RECONNAISSANCE D’ESPÈCES DE FLEURS

BOTANIC

RECONNAISSANCE DE FLEURS

PROBLÉMATIQUE

Combien de plantes sont achetées et dépérissent suite à un mauvais entretien ? Un arrosage trop important, une exposition à la lumière insuffisante, les causes peuvent être nombreuses… Botanic, qui commercialise de nombreuses plantes, se demandait comment amener les bons conseils directement à ses clients. Le tout sans qu’ils aient à se déplacer en magasin mais aussi en limitant les mauvaises identifications.

CLIENT

BOTANIC Archamps (FRANCE)

SOLUTION APPORTÉE

Pour remédier au problème posé par l’identification, Neovision a conçu et développé une intelligence artificielle capable de reconnaître les espèces de fleurs commercialisée par la société. Cette technologie permet de reconnaître une fleur à partir d’une photo prise avec un smartphone.

BÉNÉFICE CLIENT

Avec cette technologie, Botanic pourrait intégrer une nouvelle fonctionnalité à son application et ainsi distiller les bons conseils à ses clients. Les clients n’ont plus besoin de se déplacer en magasin, libèrent le temps des vendeurs qui pourront améliorer et accélérer l’identification des plantes. En outre, les clients peuvent correctement s’occuper de leur plante et les vendeurs se concentrent sur leur activité commerciale.

RÉALISATION

La société BOTANIC est un réseau de jardineries qui propose à ses clients des produits pour le jardin et plus largement liés à la nature. En plus de ses magasins, la société dispose d’un site web et d’une application mobile disponible sur l’App Store et sur Google play. Botanic est engagée pour le bien-être des êtres vivants en témoignent ses produits et solutions écologiques. Elle souhaite améliorer et faciliter l’entretien des plantes qu’elle commercialise, en apportant des conseils à ses client. Pour se faire, l’application semble être un bon vecteur mais il reste une problématique : l’identification de la plante. C’est pourquoi Botanic était intéressée par de la reconnaissance de plantes pour apporter conseils et services à ses clients. Toutefois, avant de se lancer dans la création de sa propre base de données, Botanic souhaitait tester la technologie et voir si cette dernière était fiable.

La reconnaissance de fleurs et de plantes, une application de l’IA que beaucoup imaginaient mais qui n’était pas réalisable il y a de cela quelques années. En effet, les fleurs et feuilles d’une plante sont sujettes à la déformation et l’IA avait du mal à reconnaître tout ce qui n’était pas suffisamment rigide. Or, les avancées du Deep Learning et la création de bases de données publiques et massives permettent de reconnaître des objets de plus en plus « fluides ».

Étant au fait des dernières avancées, Neovision a donc accepté ce défi et a lancé le projet. La première étape consistait à qualifier des bases de données publiques de plantes. Et elles sont nombreuses : PictoFlora, The National Gardening Association, ImageNet, ou encore Oxford Flowers dataset, etc. C’est cette dernière base de données qui sera d’ailleurs retenue puisqu’elle remplit plusieurs conditions. Premièrement, elle est Open Source et donc exploitable. Deuxièmement, le contenu semble correspondre à ce dont Neovision avait besoin. Les images sont de qualité, la labellisation juste et précise et enfin les espèces de fleurs sont susceptibles d’être retrouvées dans les magasins Botanic.

Par la suite, Neovision s’est rapproché du laboratoire LIRIS pour discuter avec des experts spécialistes des fleurs. Cette collaboration a permis à Neovision de profiter d’un retour d’expérience quant à l’acquisition et la labellisation d’images de fleurs. En effet, une chercheur avait réalisé des travaux comparables sur des variétés de roses. Au fur et à mesure des échanges, le choix de Neovision était validé et la base Oxford Flowers dataset était la plus pertinente !

La base de données a été ensuite répartie en un jeu d’apprentissage et un jeu de test. Neovision a ensuite entraîné un algorithme de classification de Deep Learning à l’état de l’art.

Finalement, les résultats étant probants puisque sur le modèle classifie les images avec 96 à 99% de précision. Effectivement, le modèle peut donner un résultat unique ou une liste de 5 résultats. Sur la première modalité, la précision atteignait donc 96% quand elle était presque parfaite avec le top 5 (99%).

Enfin, après avoir mené des analyses quantitative et qualitative, Neovision a rendu l’algorithme accessible sous forme d’un démonstrateur web. Ainsi, Botanic pouvait avoir accès à cette nouvelle technologie dont les premiers résultats étaient très intéressants. Ils ouvrent maintenant la voie à la création d’une base de données propre à Botanic grâce à l’élaboration d’un protocole d’acquisition (e.g. les fleurs doivent être centrées sur l’image, en gros plan avec un bon contraste), l’objectif de Neovision étant alors atteint.