CHƯƠNG 1 GIỚI THIỆU 1.1 GIỚI THIỆU Trong thời đại phát triển hiện nay, việc áp dụng các công nghệ và kỹ thuật hiện đại vào cuộc sống đã trở nên phổ biến, và nông nghiệp cũng không ngoại lệ. Một trong những lĩnh vực đang nhận được sự quan tâm là phân loại trái cây thông qua ứng dụng các thiết bị thông minh để tăng năng suất. Nhóm nghiên cứu hiện đang phát triển các thuật toán máy học và trí tuệ nhân tạo (AI) nhằm xử lý dữ liệu và tạo ra các thiết bị hỗ trợ phân loại trái cây theo chất lượng, màu sắc, kích thước, và nhiều thông tin khác. Các phương pháp sử dụng kỹ thuật xử lý ảnh, xử lý tín hiệu và thuật toán AI đang được nghiên cứu để đạt độ chính xác cao và đáng tin cậy hơn trong việc phân loại trái cây.
Trong lĩnh vực nghiên cứu mạng nơron học sâu (Deep learning Network), nhiều ứng dụng của mạng nơron học sâu đã được áp dụng rộng rãi trong các lĩnh vực khoa học, kỹ thuật và cuộc sống hàng ngày. Một ví dụ điển hình là mạng nơron học sâu CNN (Convolutional Neural Network), được sử dụng để nhận dạng và phân loại tự động thông qua việc xếp chồng các lớp liên tiếp. CNN đã đóng góp vào sự phát triển của lĩnh vực Thị giác máy tính (Computer Vision) và giúp cải thiện quá trình học sâu. Tuy nhiên, việc áp dụng công nghệ CNN đòi hỏi tài nguyên tính toán, băng thông và khả năng xử lý phần cứng của thiết bị.
Để giảm sự tiêu thụ tài nguyên này, đã có sự phát triển các thuật toán và mô hình giải thuật, trong đó mô hình YOLOv4 (You Only Look Once version 4) là một lựa chọn phù hợp để giải quyết bài toán nhận diện đối tượng. Mô hình YOLOv4 có khả năng phát hiện và phân loại đối tượng một cách nhanh chóng và hiệu quả, và được nhóm nghiên cứu sử dụng cho đề tài phân loại trái cây. Phân loại trái cây đa dạng và có ứng dụng rộng trong nhiều lĩnh vực, từ việc hỗ trợ sản xuất và phân phối trái cây cho đến chăm sóc sức khỏe và thực phẩm. 1 Trong dự án mà nhóm đề cập là "Thiết kế và thi công mô hình phân loại trái cây theo chất lượng", mục tiêu chính là phát triển một hệ thống phân loại trái cây có khả năng nhận diện các quả trái cây không đạt chuẩn hoặc bị thối trong một lượng lớn.
Điều này giúp quá trình phân loại trở nên nhanh chóng, hiệu quả và mang lại lợi ích kinh tế. Các ứng dụng của hệ thống phân loại trái cây này có thể làm đa dạng. Ví dụ, các nhà nông có thể sử dụng nó để tăng cường hiệu quả sản xuất và phân phối bằng cách nhanh chóng tách ra những quả không đạt chuẩn và thối từ hàng loạt trái cây. Điều này giúp giảm thiểu lãng phí và nâng cao chất lượng sản phẩm.
Ngoài ra, các doanh nghiệp thực phẩm có thể sử dụng hệ thống này để đảm bảo chất lượng sản phẩm và đáp ứng các yêu cầu chất lượng từ khách hàng. Đồng thời, việc áp dụng công nghệ phân loại trái cây dựa trên chất lượng cũng góp phần quan trọng trong việc đảm bảo an toàn thực phẩm và sức khỏe con người. Nhờ quá trình phân loại nhanh chóng và chính xác, các trái cây không đạt chuẩn hoặc bị thối có thể được loại bỏ trước khi tiếp xúc với người tiêu dùng, giảm nguy cơ gây hại cho sức khỏe.2 MỤC TIÊU ĐỀ TÀI Đề tài được thực hiện nhằm thiết kế và thi công mô hình phân loại trái cây theo chất lượng với các chức năng sau: - Thu nhận dữ liệu hình ảnh trái cây qua camera truyền đến khối xử lí trung tâm, phân tích dữ liệu nhận được thông qua thuật toán AI đã được huấn luyện để đưa ra những tác vụ thực hiện phân loại trên mô hình. - Kiểm tra đánh giá vài phân loại trái cây dựa theo tiêu chuẩn chất lượng.
