Giới thiệu dự án

Ngành nông nghiệp Việt Nam đang trong quá trình chuyển đổi số mạnh mẽ nhằm nâng cao giá trị chuỗi cung ứng nông sản. Theo thống kê từ Tổ chức Lương thực và Nông nghiệp Liên Hợp Quốc (FAO), tỷ lệ tổn thất sau thu hoạch đối với các loại rau quả tươi tại các nước đang phát triển dao động từ 20% đến 35%, trong đó khâu phân loại thủ công chiếm tỷ lệ lớn dẫn đến sự suy giảm phẩm cấp nông sản và phát sinh chi phí nhân công. Cà chua (Solanum lycopersicum) là loại nông sản có vỏ mỏng, độ chín biến thiên nhanh và giá trị thương phẩm phụ thuộc chặt chẽ vào độ chín (màu sắc) và kích thước (khối lượng).

Phương pháp phân loại truyền thống bằng mắt thường tồn tại nhiều hạn chế:

  • Tính chủ quan cao: Phụ thuộc vào thị lực và trạng thái thể lực của nhân công, dễ dẫn đến sai sót khi làm việc liên tục.
  • Năng suất thấp: Tốc độ phân loại thủ công trung bình chỉ đạt 15–20 kg/giờ/người, không đáp ứng kịp các đơn hàng xuất khẩu hoặc chuỗi cung ứng siêu thị.
  • Tổn thương cơ học: Thao tác tiếp xúc trực tiếp nhiều lần làm tăng nguy cơ dập nát, thối hỏng vi sinh.

Đề tài "Hệ thống phân loại cà chua theo màu sắc và khối lượng" (ngành Công nghệ Kỹ thuật Điện tử Truyền thông – Trường Đại học Sư phạm Kỹ thuật TP.HCM) được nghiên cứu và thực hiện nhằm giải quyết trực tiếp bài toán trên thông qua công nghệ thị giác máy tính kết hợp cảm biến tải trọng và truyền động khí nén.

+-----------------------------------------------------------------------+
|                           MỤC TIÊU DỰ ÁN                              |
+-----------------------------------------------------------------------+
| 1. Thiết kế buồng chụp ảnh và cân định lượng tích hợp cách ly nhiễu   |
| 2. Phát triển thuật toán xử lý ảnh trên MATLAB phân tách dải màu RGB  |
| 3. Xây dựng mạch đo tải trọng dùng Loadcell 1Kg và ADC 24-bit HX711   |
| 4. Điều khiển cơ cấu chấp hành khí nén 5 trạm phân loại tự động       |
| 5. Đạt độ chính xác phân loại >= 90% với chu kỳ xử lý < 2.5 giây/quả  |
+-----------------------------------------------------------------------+

Phương pháp tiếp cận

Dự án ứng dụng phương pháp xử lý ảnh số trên nền tảng MATLAB để phân tích không gian màu (Color Space), kết hợp vi điều khiển Arduino Nano (ATmega328P) thu thập dữ liệu trọng lượng qua giao thức SPI/Bit-banging từ ADC HX711. Hệ thống phân loại cà chua thành 4 nhóm thương phẩm độc lập:

  1. Đỏ loại 1: Màu đỏ chín đồng đều, khối lượng $\ge 30\text{g}$.
  2. Đỏ loại 2: Màu đỏ chín, khối lượng $< 30\text{g}$.
  3. Cà chua xanh: Chưa chín, phục vụ bảo quản lưu kho dài ngày.
  4. Cà chua vàng: Ươm chín, phân phối theo kênh tiêu thụ ngắn hạn.

Phạm vi và giới hạn

  • Phạm vi: Mô hình thử nghiệm tích hợp băng tải mini, buồng chụp quang học chuẩn hóa nguồn sáng và cơ cấu xả hàng bằng 5 xi lanh khí nén.
  • Giới hạn: Hệ thống tập trung đánh giá màu sắc vỏ ngoài và khối lượng tĩnh, chưa tích hợp phát hiện vết nứt sâu, sâu bệnh nội quan hay nồng độ đường (Brix).

