Affordable Access

Advanced information technologies for objective quality sensing of edible beans

Authors
Publisher
Cemagref Editions
Publication Date
Keywords
  • Vision Par Ordinateur
  • Couleur
  • Produit Alimentaire
  • Haricot
  • Reconnaissance De Forme

Abstract

Objective sensing of quality attributes (color, surface cracks, broken beans, foreign materials) of edible beans is very critical for both fresh and canned food markets. This paper provides an overview of a bean quality sensing system that integrates different advanced information technology including computer imaging technology and internet technology. The development of computer imaging system and associated color classification algorithms for color classification of red beans are presented. Different color classification models were evaluated. They used histogram-based color difference measures in r, g, and b color coordinates and two derived features in Hue, Saturation and Intensity color coordinates. The development of color classification algorithms and the associated statistical analyses for evaluating their performances are described. The classification accuracies of the developed algorithms for classifying any red bean sample into one of the three possible color groups (light, medium and dark) are presented. The highest accuracy obtained for color classification of red beans was 100%. / L'appréciation objective des attributs de qualité des haricots (couleur, craquelures de surface, haricots cassés, corps étrangers) est cruciale pour les marchés du frais ou des conserves. Cet article offre une revue des systèmes d'appréciation de la qualité des haricots intégrant différentes technologies avancées telles que la vision artificielle et Internet. Nous présentons des systèmes de vision artificielle et des algorithmes de classification couleur associés. Plusieurs modèles de classification couleur sont évalués. Ils intègrent des différences de couleur d'histogrammes en R, V, B et deux caractéristiques dérivées dans le référentiel Teinte, Intensité, Saturation. Le développement d'algorithmes de classification en fonction de la couleur et les analyses statistiques pour les évaluer sont présentés. La précision de la classification obtenue par ces algorithmes pour classer un échantillon de haricots rouges dans un des 3 groupes possibles (clair, moyen, foncé) est présenté. La meilleure précision obtenue est 100 %.

There are no comments yet on this publication. Be the first to share your thoughts.