Afin de garantir et d'optimiser la qualité du café torréfié, il est important de contrôler un grand nombre de facteurs au cours du procédé. Aujourd'hui, des capteurs robustes et des algorithmes permettent d'analyser en temps réel des valeurs essentielles telles que la couleur, la surface, la température, la masse... Dans cette étude de torréfaction, une stratégie de contrôle est appliquée pour estimer la qualité du produit en considérant des capteurs-algorithmes. Pour la mise en place de cette stratégie, une outil expérimental, basé sur l'analyse d'images, l'acquisition de températures et de masse du produit en temps réel est développé. Les grains de café sont torréfiés par un courant d'air chaud. Une base de données expérimentales des grandeurs (température, masse, couleur et surface des grains de café) est réalisée permettant une meilleure compréhension des phénomènes pendant la torréfaction. Un modèle dynamique est obtenu pour prédire l'évolution de la température interne et la teneur en eau des grains de café au cours de la torréfaction en tenant compte de la mesure de la température de l'air d'entrée. Les cinétiques de niveau de gris et de surface des grains sont modélisées par des réseaux de neurones en utilisant comme entrée le temps et la température du grain. Des réseaux de neurones réccurents sont appliqués pour déterminer les cinétiques du niveau de gris au temps suivant (t+1), en considérant le niveau de gris des valeurs précédentes. Les modèles permettent de simuler la température, le niveau de gris et la surface des grains en temps réel. Le niveau de gris estimé par le modèle est le facteur clé pour arrêter le procédé, car le degré de torréfaction est atteint lorsque le niveau de gris est égal à la qualité optimale.
| Identifer | oai:union.ndltd.org:CCSD/oai:pastel.archives-ouvertes.fr:pastel-00003699 |
| Date | 15 July 2002 |
| Creators | Hernández Pérez, José Alfredo |
| Publisher | ENSIA (AgroParisTech) |
| Source Sets | CCSD theses-EN-ligne, France |
| Language | French |
| Detected Language | French |
| Type | PhD thesis |
Page generated in 0.0021 seconds