- Giao diện người dùng giúp người dùng có thể thao tác và kiểm soát mô hình một cách thuận tiện. - Khả năng cập nhật dữ liệu, thống kê số lượng trái cây tươi và trái cây hỏng để đáp ứng nhu cầu của người dùng về quản lí sản phẩm.3 GIỚI HẠN ĐỀ TÀI Vớiimục tiêu đã đề ra trong phần 1.2, nhóm đặt hy vọng xây dựngimột hệ thống tốiiưu nhằm đáp ứng yêu cầu củaingười dùng. Tuy nhiên, do đề tàiicó giới hạn vềithời gian và kinhiphí, nhóm sẽ phải đối mặt với một số hạn chế. - Thứ nhất, thời gian là yếuitố quan trọng.
Để hoàn thành dự án trong khung thời gian nhất định, nhóm sẽ tuân thủ lịch trình và quản lý thời gian hiệu quả. Điều này có thểidẫn đến giới hạn về phạm vi công việc và yêu cầu sự tập trung cao đối với tiến độ. - Thứ hai, sẽ sử dụng máy tính trực tiếp để kết nối và xử lý dữ liệu thay vì sử dụng viiđiều khiển. - Thứ ba, camera sẽ phải hoạt động trongimôi trường đủ sáng và không bị ảnh hưởng bởi các yếu tố bên ngoài.
Điều này đảm bảoichất lượng và độ chính xác trong quá trình phân loại trái cây. - Thứ tư, do hạn chế về tài nguyên và kinh phí, hiệu suất của hệ thống có thể không đạt được mức tối đa. Tuy nhiên, nhóm sẽ cố gắng tối ưu hóa các thành phần vàicông nghệ sử dụng để đạt được hiệuisuất tốt nhất trong phạm vi giới hạn. Mô hình hiện tại của nhóm chỉ có tính chất nghiên cứu và học thuật, chưa được áp dụng vàoithực tế.
Mặc dù gặp nhiều hạn chế, nhóm sẽ nỗ lực để tạo ra một hệ thốngitối ưu và đápiứng yêu cầu của ngườiidùng trong khả năng của mình.4 PHƯƠNG PHÁP NGHIÊN CỨU Để hoànithành đề tài, nhómiđã sử dụng cáciphương pháp sau để nghiênicứu và phát triển hệ thống phân loại tráiicây: - Phương pháp nghiên cứuitài liệu: Nhóm đã thamikhảo giáo trình lý thuyết và ôn tập kiến thức đã được học trong quá trình đào tạo. Đồng thời, chúng tôi đã tìm hiểu và nghiên cứu các tài liệu trên Internet và các đồ án thực hiện trong lĩnh vực tương tự để bổ sung kiến thức. - Phương pháp tham quan thực tế: Nhóm đã tiến hành quan sát các mô hình phân loại sản phẩm tại các công ty để nắm bắt chức năng và 3 phương pháp phù hợp. Từ đó, chúng tôi đã thu thập thông tin và kinh nghiệm từ các ứng dụng thực tếitrong lĩnh vực tương tự.
- Phương pháp thiếtikế và thực nghiệm: Dựa trên kiến thứciđã thu thập và sự hướngidẫn của giảng viên, nhóm đã lựaichọn và áp dụng các phương pháp thiết kế và thực nghiệm phù hợp và tối ưu nhất. Chúng tôi đã tiến hành các giai đoạn thiết kế và thực nghiệm để xâyidựng và kiểm tra hiệu quả của hệ thống phân loại trái cây. Bằng cách kết hợp các phương pháp nghiên cứu trên, nhóm hy vọng sẽ hoàn thành đề tài một cách chính xác và hiệu quả, đáp ứng yêu cầu đề ra.5 ĐỐI TƯỢNG VÀ PHẠM VI NGHIÊN CỨU Đốiitượng nghiên cứu: - Viiđiều khiển Arduino Nano: Đây là boimạch vi điều khiển nhỏ gọn và phổibiến trong ứng dụng điện tử. Vi điềuikhiển này sẽ được sửidụng để điều khiển các module và linh kiện khác trong hệ thống.
