Bối cảnh và vấn đề nghiên cứu

Trong chuỗi sản xuất và cung ứng nông sản tại Việt Nam, khâu xử lý sau thu hoạch vẫn chủ yếu phụ thuộc vào phương thức lao động thủ công. Cà chua (Lycopersicon esculentum) là loại quả có giá trị kinh tế cao, được canh tác phổ biến tại nhiều vùng chuyên canh như Lâm Đồng và các tỉnh đồng bằng, trung du phía Bắc. Tuy nhiên, việc phân loại thủ công tại các cơ sở thu mua bộc lộ nhiều hạn chế: năng suất thấp, tốn kém chi phí nhân công, và dễ gây tổn thương cơ học cho nông sản.

Về mặt sinh học, những quả cà chua bị bệnh hoặc tổn thương cơ giới có xu hướng giải phóng lượng lớn khí ethylene—một loại phytohormone thúc đẩy nhanh quá trình chín và già hóa. Khi bảo quản lẫn lộn giữa quả lành và quả hỏng trong quá trình vận chuyển đường dài (thường kéo dài từ 3 đến 5 ngày), ethylene sẽ kích thích các quả chưa chín xung quanh chín sớm và làm tăng tốc độ thối rữa của toàn bộ lô hàng. Việc phân tách chính xác cà chua theo độ chín (màu sắc) và kích thước trước khi đóng gói, vận chuyển là yêu cầu kỹ thuật mang tính quyết định đến chất lượng nông sản xuất khẩu và tiêu thụ nội địa.

Đề tài đặt ra các mục tiêu và nhiệm vụ nghiên cứu cụ thể:

  1. Nghiên cứu tổng quan về đặc tính sinh học của quả cà chua và khảo sát các hệ thống phân loại nông sản trong nước và quốc tế.
  2. Thiết kế và chế tạo mô hình cơ khí phân loại cà chua sử dụng hệ thống băng tải phẳng kết hợp cơ cấu tay gạt servo.
  3. Thiết kế hệ thống điện và mạch điều khiển trung gian dựa trên vi điều khiển Arduino UNO R3 và máy tính điều khiển trung tâm.
  4. Xây dựng thuật toán xử lý ảnh trên nền tảng phần mềm MATLAB nhằm nhận diện màu sắc (xanh, đỏ, vàng), phát hiện khuyết tật bề mặt và tính toán kích thước (diện tích pixel) của từng quả.
  5. Thực nghiệm, đánh giá độ chính xác của hệ thống và xuất dữ liệu thống kê ra tập tin Excel.

Đối tượng nghiên cứu của đồ án là quả cà chua thương phẩm, tập trung vào hai thuộc tính phân loại chính là màu sắc (độ chín) và kích thước hình học. Phạm vi nghiên cứu giới hạn ở việc xây dựng một mô hình thực nghiệm quy mô phòng thí nghiệm, kiểm thử khả năng nhận dạng và phân loại từng quả cà chua di chuyển trên băng chuyền trong điều kiện buồng chụp ảnh kiểm soát ánh sáng.

Cơ sở lý thuyết và phương pháp

Khung lý thuyết và mô hình xử lý ảnh

Nghiên cứu ứng dụng các nguyên lý cơ bản của kỹ thuật xử lý ảnh kỹ thuật số để trích xuất đặc trưng nông sản:

