Unsupervised methods in a computer-based vision system for orange quality assessment

Major attempts for orange quality assessment have been so far directed to develop computer-based vision systems by designing supervised classifiers that use a previous acquired database (training set). The aim of this work is to develop unsupervised procedures capable of performing background segmentation and detection of categories of regions (stem and bruises) different to the peel by using colour information. The algorithm performs an automatic elimination of the background by using a Gaussian classifier. An erosion process enables to define a region of interest where a colour analysis is made. The analysis consists of reducing each colour component to a minimum number of bits until differences in colour appear with respect to the most frequent colour combination, supposed to be the peel. The obtained results on a database of 108 images representing 27 oranges show the performance of the algorithm for eliminating automatically the background (on the average 99 % of pixels). The diameters of the fruit are determined with a precission of less than 1 mm. The colour of the skin is correctly labelled at 80 % by using a cross-validation process. The labelling process of stem and blemish regions remains a future objective as well as an improvement of the background segmentation process. The algorithm is sufficiently general to be usable for any kind of fruit with an ellipsoid and compact shape. / Les principales tentatives pour l'évaluation de la qualité orange ont été dirigées jusqu´à maintenant vers des systèmes de vision artificielle associant des classifieurs supervisés qui utilisent une base de données établies au préalable (ensemble d'apprentissage). Le but de ce travail est de développer des procédures non supervisées capable de segmenter automatiquement le fond de l'image, et de distinguer des catégories de régions (pédoncules et meurtrissures) différentes de la peau en utilisant une information basé sur la couleur. L'algorithme exécute une élimination automatique du fond en utilisant un classifieur Gaussien. Un processus d'érosion permet de définir une région d'intérêt, au sein de laquelle une analyse de couleur est effectuée. L'analyse consiste à réduire chaque composante de couleur (rouge, vert et bleu) en un nombre minimal de bits jusqu'à trouver des couleurs différentes de la couleur la plus fréquente supposée être celle de la peau. Les résultats obtenus sur une base de données de 108 images (27 oranges) montrent la performance de l'algorithme pour éliminer automatiquement le fond (en moyenne 99% des pixels sont éliminés). Les diamètres du fruit sont déterminés avec un précision de moins de 1 mm. La couleur de la peau est correctement déterminée à 80% en utilisant un processus de validation croisée. Les travaux ultérieurs porteront sur la dénomination du pédoncule et des meurtrissures, ainsi qu'une amélioration du processus de segmentation du fond. L'algorithme est suffisamment général pour être utilisable avec d'autres types de fruit ellipsoïdique et de forme compacte.