• Des anomalies synthétisées en 3D ont été projetées en rayons X pour entraîner le modèle à distinguer les cargaisons normales des anomalies avec une précision impressionnante de 98%.
• Ce cadre polyvalent pourrait également avoir des implications des domaines variés, de la microscopie à la recherche médicale, en passant par le contrôle industriel.
Le transport de produits illicites constitue un enjeu crucial pour de nombreux pays comme les États-Unis, qui font face à la prolifération d’objets de contrebande dissimulés dans les conteneurs. Avec des millions de conteneurs transitant chaque année par voie terrestre, maritime ou aérienne, la sécurisation des marchandises constitue un travail colossal. À l’Université de Tufts (USA), le chercheur Bipin Gaikwad a présenté une solution innovante de computer vision pour répondre à cette problématique complexe : « Détecter les objets illégaux parmi des cargaisons légitimes constitue un problème complexe de détection d’anomalies. Notre solution d’intelligence artificielle complète les approches de sécurité existantes. Bien que certains aspects restent gérés manuellement, l’IA permet de traiter plus rapidement les inspections d’images radiographiques et de repérer des anomalies sur des produits. »
Le modèle devient capable de différencier les images normales des images contenant des anomalies synthétiques, en se basant sur leurs caractéristiques visuelles
Un système auto-supervisé entraîné sur des données artificielles
Ce système est capable de détecter des anomalies visuelles en se basant sur l’apprentissage auto-supervisé, une méthode qui réduit le besoin de données annotées manuellement, ce qui est généralement une tâche longue et coûteuse. Pour entraîner le modèle, le chercheur a conçu artificiellement des anomalies en 3D sur les produits : « Le jeu de données synthétiques répond à un défi crucial en apprentissage autosupervisé. Plutôt que de demander des annotations manuelles, nous créons des anomalies synthétiques et les projetons en rayons X. » Ainsi, le modèle devient capable de différencier les images normales des images contenant des anomalies synthétiques, en se basant sur leurs caractéristiques visuelles. Pour l’étude, l’équipe de recherche a pris des ensembles de données d’images d’articles regroupés et a guidé l’IA d’apprentissage profond pour identifier les articles attendus, comme les pneus et les bouteilles de vin, et ceux qui ne le sont pas. Par exemple, ils ont d’abord travaillé sur des anomalies simples, comme des articles en forme de cylindre ou d’étoile de ninja pour passer ensuite aux anomalies complexes, telles que les porte-monnaie, les défenses d’animaux et les cruches. « Notre modèle est capable de détecter et de localiser de nouvelles anomalies qu’il n’a pas rencontrées au cours de l’entraînement, ce qui est essentiel pour les applications où les anomalies ne suivent pas toujours des modèles prédéfinis. »
Des potentiels technologiques dans la médecine ou le contrôle qualité
Une des clés de cette technologie est l’utilisation des images résiduelles. La robustesse du système a été vérifiée sur plusieurs ensembles de données, réels et synthétiques, avec des performances impressionnantes, puisque le modèle fournit des résultats exacts 98% du temps. « Ce cadre est polyvalent et peut être adapté à divers domaines, notamment la recherche médicale et le contrôle industriel », précise le chercheur. Cette technologie présente en effet un potentiel dans différents domaines comme la microscopie, la recherche médicale ou le contrôle de qualité industriel. L’algorithme peut s’adapter à différentes tâches de détection d’anomalies dans des données visuelles, que ce soit pour détecter des cellules ou tissus anormaux ou identifier des anomalies dans un scanner ou une IRM. En combinant l’intelligence artificielle et une approche auto-supervisée, les travaux de Bipin Gaikwad marquent une avancée majeure dans la détection et la localisation des anomalies dans les cargaisons. Cette recherche ouvre des perspectives prometteuses pour améliorer la sécurité tout en réduisant le besoin d’intervention humaine intensive.
Bipin Gaikwad
