Projet en collaboration avec AgroParisTech.
Problématique
La structure interne des produits céréaliers de cuisson constitue un paramètre important de leur qualité technologique et sensorielle. L’alvéolage, correspondant à la distribution des cellules gazeuses au sein du produit, peut notamment être caractérisé par la taille, le nombre, et la répartition des alvéoles. Leur taille peut descendre jusqu’à environ 100 – 500 µm.
Ces caractéristiques sont susceptibles d’évoluer en fonction de la formulation, des matières premières et des conditions de fabrication et de cuisson. Elles constituent donc des indicateurs intéressants pour caractériser et comparer différentes formulations de produits céréaliers.
Actuellement, la caractérisation de l’alvéolage est généralement réalisée à partir d’images de coupes des produits, avec une analyse d’image nécessitant différentes étapes de traitement et pouvant être relativement dépendante de l’opérateur.
Dewaest M, Villemejane C, Berland S, Neron S, Clement J, Verel A, Michon C. Effect of crumb cellular structure characterized by image analysis on cake softness. J Texture Stud. 2018 Jun;49(3):328-338. doi: 10.1111/jtxs.12303. Epub 2017 Nov 7. PMID: 28976003.
Objectif
L’objectif de ce projet est de développer un système de vision permettant d’acquérir et d’analyser automatiquement des images de la structure interne de produits céréaliers de cuisson, afin d’obtenir des indicateurs quantitatifs et reproductibles de leur alvéolage.
Le projet permettra notamment d’étudier l’influence des différents éléments de la chaîne d’acquisition — éclairage, optique, caméra et post-traitement de l’image — sur la qualité de la caractérisation de la structure alvéolaire.
Point de départ
Le développement débutera sur des produits céréaliers du commerce, afin de disposer d’échantillons présentant naturellement une diversité de couleurs, de textures et de structures alvéolaires. Les premiers essais seront réalisés sur des tranches entières de pain de mie, pouvant atteindre environ 120 × 120 mm et 20 mm d’épaisseur, ainsi que sur des produits individuels tels que des cakes ou des brioches, coupés en deux pour l’analyse, pouvant atteindre environ 100 × 70 mm et 3 à 4 cm d’épaisseur.
Afin de valider le concept, le système pourra se contenter d’analyser des alvéoles ayant des tailles minimales d’environ 300 ou 400µm.
Dans un second temps, la méthode pourra être étendue à différents types de produits céréaliers et à différentes géométries d’échantillons. Les produits pourront notamment présenter des structures alvéolaires différentes, pouvant descendre jusqu’à 100µm de diamètre, permettant de tester et de valider la méthode développée.
Des images de coupes de produits pourront être réalisées à l’aide d’une caméra et d’un système d’éclairage adapté. À partir de ces images, il s’agira de mettre au point une chaîne complète permettant :
- l’acquisition d’images reproductibles ;
- la segmentation des alvéoles et de la matrice alimentaire ;
- l’identification et la caractérisation des différentes alvéoles : distribution de tailles;
- l’extraction automatique de paramètres morphologiques ;
- la visualisation et l’exploitation des résultats.
Une attention particulière sera portée à la préparation de l’échantillon et aux conditions d’éclairage, qui peuvent fortement influencer la qualité de la segmentation.
Travail à réaliser
Mise au point de la chaîne d’acquisition
- Définition des conditions d’acquisition des images.
- Choix et caractérisation de la caméra et de l’objectif.
- Étude de différents éclairages et de leur influence sur le contraste entre les alvéoles et la matrice.
- Détermination de la distance d’acquisition, du champ de vue et de la résolution nécessaires.
- Calibration spatiale de la chaîne d’imagerie afin de convertir les dimensions mesurées en pixels en dimensions réelles.
- Évaluation de la répétabilité des acquisitions.
- Détection et segmentation des alvéoles
Identification automatique et caractérisation de l’alvéolage
Les alvéoles devront être détectées à partir d’une image en coupe des produits à analyser. Des procédés de traitement d’image classique devront être dans un premier temps testés pour détecter les contours et classifier les formes des alvéoles. Dans un second temps, des méthodes plus avancées de traitement d’image ou d’apprentissage automatique pourront être envisagées.
À partir des alvéoles détectées, développer des algorithmes permettant de calculer automatiquement différents paramètres :
- Surface individuelle des alvéoles et le diamètre équivalent de chaque alvéole (mm)
- Distribution des diamètres équivalents, avec un pas de classe défini par l’utilisateur (ex. 0,5 ; 1 ou 2 mm)
- Nombre et proportion d’alvéoles dans chaque classe
- Fraction surfacique occupée par les alvéoles = Pourcentage de surface occupée par les alvéoles
- Eventuellement : la circularité / facteur de forme des alvéoles et l’épaisseur moyenne des parois entre alvéoles.
Une représentation graphique de la distribution des tailles et de la localisation des alvéoles pourra également être développée. Si nécessaire, l’utilisateur pourra manuellement sélectionner une portion de l’échantillon afin d’isoler la mie de la croûte.
Validation de la méthode
La méthode développée devra être évaluée sur différents produits ou formulations présentant des structures alvéolaires contrastées. Il s’agira notamment de déterminer :
- la répétabilité des mesures ;
- la sensibilité de la méthode aux conditions d’acquisition ;
- les limites de la segmentation automatique ;
- la robustesse de la méthode vis-à-vis de la variabilité des produits ;
- la concordance entre analyse automatique et analyse réalisée par un opérateur.
L’objectif final sera de disposer d’un prototype de chaîne d’analyse permettant de caractériser automatiquement l’alvéolage d’un produit à partir d’une image de sa coupe.
Encadrement / Partenariat
Julien VILLEMEJANE, Thierry AVIGNON (référent technique) – LEnsE
Cindy VILLEMEJANE, Léonie GRICOURT – AgroParisTech