I. Giới thiệu và bối cảnh nghiên cứu
Luận văn thạc sĩ này tập trung vào việc phân loại trứng cút bằng phương pháp xử lý ảnh, một ứng dụng tiên tiến trong lĩnh vực kỹ thuật cơ điện tử. Nghiên cứu này được thực hiện tại Trường Đại học Bách Khoa, ĐHQG TP.HCM dưới sự hướng dẫn của PGS.TS Nguyễn Tấn Tiến. Mục tiêu chính là phát hiện vết nứt trên vỏ trứng cút thông qua công nghệ xử lý hình ảnh kết hợp với mạng nơ-ron, nhằm nâng cao hiệu quả phân loại trứng tự động.
1.1. Lý do chọn đề tài
Trứng cút là nguồn thực phẩm giàu dinh dưỡng, nhưng việc phân loại trứng hiện nay chủ yếu dựa vào thủ công, gây mệt mỏi và giảm năng suất. Phương pháp xử lý ảnh kết hợp với trí tuệ nhân tạo được đề xuất để giải quyết vấn đề này, đặc biệt là phát hiện vết nứt trên vỏ trứng, một yếu tố quan trọng ảnh hưởng đến chất lượng trứng.
1.2. Mục tiêu và phạm vi nghiên cứu
Nghiên cứu nhằm phát triển một hệ thống tự động phân loại trứng cút dựa trên xử lý ảnh và mạng nơ-ron. Phạm vi nghiên cứu tập trung vào việc phân tích hình ảnh trứng cút để phát hiện vết nứt, với dữ liệu đầu vào là các ảnh tĩnh được chụp dưới ánh sáng LED.
II. Tổng quan về trứng cút và phương pháp phân loại
Phần này trình bày các đặc điểm cấu tạo và dinh dưỡng của trứng cút, cùng với các tiêu chuẩn phân loại trứng theo chất lượng. Nghiên cứu cũng đề cập đến các phương pháp kiểm tra trứng hiện có, bao gồm phương pháp phá hủy và không phá hủy, cùng với ưu nhược điểm của từng phương pháp.
2.1. Đặc điểm và tiêu chuẩn phân loại trứng cút
Trứng cút có kích thước nhỏ nhưng hàm lượng dinh dưỡng cao. Các tiêu chuẩn phân loại trứng dựa trên hình dạng, vết nứt, và chất lượng vỏ. Phương pháp kiểm tra không phá hủy, như phân tích âm thanh và quang phổ kế, được ưu tiên trong sản xuất công nghiệp.
2.2. Các phương pháp kiểm tra trứng hiện có
Các phương pháp kiểm tra trứng bao gồm kỹ thuật cơ học (lực nén), kỹ thuật quang phổ, và quan sát bằng camera. Mỗi phương pháp có ưu điểm riêng, nhưng đều hướng đến mục tiêu đảm bảo chất lượng trứng trước khi đưa ra thị trường.
III. Cơ sở lý thuyết và phương pháp nghiên cứu
Phần này giới thiệu các khái niệm cơ bản về xử lý ảnh số, mạng nơ-ron, và cách chúng được áp dụng trong việc phát hiện vết nứt trên trứng cút. Nghiên cứu sử dụng mạng nơ-ron lan truyền ngược nhiều lớp (MLP) để phân tích histogram của ảnh trứng, từ đó xác định sự hiện diện của vết nứt.
3.1. Xử lý ảnh số và ứng dụng
Xử lý ảnh số bao gồm các kỹ thuật như chuyển đổi ảnh màu sang ảnh xám, tăng độ tương phản, và tách biên. Những kỹ thuật này giúp cải thiện chất lượng ảnh, tạo điều kiện thuận lợi cho việc phân tích và nhận dạng vết nứt.
3.2. Mạng nơ ron và thuật toán học máy
Mạng nơ-ron được sử dụng để huấn luyện mô hình dựa trên dữ liệu histogram của ảnh trứng. Thuật toán lan truyền ngược giúp tối ưu hóa các trọng số trong mạng, nâng cao độ chính xác của việc phân loại trứng.
IV. Thực nghiệm và kết quả đạt được
Nghiên cứu tiến hành thử nghiệm với các ảnh trứng cút được chụp dưới ánh sáng LED vàng, trắng, và đỏ. Kết quả cho thấy ánh sáng vàng mang lại hiệu quả tốt nhất trong việc phát hiện vết nứt, với độ chính xác trung bình đạt 86,54%.
4.1. Quy trình thực nghiệm
Quy trình bao gồm việc thu thập ảnh trứng, xử lý ảnh để tạo histogram, và huấn luyện mạng nơ-ron. Các thử nghiệm được thực hiện trên nhiều cấu trúc mạng khác nhau để tìm ra mô hình tối ưu.
4.2. Kết quả và đánh giá
Kết quả cho thấy mạng nơ-ron 3 lớp với 768 ngõ vào đạt độ chính xác cao nhất. Phương pháp đề xuất có tiềm năng ứng dụng trong công nghiệp phân loại trứng tự động, giảm thiểu sự phụ thuộc vào lao động thủ công.
V. Kết luận và hướng phát triển
Nghiên cứu đã chứng minh hiệu quả của việc kết hợp xử lý ảnh và mạng nơ-ron trong việc phát hiện vết nứt trên trứng cút. Kết quả mở ra hướng phát triển cho các hệ thống phân loại trứng tự động trong tương lai.
5.1. Kết luận
Phương pháp đề xuất đạt độ chính xác cao và có thể ứng dụng trong thực tế. Việc phát hiện vết nứt thành công là bước đầu tiên trong việc xây dựng hệ thống phân loại trứng cút tự động.
5.2. Hướng phát triển
Nghiên cứu tiếp theo có thể tập trung vào việc cải thiện tốc độ xử lý và độ chính xác của hệ thống, cũng như mở rộng ứng dụng cho các loại trứng khác như trứng gà và trứng vịt.
