60 applications marquantes de la vision par ordinateur

Aujourd’hui, les images et les vidéos jouent un rôle essentiel dans la prise de décision. Nous nous appuyons sur des informations visuelles lorsque nous circulons sur des routes très fréquentées, faisons des achats en ligne, parcourons les réseaux sociaux, nous rendons à l’hôpital et même lorsque nous gérons des entreprises.

Les données visuelles font désormais naturellement partie du quotidien et influencent bon nombre de nos choix. Pour que les machines comprennent ces informations de manière similaire, elles doivent elles aussi pouvoir voir et interpréter des contenus visuels.

C’est là que la vision par ordinateur fait la différence. Branche de l’intelligence artificielle (AI), la vision par ordinateur permet aux machines d’interpréter les informations visuelles et de les comprendre.

Au lieu de simplement enregistrer ce qui se passe, la technologie de vision par ordinateur peut analyser des images pour en extraire des informations utiles. Les solutions de vision par ordinateur peuvent détecter des objets, suivre des mouvements et classer des éléments selon leur forme, leur taille ou leur couleur.

Prenons un exemple simple. Imaginons un responsable de magasin qui veut savoir quels rayons sont le plus souvent en rupture de stock. Les systèmes de vision par ordinateur peuvent analyser des images des rayons pour repérer les articles manquants et mettre en évidence les produits qui se vendent rapidement. Les responsables de magasin peuvent ainsi réapprovisionner les rayons à temps.

Ces systèmes reposent sur des modèles de vision par ordinateur, entraînés sur des jeux de données pour reconnaître des objets et repérer des motifs dans les données visuelles. Par exemple, Ultralytics YOLO26 est un modèle de vision rapide et fiable, conçu pour permettre des fonctionnalités de vision par ordinateur en temps réel.

Fig. 1. Utilisation d’Ultralytics YOLO26 pour détecter des bouteilles. (Source)

Dans cet article, nous allons explorer 60 applications marquantes de la vision par ordinateur et découvrir comment elles sont utilisées dans différents secteurs.

Le rôle de la vision par ordinateur à l’ère moderne de l’IA#

Avant d’explorer des applications spécifiques de la vision par ordinateur, voyons rapidement pourquoi cette technologie est importante aujourd’hui.

Pendant des années, le suivi et l’analyse d’images ou de vidéos ont été des opérations manuelles. Cette approche était chronophage, sujette aux erreurs et peu cohérente. En fait, des études montrent que les erreurs humaines sont à l’origine de près d’un quart des problèmes liés aux inspections en usine, ce qui ralentit la prise de décision dans de nombreux secteurs.

La situation a changé avec l’essor de l’apprentissage automatique et les avancées majeures de la vision par ordinateur. Au cœur de l’IA visuelle se trouve l’analyse d’images, qui permet aux modèles de comprendre ce qu’ils voient.

Cela a entraîné l’adoption rapide d’applications comme l’inspection, le suivi et l’automatisation, et le marché mondial de la vision par ordinateur devrait atteindre environ 73 milliards de dollars d’ici 2034.

Cette croissance s’explique par la valeur que la vision par ordinateur apporte aux applications du monde réel. En automatisant l’analyse d’images et de vidéos, elle fournit des résultats plus rapides, plus précis et plus fiables. Par exemple, il est possible de surveiller les routes pour détecter les accidents. De même, les exploitations agricoles peuvent suivre en temps réel la santé des cultures, tandis que les magasins peuvent repérer les rayons qui se vident en premier.

Ces cas d’usage aident les équipes à agir plus rapidement et à prendre de meilleures décisions à partir de données fiables. Pour cela, la vision par ordinateur s’appuie sur un ensemble de tâches fondamentales qui permettent de nombreuses applications.

Principales tâches de vision par ordinateur#

Les tâches de vision par ordinateur sont prises en charge par des modèles entraînés, qui apprennent à partir de grands jeux de données et appliquent ces connaissances à des séquences vidéo en direct. Par exemple, les modèles Ultralytics YOLO, comme YOLO26, prennent en charge plusieurs tâches dans des environnements en temps réel.

Voici quelques-unes des principales tâches de vision par ordinateur utilisées dans un large éventail d’applications :

• Détection d’objets : elle consiste à repérer les objets dans une image ou une vidéo et à les localiser à l’aide de boîtes englobantes. C’est souvent le point de départ de nombreuses applications de vision par ordinateur.
• Segmentation d’instances : elle va plus loin en séparant les objets de l’arrière-plan ou en les délimitant dans des régions précises.
• Classification d’images : cette tâche attribue une étiquette à une image entière. Elle peut servir à identifier des types de véhicules, à distinguer les fruits mûrs des fruits non mûrs ou à classer différents types de défauts sur une chaîne de production.
• Estimation de pose : elle repère la position et l’orientation des points clés sur des objets, le plus souvent des humains ou des animaux. Elle est largement utilisée dans l’analyse sportive, le suivi des patients et la robotique pour comprendre la posture, les mouvements et les interactions.
• Détection de boîtes englobantes orientées (OBB) : cette tâche détecte les objets et indique leur position et leur rotation, ce qui la rend utile pour repérer des objets inclinés ou pivotés dans des images ou des vidéos.
• Suivi d’objets : après la détection d’un objet, un modèle de vision peut continuer à le suivre d’une image à l’autre dans une vidéo. Les modèles peuvent ainsi surveiller et comprendre les mouvements.

