Thèse soutenue

Contribution au Système d’Information d’un Produit « Bois » : appariement automatique de pièces de bois selon des critères de couleur et de texture
FR  |  
EN
Accès à la thèse
Auteur / Autrice : Emmanuel Schmitt
Direction : Patrick CharpentierVincent Bombardier
Type : Thèse de doctorat
Discipline(s) : Automatique, Traitement du Signal et Génie Informatique
Date : Soutenance le 28/09/2007
Etablissement(s) : Nancy 1
Ecole(s) doctorale(s) : École doctorale IAEM Lorraine - Informatique, Automatique, Électronique - Électrotechnique, Mathématiques de Lorraine
Partenaire(s) de recherche : Laboratoire : Centre de recherche en automatique (Nancy)
Jury : Président / Présidente : Sylvie Philipp-Foliguet
Examinateurs / Examinatrices : Patrick Charpentier, Vincent Bombardier, Hugues Garnier, Raphaël Vogrig
Rapporteurs / Rapporteuses : Sylvie Galichet, Carl Frelicot

Résumé

FR  |  
EN

Nos travaux portent sur l’étude d’un capteur flou adapté à l’identification couleur d’avivés. La méthode proposée a pour objectif notamment de prendre en compte la subjectivité de la perception des couleurs par l’être humain et de délivrer ses résultats dans le vocabulaire de l’utilisateur. Le domaine d’applications (industrie du bois) impose certaines contraintes. En effet, les classes de couleurs ne sont pas disjointes (frontières non strictes) et sont représentées par peu d’échantillons. Il en résulte alors des imprécisions et incertitudes dans la définition des classes de sortie. Après un état de l’art sur les techniques de traitement d’images, de reconnaissance de formes et sur la structure des capteurs intelligents, nos travaux sont exposés suivant deux axes : du capteur aux mesures, et des mesures à la décision. Tout d’abord, nous avons évalué et corrigé les perturbations lié à l’environnement ambiant du capteur (température, vieillissement, …). Ensuite, nous avons déterminé l’espace colorimétrique le plus discriminant,et élaboré le vecteur caractéristique composé d’attributs interprétables permettant d’identifier les couleurs. A partir de ces données, nous avons développé le Fuzzy Reasoning Classifier basé sur un mécanisme de règles linguistiques floues agrégeant des règles conjonctives suivant le modèle de Larsen. Enfin, un opérateur flou de fusion de données est utilisé pour des systèmes multi-capteurs. L’exploitation de ce capteur flou a montré le bon comportement du système face aux contraintes temps-réel industrielles ainsi qu’une amélioration des taux de reconnaissance d’environ 10%.