Flexible real-time sensor fusion for peach quality assessment
Fusion de capteurs en temps réel et flexible pour l'appréciation de la qualité des pêches
Résumé
Various destructive and non-destructive sensors are applied on peaches in order to assess its quality components. Destructive measurements (firmness and sugar content) made on the fruits are used as references. These references are compared to the non-destructive sensors measurements (vision system, firmness sensor, electronic sniffer and near infra-red spectrophotometer). The real-time ability of the different non-destructive sensors is demonstrated. Moreover, the flexibility of the fusion process is studied through its ability to adapt to the definition of new quality classes. Results show that, for a better prediction of quality, it is advisable to use the prediction of quality classes instead of combining the sensory data. However, the classification system must be easily retrained when the definition of classes is changing. There is a trade-off to be found between the two approaches proposed by sensor fusion.
Des capteurs destructifs et non destructifs sont utilisés pour l'évaluation de la qualité des pêches afin d'évaluer les différents paramètres intervenant dans la définition de cette qualité (couleur, fermeté, taux de sucre, arômes). Les mesures destructives (fermeté et taux de sucre) sont utilisées comme références. Ces références sont comparées aux informations fournies par les capteurs non destructifs (système de vision artificielle, capteur de fermeté, nez électronique et capteur proche infra-rouge). Il est exposé la capacité de ces capteurs non destructifs à fonctionner en temps réel. De plus, on étudie la flexibilité de la fusion de capteurs, définie comme la capacité du système de classification à s'adapter à la définition de nouvelles classes de qualité. Les résultats montrent que, pour une meilleure évaluation de la qualité, il est préférable de prédire des classes de qualité globale plutôt que de combiner les paramètres individuels de qualité. Toutefois, le système de classification doit être facilement recalibré si la définition des classes est modifiée. Il y a donc un compromis à trouver entre les deux approches possibles pour la fusion de capteurs.