Reconnaissance de la maturité des fruits : une perspective agricole, marchande et d’automatisation

Motivés par le potentiel de réduction des efforts manuels nécessaires dans l'industrie fruitière, cette étude vise à automatiser la reconnaissance de la maturité des fruits. Nous abordons ce problème sous les angles agricole, marchand et d'automatisation, chacun correspondant à des étapes différentes de la chaîne d'approvisionnement. Étant donné que les différents stades de maturité présentent des caractéristiques visuelles distinctes, une technologie de classification d'images peut s'avérer particulièrement utile. Pour développer des classificateurs d'images fruitières, il est nécessaire de disposer d'une méthode d'extraction de caractéristiques et d'un algorithme d'apprentissage. Nous utilisons divers réseaux neuronaux pré-entraînés pour une extraction efficace des caractéristiques, tout en appliquant différentes méthodes d'apprentissage automatique, accompagnées d'une analyse du biais/variance des modèles appris. Cette analyse nous permet de sélectionner les meilleures solutions pour chaque perspective considérée. Nous atteignons des taux de précision de 96 %, 94 % et 86 % respectivement sur notre nouveau jeu de données, nommé RipeRaw, dans les perspectives agricole, marchande et d'automatisation.