Classification of contaminants from wheat using near-infrared hyperspectral imaging.

Ravikanth, L., Singh, C.B., Jayas, D.S., et White, N.D.G. (2015). « Classification of contaminants from wheat using near-infrared hyperspectral imaging. », Biosystems Engineering, 135, p. 73-86. doi : 10.1016/j.biosystemseng.2015.04.007  Accès au texte intégral (en anglais seulement)

Résumé

Les céréales constituent une part importante de l’alimentation humaine; il faut donc assurer la haute qualité de ces grains. Les contaminants (matières étrangères, excréments d’animaux et autres impuretés) sont les principales impuretés dans les céréales. Nous avons mis au point une procédure permettant de distinguer ces contaminants du blé par imagerie hyperspectrale dans le proche infrarouge (PIR). Nous avons mené trois expériences afin de déterminer les meilleures combinaisons d’une technique de prétraitement spectral et d’un classifieur statistique pour classer les contaminants présents dans le blé roux de printemps de l’ouest du Canada. Ces contaminants sont représentés par sept types de matières étrangères (orge, canola, maïs, lin, avoine, seigle et soja), deux types d’excréments d’animaux (excréments de cerf et de lapin) et six autres types d’impuretés (grains de blé cassés, sarrasin, paille, épillets de blé, pierres et avoine sauvage). Nous avons obtenu les spectres bruts de réflectance dans le PIR (de 1000 à 1600 nm) de ces contaminants et du blé. Nous avons prétraité ces spectres par cinq techniques différentes (dérivée première, dérivée seconde, lissage et différenciation de Savitzky‑Golay, correction multiplicative de la diffusion (MSC) et normalisation SNV (standard normal variate)) pour réduire le bruit du signal et accroître la capacité générale des classifieurs statistiques. Nous avons classé les données brutes et prétraitées à l’aide de trois classifieurs différents : machines à vecteurs de support modèles (SVM), classifieur bayésien naïf et classifieur des k plus proches voisins. Pour chaque expérience, nous avons effectué des classifications à deux critères pour comprendre comment chaque type de contaminant se distingue du blé et des classifications multicritères pour comprendre la distinction entre tous les types de contaminants et le blé. La classification des contaminants et du blé était la meilleure pour les données spectrales prétraitées par la méthode SNV et classées par le classifieur des k plus proches voisins.

Date de modification :