Un corpus de détection de mauvaises herbes ne se constitue pas en collectant des images puis en les faisant annoter. La séquence inverse produit la plupart des échecs de ce domaine, et la contrainte saisonnière ne pardonne pas les erreurs de cadrage.Cet article expose la méthode, dans l’ordre, avec ce que chaque étape détermine. Il prolonge l’article consacré à la détection aux premiers stades.
Pourquoi l’ordre importe ici plus qu’ailleurs
Trois contraintes rendent la reprise coûteuse en détection de mauvaises herbes.La fenêtre d’acquisition est saisonnière, ce qui fait qu’une erreur de conception se paie d’une année plutôt que de quelques semaines.Les conditions ne se reproduisent pas, une même parcelle au même stade présentant l’année suivante une flore, une météo et un état de sol différents.Et le corpus ne se transpose pas, ce que les articles précédents ont établi, ce qui interdit de compenser une lacune par des images venues d’ailleurs.Une conséquence pratique importante en découle. Ces trois contraintes font de la phase de conception, qui ne produit aucune image, l’étape la plus déterminante d’un projet de détection de mauvaises herbes.Étape un : établir le périmètre
Cinq décisions bornent un corpus de détection de mauvaises herbes.Elles se prennent avec l’utilisateur final.Les cultures concernées, dont chacune constitue un contexte distinct exigeant sa propre couverture.Les régions concernées, dont la flore et les conditions de sol diffèrent.La fenêtre de stades, déterminée par l’usage et par le moyen de destruction.La formulation de la tâche, binaire, par groupe fonctionnel ou par espèce.Et la modalité d’acquisition, embarquée, drone ou portée, qui ne produisent pas des corpus interchangeables.Une observation en découle. Ces cinq décisions se multiplient plutôt qu’elles ne s’additionnent, deux cultures sur deux régions et trois stades produisant douze contextes à couvrir, ce qui rend la réduction du périmètre le levier de coût le plus puissant.Étape deux : le lot pilote
Ce premier lot restreint détermine tout ce qui suit.Il ne se saute pas.Quelques centaines d’images acquises dans les conditions réelles suffisent à établir ce qu’aucune réunion ne peut établir.Quatre informations décisives en découlent.La faisabilité de la formulation retenue, mesurée par l’accord entre deux annotateurs.La liste des cas limites réels, qui alimente le référentiel et qu’aucune anticipation ne produit exhaustivement.La cadence d’annotation observée, qui remplace toute estimation par un fait et sert de base à tous les devis suivants.Et la qualité effective des images, un flou ou une exposition inadaptée se corrigeant à ce stade et pas après.Une conséquence pratique en découle pour un projet de détection de mauvaises herbes. Ce lot représente une fraction modeste du corpus final et il détermine l’essentiel des conventions, ce qui justifie d’y consacrer un soin sans rapport avec sa taille.Étape trois : le plan d’échantillonnage
Une conception explicite remplace la collecte opportuniste.Elle change la valeur d’un corpus de détection de mauvaises herbes.Un corpus constitué au fil des sorties reflète les conditions de ces sorties plutôt que celles de l’usage.Six dimensions doivent être couvertes de façon délibérée.Les stades, répartis sur la fenêtre entière plutôt que concentrés sur le plus commode.Les niveaux d’infestation, des parcelles propres aux zones de tapis dense.Les conditions d’éclairement, du plein soleil au couvert nuageux, en incluant les heures rasantes.Les états de sol, sec, humide, croûté, avec et sans résidus.Les espèces cibles, y compris rares, dont la présence doit être recherchée plutôt qu’attendue.Et les configurations atypiques, bouts de champ, manquants et plants faibles.Une observation importante en découle. La cinquième dimension impose une sélection ciblée plutôt qu’un tirage aléatoire, ce que l’article consacré aux espèces problématiques a exposé, et cette décision relève d’une conception préalable plutôt que d’un tri ultérieur.Le dimensionnement