Fig. 2. Tâches de vision par ordinateur prises en charge par Ultralytics YOLO26 (Source)

Découvrir 60 applications de la vision par ordinateur dans différents secteurs#

Voyons maintenant comment la vision par ordinateur est utilisée dans de nombreux cas d’usage concrets, dans des secteurs comme le commerce de détail, l’industrie manufacturière, la santé, l’automobile et l’agriculture.

1. Maintenance prédictive par inspection visuelle#

Les usines comptent un très grand nombre de machines qui fonctionnent simultanément, et il peut être difficile de toutes les surveiller. Les systèmes de maintenance prédictive basés sur la vision par ordinateur utilisent des caméras pour surveiller continuellement les équipements et analyser des signes visuels tels que la corrosion, les fuites, les défauts d’alignement et l’usure des surfaces. En détectant les premiers signes de défaillance, ces systèmes basés sur la vision aident les équipes à planifier la maintenance de manière proactive, à réduire les arrêts imprévus, à prolonger la durée de vie des machines et à maintenir des opérations industrielles plus sûres et plus efficaces.

2. Détection de plaques d’immatriculation#

La technologie de vision par ordinateur permet de détecter les plaques d’immatriculation. Ces systèmes sont souvent intégrés à une technologie de reconnaissance optique de caractères (OCR) pour scanner la plaque d’un véhicule et en extraire les lettres et les chiffres.

Il devient ainsi plus facile d’identifier les véhicules qui circulent sur les routes ou franchissent des points de contrôle. Cette technologie est couramment utilisée pour la surveillance du trafic, aux péages et dans les systèmes de stationnement. Elle est également employée aux entrées et aux sorties d’immeubles résidentiels ou commerciaux pour automatiser le suivi des véhicules et réduire les contrôles manuels.

3. Surveillance des comportements suspects#

Tu peux surveiller les comportements humains suspects à l’aide de la vision par ordinateur. Au lieu de surveiller chaque flux vidéo, les caméras et capteurs intégrant des systèmes de vision s’appuient sur la détection et le suivi.

Ils peuvent détecter des activités et signaler des anomalies, comme le fait de traîner dans un lieu, de se mettre soudainement à courir ou d’accéder à une zone réglementée. Cette technologie est principalement utilisée dans les espaces publics, les magasins, les gares et les zones hautement sécurisées, où elle alerte les équipes de sécurité pour qu’elles interviennent rapidement lorsqu’un comportement semble suspect.

4. Détection des incendies et de la fumée#

La détection des incendies et de la fumée peut fournir des alertes précoces avant qu’un incident majeur ne survienne. Les modèles de vision par ordinateur rendent cela possible.

Ces modèles peuvent servir à surveiller en continu des changements visuels, comme la fumée qui se déplace, des flammes vacillantes ou une brume inhabituelle dans l’air. La détection des incendies et de la fumée est généralement utilisée dans les entrepôts, les usines, les forêts et les grands bâtiments, où détecter un incendie tôt peut tout changer.

Fig. 3. Détection et segmentation de fumée avec YOLO (Source)

5. Véhicules autonomes#

Les véhicules autonomes s’appuient généralement sur la vision par ordinateur pour interpréter des mouvements continus. Tesla, par exemple, utilise des caméras et des systèmes de vision par ordinateur dans ses voitures autonomes pour traiter les données visuelles et détecter les voies, les panneaux de signalisation, les véhicules à proximité et les personnes. Les modèles de vision prennent en charge des tâches comme la détection, le suivi et la segmentation, aidant ainsi la voiture à comprendre son environnement et à hiérarchiser les informations essentielles.

6. Détection de graffitis par l’IA#

La détection de graffitis peut s’effectuer à l’aide de la vision par ordinateur pour repérer les marques peintes sur les murs, les ponts et d’autres biens publics. Des systèmes intelligents peuvent analyser des images ou des vidéos pour reconnaître les formes, les couleurs et les motifs qui correspondent à des graffitis, même dans des scènes urbaines animées.

Les modèles de vision par ordinateur comme Ultralytics YOLO26 prennent en charge la détection d’objets et la classification d’images, qui peuvent servir à détecter les graffitis et à signaler en temps réel les nouvelles inscriptions. Les villes intelligentes peuvent utiliser des solutions de détection de graffitis basées sur YOLO26 pour planifier plus rapidement les opérations de nettoyage, surveiller des zones et entretenir les espaces publics.

7. Entretien de la ville#

Pour qu’une ville fonctionne bien, il faut effectuer chaque jour de nombreuses vérifications d’entretien. Les solutions de vision par ordinateur peuvent simplifier ce travail en surveillant les rues et les espaces publics.

Par exemple, Singapour est réputé pour ses initiatives qui utilisent l’IA visuelle afin d’entretenir les espaces urbains. Les systèmes basés sur la vision surveillent les rues, les espaces publics et les infrastructures, et détectent des problèmes comme les nids-de-poule, les panneaux endommagés ou les poubelles qui débordent.

