Identification of insect-damaged wheat kernels using short-wave near-infrared hyperspectral and digital colour imaging

Nous avons utilisé l’imagerie hyperpectrale dans le proche infrarouge (NIR) [gamme de longueurs d'onde de 700 à 1100 nm] et l’imagerie en couleurs pour examiner des grains sains et des grains endommagés par des insectes s’en nourrissant, à savoir le charançon du riz (Sitophilus oryzae), le petit perceur des céréales (Rhyzopertha dominica), le cucujide roux (Cryptolestes ferrugineus) et le tribolium rouge de la farine (Tribolium castaneum). Nous avons réduit la dimensionnalité des données d’imagerie hyperspectrale et nous avons extrait des paramètres statistiques et histographiques des images NIR de longueur d’onde significative. Nous avons soumis ces résultats à des analyses discriminantes statistiques faisant appel à des classificateurs linéaires, quadratiques et de Mahalanobis ainsi qu'à une classification par réseau neuronal à rétropropagation (BPNN). Nous avons extrait un total de 230 paramètres (de couleur, de texture et de morphologie) des images en couleurs, et nous avons soumis les paramètres dont la contribution était la plus importante aux classifications statistiques et aux classifications par BPNN. Le classificateur de l’analyse discriminante quadratique a été le plus précis et nous a permis de classer correctement 96,4 % des grains de blé sains, et entre 91,0 et 100 % des grains de blé endommagés par les insectes en utilisant les 10 paramètres les plus significatifs des images en couleurs de façon combinée avec les paramètres des images hyperspectrales.