Sélection optimale de bandes spectrales par réseaux de neurones artificiels (ANN) pour la classification des fèves de cacao

La qualité des fèves de cacao est un élément central pour la filière cacao et l’industrie du chocolat, car elle influence directement leur valeur marchande et les propriétés sensorielles du produit fini. Elle dépend fortement du processus de fermentation et de l’absence de défauts, mais reste encore souvent évaluée de façon visuelle et subjective. L’analyse spectrale constitue une alternative intéressante, puisqu’elle fournit des informations objectives et précises sur la composition interne des fèves. Le défi réside toutefois dans la complexité des données générées, qui impose de sélectionner les bandes spectrales les plus pertinentes afin d’améliorer la classification. Dans cette recherche, un réseau de neurones artificiels (ANN) et un modèle Deep Forest sont utilisés pour mesurer l’importance des différentes longueurs d’onde et identifier les bandes spectrales les plus discriminantes. Les bandes retenues servent ensuite de variables d’entrée pour entraîner plusieurs algorithmes de classification tels que Random Forest, Decision Tree et Gradient Boosting. Cette approche permet de vérifier si les bandes sélectionnées conservent leur pouvoir discriminant avec différentes techniques, et de déterminer quel classificateur offre le meilleur équilibre entre précision, robustesse et interprétabilité. Les résultats obtenus ont permis de réduire le nombre de bandes de manière significative tout en maintenant une précision élevée de classification pour certaines configurations. Le réseau de neurones s’est révélé plus performant que le Deep Forest dans notre configuration expérimentale, confirmant le potentiel des approches neuronales pour la sélection automatique de bandes spectrales et la détection fiable de la qualité des fèves de cacao.