Luận án tiến sĩ: Thiết kế hệ thống phân loại nông sản hiệu suất cao với AI và xử lý ảnh

LỜI CAM ĐOAN

1. CHƯƠNG I: TỔNG QUAN VÀ CƠ SỞ LÝ THUYẾT

1.1. Tổng quan về hệ thống phân loại nông sản, công nghệ xử lý ảnh và trí thông minh nhân tạo

1.2. Cơ sở lý thuyết về xử lý ảnh và trí tuệ nhân tạo (AI)

1.3. Chỉ tiêu đánh giá chất lượng trái xoài theo tiêu chuẩn Viet GAP và Global GAP

1.4. Phạm vi áp dụng. Khái quát vấn đề phân loại nông sản. Tình hình nghiên cứu trong nước. Tình hình nghiên cứu ngoài nước

1.5. Kết luận chung tình hình nghiên cứu

1.6. Tính cấp thiết của đề tài

1.7. Mục tiêu nghiên cứu

1.7.1. Mục tiêu tổng quát

1.7.2. Mục tiêu cụ thể. Phương pháp nghiên cứu

1.7.2.1. Nghiên cứu lý thuyết

1.7.2.2. Nghiên cứu mô phỏng

1.7.2.3. Nghiên cứu thực nghiệm

1.8. Đối tượng và phạm vi nghiên cứu

1.9. Kế hoạch dự kiến thực hiện đề tài. Nội dung nghiên cứu

1.9.1. Kế hoạch thực hiện

1.9.2. Kết cấu định hướng đề tài

1.9.3. Dự kiến và ứng dụng kết quả nghiên cứu

1.9.3.1. Dự kiến kết quả nghiên cứu

1.9.3.2. Ứng dụng kết quả

2. CHƯƠNG II: NGHIÊN CỨU MÔ HÌNH THÍ NGHIỆM HỆ THỐNG PHÂN LOẠI XOÀI THEO KHỐI LƯỢNG

2.1. Khái quát về mô hình hệ thống phân loại xoài theo khối lượng

2.2. Nguyên lý hoạt động

2.3. Cơ cấu khung hệ thống phân loại

2.4. Cơ cấu băng tải để xử lý ảnh và tính thể tích

2.5. Cơ cấu gạt loại bỏ trái hỏng

2.6. Cơ cấu băng tải tính khối lượng xoài

2.7. Cơ cấu phân loại xoài theo khối lượng

2.8. Kết quả xác định khối lượng xoài trên băng tải

3. CHƯƠNG III: PHÂN LOẠI XOÀI THEO KHỐI LƯỢNG, THỂ TÍCH VÀ KHUYẾT TẬT SỬ DỤNG CÔNG NGHỆ XỬ LÝ ẢNH

3.1. Khái quát về công nghệ xử lý ảnh

3.2. Nguyên lý hoạt động hệ thống xử lý ảnh

3.3. Hệ thống phân loại xoài sử dụng công nghệ xử lý ảnh

3.4. Cấu trúc hệ thống phân loại

3.5. Giải thuật hệ thống phân loại theo khuyết tật, thể tích và khối lượng

3.6. Quy trình xử lý ảnh và tính toán số liệu

3.6.1. Thu nhận ảnh. Chuyển ảnh màu RGB sang ảnh mức xám

3.6.2. Nhị phân hóa ảnh

3.6.3. Phát hiện và tính diện tích khuyết tật

3.6.4. Phân loại dựa trên diện tích khuyết tật

3.7. Hệ thống xử lý ảnh tính thể tích xoài

3.7.1. Hệ thống phân loại xoài sử dụng Kinect

3.7.2. Thuật toán xác định thể tích xoài theo Kinect

3.7.2.1. Phương pháp 1 - Tách lớp cắt tính thể tích xoài

3.7.2.2. Phương pháp 2 - Thống kê kích thước (theo thể tích)

3.7.3. Hệ thống phân loại xoài sử dụng Camera - RGB

3.7.4. Kết quả phương pháp tính thể tích xoài sử dụng xử lý ảnh

3.8. Cơ cấu gạt loại bỏ trái hỏng (khuyết tật)

3.9. Hệ thống tính khối lượng xoài để phân loại

3.9.1. Cơ cấu điều khiển tính khối lượng xoài

3.9.2. Thuật toán và phương pháp điều khiển

3.10. Cơ cấu phân loại xoài ra từng loại

3.11. Chương trình điều khiển

3.12. Cơ cấu cân khối lượng và phân loại xoài

3.13. Kết quả phân loại xoài theo khối lượng, thể tích và khuyết tật sử dụng xử lý ảnh

