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%. / Our works concern the study of a fuzzy sensor adapted to the color identification on wooden boards. The proposed method aims particularly to take into account the human subjectivity concerning the color perception and to provide results in the user vocabulary. The application field (timber industry) imposes certain constraints. Indeed, the color classes are not separated (non-strict boundaries) and are represented with few samples. Then, it results from it, imprecisions and uncertainties in the output class definition. After a state of the art on the techniques of image processing, of pattern recognition, and on the structure of intelligent sensors, our works are exposed along two axes: from the sensors to the measurements, and from the measurements to the decision. Firstly, we have evaluated and corrected the perturbations linked to the environment of the sensor (temperature, ageing, …). Then, we have determined the most discriminating colorimetric space, and generated the characteristic vector composed of interpretable attributes allowing to identify the colors. From these data, we have developed the Fuzzy Reasoning Classifier based on a fuzzy linguistic rule mechanism aggregating conjunctive rules according to the Larsen model. Finally, for the multi-sensor systems, a fuzzy operator of data merging is used. The use of this fuzzy sensor has shown the good behaviour of the system compared to the real-time industrial constraints, and an improvement of 10% of the recognition rates.

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%.