En savoir plus

Notre utilisation de cookies

« Cookies » désigne un ensemble d’informations déposées dans le terminal de l’utilisateur lorsque celui-ci navigue sur un site web. Il s’agit d’un fichier contenant notamment un identifiant sous forme de numéro, le nom du serveur qui l’a déposé et éventuellement une date d’expiration. Grâce aux cookies, des informations sur votre visite, notamment votre langue de prédilection et d'autres paramètres, sont enregistrées sur le site web. Cela peut faciliter votre visite suivante sur ce site et renforcer l'utilité de ce dernier pour vous.

Afin d’améliorer votre expérience, nous utilisons des cookies pour conserver certaines informations de connexion et fournir une navigation sûre, collecter des statistiques en vue d’optimiser les fonctionnalités du site. Afin de voir précisément tous les cookies que nous utilisons, nous vous invitons à télécharger « Ghostery », une extension gratuite pour navigateurs permettant de les détecter et, dans certains cas, de les bloquer.

Ghostery est disponible gratuitement à cette adresse : https://www.ghostery.com/fr/products/

Vous pouvez également consulter le site de la CNIL afin d’apprendre à paramétrer votre navigateur pour contrôler les dépôts de cookies sur votre terminal.

S’agissant des cookies publicitaires déposés par des tiers, vous pouvez également vous connecter au site http://www.youronlinechoices.com/fr/controler-ses-cookies/, proposé par les professionnels de la publicité digitale regroupés au sein de l’association européenne EDAA (European Digital Advertising Alliance). Vous pourrez ainsi refuser ou accepter les cookies utilisés par les adhérents de l'EDAA.

Il est par ailleurs possible de s’opposer à certains cookies tiers directement auprès des éditeurs :

Catégorie de cookie

Moyens de désactivation

Cookies analytiques et de performance

Realytics
Google Analytics
Spoteffects
Optimizely

Cookies de ciblage ou publicitaires

DoubleClick
Mediarithmics

Les différents types de cookies pouvant être utilisés sur nos sites internet sont les suivants :

Cookies obligatoires

Cookies fonctionnels

Cookies sociaux et publicitaires

Ces cookies sont nécessaires au bon fonctionnement du site, ils ne peuvent pas être désactivés. Ils nous sont utiles pour vous fournir une connexion sécuritaire et assurer la disponibilité a minima de notre site internet.

Ces cookies nous permettent d’analyser l’utilisation du site afin de pouvoir en mesurer et en améliorer la performance. Ils nous permettent par exemple de conserver vos informations de connexion et d’afficher de façon plus cohérente les différents modules de notre site.

Ces cookies sont utilisés par des agences de publicité (par exemple Google) et par des réseaux sociaux (par exemple LinkedIn et Facebook) et autorisent notamment le partage des pages sur les réseaux sociaux, la publication de commentaires, la diffusion (sur notre site ou non) de publicités adaptées à vos centres d’intérêt.

Sur nos CMS EZPublish, il s’agit des cookies sessions CAS et PHP et du cookie New Relic pour le monitoring (IP, délais de réponse).

Ces cookies sont supprimés à la fin de la session (déconnexion ou fermeture du navigateur)

Sur nos CMS EZPublish, il s’agit du cookie XiTi pour la mesure d’audience. La société AT Internet est notre sous-traitant et conserve les informations (IP, date et heure de connexion, durée de connexion, pages consultées) 6 mois.

Sur nos CMS EZPublish, il n’y a pas de cookie de ce type.

Pour obtenir plus d’informations concernant les cookies que nous utilisons, vous pouvez vous adresser au Déléguée Informatique et Libertés de l’INRA par email à cil-dpo@inra.fr ou par courrier à :

INRA
24, chemin de Borde Rouge –Auzeville – CS52627
31326 Castanet Tolosan cedex - France

Dernière mise à jour : Mai 2018

Menu Logo Principal Logo BIA

Biopolymères Interactions Assemblages

Acquisition et analyse d'images : détermination de la texture de la mie et la croûte du pain

Mie de pain
Caractérisation de la texture visuelle de mies de produits céréaliers par analyse d'images : granulométrie par morphologie mathématique

Des tranches sont prélevées dans la zone centrale des produits, posées sur le scanner et recouvertes d’une boîte à fond noir mat. L'acquisition se fait au format TIFF non-compressé, ici avec une résolution de 300 dpi (1 pixel = 0.08 mm):

tranche de pain

 
La mie des produits se présente comme un objet texturé, c'est un arrangement de la mie avec des alvéoles.

Les images sont converties en niveaux de gris. Comme le fond est nettement plus sombre que la mie, un seuil en niveau de gris permet d'isoler un masque de la tranche. Le traitement suivant élimine l'épaisseur de la croûte.

