Interprétabilité des méthodes de Machine Learning et méthodologie de l’analyse des images hyperspectrales, retrouvez les 2 communications scientifiques d’Ondalys lors de la conférence NIR2025 en Juin 2025 à Rome.
Organisée par SISNIR – Società Italiana di Spettrosocopia NIR, la 22ème édition de la conférence NIR2025 se tiendra du 8 au 12 juin 2025 à Rome, Itlaie.
Experte des méthodes de Chimiométrie et de Machine Learning appliquées aux spectres, l’équipe d’Ondalys sera présente pour cette conférence afin de parler d’analyse de données spectroscopiques et y proposera 2 communications sur les thèmes suivants :
Machine Learning interpretability methods applied to calibration models developed on NIR spectroscopic data
Au cours des dernières décennies, les modèles de Machine Learning (ML) sont devenus de plus en plus complexes, ce qui a permis d’améliorer leurs performances prédictives. Cependant, ces modèles peuvent souvent être décrits comme des « boîtes noires », dans le sens où il est très difficile d’expliquer comment un modèle obtient ses résultats à partir des données d’entrée. Alors que les modèles complexes de Machine Learning sont de plus en plus utilisés pour la prise de décision, par exemple dans des applications industrielles ou médicales, il devient de plus en plus nécessaire d’améliorer leur interprétabilité afin d’accroître la fiabilité de leurs résultats, donnant ainsi naissance à ce que l’on appelle l’IA explicable (intelligence artificielle explicative).
C’est le thème de cette étude qui se concentre sur l’interprétabilité des modèles de machine learning après leur calibration sur des données spectroscopiques proche infrarouge, également appelée « explication post-hoc » des modèles de machine learning.
En savoir + sur les méthodes avancées de Machine Learning
Machine Learning methods for sugar quantification in grapes based on NIR Hyperspectral Imaging
L’imagerie hyperspectrale trouve des applications dans de nombreux domaines, notamment l’agriculture, l’environnement, la médecine et l’industrie. Elle permet de classifier des objets selon leur composition, ou de quantifier des composés présents à leur surface et de visualiser leur distribution spatiale. Ce dernier cas est souvent complexe, car la référence n’est pas connue pour chaque pixel. Le traitement d’image est alors d’autant plus important pour extraire la région d’intérêt (ROI) afin de construire le modèle, mais aussi pour pouvoir l’appliquer à de nouvelles images.
Cette étude scientifique présente la méthodologie d’analyse d’images hyperspectrales pour la prédiction de la maturité des grappes de raisin directement dans les vignobles. Dans cet exemple, le paramètre à prédire est la teneur en sucre (en °Brix) de chaque grappe entière, fournissant une mesure moyenne de la teneur en sucre par image.
En savoir + sur l’analyse des images hyperspectrales – HSI
NIR2025 mettra en lumière tous les aspects de la spectroscopie proche infrarouge, allant des avancées méthodologiques et technologiques en spectroscopie NIR (imagerie proche infrarouge et spectromètres miniaturisés) aux applications dans tous les domaines (agroalimentaire, pharmaceutique, chimique, biotechs…) en passant par la l’analyse des données spectroscopiques et des images hyperspectrales.
Tous les deux ans, le Conseil international pour la spectroscopie proche infrarouge (ICNIRS) organise la conférence internationale de référence pour la spectroscopie proche infrarouge.
Chaque édition permet de s’informer de l’actualité du NIR (théorie, applications innovantes, nouveautés instrumentales).