  • Không gian màu và biến đổi ảnh xám: Ảnh màu kỹ thuật số chuẩn RGB 24-bit được biểu diễn dưới dạng ma trận $M \times N \times 3$, với mỗi kênh màu đỏ (R), xanh lục (G) và xanh lam (B) có độ sâu 8-bit (tổng cộng $(2^8)^3 = 16.777.216$ mức màu). Để giảm thiểu khối lượng tính toán mà vẫn giữ lại cấu trúc biên của đối tượng, nghiên cứu áp dụng phương pháp chuyển đổi Luminance sang ảnh xám (Grayscale): $$\text{Grayscale} = 0.2989R + 0.5870G + 0.1140B$$
  • Thuật toán trừ ảnh nhận diện màu: Để xác định màu sắc chủ đạo, giá trị ma trận Grayscale được trừ trực tiếp khỏi từng kênh màu thành phần ($A_R - A_{Gray}$, $A_G - A_{Gray}$, $A_B - A_{Gray}$). Kênh màu nào có giá trị sai khác lớn hơn 0 sau khi trừ sẽ xác định màu sắc đặc trưng của quả cà chua (đỏ hoặc xanh).
  • Bộ lọc trung vị (Median Filter): Sử dụng cửa sổ lọc ma trận $3 \times 3$ quét qua từng điểm ảnh nhằm loại bỏ các thành phần nhiễu đốm (speckle noise) và nhiễu muối tiêu (salt-pepper noise) mà không làm suy giảm độ sắc nét của đường biên đối tượng.
  • Phân ngưỡng tự động Otsu: Thuật toán tối ưu hóa ngưỡng nhị phân hóa $T$ dựa trên phân tích biểu đồ phân phối mức xám (Histogram), cực đại hóa phương sai giữa các lớp (between-class variance) để tách biệt hoàn toàn quả cà chua khỏi phông nền.
  • Xác định hình thái và kích thước: Ứng dụng kỹ thuật kết nối điểm ảnh lân cận (4-kết nối hoặc 8-kết nối) để gom cụm đối tượng, lọc bỏ các vùng nhiễu có kích thước nhỏ. Thuật toán xác định tọa độ cực trị ($x_{min}, x_{max}, y_{min}, y_{max}$) để tạo đường bao (Bounding Box), tính tâm đối tượng ($x_{centroid}, y_{centroid}$) và đếm tổng số pixel thuộc vùng đối tượng để quy đổi ra diện tích quả.

Phương pháp nghiên cứu

  • Phương pháp phân tích - tổng hợp: Đánh giá ưu nhược điểm của 4 nguyên lý phân loại nông sản phổ biến (trục ống khoét lỗ, cân khối lượng loadcell, dây đai dốc cơ học và thị giác máy tính) để lựa chọn giải pháp xử lý ảnh kết hợp cơ điện tử.
  • Phương pháp tính toán thiết kế kỹ thuật: Ứng dụng lý thuyết chi tiết máy và sức bền vật liệu để tính toán công suất động cơ, tỉ số truyền hộp giảm tốc 2 cấp, kích thước bánh đai và độ bền dây đai.
  • Phương pháp thực nghiệm: Thu thập dữ liệu hình ảnh thực tế của các nhóm cà chua (đỏ lớn, đỏ nhỏ, xanh, vàng, hư hỏng) đưa vào chạy thử nghiệm trên mô hình thực tế, thống kê tỷ lệ nhận dạng và phân loại chính xác.

Thiết kế và triển khai hệ thống

Hệ thống phân loại cà chua được xây dựng dựa trên sự liên kết giữa ba khối chính: kết cấu cơ khí vận chuyển, hệ thống điện điều khiển chấp hành và module xử lý ảnh trung tâm.

                                                        (Tín hiệu ảnh)

1. Hệ thống cơ khí và động lực

  • Băng tải vận chuyển: Sử dụng băng tải phẳng PVC có chân cố định, vận hành với tốc độ $V = 0.07\text{ m/s}$, hỗ trợ vận chuyển cà chua ổn định qua buồng ảnh mà không làm rung lắc nông sản.
  • Động cơ điện: Lựa chọn động cơ DC một chiều của hãng TSUKASA mã hiệu BG TG-85B-BG, điện áp 24V, tốc độ quay định mức 1820 vòng/phút, mô-men xoắn 98 mN.m.
  • Hộp giảm tốc: Hộp giảm tốc bánh răng trụ hai cấp phân tích theo sơ đồ khai triển của Japan Tsukasa với tổng tỉ số truyền $u_{hgt} = 8.08$ (gồm cấp nhanh $u_n = 3.24$ và cấp chậm $u_c = 2.49$). Tỉ số truyền của bộ truyền đai $u_đ = 3$, đưa tổng tỉ số truyền toàn hệ thống đạt $u_t = 24.25$ (sai số tỉ số truyền $0.26% < 3%$).
  • Bộ truyền đai: Đường kính bánh đai tính toán $d = 20.4\text{ mm}$, khoảng cách trục $a = 157\text{ mm}$, vận tốc đai $V = 0.08\text{ m/s}$, lực căng dây đai ban đầu $F = 0.2\text{ N}$.
Thông số thiết kế cơ khí Giá trị tính toán / lựa chọn
Động cơ truyền động Tsukasa BG TG-85B-BG (DC 24V)
Tốc độ quay động cơ ($n_{đc}$) 1820 vòng/phút
Công suất tính toán cần thiết ($P_{ct}$) $30.4 \times 10^{-4}\text{ kW}$
Hiệu suất truyền động chung ($\eta$) 0.92
Tỉ số truyền bộ truyền đai ($u_đ$) 3.00
Tỉ số truyền hộp giảm tốc ($u_{hgt}$) 8.08 ($u_n = 3.24; u_c = 2.49$)
Sai số tỉ số truyền 0.26%
Cơ cấu chấp hành phân loại Động cơ Servo 9G SG90 (4.2–6VDC, $0.3\text{s}/60^\circ$)

