Neural network techniques to simulate human judgement on quality of potplants
Utilisation des réseaux neuronaux pour simuler le jugement humain sur la qualité des plantes en pot
Résumé
Classical methods of image processing were combined with neural network techniques in order to determine relationships between human judgements on the quality of potplants and physical measurements. First two images of a potplant are taken in different positions, those images are segmented in regions of flowers, leaves and background. For each of the regions of flowers and leaves, several characteristics are calculated. Statistical methods, such as principal component analysis and stepwise selection of variables by linear regression, are used to summarise the information. These characteristics are the inputs for a neural network. Each potplant is judged by 13 experts for the quality of the flowers, the quality of the leaves and the overall quality. On the output side of the neural network, we have these three notes of quality. Training and testing is on with the mean notes of the experts. The performance yardstick is the Pearson correlation between the mean judgement and the neutral net compared to the same correlation between the experts and the mean judgement.
Des méthodes classiques de traitement de l'image ont été combinées à des techniques de réseaux neuronaux afin de déterminer les relations entre l'évaluation humaine de la qualité des plantes en pot et les mesures physiques. D'abord, deux images d'une plante en pot sont prises dans des positions différentes et ces images sont segmentées en zones de fleurs, de feuilles et en arrière-plan. Pour chacun des régions de fleurs et de feuilles, plusieurs caractéristiques sont calculées. Les méthodes statistiques comme l'analyse des principaux composants et la sélection graduelle de variables par régression linéaire sont utilisées pour résumer les informations. Ces caractéristiques sont les données d'entrées du réseau neuronal. Chaque plante en pot est jugée par 13 experts qui donnent leur avis sur la qualité des fleurs, des feuilles et la qualité générale. Du côté de la sortie du réseau neuronal, nous avons ces trois notes de qualité. La formation et les essais correspondent aux notes moyennes des experts. L'échelle de réussite est la corrélation de Pearson entre le jugement moyen et le réseau neutre comparé à la même corrélation entre les experts et le jugement moyen.