Le persillage (gras intramusculaire) dans la viande de boeuf est l'un des critères les plus importants pour l'évaluation de la qualité, notamment sa jutosité, dans les systèmes de classification de la viande. Le processus chimique, méthode destructive, est l'unique moyen officiellement utilisé pour évaluer la proportion du persillage dans la viande. C'est une méthode destructive, complexe et qui n'offre aucune information sur la distribution du persillage dans la viande. Cette thèse porte sur le développement d'une méthode originale destinée à l'évaluation non-destructive de la proportion volumétrique du persillage dans la viande du boeuf. Cette nouvelle méthode, qui pourrait être intégrée dans un système de vision artificielle (machine vision), est une première expérience pour ce genre d'application. À notre meilleure connaissance, aucune méthode semblable n'a été élaborée. De ces travaux de doctorat quatre contributions sont identifiées: la technique proposée, deux méthodes de segmentation d'images et une méthode non-destructive pour estimer la proportion volumétrique du persillage. La technique proposée permet d'avoir deux types d'images : une visible qui illustre la surface de la viande et une proche infrarouge qui est la projection orthogonale de l'échantillon de la viande (3D) en une image d'ombre (2D). Compte tenu de la complexité d'analyse des images, nous avons développé une méthode efficace de segmentation permettant d'identifier les régions homogènes les plus (ou les moins) claires dans une image à niveaux de gris. Cette méthode, qui est relativement générale, est basée sur un modèle mathématique permettant d'évaluer l'homogénéité des régions, qui lui-même a été introduit dans cette thèse. La généralisation de cette méthode pour la segmentation du persillage a démontré des résultats satisfaisants face aux objectifs attendus. Étant donné, que la forme volumétrique du persillage est aléatoire et que celle-ci dépend de la façon dont le persillage est déposé entre les fibres musculaires, ce qui est imprévisible, nous avons combiné les résultats de la segmentation de deux types d'images pour estimer le volume du persillage. L'intégration de l'ensemble des approches précédentes nous a permis de développer une nouvelle méthode non-destructive pour estimer la proportion volumétrique du persillage. Les résultats obtenus par la méthode proposée (non-destructive) ont été comparés aux résultats obtenus par une méthode chimique (destructive) comme étant la vérité-terrain (gold standard). Les résultats expérimentaux confirment les propriétés attendues de la méthode proposée et ils illustrent la qualité des résultats obtenus.
| Identifer | oai:union.ndltd.org:LAVAL/oai:corpus.ulaval.ca:20.500.11794/23098 |
| Date | 18 April 2018 |
| Creators | Ziadi, Adel |
| Contributors | Maldague, Xavier, Saucier, Linda |
| Source Sets | Université Laval |
| Language | French |
| Detected Language | French |
| Type | thèse de doctorat, COAR1_1::Texte::Thèse::Thèse de doctorat |
| Format | xi, 201 p., application/pdf |
| Rights | http://purl.org/coar/access_right/c_abf2 |
Page generated in 0.0025 seconds