Résumé:
L'objectif de cette étude est de déterminer l'utilité des caractéristiques morphologiques pour
identifier les grains de quatre variétés de blé Vitron et Simeto pour le blé dur, Arz et HD pour le
blé tendre. De plus, cette étude a été réalisée pour trouver le meilleur classifieur pour classer et
identifier les grains de blé avec une meilleure précision. Le traitement de l'image par computer
vision comportait plusieurs étapes: acquisition d'image on l’a effectué à l’aide d’un scanner,
segmentation et extraction des caractéristiques par SmartGrain, classification et identification par
Machine Learning avec la Plateforme Weka.
Les caractéristiques (attributs) morphologiques sont utilisées comme des entrées pour les
classifieurs MLP, RF, SVM, NB. Les meilleures précisions obtenues par ces classifieurs sont
86.4%, 85.8%, 85.1%,83.9% respectivement pour la classification au niveau espèce avec toutes
les caractéristiques morphologiques en utilisant l’option de test 10 folds (pli) cross validation
(validation croisée).
