Research Evolution and Emerging Trends in Fruit and Vegetable Quality Assessment and Sorting: A Bibliometric Analysis of Analytical and Intelligent Sensing Technologies
Cette analyse bibliométrique de 1 387 publications de 2000 à 2025 cartographie l'évolution de la recherche sur le tri des fruits et légumes, révélant un passage mondial d'un calibrage conventionnel basé sur l'aspect extérieur vers des systèmes intelligents et multimodaux intégrant des technologies de détection avancées et des algorithmes d'apprentissage profond pour une évaluation complète de la qualité.
Article original sous licence CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). Ceci est une explication générée par l'IA de l'article ci-dessous. Elle n'a pas été rédigée ni approuvée par les auteurs. Pour une précision technique, consultez l'article original. Lire la clause de non-responsabilité complète
Chaque année, des milliards de tonnes de fruits et légumes passent des champs aux marchés, un voyage où les produits doivent survivre à la manipulation, au transport et au stockage sans être meurtris ou pourrir. Pendant longtemps, le tri de ces produits reposait largement sur les yeux et les mains des humains, un processus lent, incohérent et souvent trop rude pour les articles délicats comme les tomates à peau fine ou les pêches tendres. Alors que la demande mondiale pour une alimentation de haute qualité a crû, l'industrie agricole s'est tournée vers des machines capables de voir et de juger les produits avec la vitesse d'un tapis roulant et la précision d'un scientifique. Ces machines utilisent des caméras pour observer la couleur et la forme, ainsi que des capteurs spéciaux capables de voir à l'intérieur d'un fruit pour vérifier sa teneur en sucre ou sa fermeté sans le couper. L'objectif est simple mais difficile : trier des milliers d'articles par heure, en veillant à ce que seuls les meilleurs atteignent le consommateur tout en minimisant le gaspillage et les dommages.
Une équipe de chercheurs de l'Université normale de Guizhou, en Chine, a récemment pris du recul pour examiner toute l'histoire de cette transition technologique. Au lieu de construire une nouvelle machine ou de tester un fruit spécifique, ils ont analysé des milliers d'articles scientifiques publiés entre 2000 et 2025 pour comprendre comment le domaine a évolué. En étudiant les modèles de ces écrits, ils ont cartographié la manière dont les scientifiques sont passés d'un tri mécanique simple à des systèmes complexes et intelligents capables de « réfléchir » à ce qu'ils voient. Leur travail révèle une histoire de progrès évidente : un voyage allant de l'observation basique à la prise de décision automatisée sophistiquée qui transforme notre façon de gérer l'approvisionnement alimentaire mondial.
Les chercheurs ont rassemblé des données provenant de deux immenses bibliothèques de connaissances scientifiques : l'une contenant des études en langue anglaise provenant du monde entier, et l'autre contenant des études en langue chinoise. Ils ont passé au crible plus de 1 300 publications pour identifier les tendances les plus importantes. Ce qu'ils ont découvert, c'est un domaine qui a progressé de manière constante au cours des deux dernières décennies, avec une augmentation particulièrement marquée de l'activité depuis 2021. Au début des années 2000, la recherche était rare et se concentrait sur des conceptions mécaniques de base. Dans les années 2010, l'attention s'est déplacée vers l'utilisation de l'informatique pour analyser les images. Dans les années les plus récentes, l'explosion des nouvelles recherches a été portée par l'intelligence artificielle avancée, permettant aux machines de reconnaître les défauts et les niveaux de qualité avec une sophistication auparavant impossible.
L'étude souligne que les efforts de recherche mondiaux ne sont pas répartis uniformément. La Chine a produit le plus grand nombre d'articles sur ce sujet, suivie de l'Inde, des États-Unis, de l'Espagne et de l'Iran. Cette poussée de la recherche chinoise reflète l'immense industrie de fruits et légumes du pays et sa volonté rapide de moderniser l'agriculture avec des machines intelligentes. Bien que des pays comme les États-Unis et la Chine travaillent ensemble sur certains projets, les chercheurs ont noté que la collaboration internationale pourrait être plus forte. Actuellement, le réseau de coopération est quelque peu fragmenté, de nombreux pays travaillant de manière isolée plutôt qu'en mettant en commun leurs ressources pour résoudre des problèmes communs.