8. Surveillance des foules#

La surveillance des foules consiste à analyser les déplacements et les rassemblements dans les lieux fréquentés. Des caméras et des capteurs intégrés à un algorithme de vision peuvent traiter des flux vidéo en direct pour estimer la taille d’une foule, suivre les schémas de déplacement et détecter les changements soudains.

Cela aide à repérer les goulots d’étranglement, la surpopulation ou les activités inhabituelles avant qu’elles ne deviennent problématiques. La surveillance des foules est utile dans des lieux tels que les gares ferroviaires, les stades, les événements publics et les centres-villes.

Fig. 4. Utilisation de YOLO pour compter les personnes et gérer les foules (Source)

9. Détection des vols#

La détection des vols fait appel à la vision par ordinateur pour repérer les activités suspectes. L’IA de vision peut aider à analyser les images des caméras à l’aide de l’apprentissage profond et d’algorithmes de détection d’objets afin de suivre les personnes, les objets et les schémas de déplacement en temps réel.

Au lieu de s’appuyer uniquement sur des alarmes ou des analyses après coup, ces applications de vision par ordinateur signalent les comportements inhabituels. Cette automatisation aide les magasins, les entrepôts et les villes intelligentes à réduire les pertes et à simplifier les processus de sécurité.

10. Détection des voies#

Pour circuler en toute sécurité, les véhicules autonomes doivent bien comprendre la route. La détection des voies est une application essentielle de la vision par ordinateur qui permet de comprendre la structure de la route en temps réel.

Les systèmes de vision peuvent repérer les marquages au sol, les bords de la chaussée et les virages. En appliquant des tâches de vision comme la segmentation et la détection d’objets, les modèles de vision par ordinateur peuvent suivre les voies même lorsque l’éclairage change ou que la circulation est dense.

11. Détection des accidents et des collisions#

La détection des accidents et des collisions utilise la vision par ordinateur pour repérer les accidents et les quasi-accidents en temps réel. Associés à des algorithmes de détection des collisions, les modèles de vision par ordinateur peuvent aider à analyser les flux vidéo en temps réel provenant de caméras de circulation, de caméras embarquées ou de drones.

En suivant les arrêts brusques des véhicules, les mouvements anormaux ou les interactions inattendues avec des objets, ces systèmes propulsés par l’IA peuvent détecter les accidents en quelques secondes. Cela permet ainsi d’intervenir plus rapidement en cas d’urgence et d’améliorer la gestion du trafic dans les villes intelligentes.

12. Surveillance des conducteurs et détection de la somnolence#

Les longs trajets et les embouteillages peuvent nuire à la vigilance au volant. La surveillance de l’attention du conducteur et la détection de la somnolence, rendues possibles par les systèmes de vision par ordinateur, peuvent analyser en temps réel l’état physique du conducteur.

Par exemple, des caméras installées dans le véhicule peuvent observer des indices tels que la fermeture des yeux, la fréquence des clignements, les mouvements de la tête et la direction du regard. Des modèles d’apprentissage automatique et d’apprentissage profond interprètent ensuite ces signaux. Lorsque des signes de fatigue ou de distraction apparaissent, le système peut émettre des alertes ou des avertissements.

13. Systèmes de stationnement intelligents#

Trouver une place de stationnement dans une ville animée peut être difficile, mais la vision par ordinateur facilite désormais cette tâche. Les systèmes de stationnement intelligents utilisent des caméras et des modèles de vision par ordinateur propulsés par l’IA pour surveiller les parkings en temps réel.

Les modèles de vision peuvent détecter les places libres et occupées, ce qui aide les conducteurs à trouver rapidement et efficacement une place de stationnement. Ces systèmes sont couramment utilisés dans les centres commerciaux, les aéroports, les complexes de bureaux et les centres-villes pour améliorer l’efficacité du stationnement.

Fig. 5. Détection des places de stationnement avec YOLO (Source)

14. Analyse des cartes de chaleur des clients#

Les détaillants peuvent analyser les cartes thermiques des clients pour comprendre comment les acheteurs se déplacent dans un magasin. Les caméras dotées de capacités de vision suivent les déplacements des clients, leurs arrêts et les endroits où ils se rassemblent, puis transforment ces données en cartes thermiques codées par couleur.

Les zones fréquentées apparaissent dans des couleurs plus chaudes, tandis que les zones plus calmes sont représentées par des teintes plus froides. Ces cartes sont particulièrement utiles pour améliorer l’agencement, mieux placer les produits, réduire l’affluence près des caisses et analyser le comportement des clients.

15. Détection des logos de marque#

De nombreuses entreprises de médias utilisent désormais la vision par ordinateur pour détecter les logos dans les images et les vidéos sur différentes plateformes, notamment dans les publicités, lors d’événements et dans les publications sur les réseaux sociaux. En détectant et en classant les logos, les entreprises peuvent mesurer la portée des campagnes, surveiller la visibilité des marques et repérer rapidement toute utilisation non autorisée ou frauduleuse de logos. Les équipes marketing et juridiques peuvent ainsi surveiller la présence de la marque à grande échelle sans examiner manuellement de grandes quantités de contenu visuel.

