Documents disponibles écrits par cet auteur

Citrus sorting by identification of the most common defects using multispectral computer vision / Blasco, J. in Journal of food engineering, Vol. 83 N°3 (Decembre 2007) 

Public ISBD [article]  in Journal of food engineering > Vol. 83 N°3 (Decembre 2007) . - 384-393 p. Titre : Citrus sorting by identification of the most common defects using multispectral computer vision Type de document : texte imprimé Auteurs : Blasco, J., Auteur ; Aleixos, N., Auteur ; Gomez, J., Auteur Article en page(s) : 384-393 p. Note générale : Génie Chimique Langues : Anglais (eng) Mots-clés : Fruit  sorting  Machine  vision  Multispectral  imaging  Image  analysis  Fruit  quality  Fruit  de  tri  Machine  de  vision  Imagerie  multispectrale  Analyse  d'images  La  qualité  des  fruits Index. décimale : 664 Résumé : The presence of skin defects is one of the most influential factors in the price of fruit. The detection of defects during packing operations ensures that only fruits with a good quality reach the market. Moreover, the identification of the type of each defect will increase both the quality of the fruit and also the producer’s profit. At the present time, fruit with slight defects is marketed together with sound fruit, thus depreciating the quality of the batch, or it is removed together with seriously damaged fruit, thereby causing economic losses. Most current computer vision systems used in the automatic quality inspection of food are limited to the visible region of the electromagnetic spectrum as they tend to imitate the human eye. However, non-visible information, such as that provided by near-infrared or ultraviolet regions of the spectrum, can improve the inspection by detecting specific defects or allowing the detection of non-visible damages. This work summarises our research in the application of near-infrared, ultraviolet and fluorescence computer vision systems in the identification of the most common defects of citrus fruits, and proposes a fruit sorting algorithm that combines this different spectral information (including visible) to classify fruit according to the type of defect. Results showed that the contribution of non-visible information can improve the detection and identification of some defects. Compared with the results from colour images, the detection accuracy of anthracnose increased from 86% by using NIR images; and the accuracy of green mould was increased from 65% to 94% by using images of fluorescence. La présence de défauts de la peau est l'un des facteurs les plus influents dans le prix des fruits. La détection des défauts lors de l'emballage des opérations garantit que seules les fruits de bonne qualité sur le marché. En outre, l'identification du type de défaut augmente chaque fois la qualité du fruit et le profit du producteur. À l'heure actuelle, les fruits de légers défauts est commercialisé conjointement avec le bruit de fruits, ce qui déprécie la qualité du lot, ou il est enlevé en même temps que les fruits gravement endommagées, causant ainsi des pertes économiques. Actuellement, la plupart des ordinateurs utilisés dans les systèmes de vision de l'automatisme de contrôle de la qualité de la nourriture sont limitées à la région visible du spectre électromagnétique, car ils ont tendance à imiter l'oeil humain. Toutefois, des informations non visibles, tels que ceux fournis par le proche infrarouge ou ultraviolet régions du spectre, peut améliorer le contrôle par la détection des défauts spécifiques ou permettant la détection des dommages non visibles. Ce travail résume nos recherches dans l'application du proche infrarouge, l'ultraviolet et de fluorescence de l'ordinateur dans les systèmes de vision de l'identification de la plupart des défauts d'agrumes, de fruits et propose un algorithme de tri qui combine ces différentes données spectrales (notamment visibles) pour classer les fruits En fonction du type de défaut. Les résultats ont montré que la contribution des informations non visibles peuvent améliorer la détection et l'identification de certains défauts. En comparaison avec les résultats de la couleur des images, la détection de précision de l'anthracnose est passée de 86% en utilisant des images RNI; Et l'exactitude de la moisissure verte est passée de 65% à 94% en utilisant des images de la fluorescence. DEWEY : 664 ISSN : 0260-8774 RAMEAU : Vision par ordinateur En ligne : http://www.sciencedirect.com/science?_ob=ArticleListURL&_method=list&_ArticleLis [...] [article] Citrus sorting by identification of the most common defects using multispectral computer vision [texte imprimé] / Blasco, J., Auteur ; Aleixos, N., Auteur ; Gomez, J., Auteur . - 384-393 p. Génie Chimique Langues : Anglais (eng) in Journal of food engineering > Vol. 83 N°3 (Decembre 2007) . - 384-393 p. Mots-clés : Fruit  sorting  Machine  vision  Multispectral  imaging  Image  analysis  Fruit  quality  Fruit  de  tri  Machine  de  vision  Imagerie  multispectrale  Analyse  d'images  La  qualité  des  fruits Index. décimale : 664 Résumé : The presence of skin defects is one of the most influential factors in the price of fruit. The detection of defects during packing operations ensures that only fruits with a good quality reach the market. Moreover, the identification of the type of each defect will increase both the quality of the fruit and also the producer’s profit. At the present time, fruit with slight defects is marketed together with sound fruit, thus depreciating the quality of the batch, or it is removed together with seriously damaged fruit, thereby causing economic losses. Most current computer vision systems used in the automatic quality inspection of food are limited to the visible region of the electromagnetic spectrum as they tend to imitate the human eye. However, non-visible information, such as that provided by near-infrared or ultraviolet regions of the spectrum, can improve the inspection by detecting specific defects or allowing the detection of non-visible damages. This work summarises our research in the application of near-infrared, ultraviolet and fluorescence computer vision systems in the identification of the most common defects of citrus fruits, and proposes a fruit sorting algorithm that combines this different spectral information (including visible) to classify fruit according to the type of defect. Results showed that the contribution of non-visible information can improve the detection and identification of some defects. Compared with the results from colour images, the detection accuracy of anthracnose increased from 86% by using NIR images; and the accuracy of green mould was increased from 65% to 94% by using images of fluorescence. La présence de défauts de la peau est l'un des facteurs les plus influents dans le prix des fruits. La détection des défauts lors de l'emballage des opérations garantit que seules les fruits de bonne qualité sur le marché. En outre, l'identification du type de défaut augmente chaque fois la qualité du fruit et le profit du producteur. À l'heure actuelle, les fruits de légers défauts est commercialisé conjointement avec le bruit de fruits, ce qui déprécie la qualité du lot, ou il est enlevé en même temps que les fruits gravement endommagées, causant ainsi des pertes économiques. Actuellement, la plupart des ordinateurs utilisés dans les systèmes de vision de l'automatisme de contrôle de la qualité de la nourriture sont limitées à la région visible du spectre électromagnétique, car ils ont tendance à imiter l'oeil humain. Toutefois, des informations non visibles, tels que ceux fournis par le proche infrarouge ou ultraviolet régions du spectre, peut améliorer le contrôle par la détection des défauts spécifiques ou permettant la détection des dommages non visibles. Ce travail résume nos recherches dans l'application du proche infrarouge, l'ultraviolet et de fluorescence de l'ordinateur dans les systèmes de vision de l'identification de la plupart des défauts d'agrumes, de fruits et propose un algorithme de tri qui combine ces différentes données spectrales (notamment visibles) pour classer les fruits En fonction du type de défaut. Les résultats ont montré que la contribution des informations non visibles peuvent améliorer la détection et l'identification de certains défauts. En comparaison avec les résultats de la couleur des images, la détection de précision de l'anthracnose est passée de 86% en utilisant des images RNI; Et l'exactitude de la moisissure verte est passée de 65% à 94% en utilisant des images de la fluorescence. DEWEY : 664 ISSN : 0260-8774 RAMEAU : Vision par ordinateur En ligne : http://www.sciencedirect.com/science?_ob=ArticleListURL&_method=list&_ArticleLis [...]