Séminaire départemental -Détection et localisation de billots de bois par apprentissage profond Vendredi 10 février 2023

Résumé: L’industrie forestière vit une grande pénurie de main d’oeuvre, qui la pousse à chercher des alternatives à la récolte manuelle, comme la robotisation des opérations. Notamment, la cueillette des billots de bois par le porteur forestier semble un bon candidat pour l’automatisation, mais reste une tâche difficile à automatiser. En effet, les billots se présentent généralement dans des configurations encombrées, orientés de manière aléatoire et se chevauchant. Les travaux récents sur l’automatisation de la cueillette des billots de bois supposent généralement que leur pose est connue, sans tenir compte de la complexité du problème de perception. Cette présentation évalue la faisabilité de détecter et localiser les billots de bois, en utilisant une approche basée sur les données. Tout d’abord, nous introduisons un nouveau jeu de données, nommé “TimberSeg 1.0”, qui est densément annoté, c’est-à-dire qui comprend à la fois des boites et des masques de segmentation pour chaque billot. Ce jeu de données comprend 220 images avec 2500 billots segmentés individuellement. À l’aide dujeu de données, nous comparons ensuite trois architectures de réseaux de neurones sur la tâche de détection et de segmentation des billots individuels ; deux méthodes basées sur les régions d’intérêt et une méthode basée sur l’attention. Notre cas d’utilisation démontre les limites des approches basées sur les régions pour les objets encombrés et allongés. Il met également en évidence le potentiel des méthodes basées sur l’attention sur cette tâche spécifique, car elles fonctionnent directement au niveau du pixel. Ces résultats encourageants indiquent qu’un tel système de perception pourrait être utilisé pour aider les opérateurs à court terme, ou pour automatiser entièrement les opérations de prélèvement de billots dans le futur.