16. Surveillance des stocks en rayon#

Les rayons vides passent souvent inaperçus jusqu’à ce qu’un client le signale. La surveillance des stocks en rayon peut éviter ce problème en utilisant des caméras pour scanner régulièrement les rayons. Les systèmes d’IA de vision peuvent analyser les images des rayons, détecter les produits, compter les articles et suivre les changements au fil du temps grâce à la détection et au suivi d’objets. Cette approche résout un problème fréquent dans le commerce de détail : les réapprovisionnements manqués.

17. Détection des fuites dans les dalles#

La vision par ordinateur peut servir à repérer les fuites dans les dalles des bâtiments en analysant les images de caméras thermiques. Ces systèmes effectuent des tâches telles que la détection d’objets et la segmentation afin de repérer les signes subtils d’humidité, les fissures ou les problèmes structurels. Grâce aux caméras thermiques, les équipes de maintenance peuvent détecter les problèmes tôt et réduire leur dépendance aux inspections manuelles. La détection des fuites dans les dalles est largement utilisée dans les logements, les bâtiments commerciaux et les grandes installations pour réduire les coûts de réparation.

18. Contrôle qualité#

Le contrôle qualité vise à vérifier qu’un produit fini respecte la norme requise avant d’arriver chez les clients. Les modèles de vision par ordinateur peuvent comparer les produits à des critères prédéfinis et repérer les défauts visibles qui nuisent à leur facilité d’utilisation, à leur sécurité ou à leur apparence. Les fabricants peuvent ainsi maintenir une qualité constante à grande échelle et réduire les retours sans ralentir la production.

19. Détection des défauts#

Le contrôle des défauts consiste à vérifier que les produits ne présentent pas de problèmes comme des fissures, des rayures ou des étiquettes incorrectes. Cette opération s’appuie sur des tâches de vision par ordinateur comme la détection d’objets pour repérer les défauts, même lorsque les articles se déplacent rapidement sur une ligne de production.

Lorsqu’un défaut est détecté, le produit peut être automatiquement signalé ou retiré. Cela garantit que seuls les articles de haute qualité poursuivent leur parcours sans ralentir les processus de fabrication.

20. Détection des défauts de surface#

La vision par ordinateur sert également à inspecter la finition extérieure des produits et à garantir une qualité constante. Les modèles de vision analysent la texture, l’uniformité des couleurs, les revêtements et le polissage pour repérer les finitions irrégulières ou les dommages de surface. Cette application est courante dans les secteurs où l’apparence compte autant que les performances, comme l’électronique, la fabrication automobile et les biens de consommation.

21. Vérification des articles manquants#

Avant que les produits soient scellés ou expédiés, des caméras propulsées par l’IA peuvent vérifier que tous les articles requis sont présents. Grâce à l’apprentissage automatique et à la vision par ordinateur, ces systèmes détectent rapidement les bouteilles, les pièces ou les composants emballés manquants, ce qui réduit les erreurs et les retouches. En associant la détection d’objets à la surveillance en temps réel, les fabricants peuvent maintenir une qualité constante et éviter des erreurs coûteuses.

22. Surveillance des chaînes de montage#

La vision par ordinateur permet de surveiller les chaînes de production en temps réel afin de repérer les pièces mal alignées, les blocages ou les étapes omises. Les systèmes de vision peuvent suivre les objets et vérifier leur position à mesure qu’ils avancent sur la chaîne.

Lorsqu’un problème est détecté, les équipes peuvent être alertées immédiatement, ce qui réduit les temps d’arrêt, améliore les processus de travail et maintient la qualité des produits. Cette automatisation garantit l’efficacité des opérations et favorise une prise de décision rapide.

23. Automatisation des entrepôts#

Les systèmes de vision par ordinateur peuvent jouer un rôle essentiel dans l’automatisation moderne des entrepôts. Par exemple, dans les entrepôts d’Amazon, des robots guidés par la vision identifient les colis, suivent leurs déplacements et déterminent où les entreposer ou les récupérer. En combinant les données visuelles à la robotique propulsée par l’IA, les entrepôts peuvent simplifier les processus de travail, réduire les erreurs humaines et acheminer les colis plus rapidement à destination.

24. Suivi des stocks#

Grâce aux progrès de la vision par ordinateur, les entreprises peuvent surveiller les niveaux de stock en temps réel, détecter les articles manquants ou mal placés et mettre à jour automatiquement les registres. La gestion des stocks gagne ainsi en précision, les surstocks et les ruptures sont évités, et la prise de décision est accélérée dans les entrepôts, les commerces et les sites de production.

25. Comptage et identification des comprimés#

Dans le secteur de la santé, compter et identifier correctement les comprimés est essentiel pour éviter les erreurs. Les systèmes de vision par ordinateur peuvent utiliser la détection d’objets et la classification d’images pour identifier les types de comprimés et les compter automatiquement. Des caméras intégrées aux systèmes de vision capturent des images haute résolution des médicaments, puis des algorithmes basés sur l’IA les analysent en temps réel, aidant les pharmacies, les hôpitaux et les cliniques à maintenir leurs flux de travail.

