Des avancées dans la prédiction de la fraicheur des aliments via la vision artificielle

Choisir le plus beau fruit ou légume dans les rayons avant d’acheter est une préoccupation constante pour les consommateurs. Et en dépit du développement de l'intelligence artificielle dans le secteur de l'inspection de la qualité des aliments, aucun modèle de vision industriel n’a prouvé son efficacité à ce jour. En pratique, les variations des conditions d’éclairage entraînent un biais tant pour la perception humaine, que pour la machine.

Des chercheurs de l’université de l’Arkansas se sont penchés sur la question avec l’idée d’arriver un jour à développer une application permettant de prédire la fraicheur d’un aliment. Partant du constant qu’aucune étude n'a encore examiné les effets des variations d'éclairage sur la perception humaine ni la manière dont les biais peuvent affecter la formation de modèles de vision industrielle, ils ont mis au point un nouveau modèle de vision industrielle. Leur projet, soutenu par la Fondation nationale pour la science (NSF), était dirigé par Dongyi Wang, professeur adjoint d'agriculture intelligente et de fabrication alimentaire au département de génie biologique et agricole et au département des sciences alimentaires de l’université de l’Arkansas. Les résultats ont été publiés dans la revue Journal of Food Engineering le 8 juin 2024. 

Lire aussi  Un revêtement antibactérien prolonge la fraîcheur des fruits et légumes 

Comme le montrent des expériences précédentes, la perception humaine de la qualité des aliments peut être manipulée par l’éclairage. Par exemple, « des lumières plus chaudes peuvent masquer le brunissement de la laitue », explique Dongyi Wang dans le communiqué de son université publié le 24 septembre 2024. 

Pour commencer, les chercheurs ont utilisé des photos de laitues achetées en supermarché. Au total, 675 photos prises dans différentes conditions d’éclairage, allant d'un ton bleuté « froid » à un ton orangé « chaud », et à divers stades de fraîcheur, ont été présentées à un panel de volontaires. Ces derniers devaient évaluer la fraîcheur de la laitue sur une échelle de 0 à 100. Leurs réponses ont ensuite été utilisées pour entraîner le modèle informatique mis au point par les chercheurs. Le modèle intégrait des protocoles d'apprentissage multitâches grâce auxquels il devait prédire simultanément la fraîcheur des échantillons et les conditions d’éclairage. 

Lire aussi : Un nouvel enrobage comestible à base d’algues et de CBD préserve la fraîcheur des fraises

Mis à l’épreuve à son tour, ce modèle informatique, formé avec des données provenant des perceptions humaines, a fait des prédictions de qualité des aliments plus cohérentes dans différentes conditions d’éclairage. « L'étude, soutenue par la National Science Foundation, a montré que les erreurs de prédiction informatiques peuvent être réduites d'environ 20 % », indique le communiqué. Pour Dongyi Wang, sa méthode permettant de former des ordinateurs basés sur la vision industrielle en utilisant les perceptions humaines dans différentes conditions d'éclairage « pourrait être appliquée à de nombreux secteurs », de l’alimentaire à la bijouterie.