Modélisation et intégration de connaissances métier pour l’identification de défauts par règles linguistiques floues
Expert knowledge’s modeling and expert knowledge’s integration for defect identification by fuzzy linguistic rules
OPEN ACCESS
This article proposes a principle of knowledge’s integration for the improvement of a system of defects recognition by vision on wooden boards.
We locate the problem of vision which is at the base of this study, then we clarify the expert knowledge, as well in the field of the wood profession as in the field of vision. We use for that a symbolic model based on the NIAM/ORM method, formalizing the expert knowledge expressed in natural language.
Then we present the way we exploit these expert knowledge to generate nodes of an arborescent structure for the defects identification of wooden boards. Each node represents an engine of inference based on fuzzy linguistic rules. The results obtained prove the interest of this principle.
Résumé
Cet article propose une démarche d’intégration de connaissances pour l’amélioration d’un système de reconnaissance de défauts par vision sur des planches de bois.
Nous situons le problème de vision qui est à la base de cette étude, puis nous explicitons les connaissances métier nécessaires, aussi bien dans le domaine du métier du bois que dans le domaine de la vision.
Nous utilisons pour cela un modèle symbolique basé sur la méthode NIAM/ORM, formalisant ces connaissances métier à partir de leur expression en langage naturel.
Puis nous présentons la façon dont nous exploitons ces connaissances métier pour générer les nœuds d’une structure en arborescence pour l’identification des défauts des planches de bois. Chacun des noeuds consiste en un moteur d’inférence à base de règles linguistiques floues. Les résultats obtenus prouvent l’intérêt de cette démarche.
Defect identification, fuzzy logic, fuzzy linguistic rules, N.I.A.M. method, O.R.M., modelling of expert knowledge
Mots clés
Identification de défauts, logique floue, règles linguistiques floues, méthode N.I.A.M., O.R.M., modélisation de connaissances métiers
[Attiogbé] C. ATTIOGBE, H. HABRIAS, A. VAILLY, «Exercices de style», rapport interne n°139 de l’Institut de Recherche Informatique de Nantes, 1996.
[Berthold] M.R. BERTHOLD, « Mixed fuzzy rule formation » , Int. Jour. of Approximate Reasoning, vol. 32, 2003, p. 67-84.
[Blaise] J.C. BLAISE, « Apport d’une modélisation de l’information normative à l’intégration des règles de sécurité des machines en conception », Thèse d’université, Université Henri Poincaré, NANCY 1, 2000.
[Bouchon- B. BOUCHON-MEUNIER, « La logique floue et ses Meunier] applications», Addison-Wesley, 1995.
[Cordon 1] O. CORDON, M.J. DEL JESUS, F. HERRERA, « A proposal on reasoning methods in fuzzy rule-based classification systems», Int. Jour. of Approximate reasoning, 20,1999, p. 21-45,
[Cordon 2] O. CORDON, F. GOMIDE, F. HERRERA, F. HOFFMANN, L. MAGDALENA, « Ten years of genetic fuzzy systems: current framework and new trend», Fuzzy Sets and Systems, Vol. 141, 2004, p 5-31.
[Dubuisson] B. DUBUISSON, «Diagnostic, intelligence artificielle et reconnaissance des formes», édition Hermès, 2001.
[Dubois 1] D. DUBOIS, H. PRADE, « What are Fuzzy rules and how to use them», Fuzzy Sets and Systems, Vol 84, 1996, p 169-185.
[Dubois 2] D. DUBOIS, H. PRADE, « On the validation of fuzzy knowledge bases », Fuzzy reasoning in information, decision and control system, Kluwer, Dordrecht, 1994, p. 31-49.
[Dubois 3] D. DUBOIS, H. PRADE, « Fuzzy rules in knowledge-based systems – Modelling gradedness, uncertainty and preference », An introduction to fuzzy logic application in intelligent systems, Kluwer, Dordrecht, 1992, p. 45-68.
[Foo] S.Y. FOO, «A rule-based machine vision for fire detection in aircraft dry bays and engine compartments», KnowledgeBased Systems, Vol. 9, n° 8, 1996, p. 531-540.
[Habrias] H. HABRIAS, «Le modèle relationnel binaire. Méthode I.A. (NIAM)», éditions Eyrolles, 1998.
[Halpin 1] T.A. HALPIN, «Object Role Modeling (ORM/NIAM) », Handbook on Architectures of Information Systems, 1998.
