Cas d’usage
Les images aériennes prises par drone, les photos satellites, les caméras au sol, fournissent un excellent moyen de surveiller l’état des cultures ou l’extension de la végétation. Reste à exploiter ces données visuelles pour prendre des décisions.
Plutôt que d’éplucher une par une les images, il est possible d’entraîner un réseau de neurones artificiel à reconnaître et classifier les éléments qu’il détecte sur les images. Les technologies sont identiques à celles que Logiroad.ai déploie depuis plusieurs années pour la surveillance de l’état des routes ou de la végétation en bordure.
Ce travail demande d’annoter un certain nombre d’images, pour donner au réseau de neurones des exemples sur lesquels apprendre. Ensuite, une I.A. adaptée au problème est développée.
Il est possible de “regarder à l’intérieur” du réseau de neurones pour comprendre la manière dont les décisions sont prises. Par exemple, nous pouvons identifier quelles sont les régions de l’image qui ont amené à telle ou telle décision. Un autre exemple, nous pouvons estimer l’incertitude en sortie pour connaître la robustesse des prédictions.