Phân tích và thiết kế giải pháp

Phân tích hiện trạng

Tiêu chí Phân loại thủ công Cảm biến màu quang học (TCS3200) Thị giác máy tính + Loadcell (Đề tài)
Độ chính xác $70 - 80%$ (giảm theo ca làm việc) $75 - 82%$ (dễ sai lệch theo góc chiếu) $\mathbf{91.5 - 94.2%}$ (chuẩn hóa buồng đo)
Tốc độ xử lý $3.5 - 5.0\text{ s/quả}$ $1.0 - 1.5\text{ s/quả}$ $\mathbf{2.0 - 2.3\text{ s/quả}}$ (bao gồm cân tĩnh)
Đa tiêu chí Màu sắc + Kích thước ước lượng Chỉ nhận diện màu tại một điểm Đồng thời diện tích màu + Cân chính xác
Chi phí triển khai Chi phí nhân công định kỳ cao Thấp ($< 2.000.000\text{ VNĐ}$) Tối ưu ($\approx 4.500.000\text{ VNĐ}$)

Yêu cầu hệ thống theo mô hình MoSCoW

  • Must-have: Đo khối lượng với sai số $\le \pm 1\text{g}$; phân loại chuẩn xác 3 dải màu (Đỏ, Xanh, Vàng); cơ cấu gạt khí nén phản hồi tức thời $< 300\text{ms}$.
  • Should-have: Giao diện MATLAB GUI hiển thị realtime thông số ảnh, cân nặng và trạng thái kết nối cổng COM; màn hình LCD 16x2 I2C cập nhật trạng thái tại chỗ.
  • Could-have: Lưu log dữ liệu phân loại vào file CSV/Excel phục vụ thống kê sản lượng theo thời gian thực.
  • Won't-have: Nhận diện hình dạng 3D qua camera Stereo và phân loại theo độ mềm quả.

Thiết kế hệ thống

graph TD
    A[Webcam Logitech C270] -->|USB 2.0 / Video Stream| B[PC: Xử lý ảnh MATLAB R2018b]
    C[Loadcell 1Kg YZC-133] -->|Tín hiệu vi sai Analog| D[Module ADC 24-bit HX711]
    D -->|Clock / Data| E[Arduino Nano ATmega328P]
    B -->|UART Serial - Baud 9600| E
    E -->|UART Data / Khối lượng| B
    E -->|I2C Protocol| F[LCD 16x2 HD44780 + PCF8574]
    G[5x Cảm biến hồng ngoại E18-D80NK] -->|Tín hiệu số Digital| E
    E -->|Mức Logic Low/High| H[Module 8 Relay 5V Optocoupler]
    H -->|Đóng cắt 24VDC| I[5x Van khí nén SMC SYJ3143-5LOZ]
    I -->|Áp suất 0.4 - 0.7 MPa| J[5x Xi lanh khí nén tác động kép]
    H -->|Đóng cắt 24VDC| K[Động cơ DC Băng tải + Hộp giảm tốc]

Thông số kỹ thuật chi tiết của hệ thống

  1. Bộ xử lý trung tâm (PC Processing Unit):
    • Phần mềm: MATLAB R2018b (Image Processing Toolbox, Data Acquisition Toolbox).
    • Chuẩn giao tiếp: UART Serial (Baudrate: 9600 bps, Data bits: 8, Parity: None, Stop bit: 1).
  2. Khối nhúng điều khiển (Embedded Controller):
    • Vi điều khiển: Arduino Nano (Microchip ATmega328P) xung nhịp $16\text{ MHz}$, bộ nhớ Flash $32\text{ KB}$, SRAM $2\text{ KB}$.
  3. Cảm biến và thu nhận ảnh:
    • Camera: Logitech C270 HD (Độ phân giải $1280 \times 720$, cảm biến VGA tích hợp cân bằng trắng tự động).
    • Đo trọng lượng: Loadcell nhôm YZC-133 1Kg (Độ nhạy $1.15 \pm 0.1\text{ mV/V}$, độ lệch tuyến tính $0.1%$).
    • Mạch chuyển đổi: ADC HX711 24-bit khuếch đại vi sai với hệ số gain 128, tốc độ lấy mẫu 10 SPS / 80 SPS.
    • Cảm biến vị trí: 5x Cảm biến tiệm cận hồng ngoại E18-D80NK, ngõ ra NPN Open-Collector, tầm quét $3 - 80\text{cm}$.
  4. Cơ cấu truyền động & Khí nén:
    • 5x Van điện từ SMC SYJ3143-5LOZ (Kiểu 5/2, điện áp cuộn hút 24VDC, áp suất làm việc $0.15 - 0.7\text{ MPa}$, lưu lượng $122\text{ L/min}$).
    • Động cơ DC kéo băng chuyền: Điện áp 24VDC, tích hợp hộp số giảm tốc cho tốc độ ổn định 32–40 vòng/phút.
    • Nguồn công nghiệp: Nguồn tổ ong Switching 24VDC – 5A, kết hợp module hạ áp LM2596 (24V về 5VDC – 3A).

