PREDICTING THE MATURITY OF ORANGES WITH NON DESTRUCTIVE SENSORS
Volker Steinmetz, E. Biavati, Enrique Moltó, Romain Pons, I. Fornes · Acta Horticulturae · 1998
In the fragile market of fruit and vegetables, quality is an important factor. In the packing stations, the fruits must be sorted out according to their quality. This approach was applied to oranges for which various sensors were tested in order to predict the maturity. Non-destructive sensors were used such as vision system, firmness sensor, near-infra red sensor, and reference measurement were made such as sugar content, acidity content, size and weight. A panel of 3 experts provided 3 classes of fruits depending on their aspect. A total of 320 oranges from the same variety (Salustiana) were tested with these sensors.Neural network techniques provided better results than mutiple linear regression to predict maturity. Vision system was very useful for the defects detection and colour evaluation. The combination of the various sensors remains a difficult task for the prediction of the maturity index. One of the major constraint is the acidity level which can not be predicted with low-cost and non destructive sensors. Future research will include the use of an artificial nose sensor that could detect rotten fruits. / Le marché des fruits et légumes est relativement sensible, et la qualité des produits joue un rôle important pour le consommateur. Dans les centres de tri, les fruits doivent être sélectionnés suivant leur qualité. Dans cet article, cette approche est appliquée aux oranges, et différents capteurs sont utilisés afin de prédire leur maturité. Les capteurs utilisés sont : un système de vision artificiel, un capteur de fermeté, un capteur proche infra-rouge. Les mesures de référence sont réalisées : taux de sucre, taux d'acidité, taille et poids. Un panel de 3 experts classe des fruits en 3 catégories selon leur aspect. Un total de 320 oranges de la variété Salustiana sont utilisées avec ces capteurs. Pour prédire la maturité, la technique basée sur les réseaux de neurones a permis de trouver des résultats plus satisfaisants qu'une régression linéaire multiple. Le système de vision s'avère performant pour détecter les défauts et mesurer la couleur. La combinaison des différents capteurs ne permet pas toutefois de prédire l'indice de maturité. Une des dificultés principales réside dans la prédiction du taux d'acidité, qui, actuellement, ne peut pas être prédit avec un capteur rapide et bon marché. Les recherches ultérieures inclueront l'utilisation d'un nez électronique pour la détection des pourritures sur le fruit.