de cuisine encombré. Le système utilise ensuite un processus appelé routage dynamique pour voter sur la question de savoir si ces parties s'assemblent correctement pour former un type de fruit spécifique. Si les parties concordent sur la forme et la pose du fruit entier, le système devient confiant dans son identification.
L'équipe a également passé un temps considérable à affiner les paramètres internes du système, non pas en devinant ou en essayant toutes les combinaisons possibles, mais en utilisant une méthode de recherche mathématique intelligente qui apprend de chaque tentative. Cela leur a permis de trouver l'équilibre parfait pour la manière dont le système pondère différents types d'erreurs et dont il ajuste son apprentissage au fil du temps. Le résultat est un modèle beaucoup plus petit et plus rapide que les systèmes massifs habituellement requis pour ce niveau de précision, n'utilisant qu'une fraction de la profondeur de calcul. Lorsque les chercheurs ont examiné les « cartes thermiques » générées par le système pour voir sur quoi il se concentrait, ils ont vu une différence claire. Les anciens systèmes avaient tendance à mettre en évidence les bords du fruit ou les ombres autour de lui, tandis que le nouveau système mettait systématiquement en évidence le fruit entier, de son centre jusqu'à sa peau. Cela suggère que le système apprend réellement le concept du fruit en tant qu'objet complet, ce qui le rend bien plus robuste face à la confusion des environnements du monde réel.
L'étude confirme qu'en changeant la façon dont un réseau informatique traite l'information visuelle, il est possible d'atteindre un niveau de compréhension qui était auparavant hors de portée des systèmes automatisés. Les chercheurs ont démontré que leur approche fonctionne à travers une grande variété de types de fruits et de conditions, des 15 classes d'un ensemble de données aux 19 classes de leur nouvel ensemble de données « sauvage ». Bien que le système ne soit pas parfait et soit toujours confronté à des défis avec des données extrêmement bruitées ou le coût élevé de l'exécution de calculs complexes sur de petits appareils, les résultats montrent une voie claire à suivre. Le travail suggère que l'avenir de la reconnaissance automatisée des fruits ne réside pas dans le fait de rendre les systèmes plus grands et plus profonds, mais dans le fait de les rendre plus intelligents quant à la façon dont ils assemblent le monde visuel. En respectant les relations spatiales entre les parties et en comprenant le contexte du tout, les machines peuvent enfin apprendre à voir les fruits comme nous le faisons, prêtes à gérer la réalité désordonnée et magnifique de la récolte.
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.