Mise en place et développement d'un outil de phénotypage assisté par vision artificielle pour la sélection du chou-fleur - DUMAS - Dépôt Universitaire de Mémoires Après Soutenance Accéder directement au contenu
Mémoires Année : 2014

Mise en place et développement d'un outil de phénotypage assisté par vision artificielle pour la sélection du chou-fleur

Résumé

Despite an increasing number of industrial machines for the characterization of fruits and vegetables, there is no machine today which allows a characterization of an important number of morphological or colorimetric traits of the cauliflower. For these reasons and in order to develop molecular markers, a Vilmorin & Cie (VCO) project assisted by imagery was built in 2012 for the study of 14 traits of the cauliflower. Thanks to a VCO acquisition system, databases and images bases were firstly built. Then, with these bases, image analysis methods and algorithms were developed and statistically validated. Validation methods for the image analysis method and algorithm but also results are illustrated with four morphological traits: diameter and pointed trait for the two dimensional characters, volume and smoothness trait for the three-dimensional characters. Diameter and volume are predicted with regression linear model with a determination coefficient of respectively 98% and 97%. For the pointed trait and the smoothness trait, a classification method by threshold is used to class respectively in two and three categories cauliflower curds, with an error rate of 15% and 34%. This tool has a low throughput but measurement is objective, accurate and reliable (repeatable and reproducible).
Malgré un essor important depuis ces dernières années de machines industrielles visant à caractériser les fruits et légumes, il n’existe pas à ce jour de machines qui puissent phénotyper un grand nombre de caractères morphologiques et/ou colorimétriques sur le chou-fleur. Pour ces raisons et dans le but de développer des marqueurs moléculaires, un projet Vilmorin et Compagnie (VCO) de phénotypage assisté par imagerie a vu le jour en 2012 pour l’étude de 14 caractères sur le chou-fleur. À partir d’un système d’acquisition VCO développé par l’équipe Vision Artificielle chez Vilmorin, des bases de données et d’images ont d’abord été construites. Puis, à partir de ces bases d’informations, des méthodes d’analyse d’images et des algorithmes ont été développés et validés statistiquement. La méthodologie pour la validation des méthodes d’analyse d’images et des algorithmes ainsi que les résultats sont illustrés pour quatre caractères morphologiques : le diamètre et le caractère pointu pour les caractères en deux dimensions, le volume et le caractère lisse pour les caractères en trois dimensions. Le diamètre et le volume sont prédits par des modèles de régressions linéaires dont les coefficients de détermination sont respectivement de 98% et 97%. Pour le caractère pointu et le caractère lisse, une méthode de classification par seuillage est utilisée pour classer respectivement en deux et trois catégories des pommes de chou-fleur, avec un pourcentage d’erreur respectif de 15% et 34%. Cet outil a un faible débit mais c’est un instrument dont les mesures sont objectives, précises et fiables (répétables et reproductibles).
Fichier principal
Vignette du fichier
BELLOUARD_Angéline_Phenotypage_chou-fleur.pdf (4.69 Mo) Télécharger le fichier
Loading...

Dates et versions

dumas-01082246 , version 1 (26-11-2014)

Identifiants

  • HAL Id : dumas-01082246 , version 1

Citer

Angéline Bellouard. Mise en place et développement d'un outil de phénotypage assisté par vision artificielle pour la sélection du chou-fleur. Sciences agricoles. 2014. ⟨dumas-01082246⟩
278 Consultations
320 Téléchargements

Partager

Gmail Facebook X LinkedIn More