Vers une classification de la qualite de la perle de tahiti basee sur vision artificiel : mesure automatique de l’epaisseur de la nacre et classification de la couleur

par Martin Loesdau

Thèse de doctorat en Informatique

Sous la direction de Alban Gabillon et de Sébastien Chabrier.

Thèses en préparation à Polynésie française , dans le cadre de École doctorale du Pacifique (ED469) depuis le 21-11-2012 .


  • Résumé

    La mesure de l'épaisseur de la nacre des perles de Tahiti s'inscrit dans un processus de contrôle obligatoire de la qualité des perles destinées à l'exportation. Ce contrôle est actuellement opéré manuellement par des experts du Pays et porte sur plus de 7 millions de perles par an, pour un montant à l'exportation supérieur à 58 millions d'euros. Dans la première partie de cette thèse, nous présentons l'algorithme que nous avons développé afin d'automatiser ce contrôle. L'algorithme a été soumis à un banc d'essai de 298 perles classées par des experts du Pays et présentées sous forme d'images prises aux rayons X. La version standard de notre algorithme permet d'obtenir une précision de détection de 98%. Une version optimisée est proposée, qui atteint une précision de détection de 100%. Un prototype a été développé et est actuellement implémenté par les autorités chargées du contrôle. Dans la seconde partie, nous présentons notre travail sur la théorie de l’espace colorimétrique normalisée rgb ainsi que sur la classification des perles de Tahiti d'après leurs couleurs perçues. L'apport central de ce travail est la formalisation du calcul des indices chromatiques dans le contexte du calcul d’histogramme rgb. On montre notamment que tous les indices chromatiques basés sur une combinaison linéaire des canaux rgb peuvent être exprimés au moyen d'une variable unique : l'angle correspondant au paramètre perceptuel ‘Teinte’. Des classifications expérimentales par réseau de neurones artificiels avec des indices chromatiques balayant tout l'espace rgb ont été conduites sur 150 perles étiquetées par 7 experts. Les résultats montrent que le choix de l'indice chromatique affecte grandement les performances d'un réseau de neurones pour une topologie de connections donnée, avec une variation de la performance globale dépassant 20%. De plus, la précision de classification de chaque classe dépend aussi de l'indice choisi, avec une variation allant jusqu'à 100% entre différents indices. Ces constatations sont d'une grande importance en matière de vision par ordinateur appliquée à la classification de la couleur des objets. En effet, seuls quelques indices chromatiques sont actuellement utilisés dans la littérature, ce qui constitue une limitation forte du potentiel de classification en termes de résultats. En outre, une nouvelle stratégie de répartition des classes des histogrammes rgb est proposée, qui prend en compte la topologie de l'espace rgb normalisé. Son application a un effet positif potentiel sur le taux global de classification comparativement à la classification avec une répartition équidistante standard. Pour certaines classifications humaines, la différence de précision est significative, avec des variations allant jusqu'à 18%. De plus, on montre qu'il est généralement possible de classifier les perles de Tahiti selon leurs couleurs perçues. Pour chacune des 8 classifications humaines utilisées, le taux de classification est supérieur à 84% sur l'ensemble d'apprentissage et 79% sur l'ensemble de test.

  • Titre traduit

    Towards a computer vision based quality assessment of tahitian pearls: automatic nacre thickness measurement and color classification


  • Résumé

    The nacre thickness measurement of Tahitian pearls is part of an obligatory quality control for pearls deemed for exportation. It is currently done manually by government experts for over 7 million pearls annually with an export volume of over 61 million €. In Part I of this thesis our algorithm to automatize this procedure under consideration of the unique features of Tahitian pearls is presented. The developed algorithm was tested on X-ray images of 298 Tahitian pearls that were classified manually by government experts. The detection accuracy of our algorithm reaches 98% in its basic form and 100% with a proposed optimized version. A prototype was developed and is currently implemented at the governmental institution in charge of the obligatory control. In Part II of this thesis, our work on normalized rgb color space theory and the classification of Tahitian pearls based on their perceived color is presented. A quintessence of the presented work is the formalization of chromatic index calculation in the context of normalized rgb histogram binning. It is shown that every chromatic index based on a linear combination of normalized rgb channels can be expressed by a single variable; an angle that corresponds to the human perceptual parameter Hue. Experimental classifications based on Artificial Neural Networks and chromatic indices over the whole possible range of the normalized rgb color space were conducted by classifying 150 Tahitian pearls that were labeled by 7 experts. The results show that the choice of chromatic indices affects significantly the classification performance of an ANN with a given topology. The global performance varies within a range of up to 20% over the tested feature vectors. Furthermore does the classification accuracy of each class depend on the chosen index, with variations up to 100% between different feature vectors. These findings are of great importance for computer vision applied to color object classification as currently only a handful of chromatic indices are used in the literature, which is a drastic limitation of possible classification results. Additionally, a new binning strategy is proposed that takes into account the topology of the normalized rgb color space. The application of the proposed topological binning has in tendency a positive effect on the global classification rate when compared to the standard equidistant binning. For certain human classifications the accuracy difference is significant with variations of up to 18%. Furthermore, it is shown that it is generally feasible to classify Tahitian pearls based on their perceived color. Classification rates of over 84% for training and over 79% for test data are reached for all 8 used human classifications.