4. CHƯƠNG IV: HỆ THỐNG PHÂN LOẠI XOÀI SỬ DỤNG CÔNG NGHỆ XỬ LÝ ẢNH KẾT HỢP TRÍ TUỆ NHÂN TẠO

4.1. Khái quát hệ thống phân loại xoài sử dụng công nghệ xử lý ảnh kết hợp AI

4.2. Chuẩn bị dữ liệu cho quá trình chấm điểm

4.3. Hệ thống phân loại sử dụng thị giác máy

4.4. Trích xuất các tính năng bên ngoài hình ảnh xoài

4.5. Ước tính khối lượng và tỷ trọng trái xoài

4.6. Phương pháp mô hình máy học trên hệ thống phân loại

4.7. Nhận biết xoài bằng phương pháp tự học

4.7.1. Giai đoạn 1 - Mô hình huấn luyện

4.7.2. Giai đoạn 2 - Nhận biết xoài

4.7.3. Giai đoạn 3 - Xử lý ảnh

4.7.4. Giai đoạn 4 - Cập nhật dữ liệu

4.8. Bộ dữ liệu trong các mô hình máy học

4.9. Phân loại xoài sử dụng các phương pháp mô hình LDA, SVM, KNN và RF

4.10. Kết quả phân loại xoài ứng dụng các mô hình LDA, SVM, KNN và RF

4.11. Dự đoán độ Brix xoài sử dụng công nghệ xử lý ảnh kết hợp AI

4.11.1. Khái quát các yếu tố đánh giá chất lượng bên trong trái xoài

4.11.2. Xác định yếu tố phụ thuộc độ Brix xoài

4.11.3. Giải thuật và chương trình điều khiển AI xác định độ Brix xoài

4.11.4. Xác định cấu trúc mô hình FFNN xác định độ Brix xoài

4.11.5. Phương pháp tự học trong bài toán xác định độ Brix xoài

4.11.6. Mạng lưới thần kinh tối ưu để dự đoán độ Brix xoài

4.11.7. Kết quả ứng dụng AI dự đoán độ Brix xoài

5. CHƯƠNG V: KẾT LUẬN

5.1. Kết quả nghiên cứu mô hình thí nghiệm hệ thống phân loại xoài theo khối lượng

5.2. Kết quả phân loại xoài theo khối lượng, thể tích và khuyết tật sử dụng công nghệ xử lý ảnh

5.3. Kết quả hệ thống phân loại xoài sử dụng công nghệ xử lý ảnh kết hợp AI

5.4. Kết quả sử dụng hệ thống phân loại xoài thực nghiệm

5.5. Định hướng phát triển đề tài

TÀI LIỆU THAM KHẢO

I. Thiết kế hệ thống phân loại nông sản

Luận án tập trung vào thiết kế hệ thống phân loại nông sản hiệu suất cao, sử dụng công nghệ xử lý ảnh kết hợp AI. Hệ thống được phát triển để phân loại xoài dựa trên khối lượng, thể tích và khuyết tật. Phương pháp RF (Random Forest) được chọn làm mô hình tối ưu với hiệu suất đạt 98.1%. Hệ thống này không chỉ áp dụng cho xoài mà còn có thể mở rộng cho các loại nông sản khác.

1.1. Phân loại nông sản hiệu suất cao

Hệ thống phân loại nông sản hiệu suất cao được thiết kế để xử lý khoảng 3.000 kg xoài/giờ, tương đương 6-8 trái/giây. Công nghệ xử lý ảnh và AI được tích hợp để tự động hóa quá trình phân loại, giảm thiểu sai sót và tăng năng suất. Hệ thống đã được triển khai tại TP. Cao Lãnh, tỉnh Đồng Tháp, cho thấy hiệu quả thực tế.

1.2. Ứng dụng AI trong nông nghiệp

AI trong nông nghiệp được ứng dụng để dự đoán độ Brix của xoài dựa trên khối lượng, chiều dài, chiều rộng và thể tích với độ chính xác 98%. Các thuật toán máy học như LDA, SVM, KNN và RF được sử dụng để phân loại xoài, trong đó RF cho kết quả tốt nhất. Điều này chứng minh tiềm năng lớn của AI trong việc nâng cao chất lượng và hiệu quả sản xuất nông nghiệp.

