Quality Control of Meal Components by Apperance-Based Novelty Detection

L’article présente une méthode nouvelle de classement par analyse d’image de plats prépares. L’assiette ici étudiée comporte un morceau de poisson hachée accompagné de deux légumes (petits pois et purée). Les photos électroniques en couleur sont soumises à une série de traitements aboutissant à l’extraction de l’image de chaque constituant. Sont alors mesurés la forme et les dimensions, les dispositions relatives et la couleur de ces constituants, conduisant au calcul de 18 critères. Par réseaux neuronaux et apprentissage à base d’experts  est déterminée l’i mage idéale, à laquelle sont comparés des plats. Les « distances «  de ces plats sont comparés aux appréciations (accepté/refusé) d’un groupe d’experts. Il en ressort une bonne corrélation entre les résultats automatiques et ceux des experts. Plusieurs voies d’amélioration sont envisagées.