Quatre facteurs déterminent le volume nécessaire.Ils ne se réduisent pas à un nombre d’images.Le nombre de contextes à couvrir, produit des cultures, régions et stades retenus.Le nombre de classes, chacune devant atteindre un effectif suffisant pour être apprise.La variabilité interne de chaque classe, une espèce changeant fortement d’apparence demandant davantage d’exemples.Et la difficulté de la tâche, une distinction fine exigeant plus d’exemples qu’une distinction évidente.Une conséquence pratique en découle. Le volume utile se raisonne en objets par classe et par contexte plutôt qu’en nombre d’images, une image d’infestation dense pouvant contenir cinquante objets et une image de parcelle propre aucun.Une observation complète ce constat. Le comptage d’objets par classe sur le lot pilote fournit la seule base sérieuse de dimensionnement, et son absence explique les écarts considérables entre volume annoncé et volume nécessaire dans les projets de détection de mauvaises herbes.Ce qu’il faut enregistrer avec les images
Six métadonnées conditionnent l’exploitation du corpus et elles coûtent quelques champs à la saisie.La date et l’heure, qui permettent de reconstituer les conditions d’éclairement.La parcelle, indispensable à une séparation géographique correcte entre entraînement et évaluation.La culture et le stade, exprimé en repères observables.Les conditions d’acquisition, matériel, hauteur et vitesse.L’état du sol et la présence de résidus.Et l’itinéraire technique lorsqu’il est disponible, notamment les traitements antérieurs qui expliquent la flore présente.Une conséquence pratique importante en découle. La deuxième métadonnée est celle dont l’absence est la plus dommageable : sans identifiant de parcelle, il devient impossible de garantir qu’un jeu d’évaluation est réellement séparé, et une performance annoncée devient invérifiable.Exploiter un corpus existant
Une situation fréquente mérite d’être traitée, un client disposant souvent d’images accumulées avant tout projet structuré.Ces images ont une valeur réelle et une valeur souvent inférieure à celle qu’on leur prête.Quatre vérifications établissent ce qu’elles permettent.La couverture des contextes, en croisant les images disponibles avec le périmètre visé, exercice qui révèle presque toujours des lacunes.La présence de métadonnées, dont l’absence limite fortement l’exploitation même si les images sont bonnes.L’homogénéité d’acquisition, un fonds constitué avec plusieurs matériels sur plusieurs années mélangeant des résolutions et des points de vue incompatibles.Et la représentativité des conditions, un fonds constitué lors de démonstrations ou de visites présentant systématiquement de bonnes conditions.Une conséquence pratique en découle pour un projet de détection de mauvaises herbes. Ce quatrième point est le plus courant : des images accumulées au fil des sorties commerciales décrivent les parcelles vitrines plutôt que les parcelles ordinaires, et un corpus bâti dessus produira un système décevant sur le parc réel.La séparation entraînement et évaluation
Une règle gouverne cette séparation.Son non-respect produit des chiffres flatteurs et faux.Deux images de la même parcelle prise le même jour partagent trop de contexte pour se répartir de part et d’autre.Trois niveaux de séparation existent, et leur exigence croît.La séparation par image, insuffisante, deux images consécutives d’un même passage montrant souvent les mêmes plantes.La séparation par parcelle, correcte pour la plupart des usages, qui garantit que le système est évalué sur un contexte non vu.Et la séparation par région et par campagne, la plus exigeante, qui mesure ce que le système fera réellement chez un nouveau client.Une observation en découle. Le troisième niveau produit le chiffre le plus bas et le plus utile, puisqu’il correspond à la situation commerciale réelle, et c’est celui qu’un prestataire a intérêt à mesurer avant qu’un client ne le mesure à sa place.La constitution progressive
