I. Mô hình máy phân loại bưởi da xanh Tổng quan về nghiên cứu và thiết kế từ HCMUTE
Đề tài nghiên cứu, thiết kế và chế tạo mô hình máy phân loại bưởi da xanh từ Trường Đại học Sư phạm Kỹ thuật Thành phố Hồ Chí Minh (HCMUTE) tập trung vào việc tự động hóa quy trình phân loại bưởi, nhằm nâng cao hiệu quả và chất lượng sản phẩm. Nghiên cứu HCMUTE này hướng đến giải quyết vấn đề phân loại thủ công tốn nhiều nhân lực và thời gian, đồng thời đáp ứng nhu cầu ngày càng cao về chất lượng và tiêu chuẩn xuất khẩu của bưởi da xanh. Mô hình máy phân loại bưởi này được thiết kế để phân loại dựa trên các yếu tố chính: khối lượng và tỷ trọng, kết hợp với việc phát hiện vùng khác màu để loại bỏ bưởi bị hư hỏng. Ứng dụng máy học trong tương lai cũng được đề cập đến để nâng cao độ chính xác của hệ thống.
1.1. Phân tích nhu cầu và mục tiêu nghiên cứu
Việc phân loại bưởi da xanh thủ công hiện nay gặp nhiều khó khăn. Nhu cầu về tự động hóa trong nông nghiệp ngày càng tăng. Phân loại bưởi da xanh thủ công dựa trên kinh nghiệm, thiếu tính chính xác và hiệu quả. Đề tài hướng đến mục tiêu thiết kế và chế tạo mô hình máy phân loại bưởi da xanh, giảm thiểu chi phí nhân công, tăng năng suất và đáp ứng tiêu chuẩn xuất khẩu. Nhận dạng bưởi da xanh dựa trên hình ảnh và thông số vật lý được đề cập. Các thuật toán phân loại ảnh được áp dụng. Phát hiện lỗi bưởi thông qua phân tích ảnh nhằm loại bỏ sản phẩm kém chất lượng. Xử lý ảnh là một khâu quan trọng trong hệ thống. Thiết kế HCMUTE tập trung vào tính khả thi và hiệu quả thực tế. Cải tiến chất lượng nông sản là mục tiêu chính của nghiên cứu này. Công nghệ nông nghiệp thông minh được ứng dụng trong đề tài. Giải pháp nông nghiệp hiệu quả được hướng đến.
1.2. Phương pháp và công nghệ được sử dụng
Mô hình máy học được áp dụng để xử lý ảnh và phân tích dữ liệu. Mạng nơ ron tích chập (CNN) là một công nghệ tiềm năng được đề cập. Xử lý ảnh kỹ thuật số đóng vai trò quan trọng trong việc nhận dạng bưởi da xanh. Thuật toán phân loại ảnh được sử dụng để phân loại bưởi theo khối lượng và tỷ trọng. Hệ thống phân loại bưởi tích hợp các cảm biến để đo khối lượng và thể tích. Vi điều khiển và máy tính được sử dụng để điều khiển hệ thống. Trích xuất đặc trưng bưởi da xanh từ ảnh được thực hiện. Tính năng bưởi da xanh được phân tích và sử dụng làm cơ sở phân loại. Dữ liệu lớn (dữ liệu lớn bưởi da xanh) được sử dụng để huấn luyện mô hình. Học sâu phân loại bưởi được nghiên cứu. Trí tuệ nhân tạo (AI) là một hướng phát triển trong tương lai. Mô hình CNN, mô hình YOLO, mô hình Faster R-CNN được đề cập là những công nghệ có tiềm năng. Tối ưu hóa mô hình cũng được xem xét để nâng cao hiệu quả.
1.3. Kết quả và đánh giá
Mô hình máy phân loại bưởi da xanh đã được chế tạo và thử nghiệm. Kết quả cho thấy hệ thống có khả năng phân loại bưởi theo khối lượng với độ chính xác cao. Đánh giá hiệu quả mô hình dựa trên các chỉ số về độ chính xác và tốc độ xử lý. Phân tích ảnh kỹ thuật số cho phép hệ thống nhận dạng các quả bưởi bị hư hỏng. Kết quả thực nghiệm cho thấy tỷ lệ thành công đạt khoảng 70%. Tuy nhiên, phân loại theo tỷ trọng vẫn còn sai số. Các hạn chế chủ yếu đến từ việc xử lý ảnh, cần cải thiện thuật toán. Báo cáo khoa học HCMUTE đã trình bày chi tiết về kết quả nghiên cứu. Luận văn HCMUTE đã nêu ra những hướng phát triển trong tương lai. Đánh giá chất lượng bưởi da xanh được thực hiện dựa trên nhiều tiêu chí. Phát hiện lỗi bưởi da xanh cần được cải thiện. Mô hình phân loại ảnh cần được tối ưu hóa. Hệ thống giám sát qua web server hoạt động hiệu quả.