Cette région de l'image est analysée par Morphologie Mathématique, cette méthode consiste à transformer l'image de manière irréversible selon le niveau de gris de ses pixels. Un masque, l'élément structurant, ici de forme carrée, est déplacé sur toute l'image :

traitement de l'image par dilatation

Le niveau de gris du pixel central est modifié selon les niveaux de gris de ses voisins recouverts par l'élément structurant. L'opération de base "érosion" attribue au pixel central la valeur minimale en niveau de gris atteinte sur la zone recouverte par l'élément structurant et l'opération duale, "dilatation", attribue la valeur maximale.

La dilatation éclaircit une image :

traitement de l'image par dilatation

Ici, au bout de 15 étapes il ne reste presque plus d'alvéoles, la trace d'une seule en haut à droite. Les alvéoles qui ont disparu lors des transformations précédentes, ont une de leurs dimensions inférieure à (2 X nombre étapes + 1) = 31 pixels.

Les érosions assombrissent l'image : la mie, les parois des alvéoles sont atténuées :

traitement d'image par erosion

   

A chaque ième transformation la sommes des niveaux de gris V(i) évolue, ici selon la courbe :

evolution des niveuax de gris

 
Les plus fortes variations ont lieu aux 1ères étapes, celles qui affectent essentiellement les petits objets, cette courbe est typique d'une texture fine. Cependant ce type de courbe obtenue sur une image en niveau de gris ne donne pas le nombre d'objets inférieurs à une dimension donnée.  En effet l'importance de la variation de la courbe n'est pas due uniquement à la surface des objets disparus mais aussi à leur niveau de gris initial. La disparition d'une petite alvéole, moins sombre que les grosses, contribue moins à l'augmentation des niveaux de gris que la disparition de la même portion de surface d'une grosse alvéole. Le calcul des variations des sommes des niveaux de gris est normalisé (ajouter formule), permettant l'obtention de courbes appelées de texture granulométrique en niveau de gris :

courbes de texture granulométrique en niveau de gris

 

Ici, les variations sur les premières étapes de dilatation sont plus importantes pour le produit '8' que pour le '30', par exemple : la mie 8 est plus fine que la 30.

 

La comparaison de ces courbes est faite par analyse en composantes principales. Des cartes de ressemblances des courbes sont tracées à partir des coefficients des composantes. Sur cette carte, deux courbes (2 textures) qui se ressemblent sont proches.

analyse en composantes principales

Les produits sont discriminés. Les profils ACP peuvent être interprétés comme une courbe de texture granulométrique, leurs formes permet d'interpréter cette carte. Ici, le 1er profil est essentiellement lié à la hauteur du pic des 1ères étapes, il décrit donc la finesse. Sur la carte, les structures se placent effectivement de la plus fine à droite à la plus aérée à gauche. Le 2ème prend en compte les variations sur les étapes suivantes. La 2ème composante est donc liée à la présence de gros éléments, c'est à dire à l'hétérogénéité de la texture.

Cette méthode a été appliquée à des produits observés en tomographie par rayons X avec une résolution de 15µm, à l'ESRF (www.esrf.fr). L'analyse des images 3D ainsi obtenues a permis de caractériser précisément la structure alvéolaire des produits et d'obtenir des classements selon leur finesse ou leur hétérogénéité. Ces classements sont cohérents avec ceux obtenus selon la méthode écrite ici.

   

    

Voir aussi

Evaluation de l’épaisseur de la croûte du pain par imagerie

Nous avons développé un outil permettant d’évaluer l’épaisseur de la croûte à partir d’images de tranches obtenues selon la méthode décrite dans la page« Acquisition et analyse d'images ».

tranche de pain

Les images sont acquises en couleurs RVB (Rouge, Vert, Bleu) puis converties dans le système colorimétrique HSI (Teinte, Saturation, Intensité). La composante Saturation montre des valeurs différentes dans la croûte que dans la mie.

images acquises en couleurs RVB (Rouge, Vert, Bleu)
images converties dans le système colorimétrique HSI

Une Analyse en Composantes Principales est effectuée sur les quatre composantes rouge, vert, bleu et saturation d’un panel de pixels. Les vecteurs propres obtenus servent à calculer de nouvelles images qui mettent en évidence les constituants de la tranche, dont la croûte. Une image binaire de la croûte est ainsi obtenue :

image binaire de la croûte

Nous avons ainsi pu caractériser la croûte pour des pains ayant subi différentes durées de cuisson.

pains ayant subi différentes durées de cuisson.
caractérisation de la croûte à différentes durées de cuisson.

Cette méthode est détaillée dans l’article du Cahier des Techniques de l’INRA de décembre 2011 et dans « Kinetics of crust formation during conventional french bread baking » Della Valle Journal of Cereal Science,In Press, Accepted Manuscript, Available online 20 June 2012.