Fig. 6. Comptage et détection de comprimés à l’aide d’un modèle YOLO d’Ultralytics (Source)

26. Tri du linge#

Dans les blanchisseries à grande échelle, le tri manuel est lent et souvent sujet aux erreurs. Les systèmes de vision par ordinateur peuvent utiliser des caméras et des modèles d’IA pour trier automatiquement les vêtements selon leur couleur, leur taille ou leur type de tissu.

En détectant chaque article et en l’acheminant vers le bac ou le cycle de lavage approprié, ces systèmes améliorent la rapidité et la régularité du tri. Ils sont particulièrement utiles dans les hôtels, les hôpitaux et les blanchisseries industrielles, où l’efficacité et la précision sont essentielles.

27. Détection des fissures#

La vision par ordinateur aide à repérer les fissures difficiles à voir à l’œil nu. À l’aide de caméras et du traitement d’images, les modèles d’IA analysent des surfaces telles que les routes, les murs, les ponts et les machines afin de détecter les premiers signes de dommages.

Grâce à des tâches comme la détection d’objets et la segmentation, même les fissures les plus petites peuvent être repérées tôt. Cela aide les équipes à planifier les réparations à temps et à réduire les risques pour la sécurité.

28. Comptage des cellules en microscopie#

Les expériences en laboratoire reposent souvent sur le dénombrement exact des cellules d’un échantillon. Les chercheurs se sont donc tournés vers des modèles de vision par ordinateur capables d’effectuer la segmentation d’images et le comptage d’objets. Ces modèles détectent les cellules individuellement, séparent celles qui se chevauchent et les comptent automatiquement, ce qui fait gagner du temps et améliore la précision.

29. Détection des fractures en motte de beurre#

La vision par ordinateur peut aider les médecins à repérer les fractures en motte de beurre sur les radiographies. Fréquentes chez les enfants, elles passent facilement inaperçues. Les modèles d’apprentissage profond peuvent être affinés pour analyser des données d’imagerie médicale et apprendre les formes et les textures des os afin de détecter les courbures ou les fissures subtiles. La détection d’objets peut notamment mettre en évidence les zones préoccupantes, aidant les radiologues à établir des diagnostics plus rapides et plus précis.

30. Détection des chutes de patients#

Dans les hôpitaux et les établissements de soins, il est essentiel d’assurer la sécurité des patients à toute heure. Le personnel ne peut pas être présent à chaque instant. Toutefois, des technologies comme la vision par ordinateur peuvent aider en surveillant les mouvements des patients et en détectant les risques potentiels en temps réel.

Par exemple, en suivant la posture et les schémas de mouvement du corps, les systèmes de vision peuvent détecter les chutes soudaines en temps réel. Lorsqu’une chute est détectée, le système peut avertir immédiatement les soignants, ce qui permet une intervention rapide. Cette approche est particulièrement utile pour les personnes âgées ou en convalescence, pour qui une assistance rapide peut réduire le risque de blessure grave et améliorer la qualité globale des soins.

31. Surveillance des patients en réanimation#

En réanimation, les patients doivent être surveillés de près en permanence. Cette tâche peut être fastidieuse et exigeante pour le personnel médical, surtout pendant les longues gardes. Les systèmes de vision par ordinateur peuvent aider en suivant continuellement les mouvements et la posture des patients, ce qui permet aux équipes soignantes de se concentrer sur les tâches essentielles tout en intervenant rapidement en cas de problème.

32. Suivi des instruments chirurgicaux#

Pendant une intervention chirurgicale, il est essentiel de suivre chaque instrument médical. Des caméras installées au plafond peuvent être associées à la vision par ordinateur pour détecter et suivre les instruments chirurgicaux tout au long de l’intervention. Cela améliore la sécurité au bloc opératoire, réduit les retards et permet aux chirurgiens et aux infirmiers de rester pleinement concentrés sur l’intervention.

33. Diagnostic à partir d’images médicales#

La vision par ordinateur peut faciliter le diagnostic à partir d’images médicales. Elle permet aux médecins d’analyser les examens plus clairement et plus rapidement.

À l’aide de l’apprentissage profond et des réseaux neuronaux convolutifs, les systèmes de vision analysent les radiographies, les IRM et les tomodensitogrammes pour y repérer des motifs visuels. Par exemple, pour détecter des tumeurs, des capacités de vision telles que le traitement d’images, la segmentation et la détection d’objets mettent en évidence les zones suspectes et facilitent l’établissement de diagnostics précis.

34. Détection du respect des exigences en matière d’EPI#

Dans les environnements industriels très fréquentés, il est difficile de surveiller chaque travailleur en permanence. Les caméras dotées de capacités de vision peuvent résoudre ce problème en observant continuellement les zones de travail et en vérifiant le port des équipements de sécurité requis, comme les casques, les gants et les gilets réfléchissants. En détectant en temps réel l’absence d’équipement de protection individuelle (PPE), ces systèmes contribuent à prévenir les accidents et à améliorer la sécurité globale au travail.

35. Surveillance des plantes et des cultures#

Le suivi des plantes et des cultures permet aux agriculteurs de surveiller la santé des cultures tout au long de la saison de croissance. Des caméras installées sur des drones, des tracteurs ou des mâts fixes peuvent capturer régulièrement des images des plantes dans les champs.

