| Titre : | Imagerie thermique pour le contrôle qualité |
| Auteurs : | Aymene Slimane MOHAMED, Auteur ; Abdelhamid Djeffal, Directeur de thèse |
| Type de document : | Monographie imprimée |
| Editeur : | Biskra [Algérie] : Faculté des Sciences Exactes et des Sciences de la Nature et de la Vie, Université Mohamed Khider, 2021 |
| Format : | 1 vol. (79 p.) / ill. / 29 cm |
| Langues: | Français |
| Mots-clés: | Image thermale, contrôle de qualité, contrôle non destructif, traitement d’image, apprentissage supervisé. |
| Résumé : | Les dattes sont de petits fruits abondants et populaires au Moyen-Orient et en Afrique du Nord et ont une présence internationale croissante. Il existe de nombreux types de dates, chacune avec des caractéristiques différentes. Le tri des dates est un processus clé dans l'industrie des dattes et peut être un travail fastidieux.L'imagerie thermique peut être utilisée pour le contrôle de la qualité dans de nombreuses industries . C'est une méthode d'inspection non destructive , qui est surtout utilisée pour détecter les défauts qui ne sont pas visibles en surface . De nos jours , la principale tâche industrielle des systèmes d'imagerie thermique est de surveiller la température des installations industrielles Dans cette memoire, nous présentons une méthode de contrôle qualité des dattes de leurs images thermiques basées sur le traitement d'images et l'apprentissage supervisé.Différentes dates ont diverses caractéristiques distinctives qui peuvent être utiles pour reconnaître une date particulière. Celles-ci les caractéristiques incluent la couleur, la texture et la forme.Dans le système proposé, un mélange convenablement conçu de différentes caractéristiques visuelles a été extrait, une image d'une date est décomposée en ses composantes de couleur.Des caractéristiques de taille et de poids sont ajoutées aux descripteurs de couleur pour décrire complètement la date. La méthode a été mise en oeuvre et testée empiriquement sur des données d'image couvrant 9 qualités différentes de dates.Puis, plusieurs méthodes de classification ont été essayées, jusqu'à performances ont été atteintes. |
| Sommaire : |
1 Introduction .....................................................13
2 Définition d'image :.......................................................................14 3 Caractéristiques d’une image numérique : .........................................14 3.1 Dimension .......................................................................14 3.2 Résolution ............................................................15 3.3 Bruit : ..................................................................15 3.4 Histogramme : ..........................................................................15 3.5 Luminance : ....................................................................15 3.6 Contraste :.............................................................16 3.7 Images à niveaux de gris : .......................................................................16 4 Acquisition d'une image : ................................................16 4.1 Outils d’acquisition : ...................................................................17 4.1.1 Une source lumineuse : ..................................................17 4.1.2 Une scène : ..........................................................................17 4.1.3 Le capteur : .............................................................18 4.1.4 Un système de traitement : ........................................................18 5 Types d'images : .....................................................................18 6 Traitement d'image : ........................................................19 6.1 Prétraitement : ...........................................................19 6.1.1 La modification d’histogramme : ...............................................20 6.1.2 La réduction du bruit par filtrage : .....................................20 6.2 Segmentation : ...........................................................21 6.3 Analyse : ........................................................................21 7 Control de qualité ........................................................22 8 Qu'est-ce que le contrôle qualité ? ...............................................22 9 Importance :......................................................................22 10 Les caractéristiques d'un contrôle : ...................................................23 11 Les types de contrôle : .......................................................................23 11.1 Contrôle destructif : ...............................................23 11.2 Le contrôle non destructif (CND) : .............................................24 12 Évaluation de la qualité des aliments en utilisant des méthodes non destructives : ...............24 12.1 Système de vision machine :................................................................ de détection spectrale : ...........................................25 12.3 Technologie d'imagerie hyper spectrale : ....................26 12.4 Techniques acoustiques :.....................................................27 13 L'imagerie thermique (TI) comme technique d'analyse des procédés dans les industries alimentaires : ........28 14 Travaux connexes : .......................................29 15 Conclusion : ..........................................................30 1 Introduction : ........................................................32 2 Qu'est-ce que l'apprentissage automatique ? ......................................32 3 Types de systèmes d'apprentissage automatique : .....................................................33 3.1 Apprentissage supervisé : ..........................................................34 3.1.1 Régression ......................................................................34 3.1.2 Classification .....................................................................34 3.2 Apprentissage non supervisé : ......................................35 3.2.1 Regroupement : ........................................................35 3.2.2 Réduction de la dimensionnalité : .........................................35 3.3 Apprentissage par renforcement: ...........................................................36 4 Arbres de décision : ....................................................................36 4.1 Comment l'arbre se divise et grandit ?.........................................37 4.2 Conditions d'arrêt du partitionnement : ..................................38 5 Réseau de neurones artificiels (ANN) : .........................................38 5.1 Perceptrons multicouches (Feedforward Neural Network) : ................................................39 5.2 L'architecture MLP a un minimum de trois couches ! ...........................................................40 6 SVM (Support Vector Machine ou Machine à vecteurs de support) : ..........................................41 7 Conclusion : ...............................................42 1 Introduction ..................................................................44 2 Méthodologie .........................................................44 2.1 System d’acquisition : .........................................................47 Résultat ...............................................................49 2.2 Prétraitement : .................................................50 2.2.1 Segmentation d’image : .....................................51 2.2.2 L'analyse d'image : ....................................................53 2.3 Entrainement ..........................................................56 2.3.1 Fractionnement des données : ..................................58 2.3.2 Choisir un modèle : .............................................. uation : ...............................................................58 2.3.4 Réglage des hyper paramètres : ................................59 2.3.5 Prédiction : ...................................................59 3 Conclusion ...........................................................................61 1 Introduction : ...........................................................................63 2 Applications et outils d’implémentation : ..........................................63 2.1 Python : .......................................................................63 2.2 Open CV : .................................................................65 2.3 Numpy : ..................................................................65 2.4 PyCharm : ....................................................................66 2.5 Weka : .........................................................................67 3 Résultats et discussion : ...........................................................68 3.1 Base de donnes : ..........................................................68 3.2 Métriques d'évaluation du modèle : ...............................................71 3.2.1 Taux de reconnaissance : ...............................................71 3.2.2 Rappel : ..........................................................72 3.3 Résultats et discussion : ......................................................72 3.3.1 Perceptron multicouche : ........................................72 3.3.2 SVM : ...........................................................74 3.3.3 Réseaux bayésiens : .............................................75 3.3.4 Bayésien naïf : ....................................................75 3.3.5 Arbres de décision : .........................................76 3.3.6 Comparaison des méthodes utilisées : ..........................................76 3.3.7 Comparaison avec les travaux connexes : ......................................76 4 Conclusion ...........................................................77 |
| Type de document : | Mémoire master |
Disponibilité (1)
| Cote | Support | Localisation | Statut |
|---|---|---|---|
| MINF/650 | Mémoire master | bibliothèque sciences exactes | Consultable |