Une organisation en lots successifs vaut mieux qu’une acquisition massive.Elle mérite d’être défendue auprès du client.Un corpus construit d’un bloc fige des conventions avant qu’elles soient éprouvées.Quatre avantages accompagnent l’approche progressive.Les conventions se corrigent entre deux lots plutôt qu’après l’ensemble.La cadence et le coût se mesurent tôt et se projettent.Un premier modèle entraîné sur les lots initiaux permet de pré-annoter les suivants.Et les lacunes révélées par ce premier modèle orientent le contenu du lot suivant.Une conséquence pratique en découle pour un projet de détection de mauvaises herbes. Ce quatrième avantage est le plus important : il transforme la constitution du corpus en boucle plutôt qu’en ligne droite, et il concentre l’effort sur ce qui manque réellement plutôt que sur ce qui est facile à acquérir.Ce qu’il ne faut pas faire du corpus
Quatre pratiques dégradent un corpus de détection de mauvaises herbes.Elles paraissent pourtant raisonnables.Écarter les images de mauvaise qualité, qui seront présentes en production et dont l’absence produit un système fragile.Équilibrer artificiellement les classes en supprimant des exemples de la classe majoritaire, ce qui détruit de l’information au lieu d’en ajouter.Recadrer les images autour des objets, ce qui supprime le contexte dont le modèle a besoin et fausse la distribution.Et augmenter artificiellement le volume par transformations avant d’avoir couvert les contextes réels, ce qui multiplie les exemples sans ajouter d’information.Une observation importante en découle. Ces quatre pratiques partagent une logique commune, elles rendent le corpus plus propre et moins représentatif, ce qui rejoint le constat que toutes les séries précédentes ont établi sur la différence entre un corpus soigné et un corpus utile.Aborder la constitution d’un corpus
Cinq questions cadrent cette phase et elles se posent avant toute sortie sur le terrain.Combien de contextes distincts le périmètre comporte-t-il. Ce produit détermine le volume et il est presque toujours sous-estimé.Un lot pilote est-il prévu avant la production. Son absence rend tout chiffrage arbitraire.Le plan d’échantillonnage couvre-t-il les six dimensions exposées. Une dimension omise se découvre à l’évaluation.L’identifiant de parcelle sera-t-il enregistré. Son absence interdit une séparation correcte.Et la constitution se fera-t-elle par lots successifs. Une acquisition massive fige des conventions non éprouvées.Ces cinq réponses déterminent le volume, le calendrier et la validité du résultat. Les poser avant la première sortie évite le cas le plus coûteux de ce domaine, un corpus complet et inexploitable qu’une saison entière séparait de sa correction.Ce que ce chapitre enseigne
Une observation transversale mérite de clore cet examen car elle recoupe un constat des séries précédentes.La constitution d’un corpus est une opération de conception et non de collecte.Trois constats la composent.Ce qui détermine la valeur d’un corpus est ce qu’il couvre délibérément, non le nombre d’images qu’il contient.Cette couverture se conçoit avant l’acquisition, puisqu’une dimension omise ne s’ajoute pas rétrospectivement dans un domaine à fenêtre saisonnière.Et la mesure sur un lot pilote remplace toute estimation, ce qui rend cette étape non négociable pour un engagement au forfait.Ce constat rejoint exactement celui que les séries consacrées à la segmentation d’images satellites et au LiDAR aérien ont établi sur le rôle de l’évaluation préalable : ce qui coûte quelques jours en amont évite un facteur d’écart en production, et l’asymétrie est ici aggravée par le calendrier agricole.Les erreurs les plus fréquentes
- Collecter des images avant d’avoir fixé la formulation de la tâche.
- Sous-estimer le nombre de contextes distincts que le périmètre comporte.
- Sauter le lot pilote et chiffrer sur estimation.
- Raisonner en nombre d’images plutôt qu’en objets par classe et par contexte.
- Constituer le corpus au fil des sorties plutôt que selon un plan.
- Ne pas enregistrer l’identifiant de parcelle.
- Séparer entraînement et évaluation par image plutôt que par parcelle.
- Écarter les images dégradées qui seront présentes en production.
- Équilibrer les classes en supprimant des exemples.
- Acquérir massivement avant d’avoir éprouvé les conventions.
- Attendre les espèces rares au lieu de les rechercher délibérément.
