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.