Lorsque les chercheurs ont examiné ce que les scientifiques étudient réellement, deux voies principales sont apparues. La première voie concerne le tri basé sur l'apparence extérieure d'un fruit. Cela implique l'utilisation de caméras pour mesurer la couleur, la taille et la forme, ou pour repérer les meurtrissures et les imperfections. La seconde voie concerne la vérification de la qualité à l'intérieur du fruit sans l'endommager. C'est là que la technologie devient plus complexe. Les scientifiques utilisent des ondes lumineuses invisibles à l'œil humain, telles que la lumière proche de l'infrarouge, pour pénétrer la peau d'un fruit et mesurer son sucre, son acidité ou sa pourriture interne. L'analyse a montré que, si les premières recherches se concentraient fortement sur ces deux voies distinctes, les développements les plus passionnants se produisent là où elles se rejoignent. L'avenir du tri réside dans la combinaison de ces méthodes, en utilisant des caméras pour voir l'extérieur et des capteurs spéciaux pour voir l'intérieur, tout cela simultanément.
Les outils utilisés pour y parvenir ont radicalement changé au fil du temps. Autrefois, les ordinateurs reposaient sur des règles simples écrites par des humains pour identifier une pomme rouge ou une feuille verte. Aujourd'hui, les systèmes les plus efficaces utilisent l'apprentissage profond (deep learning), un type d'intelligence artificielle qui apprend par elle-même ce qu'elle doit chercher en étudiant des milliers d'exemples. Les chercheurs ont constaté que les revues les plus populaires dans ce domaine sont celles dédiées au génie agricole et à la science alimentaire, confirmant qu'il s'agit d'une science pratique, dictée par l'industrie. Les travaux les plus cités impliquent souvent l'utilisation de la vision par ordinateur pour détecter les défauts ou de l'imagerie spectrale pour prédire la maturité.
Malgré ces avancées, les chercheurs soulignent que la technologie n'est pas encore parfaite. Les machines éprouvent encore des difficultés lorsque l'éclairage change, lorsque les fruits sont empilés les uns sur les autres, ou lorsqu'il s'agit de produits très délicats qui peuvent être facilement meurtris. Les systèmes sont également coûteux et nécessitent des ordinateurs puissants pour fonctionner, ce qui les rend difficiles à utiliser dans les petites exploitations ou les régions en développement. L'étude suggère que le prochain grand bond en avant viendra de la fabrication de systèmes moins chers, plus rapides et plus adaptables. Les scientifiques travaillent actuellement sur des versions « légères » de ces systèmes intelligents qui peuvent fonctionner sur de petits appareils, et explorent des moyens d'apprendre aux machines à apprendre à partir de très peu d'exemples, plutôt que d'avoir besoin de millions d'images pour commencer.
L'article conclut que le domaine se dirige vers un avenir où le tri ne consiste plus seulement à regarder un fruit, mais à le comprendre complètement. En fusionnant les données provenant de caméras, de capteurs de lumière et même de détecteurs d'odeurs, la prochaine génération de machines de tri sera capable de prendre des décisions aussi nuancées qu'un expert humain, mais avec la vitesse et la constance d'un robot. Cette évolution promet de réduire le gaspillage alimentaire et de garantir que les produits que nous consommons sont sûrs et de haute qualité. Cependant, les chercheurs avertissent que cet avenir dépend de la résolution des obstacles actuels liés au coût, à la complexité et à la capacité de ces machines à travailler de manière fiable dans la réalité désordonnée et imprévisible d'une ferme ou d'une station de conditionnement. La voie à suivre est claire, mais elle nécessite une innovation continue pour transformer ces idées puissantes en outils quotidiens pour les agriculteurs et les producteurs alimentaires du monde entier.
Noyé(e) sous les articles dans votre domaine ?
Recevez des digests quotidiens des articles les plus récents correspondant à vos mots-clés de recherche — avec des résumés techniques, dans votre langue.