Implementation và kết quả

Quy trình phát triển và thuật toán cốt lõi

1. Mô hình toán học hiệu chỉnh tải trọng (Loadcell Calibration)

Cảm biến tải trọng biến đổi độ biến dạng cơ học thành điện áp tỉ lệ. Để chuyển đổi giá trị thô (raw data) từ ADC HX711 thành khối lượng thực tính bằng gram, hệ thống áp dụng hàm tuyến tính bậc nhất:

$$y = m \cdot x + b$$

Trong đó:

  • $x$: Giá trị số đọc về từ ADC 24-bit của HX711.
  • $y$: Khối lượng thực tế (gram).
  • $m$: Hệ số góc (Calibration Factor): $m = \frac{y_1 - y_0}{x_1 - x_0}$.
  • $b$: Giá trị offset (điểm zero khi bàn cân rỗng): $b = -m \cdot x_0$.
// Trích đoạn thuật toán đọc và hiệu chuẩn tải trọng trên Arduino Nano
#include "HX711.h"
#define DOUT_PIN  A1
#define SCK_PIN   A0

HX711 scale;
float calibration_factor = 415.5; // Xác định qua thực nghiệm quả cân chuẩn 100g

void setup() {
  scale.begin(DOUT_PIN, SCK_PIN);
  scale.set_scale(calibration_factor);
  scale.tare(); // Thiết lập điểm 0 ban đầu
}

float getWeight() {
  if (scale.is_ready()) {
    float weight = scale.get_units(5); // Lấy trung bình 5 mẫu liên tiếp để khử nhiễu
    return (weight > 0) ? weight : 0.0;
  }
  return 0.0;
}

2. Thuật toán trích xuất đặc trưng màu sắc trên MATLAB

Hình ảnh chụp từ Webcam Logitech C270 được đưa vào không gian màu chuẩn RGB. Để loại bỏ nhiễu nền và phân tách vật thể, hệ thống phân đoạn ảnh theo phương pháp ngưỡng động trên các kênh màu:

% Script xử lý ảnh phân loại màu sắc cà chua trong môi trường MATLAB
function color_id = classify_tomato_color(vid_obj)
    % Thu nhận khung hình từ Webcam
    img_rgb = getsnapshot(vid_obj);
    
    % Trích xuất các kênh màu riêng biệt
    R_channel = img_rgb(:, :, 1);
    G_channel = img_rgb(:, :, 2);
    B_channel = img_rgb(:, :, 3);
    
    % Đặt ngưỡng lọc vùng quan tâm (ROI) đối với từng sắc tố
    red_mask   = (R_channel > 130) & (G_channel < 100) & (B_channel < 100);
    green_mask = (G_channel > 110) & (R_channel < 110) & (B_channel < 90);
    yellow_mask = (R_channel > 120) & (G_channel > 110) & (B_channel < 80);
    
    % Đếm tổng số điểm ảnh (pixel count) của từng mặt nạ
    red_pixels    = sum(red_mask(:));
    green_pixels  = sum(green_mask(:));
    yellow_pixels = sum(yellow_mask(:));
    
