Cas d’èxit: classificant llavors amb deep learning per Argirella Nervosa

El deep learning és una tècnica d’extracció i processament de dades d’alta precisió basat en xarxes neuronals. El productor de llavors Argirella Nervosa S.L. ja ha aplicat aquest sistema per la classificació de llavors a través de la visió artificial gràcies a Rosepetal.

A través del deep learning (o aprenentatge profund) podem detectar defectes en productes orgànics, el reconeixement òptic de caràcters i la classificació de productes segons mida, color, forma o qualsevol altre tipus de característica.

És un sistema d’alta precisió que funciona a través d’algoritmes simulant el funcionament del cervell humà. Per això diem que està basat en xarxes neuronals.

L’any passat, el productor Argirella Nervosa, especialitzat en el sector de les llavors orgàniques (OEM), ens va contactar perquè volia implementar un sistema de classificació de llavors a la seva línia de producció. 

Què és Rosepetal ?

Rosepetal és una suite de software de visió artificial amb aprenentatge supervisat i semi supervisat mitjançant xarxes neuronals convolucionals. 

És un software de deep learning d’alta fiabilitat creat pel grup AIS i que és apte per qualsevol càmera que ja disposi l’empresa. Aquest és el sistema que vam aplicar exitosament en el cas d’Argirella Nervosa per la classificació de llavors. 

Tot i que Rosepetal és un sistema que normalment s’utilitza en productes orgànics, perquè tenen alta complexitat (pa, galetes, fruita…) o productes assemblats manualment (una safata amb diferents components, un prospecte o un adhesiu) les possibilitats de Rosepetal són infinites.

Quin repte plantejava el client?

El productor orgànic de llavors Argirella Nervosa, amb Jairo Reig Boronat al capdavant, necessitava un sistema de classificació de llavors que pogués funcionar amb visió artificial. Amb aquest tipus de producte, tan difícil d’inspeccionar, només es podien utilitzar tècniques de deep learning per garantir l’èxit.

L’objectiu d’aplicar el deep learning i la visió artificial en aquest cas era poder automatitzar el control de qualitat, sense la necessitat que un operari genetista hagués de ser-hi sempre present. Així, aquesta persona tan sols hauria de fer una revisió final de les dades i es podria dedicar a altres tasques de més valor i menys mecàniques.

Què es va aconseguir aplicant el software de deep learning Rosepetal?

Es va aconseguir un sistema de classificació de llavors a través de la visió artificial. Les llavors es passen una a una a través d’una cinta i gràcies a Rosepetal es poden classificar en quatre o cinc grups diferents per poder distingir-les en ordre de qualitat.

Per tant, aplicant aquest software s’ha obtingut un control de qualitat automatitzat, fent una inspecció 100% en línia. El sistema està totalment integrat a la producció i permet crear una base de dades ben treballada i sense errors. 

Abans de tenir Rosepetal, quan feien un control manual visual, Argirella Nervosa estimava que tenia un marge d’error del 20% i que la base de dades presentava errors.

“El desenvolupament I+D de deep learning ha fet que puguem millorar el procés de selecció de les llavors a un nivell superior. Ara podem realitzar la nostra producció d’una manera més ràpida i amb un 100% d’inspecció a la mateixa línia de producció. Això fa que tinguem la possibilitat d’augmentar el nostre volum de negoci i millorar la qualitat de les nostres llavors”.

Jairo Reig Boronat

Quin va ser el procés d’aplicació de Rosepetal?

Com hem vist abans, per un tipus de producte d’alta complexitat com les llavors, el deep learning era la millor solució. 

Però abans d’implementar aquest tipus de sistema de deep learning, va caldre fer un estudi preliminar sobre la implementació d’un classificador de visió artificial supervisat per xarxes neuronals convolucionals. Aquest estudi es fa amb imatges preses pel mateix client o a partir de mostres facilitades per un proveïdor. 

A partir d’aquí, fem tests i analitzem els resultats obtinguts. Així podem pronosticar l’efectivitat de l’aplicació real d’un algoritme d’aprenentatge profund.

Després d’aquest procés podem determinar la precisió i sensibilitat de Rosepetal. En el cas d’Argirella Nervosa vam poder confirmar que aquesta era la millor solució.

Passat un any quina és la valoració?

Des de la seva instal·lació a Argirella Nervosa hem fet un sol servei d’assistència de software post instal·lació. Rosepetal porta funcionant de manera totalment autònoma des de fa un any sense incidències.