Archives des applications BH
Analyse de la mouture du café
Démarrage rapide – L'idée d'utiliser une photo de mouture de café pour mesurer la distribution granulométrique est venue du Dr Jonathan Gagné. Avec l'aide généreuse de Jonathan et des gens de Barista Hustle, cette version basée sur un navigateur ouvre la technique à un public plus large.
Les chiffres ne sont PAS encore optimisés ou validés, mais vous aurez une idée générale. L’image test qui s’ouvre a une résolution relativement faible et n’est donc pas représentative d’une image de haute qualité – mais elle est utile pour montrer les principes. Sa largeur calibrée est de 138 mm pour vous aider à démarrer.
Comment tout cela fonctionne
Explication du contexte – L'idée est simple. Prenez une photo des moutures et identifiez automatiquement chaque vraie particule dans l'image, comptez le nombre de pixels dans cette particule, puis calculez la façon dont les grains sont répartis sur différentes tailles.
On imagine souvent qu’une telle technique « d’analyse d’images » serait très difficile. En réalité, il existe deux difficultés majeures qui n’ont rien à voir avec une analyse d’images sophistiquée :
1 – Obtenir un éclairage homogène, avec des haricots noirs/marrons parfaits sur un fond blanc parfait est très difficile. Toute imperfection dans l’éclairage, l’arrière-plan ou la couleur du grain rend plus difficile la distinction des particules de l’arrière-plan ou du bruit.
2 – L’étalonnage est bien plus délicat que vous ne l’imaginez. Un pré-calibrage nécessite que vous preniez toujours l’image exactement à la même distance. Un objet d'étalonnage dans l'image (a) prend de l'espace et (b) nécessite une identification de l'utilisateur basée sur la souris ou un algorithme intelligent pour être défini.
Sur le principe du « keep it simple », le premier problème est résolu en fournissant un rétroéclairage aux grinds. Dans mon cas, j’ai utilisé l’écran de mon ordinateur portable qui se plie à plat – j’aurais également pu utiliser un moniteur posé sur le dos. Cela m'aide d'avoir un excellent ordinateur de poche vide nettoyant qui aspire rapidement les grains après un essai.
L'autre approche simple utilisée ici est que, d'une manière ou d'une autre, vous connaissez avec précision toute la largeur en mm de votre image. Ma technique préférée consiste à inclure une échelle en haut ou en bas de l’image. L'application le « blob » en un seul grand objet qui est automatiquement rejeté par le contrôle MaxPixel – ou la couleur est si faible que le blob l'ignore de toute façon.
Il vous suffit de lire l'échelle (par exemple en comptant les marqueurs de 5 mm et en interpolant les derniers mm) et de saisir la valeur. Parce que j'utilise un écran d'ordinateur portable, je peux créer mon échelle sous forme d'image graphique, en optimisant la taille, l'espacement, la couleur, etc. pour une précision maximale avec un minimum d'interférence avec le comptage.
Analyse de taille – Chargez une image. Avec l'option Pic uniquement sélectionnée, vous pouvez avoir une bonne idée de la qualité de l'image, lire l'échelle et saisir une bonne valeur d'étalonnage. Vous devez maintenant décider d'une valeur seuil. Tout ce qui est moins brillant sera considéré comme une particule, tout ce qui est plus brillant sera ignoré. Vous pouvez déplacer votre souris sur l'image et obtenir une valeur RGBK. Le K (pour noir) est la valeur d'échelle de gris utilisée pour le seuil. Déplacez-vous sur quelques grains et obtenez une idée de leurs valeurs K (petites) par rapport à l'arrière-plan (grandes). Choisissez ensuite une valeur seuil qui inclut vos grains en toute sécurité mais exclut les ombres, marques, etc. étranges – du mieux que vous pouvez. Jonathan a utilisé la valeur du canal Bleu car celui-ci est le plus sensible à la couleur brune des grains de café. Vous pouvez choisir cette option si vous le souhaitez. Si vous cliquez et faites glisser la souris sur un grain, vous aurez une idée de sa taille, à condition que votre calibrage soit correct.