    % Logic phân lớp dựa trên mật độ pixel đặc trưng
    if (red_pixels > 5000) && (red_pixels > green_pixels)
        color_id = 'R'; % Cà chua đỏ
    elseif (green_pixels > 5000)
        color_id = 'G'; % Cà chua xanh
    elseif (yellow_pixels > 4000) || (abs(red_pixels - green_pixels) < 1500 && red_pixels > 2000)
        color_id = 'Y'; % Cà chua vàng
    else
        color_id = 'U'; % Không xác định (Nhiễu nền)
    end
end

+-----------------------------------------------------------------------------------+
|                        MÃ LỆNH ĐIỀU KHIỂN GIAO THỨC UART                         |
+-----------------------------------------------------------------------------------+
| Ký tự gửi | Ý nghĩa phân loại           | Hành vi cơ cấu chấp hành                |
+-----------+-----------------------------+-----------------------------------------+
| '1'       | Đỏ loại 1 (Đỏ + Khối lượng >=30g)| Kích hoạt Xi lanh 3 khi gặp Cảm biến 2 |
| '2'       | Đỏ loại 2 (Đỏ + Khối lượng <30g) | Kích hoạt Xi lanh 4 khi gặp Cảm biến 3 |
| '3'       | Cà chua xanh                | Kích hoạt Xi lanh 5 khi gặp Cảm biến 4 |
| '4'       | Cà chua vàng                | Trôi thẳng về khay cuối băng tải        |
+-----------------------------------------------------------------------------------+

Thử nghiệm và đánh giá thực nghiệm

Hệ thống được vận hành kiểm thử với tổng cộng 120 mẫu cà chua thực nghiệm (30 mẫu cho mỗi chủng loại) nhằm đo lường tỷ lệ phân loại chính xác và thời gian đáp ứng của toàn dây chuyền.

+-----------------------------------------------------------------------------------+
|                      KẾT QUẢ ĐO KIỂM THỰC NGHIỆM PHÂN LOẠI                        |
+---------------------+-------------+---------------+-----------------+-------------+
| Chủng loại mẫu      | Số lượng thử| Phân loại đúng| Phân loại sai   | Độ chính xác|
+---------------------+-------------+---------------+-----------------+-------------+
| Đỏ loại 1 (>= 30g)  | 30 quả      | 28 quả        | 2 quả (sai cân) | 93.33%      |
| Đỏ loại 2 (< 30g)   | 30 quả      | 27 quả        | 3 quả (sai cân) | 90.00%      |
| Cà chua vàng        | 30 quả      | 26 quả        | 4 quả (nhầm đỏ) | 86.67%      |
| Cà chua xanh        | 30 quả      | 29 quả        | 1 quả (nhầm vàng)| 96.67%     |
+---------------------+-------------+---------------+-----------------+-------------+
| Tổng cộng / Trung bình| 120 quả   | 110 quả       | 10 quả          | 91.67%      |
+---------------------+-------------+---------------+-----------------+-------------+

Phân tích độ trễ và hiệu năng (Performance Benchmarking)

  • Thời gian xử lý ảnh trên MATLAB: $380 - 450\text{ ms}$.
  • Thời gian ổn định và đọc tín hiệu Loadcell (5 mẫu ADC): $550 - 620\text{ ms}$.
  • Thời gian truyền thông UART hai chiều: $25 - 35\text{ ms}$.
  • Thời gian đáp ứng van khí nén và hành trình xi lanh: $280 - 320\text{ ms}$.
  • Tổng chu kỳ phân loại hoàn chỉnh cho 1 quả: $\mathbf{2.15\text{ s/quả}}$ (Tương đương công suất thực tế $\approx 1.670\text{ quả/giờ}$).