2. Hệ thống điện điều khiển và thị giác máy tính

  • Khối xử lý trung tâm (Máy tính): Cài đặt phần mềm MATLAB, nhận luồng video/hình ảnh từ Camera đặt vuông góc trong buồng chụp kín, thực thi chuỗi thuật toán xử lý ảnh, hiển thị giao diện giám sát GUI và gửi lệnh điều khiển xuống mạch vi điều khiển qua cổng giao tiếp nối tiếp (Serial/COM).
  • Khối vi điều khiển (Arduino UNO R3): Tiếp nhận tín hiệu kích hoạt từ cảm biến phát hiện vật cản hồng ngoại khi cà chua đi vào vùng kiểm tra, đồng thời nhận mã lệnh phân loại từ MATLAB để điều khiển các động cơ Servo 9G SG90 quét góc gạt cà chua vào các khay phân loại tương ứng.

Nội dung chính theo từng chương

Chương I: Tổng quan

Chương này trình bày lý do chọn đề tài dựa trên thực trạng sản xuất và xuất khẩu nông sản tại Việt Nam. Tác giả phân tích các đặc tính sinh học của cây cà chua, tác hại của sự lây lan ethylene trong quá trình bảo quản nông sản hư hỏng cùng quả lành. Chương I cũng khảo sát chi tiết các hệ thống phân loại hiện có:

  • Thế giới: Máy phân loại xoài Olimpias (Hy Lạp - năng suất 5-6 tấn/h theo chiều ngang); hệ thống UNISORTING (Ý - tích hợp xử lý ảnh, khối lượng, kích thước); hệ thống Shijiazhuang Yishun (Trung Quốc - phân loại theo khối lượng dùng bàn cân); hệ thống GP Graders LLC (Mỹ - bán tự động dùng loadcell).
  • Trong nước: Khảo sát mô hình rửa, phân loại và hong khô cà chua tại vùng chuyên canh Lâm Đồng (năng suất 20 tấn/8h) và các dòng máy phân loại chanh, dưa hấu, táo sử dụng sàng cơ học hoặc cảm biến khối lượng.

Từ việc đánh giá các thiết bị ngoại nhập có giá thành cao và cấu tạo phức tạp, tác giả xác lập mục tiêu thiết kế mô hình phân loại cà chua tự động ứng dụng thị giác máy tính phù hợp với quy mô ứng dụng vừa và nhỏ.

Chương II: Cơ sở lý thuyết

Nội dung chương tập trung vào cơ sở toán học và lý thuyết xử lý tín hiệu ảnh số:

  • Định nghĩa không gian ảnh màu RGB, ma trận điểm ảnh (Pixel), và biểu diễn ảnh xám đơn kênh.
  • Chi tiết 3 phương pháp chuyển đổi màu (Lightness, Average, Luminance), khẳng định tính tối ưu của phương pháp Luminance do tương thích với độ nhạy quang học của mắt người.
  • Toán tử trừ ảnh trên các kênh màu riêng biệt nhằm bóc tách màu xanh và màu đỏ.
  • Kỹ thuật lọc trung vị (Median Filter) ma trận $3 \times 3$ khử nhiễu đốm và nhiễu muối tiêu.
  • Nguyên lý phân ngưỡng nhị phân dựa trên biểu đồ Histogram và thuật toán tìm ngưỡng tối ưu đa lớp Otsu.
  • Các phương pháp trích xuất biên (dò biên trực tiếp qua đạo hàm Gradient, Laplace và dò biên gián tiếp qua phân vùng), phương pháp xác định hình hộp bao và tính tâm hình học ($x_{centroid}, y_{centroid}$) của vật thể.

