Résumé
The aim of this work is the assessment of Begonias pot plants quality using artificial vision and image processing calibrated on human appreciation from an international experts panel. Another aim is to build an expert system (neural network) that simulates the behaviour of these experts and able to sort plants using digital images. Experts gave 1 mark per pot plant. Experiments were carried on 434 Begonia pot plants from which one top image was grabbed. These images were processed by our Dutch and Danish colleagues, in order to extract features. Using statistical analysis, relevant parameters were selected and were used as data inputs for a neural network. The neural network was calibrated using 217 plants. Tests were done using the 217 remaining plants. Results show that quality criteria mainly used by experts are rather rough and deal more with size parameters than with quality criteria. Neural network systems simulate the experts behaviour with a correct accuracy.
Le but de ce travail est d'apprécier la qualité des bégonias en pot en utilisant la vision artificielle étalonnée à partir d'une appréciation humaine issue d'un panel d'experts internationaux. Notre objectif est de construire un système expert à base de réseaux de neurones qui simule le comportement de ces experts et qui est capable de trier des plantes en utilisant des images numériques. Les experts donnent une note par plante en pot. Les expériences sont menées sur 434 pots de bégonias à partir desquels une image est prise par le haut. Ces images sont analysées par les collègues danois et hollandais de manière à extraire les paramètres. Par analyse statistique, les paramètres pertinents sont sélectionnés et utilisés comme des entrées d'un réseau de neurones. Le réseau de neurones est calibré en utilisant 217 plantes. Des tests sont effectués en utilisant les 217 plantes restantes. Des résultats montrent que les critères de qualité principalement utilisés par les experts sont relativement rustiques et correspondent à plus de 16 paramètres. Les réseaux de neurones simulent le comportement de l'expert avec une bonne fiabilité.