Đổi mới và đóng góp

  1. Kiến trúc phân loại tích hợp 2 cấp độ (Màu sắc + Tải trọng): Khác biệt hoàn toàn với các hệ thống đơn thuần dùng cảm biến quang hoặc camera thông thường, mô hình tích hợp đồng thời trạm cân tĩnh và buồng chụp quang học trong cùng một chu trình, giúp phân tách chính xác các loại sản phẩm cùng màu nhưng khác biệt về kích cỡ thương phẩm.
  2. Chuẩn hóa quy trình tiền xử lý ảnh trên MATLAB: Tối ưu hóa việc lọc kênh màu RGB/HSV, giảm thiểu ảnh hưởng của phản xạ ánh sáng trên bề mặt vỏ bóng của quả cà chua.
  3. Cơ cấu điều khiển khí nén phân tán: Sử dụng hệ thống van đảo chiều $5/2$ SMC phản ứng nhanh, phối hợp nhịp nhàng giữa xi lanh cấp phôi, xi lanh chuyển trạm và các xi lanh gạt phân loại mà không gây va đập làm hỏng nông sản.
+------------------------------------------------------------------------------------+
|               SO SÁNH CÁC CÔNG TRÌNH VÀ GIẢI PHÁP ĐỒ ÁN TIÊU BIỂU                  |
+--------------------+----------------------+--------------------+-------------------+
| Tiêu chí so sánh   | Đề tài Trần Khánh Hưng| Đề tài Phan Thanh  | Giải pháp Đề tài |
|                    | (2018) [PLC S7-1200] | Phong (2019) [RPi] | (Minh & Ân - 2020)|
+--------------------+----------------------+--------------------+-------------------+
| **Cảm biến chính** | Cảm biến màu TCS3200 | Camera + OpenCV RPi| Webcam + Loadcell |
| **Tiêu chí phân loại**| Chỉ phân loại 3 màu | Chỉ phân loại màu  | **4 nhóm (Màu+Khối lượng)**|
| **Cơ cấu chấp hành**| Khí nén công nghiệp | Động cơ Servo gạt  | **5 Xi lanh khí nén**|
| **Chi phí phần cứng**| Rất cao (>12M VNĐ)   | Trung bình (~6M)   | **Tối ưu (~4.5M VNĐ)**|
| **Tỷ lệ chính xác**| 84.5%                | 88.0%              | **91.67%**        |
+--------------------+----------------------+--------------------+-------------------+

Ứng dụng thực tế và triển khai

Kịch bản ứng dụng thực tế

  • Hợp tác xã nông nghiệp công nghệ cao: Lắp đặt tại các trạm sơ chế sau thu hoạch nhằm phân tách cà chua theo tiêu chuẩn VietGAP/GlobalGAP trước khi đóng gói xuất xưởng.
  • Nhà máy chế biến sốt cà chua và nước ép: Tách lọc tự động cà chua chín đỏ đạt chuẩn (loại 1, loại 2) cho dây chuyền nấu cô đặc, chuyển cà chua xanh/vàng về khu vực ủ chín nhân tạo.

Tính toán hiệu quả kinh tế và thời gian hoàn vốn (ROI)

Giả định một cơ sở sơ chế nông sản quy mô vừa tại Lâm Đồng với sản lượng $1.5\text{ tấn cà chua/ngày}$:

+-----------------------------------------------------------------------------+
|                   BẢNG PHÂN TÍCH TÀI CHÍNH VÀ CHI PHÍ ĐẦU TƯ                |
+-------------------------------------------------------------+---------------+
| Hạng mục chi phí                                            | Giá trị (VNĐ) |
+-------------------------------------------------------------+---------------+
| 1. Khung nhôm định hình + Băng chuyền PVC + Động cơ DC 24V  | 1.650.000     |
| 2. Cụm 5 Xi lanh khí nén + Van SMC 24V + Ống hơi PU         | 1.450.000     |
| 3. Mạch Arduino Nano + Module HX711 + Loadcell YZC-133 + LCD|   420.000     |
| 4. Webcam Logitech C270 HD + Nguồn tổ ong + Phụ kiện điện   |   980.000     |
+-------------------------------------------------------------+---------------+
| **TỔNG CHI PHÍ PHẦN CỨNG HỆ THỐNG**                         | **4.500.000** |
+-------------------------------------------------------------+---------------+
| Tiết kiệm chi phí thuê 2 nhân công sơ chế (6.000.000 đ/tháng)| 12.000.000/tháng|
| Thời gian thu hồi vốn đầu tư ước tính                       | **< 0.5 tháng**|
+-------------------------------------------------------------+---------------+

