Return to search

Développements chimiométriques pour améliorer la robustesse des mesures spectrométriques appliquées aux agro-procédés

Pour répondre aux besoins de l'agriculture de précision, le Cemagref développe des capteurs, notamment à base de spectrométrie infrarouge. Une analyse théorique rapide de ce principe de mesure montre qu'un des problèmes majeurs de ces capteurs a trait à la robustesse des modèles d'étalonnage. Une analyse détaillée de cette problématique nous a conduits à isoler trois voies de recherche :<br /><br />1/ La prise en compte des grandeurs d'influence. Selon qu'une grandeur d'influence, responsable d'un problème de robustesse, est mesurable ou non, différentes stratégies de correction du modèle d'étalonnage sont envisageables. Les grandes familles de méthodes ont été identifiées et comparées dans le cas de l'effet de la température sur la mesure du taux de sucres des pommes. Nous avons développé une méthode originale de correction de l'étalonnage : L'EPO (pour External Parameter Orthogonalisation) propose d'ôter de l'espace de mesure la partie influencée par la grandeur d'influence, au moyen d'une projection orthogonale. Cette opération, réalisée à partir de quelques mesures simples, permet de traiter des bases d'étalonnage existantes.<br /><br />2/ La maintenance de la robustesse. Les problèmes de robustesse interviennent lors de l'utilisation répétée des capteurs. Cette maintenance est traditionnellement réalisée par ré-étalonnage ou transfert d'étalonnage. Dans les deus cas, la mesure d'échantillons "standard" est nécessaire. Nous avons développé une méthode de correction d'étalonnage en ligne, qui ne nécessite pas ces standards : DOP (pour Dynamic Orthogonal Projection) utilise le principe de projection orthogonale de l'EPO, en identifiant le sous espace des perturbations à partir de la connaissance de quelques points de recalage.<br /><br />3/ La discrimination à partir des spectres. Cette opération, qui permet de réaliser des diagnostics à partir de la mesure spectrale, est nécessaire pour : détecter les mesures aberrantes, reconnaître des classes d'objets, réaliser des régressions locales, etc. Nous proposons une nouvelle méthode de discrimination, basée sur le parcours de fonctions numériques, nommées Fonctions Propres Focales. Certaines propriétés de ces fonctions permettent de parcourir une série d'espaces au pouvoir discriminant croissant. Des algorithmes de parcours classiques, avec arrêt d'apprentissage, peuvent ainsi être mis en oeuvre.

Identiferoai:union.ndltd.org:CCSD/oai:tel.archives-ouvertes.fr:tel-00120263
Date28 November 2005
CreatorsRoger, Jean-Michel
PublisherUniversité Montpellier II - Sciences et Techniques du Languedoc
Source SetsCCSD theses-EN-ligne, France
LanguageFrench
Detected LanguageFrench
Typehabilitation ࠤiriger des recherches

Page generated in 0.0023 seconds