Chương III: Giải quyết vấn đề

Chương này chi tiết hóa toàn bộ quá trình tính toán, thiết kế và chế tạo sản phẩm:

  • Phân tích, so sánh 4 phương pháp phân loại nông sản và lập luận chọn phương án xử lý ảnh bằng Camera trên băng tải phẳng.
  • Tính toán động học và động lực học cơ khí: lựa chọn động cơ DC Tsukasa 24V, tính toán hộp giảm tốc hai cấp, thiết kế bộ truyền đai phẳng, tính toán lực căng đai và biểu đồ nội lực/mô-men của băng tải.
  • Thiết kế hệ thống điện: sơ đồ khối kết nối Arduino UNO R3, cảm biến phát hiện vật cản, mạch công suất và cụm cơ cấu tay gạt sử dụng động cơ servo SG90.
  • Xây dựng lưu đồ giải thuật phân loại trên MATLAB, thiết kế giao diện điều khiển - giám sát người dùng, lập trình thuật toán đo diện tích pixel và phân nhóm cà chua.
  • Thực nghiệm hệ thống, thu thập biểu đồ và bảng dữ liệu phân loại cho 3 nhóm chính (đỏ nhỏ, đỏ lớn, xanh), nhận diện màu vàng và phát hiện quả hư hỏng, xuất kết quả sang định dạng bảng tính Excel.

Kết quả và đóng góp

Kết quả nghiên cứu và thực nghiệm

  1. Chế tạo hoàn chỉnh mô hình phần cứng: Hệ thống cơ điện tử vận hành đồng bộ gồm khung băng tải PVC, buồng ảnh tiêu chuẩn, cụm mạch điều khiển Arduino UNO R3 và các tay gạt servo phân loại.
  2. Xây dựng chương trình xử lý ảnh trên MATLAB: Tự động hóa hoàn toàn quy trình chụp ảnh, lọc nhiễu, nhị phân hóa Otsu, nhận diện màu sắc (xanh, vàng, đỏ) và phân loại kích thước dựa trên diện tích pixel bề mặt.
  3. Hệ thống giám sát và lưu trữ dữ liệu: Thiết kế giao diện GUI hiển thị trực tiếp hình ảnh, trạng thái nhận diện của từng quả cà chua và tự động trích xuất lịch sử phân loại ra tập tin Excel phục vụ công tác quản lý.
Nhóm phân loại cà chua Đặc trưng nhận diện Cơ chế xử lý của mô hình
Cà chua đỏ nhỏ Kênh R vượt trội, diện tích pixel < ngưỡng quy định Tay gạt servo 1 tác động đưa vào khay 1
Cà chua đỏ lớn Kênh R vượt trội, diện tích pixel $\ge$ ngưỡng quy định Tay gạt servo 2 tác động đưa vào khay 2
Cà chua xanh Kênh G vượt trội sau phép trừ ảnh xám Di chuyển thẳng về cuối băng chuyền/khay 3
Cà chua vàng / Hư hỏng Cường độ màu hỗn hợp hoặc xuất hiện đốm bất thường Nhận dạng và cảnh báo trên giao diện

Đóng góp của đề tài

  • Đề xuất thành công giải pháp phân loại nông sản kết hợp giữa thị giác máy tính và cơ điện tử chi phí thấp, không làm dập nát hay biến dạng cấu trúc cơ học của quả cà chua như các phương pháp cơ học truyền thống.
  • Cung cấp đầy đủ chuỗi tính toán kỹ thuật từ động lực học cơ khí (động cơ, hộp giảm tốc, bộ truyền đai) đến thuật toán xử lý ảnh số, tạo tiền đề để nâng cấp thành dây chuyền công nghiệp phục vụ các hợp tác xã và vựa thu mua nông sản.

Hạn chế và hướng nghiên cứu tiếp

  • Hạn chế:

    • Mô hình mới chỉ xử lý và nhận dạng đối tượng ở một mặt phẳng đơn từ Camera nhìn từ trên xuống, chưa quan sát được toàn diện $360^\circ$ bề mặt quả để phát hiện triệt để các vết nứt hoặc thối hỏng nằm ở mặt dưới.
    • Hệ thống yêu cầu điều kiện ánh sáng ổn định trong buồng ảnh kín; sự thay đổi nguồn sáng ngoài có thể gây ảnh hưởng đến ngưỡng nhị phân hóa.
    • Tốc độ phân loại bị giới hạn bởi thời gian truyền thông nối tiếp và cơ cấu chấp hành servo cỡ nhỏ.

  • Hướng nghiên cứu tiếp:

    • Nâng cấp cơ cấu lật/xoay quả cà chua trên băng tải con lăn kết hợp bố trí nhiều camera đa góc để đánh giá khuyết tật toàn diện.
    • Tích hợp giải thuật trí tuệ nhân tạo (mạng nơ-ron/Deep Learning) để nâng cao độ chính xác nhận diện các cấp độ chín phức tạp và bệnh lý trên vỏ quả.
    • Mở rộng quy mô công suất, thay thế cơ cấu gạt servo bằng hệ thống khí nén công nghiệp nhằm tăng năng suất phân loại.

