Défis et solutions de la reconnaissance de pains par IA

Avec l’évolution des technologies, la maturité des algorithmes d’IA et les progrès du matériel informatique, les ordinateurs ont franchi une étape majeure : passer de la reconnaissance de visages humains présentant de faibles variations à l’identification réussie de pains aux formes et apparences très variées. Il s’agit d’une avancée clé dans le développement de la reconnaissance d’images par IA.

Mais au-delà de la simple variation d’apparence, de nombreux autres défis existent. Viscovery a su y répondre un par un, permettant aux boulangeries d’utiliser l’IA en toute sérénité. Par exemple, des enseignes reconnues telles que I JY SHENG ou RT Baker House utilisent le système de reconnaissance visuelle de Viscovery depuis plusieurs années déjà. Lors du passage en caisse, la “tâche de reconnaissance du pain” est confiée à l’ordinateur : le processus est simplifié, l’encaissement accéléré et le temps d’attente des clients considérablement réduit.

Le système de reconnaissance visuelle de Viscovery est déjà largement déployé et a surmonté de nombreux défis techniques

Au cours de la R&D et des premiers déploiements, Viscovery a dû relever plusieurs défis liés à la reconnaissance :

1. Similitudes et variations entre différents pains (mêmes gammes de produits)
Certaines gammes de pains se ressemblent fortement. Prenons l’exemple du pain ananas : la version nature et celle garnie de crème présentent une apparence presque identique. Pour aider les caissiers à faire la distinction et éviter toute erreur de prix, les boulangers ajoutent souvent des éléments distinctifs comme des amandes effilées ou des graines de sésame noir.

De plus, même deux pains de la même recette, sortis du même four et préparés par le même artisan, ne sont jamais parfaitement identiques : la couleur de cuisson, la forme, la répartition des ingrédients et les motifs varient d’une pièce à l’autre.

Comment l’humain fait-il la distinction ? Grâce aux caractéristiques globales. C’est exactement cette logique que Viscovery a reproduite dans son système d’IA, en combinant apprentissage profond et vision par ordinateur. L’ordinateur est ainsi entraîné à reconnaître les pains dans toutes leurs variations, en se basant sur leurs traits d’ensemble.

Mieux encore, grâce à des outils exclusifs, Viscovery collecte en continu de nouvelles données générées lors de l’utilisation du système, permettant une amélioration progressive de la précision : plus le système reconnaît, plus il devient précis.

2. Pains emballés ou présentés en boîtes transparentes / sachets multiples
Traditionnellement, les boulangeries proposent des pains “nus”, sans emballage, pour mettre en avant leur fraîcheur. Mais l’offre s’est diversifiée : salades en boîte, brownies en sachet, pains emballés depuis la pandémie… Viscovery a donc renforcé ses algorithmes afin que l’IA puisse aussi identifier les produits conditionnés.

3. Multiplicité des plateaux et paniers
Pour des raisons d’hygiène, les clients utilisent pinces et plateaux, voire des paniers métalliques. À la caisse, ceux-ci sont posés directement sur le comptoir. Viscovery a anticipé ce défi et entraîné l’IA à rester fiable quelle que soit la couleur ou la forme du support.

4. Élimination des objets non alimentaires
Sur le comptoir apparaissent fréquemment portefeuilles, téléphones, pièces de monnaie ou pinces à pain. Comme la caméra de Viscovery est installée sur le comptoir, l’algorithme a été ajusté pour ignorer automatiquement les objets non marchands afin de ne pas perturber la reconnaissance.

5. Pains empilés partiellement
Un autre défi courant est l’empilement. Quand un pain est totalement masqué, ni l’œil humain ni l’IA ne peuvent le reconnaître. Mais lorsqu’il est seulement partiellement recouvert, l’IA de Viscovery, entraînée sur une vaste base d’images, sait analyser les traits visibles pour identifier le produit.

Des intégrations flexibles, sans remplacer le POS existant : vers une IA au service de l’industrie

Selon Fortune Business Insights, le marché mondial de l’IA dans le secteur du retail pesait 3,01 milliards de dollars en 2019, et atteindra 23,32 milliards en 2027, avec un taux de croissance annuel composé de 29,6 % entre 2020 et 2027 ¹. Cette tendance démontre l’intérêt croissant des distributeurs pour l’IA. Un critère clé reste la facilité d’intégration.

Viscovery conçoit ses solutions du point de vue des clients : réduction des coûts d’installation, compatibilité maximale avec les systèmes existants. Les boulangeries peuvent choisir entre un simple plug-and-play ou une intégration via API, sans devoir remplacer leur matériel et logiciel POS.

Ainsi, elles modernisent facilement leur système de caisse, améliorent leur efficacité opérationnelle et renforcent l’expérience client. Avec Viscovery, la reconnaissance IA se rapproche toujours plus de la vision humaine, rendant possible une véritable IA pour l’industrie et une industrialisation de l’IA.

Pour en savoir plus, consultez notre page « Système de reconnaissance visuelle » ou contactez-nous à marketing@viscovery.com.

(Cet article a été traduit en français par ChatGPT.)
(L’image de couverture a été fournie par Viscovery.)

[Références]
¹ Fortune Business Insights, Sep. 2020, www.fortunebusinessinsights.com/artificial-intelligence-ai-in-retail-market-101968.