Si vous avez une image bruyante avec beaucoup de points de 1 à 2 pixels, définissez une valeur Min-Pixels de, par exemple, 5, afin que ce bruit soit ignoré. Pour le course, cela pourrait exclure certains grains réels, vous devez donc atteindre une valeur de compromis. La valeur Max-Pixels peut souvent être définie sur une valeur moyenne pour pouvoir exclure des éléments tels que les marques d'échelle ou un peu de bord noir apparaissant dans l'image. Réglez-le trop petit et certains vrais grains sont exclus. Trop grand et quelques éléments inutiles seront inclus et réduiront généralement la valeur des calculs. Plus votre éclairage et votre image sont parfaits, moins vous avez à vous soucier de ces détails.
Pour analyser les tailles, il est d'usage de les placer dans des « bacs ». Tout ce qui va de 0 à 0,1 mm peut être dans un bac, tout ce qui va de 0,1 à 0,2 mm dans un autre, etc. N-Bins vous permet de choisir. Trop peu et vous n'obtenez pas une analyse sensée. Trop et vous n'avez probablement pas assez de grains par bac pour que les données aient un sens statistique.
Chaque fois que vous modifiez vos entrées, les choses sont recalculées automatiquement – les vitesses semblent correctes si vous ne glissez pas trop sauvagement. Vous obtenez NGrounds, le nombre de particules individuelles identifiées (dans vos pixels Min-Max) et Max la plus grande. Cette boîte est très utile. Si vous modifiez le seuil ou les pixels Min-Max
sur une plage raisonnable, et si ces valeurs ne changent pas beaucoup, alors vous êtes dans une partie heureuse de l'espace d'analyse d'image où vos mesures sont bien au-dessus de tout niveau de bruit provenant des déchets dans l'image. Si les chiffres changent beaucoup, vos résultats finaux dépendent de votre jugement plutôt que de chiffres précis. Plus vous consacrez de temps à obtenir des images bien éclairées avec peu d’artefacts, moins vous aurez besoin de manipuler les variables de contrôle.
Les résultats - Supposons que vous ayez 99 particules chacune de diamètre 1 et 1 particule de diamètre 100. Vous pouvez dire correctement « Ma mouture est 99% taille 1 » et vous pourriez être très heureux – jusqu'à ce que vous goûtiez le café. Une autre façon de voir les choses est de dire que ces 99 particules pèseront, disons, 1 unité chacune, donc leur poids combiné est de 99. Parce que le poids dépend du volume qui dépend du diamètre³, la grosse particule pèsera 1 000 000. Par conséquent, en termes de poids, vos 99 particules sont insignifiantes et vous n'avez effectivement qu'un seul gros morceau de café, qui ne sera pas extrait efficacement.
Ainsi, lorsque nous montrons la distribution des tailles, nous pourrions l'afficher en termes numériques, combien se trouvent à chaque diamètre (ou se trouvent dans le bac avec cette plage de diamètres). Cela correspond à notre intuition lorsque nous regardons l’image : nous voyons tous ces petits grains et remarquons à peine les plus gros. Nous pouvons également les afficher en termes de surface, ce qui exprime la part de la surface provenant de différentes tailles de particules. Et nous pouvons les afficher en termes de volume, ce qui nous indique où se situe réellement le volume ou la masse de café. J'ai choisi de tracer les trois. Nous pouvons également les tracer de manière cumulative afin que vous puissiez facilement voir à quelles tailles des choses intéressantes se produisent. Certains aiment les voir dans logarithmique échelle. L’arithmétique des calculs est discutée ci-dessous.
Si vous avez une grosse particule malveillante, vos premiers bacs peuvent être vides, avec un saut dans le bac final (volume). Diminuez Max-Pixels en dessous de la valeur Max affichée dans la zone d'information en haut. La corbeille des voyous devrait disparaître et votre intrigue paraîtra plus sensée. Concernant course, si cette particule indésirable est réelle et est d'une taille nettement plus grande, alors (comme vous le verrez dans le tracé du volume cumulé) votre extraction de café sera dominée par cette grosse particule !
Répandre la mouture – L'application ne se lasse pas de compter. Ainsi, plus vous pouvez intégrer de particules dans l’image, meilleures sont les statistiques d’analyse de la taille des particules. Le problème est que si deux particules se touchent, elles seront comptées comme une particule plus grosse. Trouver un moyen de disperser le maximum de particules avec le minimum de particules en contact est l'un de vos grands défis. Jonathan suggère de saupoudrer du bout des doigts – une idée que j’ai trouvée étonnamment bonne. Il a également la possibilité de supprimer les particules touchantes de l'image, mais cela vous oblige à faire preuve de jugement et à les zapper avec votre souris.