Cette application de la vision par ordinateur permet aux systèmes d’analyser des indices visuels, comme la couleur des feuilles, la taille des plantes et les schémas de croissance, afin de détecter les premiers signes de stress, de carences en nutriments ou de manque d’eau. En repérant les problèmes tôt, les agriculteurs peuvent réagir plus rapidement, améliorer les rendements et éviter des pertes importantes de récoltes.

36. Surveillance du bétail#

La surveillance du bétail s’appuie sur la vision par ordinateur pour observer le comportement des animaux sans supervision humaine constante. Les caméras suivent les mouvements, la posture et le niveau d’activité afin de repérer les signes de blessure, de maladie ou de stress.

Par exemple, une baisse d’activité ou une démarche inhabituelle peut signaler des problèmes de santé. Ces systèmes reposent sur la détection et le suivi pour surveiller continuellement les troupeaux, ce qui aide les agriculteurs à gérer de grandes exploitations plus efficacement.

Fig. 7. Exemple de détection de la posture des vaches avec YOLO (Source)

37. Détection des incendies de forêt#

Les incendies de forêt commencent souvent dans des zones reculées où la surveillance humaine est limitée. Les systèmes de vision par ordinateur analysent les données visuelles provenant de tours de guet, de drones et d’images aériennes afin de repérer les premiers signes, comme de minces traînées de fumée, des changements de couleur de la végétation ou de subtils mouvements liés à la chaleur. En réduisant les fausses alertes causées par le brouillard ou les nuages, ces systèmes en temps réel permettent aux autorités d’intervenir plus rapidement et d’empêcher la propagation des incendies.

38. Détection de la maturité des fruits du dragon#

Déterminer le bon moment pour récolter les fruits du dragon est un excellent exemple d’application très spécifique de la vision par ordinateur, où le calendrier influe directement sur la qualité et la durée de conservation. Les modèles de vision utilisent la détection et la classification d’images pour évaluer la maturité et prévoir le moment optimal de la récolte. Les exploitations agricoles commencent déjà à utiliser des caméras propulsées par l’IA pour simplifier les contrôles de maturité et rendre la récolte plus rapide, plus précise et plus régulière.

39. Observation des oiseaux#

L’observation des oiseaux gagne en précision grâce à la vision par ordinateur. Des caméras intelligentes et des jumelles propulsées par l’IA utilisent des algorithmes de vision par ordinateur, notamment des modèles comme Ultralytics YOLO26, pour effectuer des tâches telles que la détection d’objets et l’estimation de pose. Les chercheurs et les passionnés peuvent ainsi suivre les populations, observer les comportements et étudier les schémas migratoires.

40. Analyse des traces animales dans la neige#

Dans les régions enneigées, les traces d’animaux peuvent révéler des indices précieux sur les déplacements de la faune. Des modèles de vision par ordinateur comme Ultralytics YOLO26 peuvent servir à détecter et à suivre les traces d’animaux dans les régions enneigées.

En analysant les motifs visuels, ces modèles facilitent l’identification des espèces, l’estimation des déplacements et l’étude des migrations. Les chercheurs et les défenseurs de l’environnement peuvent ainsi surveiller les populations en temps réel, observer les comportements et protéger la faune.

41. Exploitation ferroviaire#

Les réseaux ferroviaires fonctionnent avec une circulation constante, des horaires serrés et des risques pour la sécurité, ce qui rend la surveillance manuelle complexe. La vision par ordinateur peut automatiser ces contrôles en analysant les données visuelles provenant des caméras le long des voies, des gares et des systèmes embarqués.

Grâce à la détection d’objets et à la segmentation d’instances, les modèles de vision peuvent détecter et suivre en temps réel les fissures, les problèmes de signalisation, les obstacles le long des voies ou les personnes qui pénètrent dans des zones interdites. Cela réduit les erreurs humaines, simplifie les processus de travail et favorise une exploitation ferroviaire plus sûre et plus fiable à grande échelle.

42. Tâches de ROC liées aux documents#

Le traitement des documents est devenu beaucoup plus facile grâce aux systèmes de reconnaissance optique de caractères basés sur la vision par ordinateur. Ces systèmes détectent d’abord les zones de texte dans les images, comme celles de factures, de formulaires et de reçus, puis en extraient le contenu pour qu’il puisse être recherché et utilisé.

Une fois le texte capturé, il peut être traité, analysé ou résumé automatiquement. Cela aide les entreprises à améliorer la précision et à simplifier les processus de travail impliquant de nombreux documents dans les domaines de la finance, de la santé et des opérations.

43. Détection et suivi des joueurs#

Les grands événements sportifs ont commencé à utiliser la vision par ordinateur pour suivre les déplacements des joueurs sur le terrain. Les modèles de vision analysent de près les images des matchs en direct à l’aide de la détection et du suivi d’objets ainsi que de l’estimation de pose.

Les entraîneurs et les analystes utilisent ces données pour étudier les performances, le positionnement et le travail d’équipe. En fait, le suivi des joueurs est désormais courant au football, au basketball et au cricket, et permet aux équipes de prendre des décisions fondées sur les données pendant les entraînements et les matchs.

