Validació de models de visió per computador aplicats a collites

Aquest cas d'ús proporciona un servei per validar algorismes de detecció de fruita a partir d'imatges agrícoles. Utilitza conjunts de dades amb anotacions reals per comparar les prediccions generades pels models amb la veritat fonamental (ground truth). L'objectiu és oferir a les empreses del sector una eina fiable per avaluar la precisió dels seus algorismes sense conflictes d'interessos.

Fig. 1. Logotip comercial del cas d'ús. (font: AgrospAI)

Introducció

Objectius

• Proporcionar un servei de validació que permeti a les empreses avaluar la precisió i fiabilitat dels seus algorismes de detecció de fruita utilitzant imatges agrícoles.
• Garantir una validació neutral sense conflictes d'interessos, sent impulsada per la Universitat de Lleida (UdL), una entitat pública que actua com a tercer de confiança.
• Contribuir a la millora de la qualitat dels models predictius utilitzats en el sector agroalimentari, promovent l'ús responsable i transparent de la intel·ligència artificial en entorns agraris.
• Garantir la sobirania de les dades, assegurant que els productors mantinguin la propietat i el control complet sobre la informació generada a les seves explotacions.

Descripció del problema

Actualment, moltes empreses del sector agroalimentari s'enfronten a la dificultat de validar de manera objectiva i fiable els algorismes de detecció i predicció que utilitzen per a l'anàlisi d'imatges agrícoles. L'absència de mètodes estandarditzats i accessibles per comprovar la precisió d'aquestes eines genera incertesa sobre la qualitat de les prediccions realitzades.

Aquesta deficiència frena la confiança en l'adopció de tecnologies d'intel·ligència artificial i visió per computador, limitant el potencial d'innovació i millora en els processos productius. A més, la manca de serveis de validació independents condueix a un possible conflicte d'interessos quan les avaluacions són realitzades per les mateixes empreses desenvolupadores.

🔎 Per tant, és necessari disposar d'un sistema neutral i rigorós que permeti avaluar amb garanties l'eficàcia dels algorismes, oferint a les empreses una validació transparent i objectiva que promogui l'ús fiable d'aquestes tecnologies en el sector agrícola.

Solució proposada

Fig. 2. Esquema visual de la solució proposada en aquest cas d'ús. (font: AgrospAI)

El diagrama anterior mostra visualment el funcionament del sistema proposat per a la validació de models de detecció de fruita utilitzant imatges agrícoles.

En aquest sistema, diferents participants aporten els seus models d'intel·ligència artificial, els quals són executats sobre un conjunt de dades reals que contenen imatges agrícoles anotades amb la veritat fonamental.

Aquestes anotacions serveixen com a referència fiable per avaluar el rendiment del model. Els models generen prediccions o deteccions automàtiques de fruita que són comparades amb les anotacions reals a través d'un servei d'avaluació. Aquest servei activa automàticament un mòdul d'estimació de rendiment que calcula mètriques objectives.

Amb els resultats obtinguts, es genera un informe d'avaluació complet que es lliura al consumidor interessat en validar el seu model. Tot el procés es realitza en una infraestructura gestionada per un proveïdor d'accés i computació neutral, garantint una avaluació independent, transparent i sense conflictes d'interessos, i assegurant també que les dades utilitzades romanen sota el control dels seus propietaris originals.

Algorisme de validació de collites

Què fa l'algorisme?

L'algorisme de validació executa un procés que compara les prediccions realitzades per un model de visió per computador amb la veritat fonamental (ground truth) continguda en un conjunt d'imatges agrícoles anotades. Per fer-ho, genera una matriu de confusió a partir dels veritables positius, falsos positius i falsos negatius detectats, i calcula mètriques d'avaluació estàndard.

Resultats i beneficis

El resultat final de la validació és un informe complet que pot ser descarregat pel consumidor, implementat en HTML, JavaScript i Python. Aquest informe està dissenyat per oferir una visió clara i estructurada del rendiment del model avaluat. Inclou un resum executiu amb els resultats principals, una descripció detallada de la metodologia aplicada, una anàlisi visual i quantitativa de la matriu de confusió, una secció dedicada a les mètriques mitjanes, i una secció de comparació de rendiment entre diferents models.

Fig. 3. Resultat obtingut de l'aplicació de l'algorisme de validació. (font: AgrospAI)

Gràcies a aquest informe, les empreses poden identificar objectivament els punts forts i les limitacions dels seus algorismes, justificar les seves decisions tecnològiques amb evidència quantitativa i avançar cap a una adopció més responsable i eficient de les eines basades en intel·ligència artificial en entorns agrícoles.