Solution de suivi du recouvrement corallien

Notre solution de suivi des coraux exploite des photos de quadrats recueillies sur des sites de la Polynésie française afin de fournir des évaluations détaillées, au fil du temps, de la santé des récifs coralliens. En utilisant des techniques avancées de vision par ordinateur et d’apprentissage automatique, le système détecte et classe automatiquement les espèces de coraux et suit l’évolution du recouvrement au fil du temps. La mise en œuvre consiste à prendre des photos sous-marines haute résolution sur des sites coralliens spécifiques, à traiter les images recueillies via une plateforme d’analyse alimentée par l’intelligence artificielle puis à afficher les résultats sur un tableau de bord centralisé.

Comptage de holoturies juvéniles

Utilisation d’une solution de deep learning pour compter les holoturies juvéniles. Avoir une solution robuste aux changements d’illumination et aux ombres nécessitent un traitement plus avancé que les techniques traditionnelles de seuillage. Une méthode IA popularisée dans le comptage
des cellules en micro-biologie a été reprise pour compter les holoturies et fournir un logiciel de comptage.

Comptage des micro-plastiques

Création d’une solution de comptage automatique par IA des micro-plastiques dans les bénitiers dans le cadre de la thèse d’Irène Godere (sous la direction de Nabila Gaertner-mazouni) afin d’étudier la contamination plastique en Polynésie Française.

Lecture de facture

La saisie comptable des factures est une tâche fastidieuse et de nombreuses solutions existent sur le marché pour accélérer le processus. Les méthodes traditionnelles de traitement d’image combinées à des algorithmes basés sur des règles connaissent des difficultés face la grande diversité des modèles de factures. C’est pourquoi les solutions basées sur l’apprentissage profond et l’apprentissage continu sont aujourd’hui les technologies de pointe, car elles peuvent s’adapter à de nouveaux modèles, à condition de voir suffisamment d’exemples. Dans ce travail, un service générique d’OCR de pointe a été déployé. Par ailleurs, un modèle de recherche d’informations clef-valeur a été entraîné pour déduire les différents champs comptables de la facture en sortie d’OCR.

Reconnaissance de symboles électriques

La numérisation des Single Line Diagrams (SLD) est un processus long et coûteux en raison de la grande diversité des symboles et du nombre élevé d’occurrences. Les progrès récents en matière de détection d’objets et de classification fine d’images offrent de bonnes solutions pour détecter et reconnaître automatiquement les symboles électriques à partir de schémas. Une base de données propriétaire a été construite pour entraîner et évaluer les solutions de pointe permettant de repérer puis de reconnaître chaque symbole.

Comptage de foule

Les progrès récents en matière d’IA ont démontré un grand potentiel pour le comptage de foule à partir d’images 2D. Alors que plusieurs solutions nécessitent des caméras dédiées (2d ou 3d) pour un comptage de haute précision, les méthodes récentes exploitent les caméras de surveillance existantes et atteignent des performances décentes autour de 90% de précision. L’occlusion sévère dans les espaces bondés reste un défi, mais des performances prometteuses sont obtenues dans des environnements intérieurs. Des approches basées sur la densité ainsi que des approches de détection de têtes ont été évaluées sur des scènes vue de haut dans les aéroports et en vue rasante dans les bus.

Comptage des véhicules de chantier

Les timelapses constituent un excellent outil de suivi de chantier. La présence de véhicules de construction est un bon indicateur de l’état d’avancement de la construction et les statistiques sur la durée fournissent des informations précieuses pour le suivi du chantier. Bien que les véhicules de construction ne comptent que quelques classes (camion à benne, compacteur, tractopelle, bulldozer, grue), leur apparence change beaucoup en raison de leur structure articulée et de la présence de nombreux disctracteurs sur la scène. Une étude de performance a été menée pour évaluer l’état de l’état de l’art des solutions de détection d’objets sur cette tâche.

Détection des landmarks d'oreilles

Afin de concevoir des écouteurs personnalisés, des scans 3d de l’oreille et de son canal sont nécessaires. Une solution basée sur des CNNs a été développée afin de suivre les points de repère de l’oreille pendant le scan à partir d’un smartphone. Inspiré par la recherche sur les repères faciaux, une solution basée sur l’apprentissage profond a été entraînée sur une base de données propriétaire. La solution a atteint une grande précision et a été déployée avec succès.

Estimation du volume des aliments

L’estimation du volume des aliments est un défi important avec de nombreuses applications allant de la mesure des calories dans un programme de contrôle de poids à l’estimation du temps de cuisson en fonction de la nature et de l’épaisseur des ingrédients lorsqu’on suit une recette.

Une étude a été menée pour expérimenter des solutions basées sur la vision puis un prototype a été développé sous la forme d’une application androïde. A partir de plusieurs photos des ingrédients, l’application calcule l’épaisseur et la surface de chaque ingrédient avec une bonne précision.

Lecture de marquage sur cuir

Les solutions traditionnelles et sur étagère de reconnaissance optique de caractères ne lisent pas correctement les marquages sur cuir en raison des différentes orientations du texte et de la texture particulière de l’image. C’est pourquoi une solution d’OCR sur mesure a été développée et brevetée. En tant que développeur principal, j’ai été désigné comme l’un des inventeurs.

Pour plus d’information, vous pouvez visiter la page projet de Neovision ou bien la page projet du CTC.