- Các module và linh kiện cần thiết: Bao gồm Module thu phátihồng ngoại MH-IR01 để thu nhận tín hiệu hồng ngoại, Servo MG996R để điều khiển cơ cấu đẩy trái cây, IC ổn áp 7805 để cung cấp nguồn ổn định, Động cơ giảm tốc LS220 để di chuyển băng chuyền, Module Relay 5V để điều khiển bật/tắt thiết bị ngoại vi và Web cam w1 1080p để thu nhận hình ảnh của trái cây. - Phần mềm lậpitrình: Nhóm sẽ sử dụng Python IDE đểilập trình cho việc xử lý và phân tích hìnhiảnh, và Arduino IDE để lập trình vi điều khiển Arduino Nano. Phạm vi nghiên cứu của đề tàiibao gồm: - Tìm hiểu về boardimạch Arduino Nano, các moduleivà linh kiện cầnithiết: Nhóm sẽ nghiên cứu về các tính năng, cách sử dụng và kết nối các module và linh kiện này với vi điềuikhiển. - Lậpitrình vi điều khiển và các module và linh kiện: Nhóm sẽ thực hiện việc lập trình để điều khiểnivà tương tác giữa viiđiều khiển Arduino Nano với các module và linh kiện khác trong hệ thống.
4 - Nắm vững ngôn ngữ Python: Nhóm sẽ tìm hiểu và áp dụng ngôn ngữ Python để xử lý và phân tích hình ảnh thuiđược từ camera. - Tìm hiểu về mô hình YOLOv4 trong việc xử lý và phânitích hình ảnh: Nhóm sẽ nghiên cứu và áp dụng mô hìnhiYOLOv4 (You Only Look Once version 4) để xử lý và phân tích hình ảnh của trái cây. Tổng cộng, đề tài tập trung vào nghiên cứu phần cứng (vi điềuikhiển, module và linh kiện) và phần mềm (lập trình và xử lý hình ảnh), nhằm xây dựng một hệ thống phân loạiitrái cây hiệu quả.6 BỐ CỤC QUYỂN BÁO CÁO Bốicục báo cáo được nhóm thựcihiên chia làm năm chương như sau: Chươngi1: Tổngiquan Giớiithiệu sơ lược về mục tiêu, tầm quanitrọng, tình hình hiện nay và cũng như phươngipháp nghiên cứu của đề tài. Chươngi2: Cơisở lý thuyết Nêu rõ cơisở lý thuyết, chiitiết các kiến thức cầnithiết sẽ được ápidụng trong đề tài này.
Chươngi3: Thiếtikế hệ thống Trình bày về hệ thống nguyênilý hoạt động. Đề ra nguyênilý làm việc và lưu đồ giải thuậticủa hệ thống. Thiết kế phầnicứng và phầnimềm của hệ thống. Chươngi4: Kếtiquả Tổngihợp lại kết quả tổngiquan của đềitài.
Chươngi5: Kếtiluận và hướng phátitriển Nêu lên những điềuiđã làm được, ưu và nhược điểm của hệithống. Từ đó đưa raihướng phát triển cũng như phạmivi sử dụng của đề tài trong tươngilai gần. 5 CHƯƠNG 2 CƠ SỞ LÝ THUYẾT Trong nhữnginăm gần đây, việc áp dụng trí tuệ nhân tạo vào phát hiện đốiitượng đã trở thành một đề tài rất phổ biến và được quan tâm bởi nhiều quốc gia trên thế giới. Các ứng dụng của nó mang lại hiệu quả cao và dễ dàng chuẩn bị dữ liệu đầu vào.
Sự xuất hiện của các thuật toán mới nhưiYOLO, SSD. đã giúp tăng tốc độ và độichính xác trong việc nhận diện đốiitượng. Các thuật toán này cho phép thực hiện các tác vụ gần như trong thời gian thực, thậm chí nhanh hơn cả khả năng của con người mà vẫn đảm bảo độichính xác. Đồng thời, các mô hìnhicũng trở nên nhẹ nhàng hơn, tiêu tốn ít tài nguyên hơn và có thể hoạt động trên nhiều thiết bịithông minh.1 TỔNG QUAN VỀ MẠNG YOLO 2.1 Khái quát về mạng YOLO Mạng YOLOi(You Only Look Once) là mộtimô hình thuật toán phát hiện đốiitượng trong hình ảnh hoặc video, được tạo ra bởi nhóm tác giả Joseph Redmon et al.
Mô hình YOLO sử dụng kiến trúc mạng thần kinh học sâu để nhận dạng các đốiitượng trong hình ảnh.