Ta caméra - Avec l’analyse du café moulu, comme pour tout le reste, c’est des déchets qui entrent, des déchets qui sortent. Vous pouvez facilement prendre une photo avec l’appareil photo de votre smartphone, mais vous aurez tendance à trouver que la partie « intelligente » du téléphone est une véritable nuisance. Il se peut qu’il se concentre automatiquement sur quelque chose d’important pour lui, et non pour vous. Il se peut que votre contraste soit vraiment désagréable et qu'il atténue automatiquement votre éclairage. Qui sait quels algorithmes « intelligents » il invoquera. Les smartphones n'ont pas été conçus par des personnes dont les intérêts étaient avant tout la précision, le contraste élevé,
gros plans pour l'analyse d'images. Si vous êtes suffisamment intelligent pour savoir comment désactiver les fonctionnalités de la caméra intelligente sur votre téléphone, vous êtes sur un bon départ.
Mon expérience est qu'avec mon assez bon appareil photo Canon, je dois tout désactiver automatiquement. En essayant quelques réglages manuels, je pourrais obtenir un équilibre de résolution, de contraste et de mise au point qui, à maintes reprises, m'ont donné les mêmes résultats. Lorsque je lui ai permis de prendre le relais avec des fonctionnalités automatiques, je ne savais jamais ce que j'obtiendrais – au niveau de détail requis pour une bonne analyse du café moulu.
Pour rendre les choses encore plus simples (à long terme), installez un support pour la caméra afin qu'elle soit toujours bien carrée par rapport à votre source rétroéclairée, avec l'échelle claire en haut, à une distance optimale. Sur l'image, vous voyez que j'ai mon appareil photo sur un trépied solide et que j'utilise un « niveau à bulle pour sabot » (la goutte jaune-vert) pour que tout soit d'équerre.
Les calculs – Il n’y a pas suffisamment d’informations dans une image 2D de grains 3D pour créer une analyse précise de leurs tailles. Les calculs se résument donc à un choix d’approximations.
Joanathan a choisi une méthode plus sophistiquée qui utilise les informations de forme 2D. Pour plus de rapidité et de simplicité, j'ai choisi une approche différente. Peut-être qu'une future version tentera quelque chose de plus sophistiqué.
Tout ce que je sais après le traitement de l’image, c’est le nombre de pixels composant un « blob ». Je peux appeler cela une aire, A, donc je sais que s'il s'agissait d'un cercle, le rayon serait donné par Α=πr². Maintenant, j'ai le pseudo-rayon, r=√(A/π), de chaque goutte. Je peux alors dire que la surface du grain est de 4πr² et son volume est de 4/3πr³. Cela me permet, pour chaque bac de rayon (bien que je le trace comme le diamètre le plus confortable), de connaître le nombre de particules dans ce bac, la surface de ces particules et leur volume.
Pour rapporter les résultats, par souci de simplicité, je donne une valeur moyenne en nombre, en surface et en volume pour capturer une « moyenne ». Pour ceux qui connaissent le sujet, ces valeurs sont D[1,0], D[2,1] et D[3,2]. Il existe également un Dx que vous définissez comme D90, D80 etc. via le curseur. C'est le diamètre en dessous duquel se trouvent 90%, 80% etc. des grains. D'autres valeurs « moyennes » sont disponibles et d'autres options pourraient être ajoutées ultérieurement.
Fabriqué par le professeur Steven Abbott, spécialement pour Barista Hustle !
Cette application a été conçue spécialement pour Barista Hustle et nos abonnés par le professeur Steven Abbott. Son extraordinaire carrière l'a amené à parcourir le monde entier, notamment auprès de producteurs de bananes aux Philippines, d'imprimeries en Colombie et d'une entreprise de valves pour sacs de café aux États-Unis. Le professeur Abbott est un expert mondial en science du séchage et la diffusion. Ses applications et ses livres électroniques sont incontournables pour tous ceux qui s'intéressent sérieusement à la science de l'extraction.
Voir la collection de livres du professeur Steven Abbott ici!