Validació de models de visió per computador aplicats a collites

Aquest cas d'ús proporciona un servei de validació d'algorismes de detecció de fruita a partir d'imatges agrícoles. Utilitza datasets amb anotacions reals per comparar les prediccions generades pels models amb la veritat de camp. L'objectiu és oferir a empreses del sector una eina fiable per avaluar la precisió dels seus algorismes sense conflictes d'interès.

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 mitjançant imatges agrícoles.
• Garantir una validació neutral i sense conflictes d'interès, en ser 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, fomentant l'ús responsable i transparent de la intel·ligència artificial en entorns agrícoles.
• Garantir la sobirania de les dades, assegurant que els productors mantinguin la propietat i el control complet sobre la informació generada en 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 manca dificulta 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 independents de validació provoca un possible conflicte d'interessos quan les avaluacions són realitzades per les pròpies companyies 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 impulsi 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)

L'esquema anterior mostra visualment el funcionament del sistema proposat per a la validació de models de detecció de fruita mitjançant imatges agrícoles.

En aquest sistema, diferents participants aporten els seus models d'intel·ligència artificial, els quals s'executen sobre un conjunt de dades reals que conté imatges agrícoles anotades amb la veritat de camp.

Aquestes anotacions serveixen com a referència fiable per avaluar el rendiment del model. Els models generen prediccions o deteccions automàtiques de fruita que es comparen amb les anotacions reals mitjançant 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 s'entrega al consumidor interessat a validar el seu model. Tot el procés es realitza en una infraestructura gestionada per un proveïdor neutral d'accés i computació, garantint una avaluació independent, transparent i sense conflictes d'interès, i assegurant a més que les dades utilitzades romanguin sota control dels seus propietaris originals.

Algorisme de validació de collita

Què fa l'algorisme?

L'algorisme de validació executa un procés que compara les prediccions fetes per un model de visió per computador amb la veritat de camp continguda en un conjunt d'imatges agrícoles anotades. Per això, genera una matriu de confusió a partir dels encerts, falsos positius i falsos negatius detectats, i calcula mètriques d'avaluació estàndard.

Resultat i beneficis

El resultat final de la validació és un informe complet que pot ser descarregat pel consumidor, implementat a 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 principals resultats, una descripció detallada de la metodologia aplicada, una anàlisi visual i quantitativa de la matriu de confusió, un apartat dedicat a les mètriques mitjanes i una secció de comparació de rendiment entre diferents models.

Fig. 3. Resultat obtingut de l'aplicació de l'algoritme de validació. (fuente: AgrospAI)

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