[Halpin 2] T.A. HALPIN, « Information Modelling and Relational Databases », published by Morgan KAUFMAN edition, 2001.
[Ishibuchi 1] H. ISHIBUCHI, K. NOZAKI, H. TANAKA, « Distributed representation of fuzzy rules and its application to pattern classification », Fuzzy Sets and Systems, Vol. 52, 1992, p 21-32.
[Ishibuchi 2] H. ISHIBUCHI, T. NAKASHIMA, T. MURATA, «Voting in fuzzy rule-based classification for pattern classification problems », Fuzzy Sets and Systems, Vol. 103, 1999, p 223-238.
[Ishibuchi 3] H. ISHIBUCHI, K. NOZAKI, N. YAMAMOTO, H. TANAKA, « Construction of fuzzy classification systems with rectangular fuzzy rules using genetic algorithms », Fuzzy sets and systems, Vol. 65, 1994, p. 237-253.
[Kaufmann] A. KAUFMANN, « Introduction à la théorie des sousensembles flous », édition Masson, 1975.
[Kauppinen] H. KAUPPINEN, H. RAUTIO, O. SILVEN, «Non-segmenting defect detection and SOM based classification for surface inspection using color vision », Conf. on Polarization and Color Techniques in Industrial Inspection (SPIE 3826), Munich, Germany, 1999, p. 270-280.
[Lampinen] J. LAMPINEN, S. SMOLANDER, M. KORHONEN, «Wood surface inspection system based on generic visual features », International Conference on Artificial Neural Networks ICANN’95, Paris, 1995.
[Mazaud] C. MAZAUD, V. BOMBARDIER, P. LHOSTE, «Modélisation de connaissances pour l’identification de défauts sur des planches de bois » , ORASIS 2003, Gérardmer (France), 19-23 mai 2003, pp 269-277.
[Nozaki] K. NOZAKI, H. ISHIBUCHI, H. TANAKA, «A Simple but powerful heuristic method for generating fuzzy rules from numerical data», Fuzzy sets and systems, Vol. 86, 1997, p. 251-270.
[Pham] D.T. PHAM, S. SAGIROGLU, «Training multilayered perceptrons for pattern recognition: a comparative study of four training algorithms», International Journal of Machine Tools & Manufacture, Vol. 41, n° 3, 2001, p. 419-430.
[Ruspini] E.H. RUSPINI, «On the semantics of fuzzy logic », Int. Jour. of Approximate reasoning, Vol. 5, 1991, p. 45-88.
[Ughetto] L. UGHETTO, «Les systèmes à base de règles floues. Vérification de la cohérence et méthodes d’inférences», Doctorat de l’université Paul Sabatier, INRIT, Toulouse, janv 1998.
[Shen] Q. SHEN, A. CHOUCHOULAS, «A rough-fuzzy approach for generating classification rules», Pattern Recognition, Vol. 35, 2002, p. 2425-2438.
[Siaud] SIAUD O., «Contribution à l’intégration de connaissances expertes dans un système de reconnaissance de formes : application à l’identification de défauts dans le bois », rapport de DEA, UHP-Nancy 1, 2002.
[Sugeno] M. SUGENO, « An introductory survey of fuzzy control », Information Sciences, Vol. 36, 1985, p. 59-83.
[Wang] C.S. WANG, X.K. GONG, «A fuzzy approximate reasoning model for a rule-based system in laser threat recognition», Fuzzy Sets and Systems, Vol. 96, #2, 1998, p. 139-146.
[Wen] Z. WEN, Y. TAO, «Building a rule-based machine-vision system for defect inspection on apple sorting and packing lines», Expert Systems with Applications, Vol. 16, 1999, p. 307-313.
[Zadeh 1] L.A. ZADEH, «The concept of linguistic variable and its application to approximate reasoning », Information sciences, Vol. 8, 1975, p. 199-249 et p. 301-357.
[Zadeh 2] L.A. ZADEH, «Outline of a new approach to analysis of complex systems and decision processes », IEEE Trans. On Systems, Man and Cybernetics, Vol. 3, 1973, p. 28-44.
[Zadeh 3] L.A. ZADEH, «The calculus of fuzzy if/then rules», AI Expert, Vol. 7 (3), 1992, p. 23-27.
[Zgorzelski] M. ZGORZELSKI, Z. ZALEWSKI, «Fuzzy NIAM for real world data modelling », I.S.A.T.A. 29th International Symposium on Automative Technology and Automation, Florence, 1996.