II. Xử lý ảnh nông sản

Công nghệ xử lý ảnh nông sản là trọng tâm của luận án, giúp phân tích và trích xuất thông tin từ hình ảnh xoài. Quy trình xử lý ảnh bao gồm chuyển đổi ảnh màu RGB sang ảnh xám, nhị phân hóa, phát hiện khuyết tật và tính toán thể tích. Các phương pháp như Kinect và Camera RGB được sử dụng để tăng độ chính xác trong việc xác định kích thước và khuyết tật của xoài.

2.1. Phân tích hình ảnh nông sản

Quá trình phân tích hình ảnh nông sản bao gồm việc chụp ảnh xoài, chuyển đổi sang ảnh xám và nhị phân hóa để dễ dàng trích xuất đặc điểm. Các thuật toán như Contour được sử dụng để xác định khuyết tật trên bề mặt xoài. Kết quả cho thấy độ chính xác cao trong việc phát hiện và phân loại xoài dựa trên hình ảnh.

2.2. Công nghệ xử lý ảnh hiện đại

Luận án đề cập đến việc sử dụng công nghệ xử lý ảnh hiện đại như Kinect và Camera RGB để tính toán thể tích xoài. Phương pháp tách lớp và thống kê kích thước được áp dụng để đạt độ chính xác cao. Kết quả thực nghiệm cho thấy sai số nhỏ giữa thể tích thực tế và thể tích tính toán, chứng minh hiệu quả của công nghệ này.

III. Hệ thống phân loại tự động

Hệ thống phân loại tự động được thiết kế để phân loại xoài dựa trên khối lượng, thể tích và khuyết tật. Hệ thống sử dụng băng tải, cảm biến lực và cơ cấu gạt để loại bỏ trái hỏng. Quy trình phân loại được điều khiển bởi các thuật toán máy học, đảm bảo độ chính xác và hiệu suất cao.

3.1. Cơ cấu phân loại nông sản

Hệ thống bao gồm các cơ cấu như băng tải tính khối lượng, cơ cấu gạt loại bỏ trái hỏng và cơ cấu phân loại xoài. Các cơ cấu này hoạt động đồng bộ để đảm bảo quá trình phân loại diễn ra liên tục và chính xác. Kết quả thực nghiệm cho thấy sai số nhỏ giữa khối lượng thực tế và khối lượng tính toán.

3.2. Tối ưu hóa phân loại nông sản

Luận án đề xuất các phương pháp tối ưu hóa phân loại nông sản bằng cách sử dụng các thuật toán máy học như LDA, SVM, KNN và RF. Trong đó, RF cho kết quả tốt nhất với hiệu suất 98.1%. Các phương pháp này giúp cải thiện độ chính xác và tốc độ phân loại, đáp ứng nhu cầu sản xuất quy mô lớn.

IV. Ứng dụng thực tiễn và kết quả

Luận án đã triển khai hệ thống phân loại xoài tại TP. Cao Lãnh, tỉnh Đồng Tháp, cho thấy hiệu quả thực tế. Hệ thống đạt năng suất cao, phân loại chính xác và có thể mở rộng cho các loại nông sản khác. Kết quả nghiên cứu chứng minh tiềm năng ứng dụng rộng rãi của AI và xử lý ảnh trong nông nghiệp.

4.1. Kết quả thực nghiệm

Kết quả thực nghiệm cho thấy hệ thống phân loại xoài đạt hiệu suất cao với độ chính xác 98.1% khi sử dụng mô hình RF. Hệ thống cũng có khả năng dự đoán độ Brix của xoài với độ chính xác 98%. Các kết quả này khẳng định tính khả thi và hiệu quả của hệ thống trong thực tế.

4.2. Định hướng phát triển

Luận án đề xuất hướng phát triển tiếp theo là mở rộng ứng dụng hệ thống cho các loại nông sản khác và tích hợp thêm các công nghệ tiên tiến như IoT và Big Data. Điều này sẽ giúp nâng cao hiệu quả và quy mô ứng dụng của hệ thống trong tương lai.

Luận án tiến sĩ: Nghiên cứu thiết kế hệ thống phân loại nông sản hiệu suất cao sử dụng AI và công nghệ xử lý ảnh