Timbeter utilise un procédé customisé de détection des billes basé sur “le machine learning”.
L’algorithme de détection de Timbeter est un processus à plusieurs étapes. Chaque étape améliore progressivement la qualité de la détection consacrant ainsi plus de temps à la détection de chaque bille.
Les étapes sont :
- Trouver les billes potentielles
- Fusionner les billes potentielles en une seule
- Filtrer les fausses détections
- Affiner le diamètre et la localisation des détections
- Second procédé de détection des billes
Etape #1
Les billes initiales sont trouvées en utilisant une approche de fenêtre glissante. Une fenêtre considère des sous – sections rectangulaires de l’image et une bille potentielle est créée chaque fois que la fenêtre chevauche exactement une bille. La fenêtre est alors bougée et mise à l’échelle, ce qui rend possible la détection des billes ainsi que de leur taille. Ce qui veut dire qu’à chaque fois c’est à peu près 20 million de vérifications individuelles faites pour une image.
Etape #2
Une simple bille peut déclencher l’initial algorithme de détection plusieurs fois, beaucoup de billes potentielles peuvent correspondre à la même physiquement. A cause de cela, les billes potentielles sont très proches entre elles sont fusionnées en une seule bille. La taille et l’emplacement sont fixés depuis les billes potentielles.
Etape #3
Une fois que les billes initiales ont été détectées, elles sont ensuite filtrées : Les détections les peu probables sont supprimées. Cela est basée sur quelques différentes propriétés. Par exemple, les petites détections sont plus probables à être des fausses détections. Aussi, les billes qui sont loin des autres détections sont aussi probablement fausses ou alors c’est une bille qui en dehors de la pile. D’autres facteurs sont considérés, incluant la confiance donnée par la détection initiale et le nombre de chevauchements qu’il y a entre les détections.
Etape #4
La filtration est suivie par l’affinage. Le procédé de l’affinage améliore la précision des billes trouvées. Parce que la détection initiale doit vérifier la place de plusieurs pièces, il doit être aussi simplifié. Cela malheureusement le rend quelque peu imprécis. L’algorithme raffiné, toutefois est généralement appliqué qu’à la centaine de billes détectées après la filtration. En permettant l’affinage d’utiliser plus de puissance au niveau du processeur le rendant ainsi plus précis.
Etape #5
Ensuite un deuxième algorithme pour trouver les billes est appliqué. Il est similaire au processus de détection initial, cet algorithme utilise aussi une approche de fenêtre glissante. Cependant, il y a une différence notable entre les deux : pendant que la détection initiale est basée sur l’apparence générique des billes en image, la seconde détection chercher seulement les billes qui sont similaire à celles qui ont été déjà trouvées. Cela permet à la seconde détection de trouver des billes qui ont une apparence inhabituelle. En addition, la seconde détection est appliquée qu’à la surface de l’image où les billes ont déjà été trouvées dans l’étape 1 de détection. Les billes détectées par le second détecteur sont filtrées et raffinées comme dans détection initiale.
De l’étape 1 à 5 en seulement 30 secondes !
L’approche en plusieurs étape de Timbeter est construite sur le résultat des résultats des algorithmes précédents permettant à Timbeter d’atteindre des résultats précis en un temps très court et cela même sur des téléphones ou des tablettes avec des caméras moins performantes.
Pendant que des algorithmes plus puissants pourraient être utilisés sur un ordinateur (les ordinateurs ont plus de puissances de calcul) Timbeter fournira plutôt au mesureur leurs résultats instantanément, même s’ils sont au milieu de la forêt avec ou sans connexion internet.
A travers les recherches et les expérimentations, les ingénieurs de Timbeter améliorent constamment la qualité de la détection. Attendez-vous à de nouvelles améliorations dans le futur et restez connectés avec Timbeter!
