Tri de pommes par imagerie microonde

La recherche d'un nouveau système de contrôle non-destructif temps réel des produits agro-alimentaire est en plein essor depuis quelques dizaines d'années. Le développement des systèmes capables de détecter rapidement les défauts des produits agro-alimentaires à grande échelle est dans l'intérêt commun. De nos jours, de nombreux systèmes de contrôle non-destructif existent, et les plus répondus sont les systèmes d'imagerie optique et les systèmes d'imagerie à Rayon X. Cependant ces systèmes sont coûteux et volumineux. L'imagerie microonde est non-invasive et non ionisante, elle permet de réaliser des systèmes compacts tout en assurant une bonne pénétration dans les matériaux. L'objectif de cette thèse est de la mise en place d'une méthode de tri non-destructive et automatique des fruits abîmés des fruits sains par imagerie microonde, précisément par l'imagerie millimétrique et la classification revient ensuite à répondre à une question binaire (Oui ou Non) sur l'état du fruit. Ce manuscrit est composé de 6 chapitres, au chapitre 1, nous commençons par un état de l'art sur les différentes méthodes destructives et non destructive utilisées pour le contrôle de qualité des produits agricoles. Au chapitre 2, nous décrivons les méthodes de classification utilisées tout au long de cette thèse. Ensuite, les méthodes d'optimisation ont été définies qui sont utilisées par exemple, pour optimiser les hyper-paramètres des méthodes de classification. Au chapitre 3, la méthode de tri non-destructive et automatique des fruits abîmés des fruits sains est présentée. Cette méthode commence par des mesures millimétriques en bande W, pré-traitée par la transformer de Fourier bi-dimensionnelle (TF2D) et la méthode de segmentation et se termine par l'application d'une méthode d'intelligence artificielle. Cette méthode a été validée sur des pommes et des pêches avec une erreur de classification moyenne, respectivement de 6% et 0%. Au chapitre 4, une étude sur l'influence des diversités fréquentielle et spatiale sur l'efficacité de cette méthode a été menée. Les résultats obtenus de cette étude mettent en évidence ses limites, à savoir que la méthode devient inefficace lorsque l'une des deux diversités est réduite. Le temps d'acquisition reste rédhibitoire pour une implémentation industrielle, c'est pourquoi, des investigations ont été menées en proposant deux nouvelles directions. La première concerne la simplification de la chaîne d'acquisition en mesurant uniquement l'amplitude du champ EM. De plus, l'étape de la TF2D est supprimée. En testant cette méthode sur les différentes bases de données, les résultats restent très satisfaisants. La seconde direction est la réduction de la diversité spatiale et cela en utilisant la méthode de Grey Wolf Optimizer, le nombre de points de mesure est réduit de 22801 à 196. Au chapitre 5, nous avons cherché à étendre la méthode à un autre domaine, celui de l'archéologie. En effet, la méthode a été adaptée et testée sur des échantillons archéologiques datant de 3000 à 8000 ans avant notre ère, afin de retracer en temps et en espace l'introduction de l'agriculture en Europe, grâce à deux types de tessons de poteries : les ”spirales” et les ”colombins”. Lorsque les diversités fréquentielle et spatiale sont utilisées les performances sont de 99%. Le système de mesure a été optimisé en élaborant deux scénarios et en utilisant une des méthodes d'optimisation bio-inspirée développée au cours de cette thèse et testée pour la première fois sur des données réelles. Pour les deux scénarios, l'erreur de classification des deux systèmes sont moins de 1%. Au chapitre 6, une nouvelle approche de tri non-destructive et automatique des fruits abîmés a été étudiée, cette nouvelle approche répond aux exigences de l'industrie, en termes de temps d'acquisition, car elle ne nécessite uniquement une antenne opérant sur une large bande. Les avantages et les inconvénients de cette nouvelle approche ont été discutés.