Classification automatique des filtres
Lecture automatique de la propreté du sucre par analyse d’images

Comme on l’a vu, la mesure de propreté peut être vue comme un problème de classification : à partir du vecteur de paramètres calculés dans l’image d’une membrane, il faut opérer une classification automatique. Plusieurs techniques sont possibles. Nous avons choisi d’aborder ce problème par un classifieur statistique et une mesure de distance (figure 5) : la membrane est classée dans la catégorie du filtre étalon la plus proche. La gamme des filtres étalons doit comporter au moins quatre classes. La mesure de distance permet ainsi une classification des membranes par une note, comprise entre 0 et 5, éventuellement au demi-point (dans les cas litigieux), conformément au cahier des charges. Les questions auxquelles il faut répondre sont :

• quelle mesure de distance choisir ;

• quelles sont les mesures pertinentes ;

• comment construire les filtres étalons.

Pour le premier point, nous avons fait le choix classique de la distance de Mahalanobis. Des méthodes d’analyse de données, comme l’analyse en composantes principales, permettent de répondre à la deuxième question. La mesure d’un ratio (surface noire/surface blanche) semble être la plus efficace pour caractériser la propreté des membranes, même si d’autres paramètres, comme la présence de grosses particules, comptent également dans l’évaluation.