Giá trị tham khảo

Tài liệu đồ án này mang lại giá trị tham khảo thiết thực cho:

  • Sinh viên ngành Kỹ thuật Cơ Điện tử, Tự động hóa, Cơ khí: Tham khảo phương pháp tính toán hệ dẫn động cơ khí (động cơ DC, hộp giảm tốc bánh răng trụ 2 cấp, bộ truyền đai) và cách thức ghép nối vi điều khiển Arduino với phần mềm máy tính.
  • Người nghiên cứu lĩnh vực Xử lý ảnh và Nông nghiệp thông minh: Tham khảo mã nguồn, thuật toán nhị phân hóa Otsu, kỹ thuật trừ ảnh Grayscale phân biệt màu sắc và phương pháp đo kích thước vật thể qua đơn vị pixel trên nền tảng MATLAB.

Câu hỏi thường gặp

1. Tại sao đồ án lựa chọn phương pháp xử lý ảnh thay vì phân loại bằng sàng lọc cơ học hay cảm biến khối lượng? Các phương pháp sàng lọc bằng ống đục lỗ hay dây đai cơ học dễ gây va đập làm dập nát, trầy xước vỏ cà chua, trong khi phương pháp dùng cảm biến khối lượng (loadcell) chỉ đo được trọng lượng mà không đánh giá được độ chín (màu sắc) và vết hư hỏng. Phương pháp xử lý ảnh đảm bảo kiểm tra đồng thời cả màu sắc và kích thước mà không tiếp xúc vật lý gây tổn hại chất lượng nông sản.

2. Thuật toán trừ ảnh phân định màu sắc trong đồ án hoạt động theo nguyên lý nào? Thuật toán tách ảnh màu RGB thành 3 kênh màu riêng biệt ($A_R, A_G, A_B$) rồi trừ đi ảnh xám $A_{Gray}$ tương ứng. Với quả màu đỏ, giá trị kênh R vượt trội so với mức xám nên hiệu số $A_R - A_{Gray} > 0$ trong khi các kênh khác bằng 0 (ảnh đen). Ngược lại, quả màu xanh sẽ cho hiệu số kênh G dương. Từ việc kiểm tra kênh màu có giá trị khác 0, hệ thống xác định chính xác độ chín của quả.

3. Động cơ và hộp giảm tốc của hệ thống băng tải được tính toán với các thông số kỹ thuật nào? Hệ thống sử dụng động cơ DC Tsukasa 24V (công suất tính toán $P_{ct} = 30.4 \times 10^{-4}\text{ kW}$, tốc độ định mức 1820 vòng/phút, mô-men xoắn 98 mN.m) kết hợp hộp giảm tốc bánh răng trụ 2 cấp Japan Tsukasa có tỉ số truyền $u_{hgt} = 8.08$ ($u_n = 3.24; u_c = 2.49$) và bộ truyền đai có tỉ số truyền $u_đ = 3$, giúp băng tải vận hành ở tốc độ $0.07\text{ m/s}$ với sai số tỉ số truyền $0.26%$.

4. Mô hình xử lý dữ liệu và điều khiển cơ cấu chấp hành theo trình tự nào? Khi cà chua đi qua cảm biến hồng ngoại, tín hiệu kích hoạt gửi về Arduino và máy tính. Camera trong buồng ảnh chụp ảnh truyền về MATLAB để thực hiện lọc nhiễu, nhị phân hóa Otsu, nhận diện màu và tính diện tích pixel. Kết quả phân loại được MATLAB gửi ngược về Arduino qua cổng giao tiếp nối tiếp để kích hoạt động cơ servo 9G SG90 gạt quả vào đúng khay chỉ định, đồng thời ghi nhận dữ liệu vào tập tin Excel.

Kết luận

Đồ án tốt nghiệp "Mô hình phân loại cà chua" đã hoàn thành việc nghiên cứu, tính toán cơ điện tử và tích hợp thành công công nghệ thị giác máy tính trên nền tảng MATLAB và vi điều khiển Arduino. Hệ thống thực hiện hiệu quả nhiệm vụ nhận dạng, phân tách cà chua theo màu sắc độ chín và kích thước hình học một cách tự động, hạn chế tối đa tổn thương cơ học cho nông sản. Kết quả nghiên cứu cung cấp một mô hình kỹ thuật chi tiết, có giá trị ứng dụng thực tiễn cao trong việc tự động hóa khâu xử lý sau thu hoạch cho ngành nông nghiệp Việt Nam.