La reconnaissance automatique des feuilles de plantes repose sur une combinaison puissante de plongements de caractéristiques profondes et de la similarité euclidienne, offrant une approche robuste et interprétable pour l’identification des espèces végétales. Ce système repose sur un réseau de neurones convolutif (CNN) profond, ici ResNet-50 pré-entraîné sur ImageNet, qui extrait des représentations numériques compactes, appelées embeddings, à partir d’images de feuilles. Chaque image est transformée en un vecteur de 2048 dimensions, capturant des traits discriminants tels que la forme, la texture, le réseau de nervures, le pourtour et les variations de couleur. Ces embeddings, normalisés en norme L2, sont positionnés sur une hypersphère unité, garantissant que les comparaisons basées sur la distance euclidienne reflètent uniquement la similarité sémantique. Le processus débute par un prétraitement standardisé : redimensionnement à 224×224 pixels, centrage, conversion en tenseur et normalisation selon les paramètres d’ImageNet. L’architecture de ResNet-50 est modifiée en supprimant la couche de classification finale, ne conservant que le bloc d’extraire de caractéristiques jusqu’à la couche de moyenne globale. Cette version tronquée permet d’obtenir un vecteur d’embedding unique par image. Un dictionnaire de base de données est alors construit, regroupant les embeddings par espèce, formant une base de référence pour la reconnaissance. La phase de reconnaissance consiste à extraire l’embedding d’une feuille inconnue, puis à calculer sa distance euclidienne par rapport à tous les embeddings stockés. Le plus proche voisin est retenu comme prédiction, à condition que la distance soit inférieure à un seuil (0,68). Ce seuil, déterminé par l’analyse ROC et le critère de Youden, équilibre sensibilité et spécificité, atteignant un AUC de 0,987, témoignant d’une excellente capacité de discrimination. La courbe PR confirme une précision élevée (près de 1) même à un rappel élevé, indiquant que le modèle est fiable, même en cas d’imbalances de données. L’analyse des données est renforcée par des visualisations : la projection t-SNE révèle des clusters serrés par espèce, montrant une bonne séparation inter-espèces et une forte similarité intra-espèces. L’analyse de la distribution des distances confirme que les distances intra-classes sont nettement inférieures aux distances inter-classes, validant la qualité de l’encodage. L’évaluation sur le jeu de données UCI des 100 espèces de feuilles (1600 images) montre une précision Top-1 de 96,9 % sur le test, et une Top-5 de 99,4 %, avec un temps moyen d’inférence de 12 ms par image, compatible avec des applications en temps réel. Ce système présente des implications significatives dans plusieurs domaines : en agriculture, il permet une identification rapide des maladies ou des adventices pour une agriculture de précision ; en éducation, il facilite l’apprentissage interactif via des applications mobiles ; en pharmacologie, il aide à identifier correctement les plantes médicinales ; en conservation, il soutient le suivi des espèces menacées ou envahissantes dans des écosystèmes complexes. En résumé, cette approche combine l’apprentissage profond, la normalisation des embeddings et la distance euclidienne pour créer un système reproductible, efficace et interprétable. Elle ouvre la voie à des systèmes de reconnaissance végétale à grande échelle, intégrés à des plateformes IoT, des bibliothèques numériques ou des outils de surveillance écologique. Évaluation d’experts : Selon des études récentes (Popp et al., 2025 ; Hart et al., 2023), les systèmes basés sur les embeddings sont désormais considérés comme les plus fiables pour l’identification botanique automatique, surpassant les méthodes classiques. L’approche proposée, bien qu’ayant un seuil de performance élevé, reste sensible à la qualité des images et aux variations d’acquisition, ce qui justifie l’importance des techniques d’augmentation. L’entreprise Walmart Vizio, où travaille l’auteur Sherin Sunny, exploite des systèmes similaires pour la reconnaissance de contenu à grande échelle, démontrant la faisabilité industrielle de ces méthodes.