Automatic detection of surface defects on fruit by using a cision system

The OECD standards for the fresh market make it necessary to estimate the quality of fruit by grading by size, colour and surface defects While size and colour grading are now automated, sorting of damaged fruit is still done manually. A system for automatic detection of surface defects on Golden Delicious apples has been developed and tested on line, on a conveyor system used for automatic colour grading. While the fruit is rolling, a solid-state camera takes four pictures, and so is able to view most of the surface. A hardware system has been developed to reduce the amount of data to be processed. This is based on a model which assumes the apple to be spherical with variable diameter, according to the fuit size. The system can analyse more than five fruit per second per grading line. The tests on line showed that 69% of the fruit were correctly graded, but 26% were classified immediately above or below the right grade. The rough model employed allowed only marketable fruit (grade 1 and 2) to be distinguished from the unmarketable fruit (grades 3 and waste), and the grade 3 to be distinguished from the waste. Consequently, this system can be used only during the picking period, in order to sort the fruit unmarketable as fresh fruit. However, il can also be used for the pre-size grading operations before storage, since it gives the weight with a standard deviation of ± 5g (r=0.985). / Les standards OCDE pour le marché du frais conduisent à estimer la qualité des fruits sur la base de leur taille, leur couleur et leurs défauts d'aspect. Alors que la classifiction en fonction de la taille et de la couleur est faite maintenant automatiquement, le tri des fruits endommagés est fait manuellement. Un système de détection automatique des défauts d'aspect de pommes Golden Délicieuse a été développé et testé en ligne sur un convoyeur réalisé pour le contrôle automatique de la couleur. Au cours de la rotation des fruits, une caméra CCD prend quatre images afin de visionner la qualité totalité de la surface. Un système numérique cablé a été développé pour réduire la quantité de données à traiter. Il est basé sur un modèle qui assume que la pomme est sphérique avec un diamètre variable selon la taille du fruit. Le système peut classer plus de 5 fruits par seconde par ligne. Les essais en ligne montraient que 69% des fruits étaient corrrectement classés et que 26% étaient classés dans une classe immédiatement supérieure ou inférieure. Le système mis en oeuvre ne permettait que de séparer les fruits commercialisables (classes 1 et 2) des fruits non commercialisables sur le marché au frais. Cependant, il peut être aussi utilisé pour un préclassement avant stockage puisqu'il prenait le poids avec un erreur standard de ± 5 g (r= 0.985).