Fig. 8. Utilisation de YOLO pour détecter les joueurs sur un terrain de football. (Source)

44. Suivi du ballon#

Un autre bon exemple de la façon dont la vision par ordinateur peut aider les analystes sportifs est le suivi du ballon. Dans les sports rapides, il peut être difficile de suivre le ballon.

Les systèmes de vision par ordinateur peuvent détecter le ballon et suivre son mouvement image par image, en enregistrant sa position, sa vitesse et sa direction en temps réel. Ces données facilitent l’analyse des performances et la prise de décisions équitables dans des sports comme le football, le cricket et le golf.

45. Détection de cartes à jouer#

Les environnements de jeu réglementés, comme les casinos, utilisent la vision par ordinateur pour surveiller les jeux de cartes tels que le blackjack, en identifiant et en suivant les cartes sur la table en temps réel. Cela contribue à garantir l’équité du jeu, à prévenir la triche et à maintenir la transparence. Des modèles de vision comme Ultralytics YOLO26 peuvent reconnaître les cartes à partir de leur forme, de leurs chiffres et de leurs symboles.

46. Analyse des risques de blessure#

Les blessures des athlètes se développent souvent progressivement à cause d’une mauvaise posture ou d’efforts répétitifs. Les systèmes d’IA visuelle peuvent aider à repérer ces problèmes tôt en analysant les mouvements des joueurs pendant les entraînements et les matchs.

Les caméras dotées d’IA peuvent suivre la position du corps, l’équilibre et les schémas de mouvement afin d’identifier les gestes dangereux. Les équipes peuvent ainsi corriger la posture, améliorer les entraînements et réduire le risque de blessures graves.

47. Commande gestuelle dans les jeux vidéo#

La commande gestuelle dans les jeux vidéo est étroitement liée à la vision par ordinateur. Les systèmes basés sur la vision détectent et interprètent les mouvements des mains et du corps, ce qui permet aux joueurs de contrôler les jeux sans manettes physiques.

Cette approche est largement utilisée dans les expériences de réalité augmentée et virtuelle, où des gestes comme saluer de la main, sauter ou pointer sont convertis en réactions en jeu en temps réel, pour une expérience plus immersive.

48. Analyse des étiquettes nutritionnelles#

Lire les étiquettes nutritionnelles peut prendre du temps, surtout lorsque leur format varie d’une marque à l’autre. Les solutions de vision par ordinateur permettent de simplifier cette tâche.

En traitant les images des étiquettes alimentaires, les systèmes de vision par ordinateur peuvent extraire des informations essentielles comme les calories, les ingrédients et les nutriments. Grâce au traitement d’images, à la reconnaissance optique de caractères et à l’apprentissage automatique, les étiquettes nutritionnelles peuvent être numérisées avec des smartphones ou de simples scanners, ce qui facilite l’accès aux informations et leur comparaison.

49. Comptage de personnes#

Savoir combien de personnes se trouvent dans un espace aide les entreprises et les villes à mieux planifier. Les systèmes basés sur la vision par ordinateur peuvent compter les personnes qui entrent dans une zone ou en sortent à partir de flux vidéo captés dans des lieux publics.

Ces solutions s’appuient sur la détection et le suivi d’objets pour suivre les déplacements en temps réel. Elles sont utilisées dans les commerces, les plateformes de transport et les villes intelligentes pour gérer les flux de foule et améliorer la sécurité.

50. Surveillance de la circulation#

La surveillance de la circulation est essentielle pour assurer la sécurité routière et réduire les embouteillages. Les caméras et les capteurs associés à la vision par ordinateur peuvent suivre les véhicules en temps réel et analyser le trafic. Les urbanistes peuvent ainsi mieux comprendre les habitudes de circulation et optimiser le minutage des feux afin d’améliorer la gestion globale du trafic.

Fig. 9. Détection et comptage de véhicules sur une autoroute avec YOLO (Source)

51. Inspection de pipelines#

La vision par ordinateur peut inspecter de longs pipelines sans mettre des personnes en danger. Des drones équipés de caméras haute résolution et d’algorithmes basés sur la vision peuvent repérer la corrosion, les fuites et les fissures. Cette automatisation réduit les risques pour les personnes, accélère les contrôles de maintenance et permet une surveillance continue sur de longues distances, ce qui rend l’exploitation des pipelines plus sûre.

52. Inspection des bouchons de bouteilles#

Les bouchons de bouteilles peuvent parfois manquer ou ne pas assurer une fermeture étanche, ce qui entraîne des problèmes de détérioration ou de sécurité. C’est un enjeu important dans l’industrie des boissons. Les systèmes de vision par ordinateur peuvent contribuer à résoudre ce problème en surveillant les lignes de production et en utilisant des caméras pour détecter les bouchons manquants, desserrés ou mal alignés.

53. Gestion des parcs de stockage#

Gérer de grands parcs de stockage où des conteneurs et des véhicules sont constamment en mouvement n’est pas aussi simple qu’il y paraît. Les systèmes basés sur la vision gèrent cette complexité en identifiant les ID des conteneurs, en suivant leur position et en enregistrant leurs déplacements en temps réel.

