Insegnare a un'AI a riconoscere 12 tipi di insetti: un modello di visione addestrato su misura
Circa 4.400 foto, 12 specie di insetti e parassiti, e il lavoro più lento di tutti: disegnare a mano migliaia di riquadri. Il caso reale di un modello di riconoscimento immagini addestrato su misura, con un'altra AI a preparare i dati e una persona a controllarli.
Formiche, api, vespe, lumache, bruchi, cavallette e altre sei specie: 12 tipi di insetti e parassiti da trovare e riconoscere in una foto. Non da descrivere a parole, come fa un chatbot, ma da individuare con un riquadro preciso, specie per specie, su migliaia di immagini. È il lavoro di un modello di visione addestrato su misura.
La parte lenta non è addestrare: è preparare i dati
Per insegnare a un modello a trovare un insetto bisogna mostrargli migliaia di esempi, e su ogni foto qualcuno deve disegnare un riquadro attorno a ogni insetto e scrivere cos'è. Su circa 4.400 immagini di addestramento sono migliaia di rettangoli fatti a mano. È il passaggio più lento e più noioso di ogni progetto di visione, ed è quello che di solito lo fa arenare.
Come è stato fatto
1. Un'AI prepara le etichette
Il primo giro di riquadri non l'ha disegnato una persona. L'ha fatto un modello di AI che trova oggetti in un'immagine partendo da una descrizione scritta: per ogni specie una frase specifica, e una più generica di riserva per i casi difficili. Risultato: 5.432 riquadri propostiautomaticamente.
2. Una persona controlla
Le proposte dell'AI non vanno prese per buone. Sono state filtrate per affidabilità, e i casi dubbi raccolti e rivisti a occhio uno per uno. Dopo la pulizia ne sono rimasti 4.487: circa un riquadro su sei è stato scartato. Ogni specie ha tra circa 220 e 510 esempi, controllati prima di addestrare, perché un modello che vede cinquecento formiche e cento lombrichi impara soprattutto le formiche.
3. Il modello impara a riconoscere
Con i dati puliti si addestra il modello vero, un rilevatore di oggetti della famiglia YOLO, pensato per essere veloce. Le immagini vengono divise tra addestramento e verifica, le forme dei riquadri vengono calcolate sui dati reali invece che prese di serie, e le foto vengono variate durante l'addestramento perché il modello non impari a memoria. Alla fine lo si misura su immagini che non ha mai visto: 1.100 foto di prova tenute da parte.
Due AI, due mestieri
È il punto che rende il caso interessante. Un'AI generica, guidata dal testo, è brava a fare un primo lavoro approssimativo su qualsiasi cosa: qui ha preparato i dati. Un modello piccolo e addestrato su misura è bravo a fare una cosa sola, veloce e sempre allo stesso modo: qui riconosce gli insetti. In mezzo, una persona decide cosa tenere. Usare la prima per risparmiare settimane di etichette e la seconda per il lavoro vero è quello che rende un progetto di visione fattibile anche senza un team di annotatori.
Dove si usa lo stesso schema
Sostituite gli insetti con difetti su un pezzo, prodotti su uno scaffale, componenti su una scheda, capi in un magazzino: il procedimento non cambia. Se in azienda c'è qualcosa che oggi una persona controlla guardandolo, può valere la pena parlarne. Guardate come porto l'AI in azienda.
Domande frequenti
Serve un modello su misura, o basta ChatGPT?
Un'AI generica sa descrivere una foto, ma non conta pezzi, non segna dove sono e non lo fa mille volte al minuto sempre allo stesso modo. Un modello di visione addestrato sulle vostre immagini fa una cosa sola e la fa in modo misurabile: è quello che serve in un controllo qualità o in un conteggio.
Quante foto servono?
Dipende da quante cose diverse deve distinguere e da quanto si somigliano. In questo caso qualche centinaio di esempi per ciascuna delle 12 classi. Spesso le foto ci sono già: il lavoro vero è etichettarle, ed è lì che l'AI di supporto fa risparmiare più tempo.
Si può usare nella mia azienda?
Se c'è qualcosa che oggi una persona guarda e riconosce a occhio — difetti su un pezzo, prodotti su uno scaffale, componenti su un banco, animali o parassiti in campo — sì, lo schema è lo stesso. Per capire se conviene basta una call con qualche foto di esempio.