New Pattern Recognition Methods for Food Quality Control
eFood DIT-PRJ-11-007
Status active project
DISI role Coordinator - Multilateral
Project type Education and Mobility Project
Dimension International
Acquisition date 2011-01-18
Start date 2011-02-01
End date 2012-07-31
Project details
Project astract De nombreuses applications nécessitant une analyse quantitative recourent à des modèles développés en statistiques, mathématiques et informatique pour extraire l’information utile. C’est le cas principalement de la chimiométrie où il est désiré d’estimer la concentration d’un composant présent dans un produit alimentaire sous control. Les modèles en question sont souvent du type supervisé, ce qui signifie qu’ils nécessitent d’un ensemble d’exemples sur le type de relations désiré. Dans la littérature, les modèles les plus performants basés sur l’apprentissage supervisé sont les réseaux de neurones artificiels, les Supports Vector Machines (SVM) et les processus gaussiens. Leur performance est toutefois fortement dépendante du nombre de variables indépendantes mais surtout du nombre d’exemples à disposition, au risque de tomber dans des problèmes dits de Hughes. Le sujet de cette recherche se concentre donc sur le développement de nouvelles méthodes capables de limiter voire de contourner les deux problèmes à peine cités. Ces développements se basent sur la théorie de la reconnaissance des formes (pattern recognition) et de l’apprentissage automatique (machine learning).
Keywords Pattern Recognition; Signal Processing; Food Quality Control
Fundings 29000 €