Lộ trình triển khai hệ thống (Deployment Roadmap)

  • Giai đoạn 1 (Tuần 1–2): Khảo sát hiện trường, lắp đặt cố định khung cơ khí, căn chỉnh góc chụp camera và cân bằng nguồn sáng LED chuẩn 6500K.
  • Giai đoạn 2 (Tuần 3–4): Nạp firmware vi điều khiển, cân chỉnh độ dốc cảm biến tải trọng bằng các quả cân chuẩn $20\text{g}, 50\text{g}, 100\text{g}$, thiết lập ngưỡng màu trên MATLAB GUI.
  • Giai đoạn 3 (Tuần 5 trở đi): Vận hành thử nghiệm tải tĩnh và tải động liên tục trong 48 giờ, bàn giao và đào tạo công nhân vận hành.

Hạn chế và hướng phát triển

Các hạn chế kỹ thuật hiện tại

  1. Phụ thuộc vào cường độ ánh sáng môi trường: Thuật toán ngưỡng cố định trên không gian màu RGB dễ bị sai lệch nếu ánh sáng ngoại cảnh biến thiên mạnh ($< 300\text{ lux}$ hoặc $> 1200\text{ lux}$).
  2. Cân tĩnh yêu cầu thời gian dừng phôi: Quá trình cân đòi hỏi cà chua dừng hẳn trên bàn cân trong $0.5\text{s}$ để ổn định dao động cơ học của Loadcell, làm giới hạn năng suất cực đại của hệ thống.
  3. Mô hình xử lý tập trung trên PC: Hệ thống vẫn cần máy tính chạy phần mềm MATLAB để tính toán hình ảnh, làm tăng kích thước cồng kềnh khi triển khai tại các nhà xưởng ẩm ướt.

Hướng nâng cấp và phát triển mở rộng

  • Chuyển dịch sang Trí tuệ nhân tạo nhúng (Embedded AI): Thay thế PC chạy MATLAB bằng vi xử lý nhúng chuyên dụng Raspberry Pi 4 hoặc NVIDIA Jetson Nano, chạy mô hình mạng nơ-ron tích chập nhẹ (YOLOv8-nano hoặc MobileNetV3) nhằm phân loại chính xác khuyết tật vỏ, đốm đen và mức độ chín với độ chính xác $> 98%$.
  • Tích hợp cảm biến cân động (Dynamic Weighing): Áp dụng thuật toán lọc số Kalman Filter hoặc Low-pass Digital Filter cho phép đọc khối lượng chính xác ngay khi quả đang lăn qua trạm cân, rút ngắn chu kỳ xuống $< 1.0\text{ s/quả}$.
  • Cơ chế cấp phôi tự động (Vibratory Bowl Feeder): Bổ sung phễu cấp liệu rung tự động để dàn đều cà chua từng quả một vào máng chờ, tạo thành dây chuyền khép kín $100%$ không cần người nạp thủ công.

Đối tượng hưởng lợi

  • Sinh viên ngành Kỹ thuật Điện tử / Cơ điện tử / Tự động hóa: Cung cấp tài liệu tham khảo thực tế về việc tích hợp liên ngành giữa xử lý ảnh trên máy tính, giao tiếp truyền thông nối tiếp và kỹ thuật điều khiển khí nén công nghiệp.
  • Kỹ sư phát triển hệ thống nhúng: Nắm bắt kiến thức thực thi giao thức truyền thông đa tầng giữa máy tính xử lý trung tâm và vi điều khiển biên, cách khử rung nhiễu cơ học cho cảm biến Loadcell.
  • Chủ trang trại và doanh nghiệp nông nghiệp: Tiếp cận giải pháp công nghệ tự động hóa với chi phí đầu tư thấp, khả năng hoàn vốn nhanh, nâng cao năng lực cạnh tranh cho nông sản nội địa.
  • Nhà nghiên cứu thị giác máy tính ứng dụng: Nền tảng thực nghiệm để thử nghiệm các thuật toán phân đoạn ảnh, chuyển đổi không gian màu và tối ưu hóa xử lý thời gian thực.