Les caméras surveillent l’activité du parc et mettent automatiquement les systèmes à jour. Cette solution de vision basée sur l’IA vise à améliorer la logistique et l’efficacité globale des processus.

54. Détection d’espèces rares#

Les espèces rares sont souvent difficiles à étudier, car elles sont peu communes et vivent généralement dans des zones protégées ou éloignées. Toutefois, les systèmes basés sur la vision peuvent recueillir des données visuelles à l’aide de pièges photographiques, de drones ou d’images satellites.

Ces systèmes utilisent la classification d’images pour reconnaître les animaux à partir de caractéristiques comme leur forme, leur couleur et leurs marques. L’IA visuelle peut ainsi détecter automatiquement les espèces, consigner les observations au fil du temps et suivre les populations sans perturber la faune.

55. Systèmes de paiement en libre-service#

La vision par ordinateur a rendu le paiement en libre-service plus rapide et plus simple. Les clients peuvent scanner et payer leurs articles sans faire la queue.

Cette solution repose sur des caméras en magasin, des scanners intelligents et des bornes dotées de systèmes de vision qui surveillent la façon dont les produits sont pris et déposés, ce qui aide les systèmes à les reconnaître avec précision. Les erreurs diminuent, le passage en caisse est plus rapide et l’expérience d’achat est plus fluide dans les magasins très fréquentés.

56. Détection de l’usure des pneus#

Avec le temps, les pneus perdent de leur adhérence, mais les changements sont souvent subtils et difficiles à remarquer. Les systèmes basés sur la vision installés dans les garages ou les centres d’entretien inspectent la surface des pneus pour détecter les signes d’usure ou de dommages, comme une faible profondeur de sculpture ou une usure irrégulière. En repérant les problèmes tôt, ces systèmes contribuent à prévenir les conditions de conduite dangereuses et à rendre l’entretien des pneus plus prévisible.

57. Comptage d’articles#

La vision par ordinateur permet d’automatiser le comptage d’articles en détectant et en suivant les produits dans des images ou des vidéos. Par exemple, les systèmes de vision peuvent compter les cartons emballés sur un tapis roulant, surveiller les niveaux de stock dans les supermarchés ou suivre les articles sur une chaîne de montage pendant les étapes de lavage ou de traitement. Cette approche est largement utilisée dans les entrepôts, les usines et les commerces pour réduire les écarts de stock, repérer rapidement les articles manquants et tenir à jour des données d’inventaire précises.

Fig. 10. Pommes vertes détectées par YOLO sur une chaîne de montage (Source)

58. Détection d’espèces sous-marines#

Explorer la vie sous la surface de l’océan n’est pas facile, mais la vision par ordinateur a simplifié le suivi des espèces sous-marines. Les chercheurs peuvent utiliser les données visuelles de drones sous-marins et de caméras submersibles pour identifier les poissons, les coraux et d’autres espèces marines en temps réel. Ces informations aident à suivre les populations, à étudier les habitats et à surveiller les écosystèmes océaniques sans perturber la vie marine.

59. Détection des déchets alimentaires en cuisine#

Les grandes cuisines commerciales produisent chaque jour d’importantes quantités de déchets alimentaires. Aujourd’hui, des systèmes basés sur la vision sont utilisés pour automatiser le suivi et la réduction du gaspillage alimentaire.

Ces systèmes de vision par ordinateur utilisent des caméras placées près des zones de préparation ou des poubelles intelligentes pour identifier les aliments, mesurer la taille des portions et suivre les tendances en matière de gaspillage. Plusieurs chaînes hôtelières et entreprises de restauration utilisent ces données pour ajuster leurs menus, réduire le gaspillage et diminuer les coûts.

60. Évaluation de la qualité des aliments#

L’évaluation de la qualité des aliments est de plus en plus automatisée grâce aux systèmes de vision par ordinateur dans les usines de transformation alimentaire. Lorsque les fruits, les légumes et les produits emballés avancent sur les lignes de production, les modèles de vision peuvent les trier en fonction de leur taille, de leur couleur, de leur degré de maturité et des défauts de surface, à l’aide de la détection et de la classification. Cela réduit les inspections manuelles, limite les erreurs humaines et garantit que seuls des aliments de haute qualité parviennent aux clients, même lorsque de grands volumes sont traités chaque jour.

Points clés à retenir#

La vision par ordinateur devient rapidement un élément central des systèmes modernes de production et d’exploitation. Les tâches essentielles de vision, comme la détection, le suivi, la segmentation et la classification, prennent désormais en charge des applications dans de nombreux secteurs, notamment la santé, le commerce, l’agriculture et les véhicules autonomes. Le changement le plus important concerne l’évolutivité et le caractère pratique de ces systèmes.

Tu veux approfondir tes connaissances en IA ? Rejoins notre communauté grandissante et découvre la vision par ordinateur sur notre dépôt GitHub. Consulte nos pages consacrées aux solutions et découvre l’IA dans la fabrication et l’IA visuelle dans le secteur de la santé. Découvre nos options de licence pour te lancer dès aujourd’hui dans l’IA visuelle !