Câu hỏi thường gặp

1. Yêu cầu kỹ thuật phần cứng để vận hành hệ thống là gì?

Hệ thống yêu cầu một máy tính cá nhân hoặc laptop chạy hệ điều hành Windows 7/10/11 có cài đặt MATLAB (phiên bản R2016a trở lên) tích hợp Image Processing Toolbox, 02 cổng USB trống (01 cổng kết nối Webcam Logitech C270, 01 cổng kết nối cáp nạp Arduino Nano UART), cùng một máy nén khí mini áp suất tối thiểu $0.5\text{ MPa}$ để cấp nguồn cho hệ thống 5 xi lanh khí nén.

2. Làm thế nào để giải quyết vấn đề ánh sáng làm thay đổi kết quả nhận diện màu?

Giải pháp là thiết kế buồng chụp ảnh kín (Darkroom box) có gắn nguồn sáng nhân tạo cố định bằng dải đèn LED vòng 12VDC màu trắng tiêu chuẩn ($6500\text{K}$). Đồng thời trong phần mềm, chuyển đổi ma trận ảnh từ không gian màu RGB sang không gian màu HSV (Hue - Saturation - Value) và chỉ xử lý phân ngưỡng trên kênh $H$ (sắc thái màu), do kênh $H$ hoàn toàn độc lập với cường độ chiếu sáng ($V$).

3. Hệ thống có thể tích hợp vào các dây chuyền đóng gói công nghiệp sẵn có không?

Hoàn toàn khả thi. Ngõ ra điều khiển của Arduino Nano có thể mở rộng kết nối với PLC công nghiệp (như Siemens S7-1200 hay Mitsubishi FX5U) thông qua module cách ly quang (Optocoupler) hoặc truyền thông công nghiệp Modbus RTU (RS485) để đồng bộ hóa tín hiệu với các cánh tay robot đóng thùng tự động.

4. Chi phí bảo trì định kỳ của hệ thống khí nén và cơ khí là bao nhiêu?

Hệ sinh thái linh kiện sử dụng các chuẩn thông dụng (van SMC, xi lanh thân nhôm, loadcell YZC). Chi phí bảo dưỡng rất thấp, chỉ cần kiểm tra tra dầu bôi trơn khí nén định kỳ 3 tháng/lần, thay thế gioăng phớt khí nén và vệ sinh ống kính webcam với chi phí không quá $200.000\text{ VNĐ/năm}$.

5. Cần làm gì khi muốn thay đổi ngưỡng khối lượng phân loại (ví dụ từ 30g thành 50g)?

Người dùng chỉ cần thay đổi hằng số ngưỡng WEIGHT_THRESHOLD = 50; trong mã nguồn Arduino hoặc nhập thông số trực tiếp trên ô cài đặt của giao diện MATLAB GUI mà không cần thay đổi bất kỳ kết nối phần cứng nào.

Kết luận

Đề tài "Hệ thống phân loại cà chua theo màu sắc và khối lượng" đã giải quyết trọn vẹn bài toán tự động hóa phân loại nông sản thông qua sự kết hợp nhịp nhàng giữa công nghệ xử lý ảnh số và điều khiển nhúng. Hệ thống đạt độ chính xác phân loại tổng thể $91.67%$ với năng suất vận hành ổn định $\approx 1.670\text{ quả/giờ}$, chứng minh tính khả thi vượt trội và giá trị kinh tế thực tiễn đối với mô hình kinh tế nông nghiệp vừa và nhỏ. Kết quả nghiên cứu không chỉ khẳng định năng lực ứng dụng chuyên môn sâu của sinh viên ngành Công nghệ Kỹ thuật Điện tử Truyền thông – HCMUTE, mà còn mở ra hướng đi bền vững cho việc ứng dụng thị giác máy tính và AI vào hiện đại hóa nông nghiệp Việt Nam.