I. Tổng quan mô hình phân loại trái cây dùng xử lý ảnh ĐH SPKT TPHCM
Nghiên cứu thiết kế mô hình phân loại trái cây dùng xử lý ảnh ĐH SPKT TPHCM đánh dấu bước tiến quan trọng trong tự động hóa nông nghiệp. Đề tài thuộc ngành Công nghệ Kỹ thuật Cơ điện tử, Khoa Cơ khí Chế tạo máy. Hệ thống tích hợp đồng bộ giữa kỹ thuật cơ khí chính xác, phần cứng điều khiển và công nghệ thị giác máy tính. Quá trình kiểm tra chất lượng nông sản truyền thống đòi hỏi nhiều nhân công và thời gian. Sai sót do yếu tố con người thường xuyên xảy ra trong các chuỗi cung ứng nông sản lớn. Mô hình tự động tại ĐH SPKT TPHCM giải quyết triệt để vấn đề này nhờ tốc độ xử lý nhanh. Thiết bị ứng dụng thuật toán phân tích màu sắc RGB, HSV và không gian màu CIE LAB để nhận diện quả chín. Kết quả đánh giá diễn ra liên tục ngay trên dây chuyền băng tải vận hành tốc độ cao. Dữ liệu xử lý được truyền trực tiếp đến bộ điều khiển trung tâm để kích hoạt cơ cấu gạt phân loại. Dự án mang tính ứng dụng thực tiễn cao, đáp ứng các tiêu chuẩn khắt khe trong bảo quản nông sản xuất khẩu hiện đại.
1.1. Mục tiêu và phạm vi nghiên cứu của đề tài
Đề tài tập trung nghiên cứu giải pháp phân loại trái cây tự động theo phẩm cấp độ chín và kích thước hình thái. Phạm vi thử nghiệm áp dụng trực tiếp cho các loại quả có hình khối cầu như cam và quýt. Hệ thống hướng đến mục tiêu đạt tỷ lệ nhận dạng chính xác trên 90 phần trăm trong điều kiện ánh sáng ổn định. Nghiên cứu đồng thời tối ưu hóa thời gian tính toán của thuật toán xử lý ảnh trên nền tảng nhúng giá rẻ. Cơ cấu phân loại cơ khí phải đảm bảo không làm tổn hại đến bề mặt vỏ trái cây trong quá trình phân phối vào các khay chứa riêng biệt.
1.2. Ý nghĩa thực tiễn đối với nông nghiệp công nghệ cao
Nền nông nghiệp Việt Nam đang chuyển dịch mạnh mẽ theo xu hướng chuyển đổi số và tự động hóa khâu sau thu hoạch. Việc hoàn thiện hệ thống phân loại tự động tại các cơ sở chế biến giúp nâng tầm giá trị nông sản thương phẩm. Hệ thống giúp doanh nghiệp tiết kiệm đáng kể chi phí thuê mướn lao động thời vụ. Chất lượng sản phẩm đầu ra luôn giữ mức đồng đều tuyệt đối trước khi đóng gói xuất khẩu. Nghiên cứu từ Trường Đại học Sư phạm Kỹ thuật TPHCM mang lại một giải pháp công nghệ nội địa hóa hoàn toàn. Mô hình này mở ra tiềm năng thương mại hóa rộng rãi nhờ chi phí đầu tư thiết bị rất cạnh tranh.
II. Vấn đề phân loại trái cây thủ công và bài toán xử lý ảnh ĐH SPKT
Phương thức phân loại trái cây thủ công truyền thống bộc lộ rất nhiều hạn chế trong dây chuyền sản xuất lớn. Nhân công dễ mệt mỏi sau nhiều giờ làm việc liên tục. Tình trạng mỏi mắt dẫn đến sai sót nghiêm trọng trong đánh giá độ chín và phát hiện vết lỗi trên bề mặt quả. Tốc độ làm việc bằng tay chậm chạp, không đáp ứng kịp sản lượng mùa vụ thu hoạch cao điểm. Trái cây dồn ứ lâu ngày dễ bị hư hỏng, thối rữa và gây tổn thất kinh tế nặng nề cho nhà vườn. Thêm vào đó, việc tiếp xúc cơ học trực tiếp bằng tay làm tăng nguy cơ lây nhiễm vi sinh vật qua vỏ trái cây. Mặt khác, việc xây dựng hệ thống thị giác máy tính tự động cũng đối mặt với nhiều thách thức kỹ thuật nan giải. Sự thay đổi phức tạp của ánh sáng môi trường thực tế làm sai lệch các thông số kênh màu RGB. Hình dạng trái cây tự nhiên không bao giờ hoàn toàn tròn đều tuyệt đối. Vấn đề bóng đổ và phản xạ ánh sáng trên vỏ quả gây nhiễu nghiêm trọng cho thuật toán phân đoạn hình ảnh.
2.1. Giới hạn cố hữu của phân loại bằng mắt thường
Phương pháp phân loại thủ công dựa hoàn toàn vào cảm tính chủ quan của người lao động. Mỗi công nhân áp dụng một tiêu chuẩn nhận định màu sắc và kích thước khác nhau. Sự thiếu đồng nhất này khiến chất lượng nông sản đóng gói không đạt độ tin cậy cao. Năng suất lao động giảm sút mạnh sau ca làm việc kéo dài liên tục. Chi phí nhân công tăng vọt vào những tháng cao điểm thu hoạch mùa màng. Ngoài ra, việc cầm nắm quả liên tục gây ra tình trạng bầm dập và trầy xước biểu bì quả. Các vết thương hở tạo điều kiện thuận lợi cho nấm mốc phát triển nhanh chóng, làm giảm thời hạn lưu trữ nông sản.
2.2. Nhiễu ánh sáng và tính biến thiên bề mặt nông sản
Thị giác máy tính xử lý nông sản gặp trở ngại lớn từ điều kiện chiếu sáng nhà xưởng. Cường độ nguồn sáng tự nhiên thay đổi liên tục theo các khung giờ trong ngày. Hiện tượng này làm trôi giá trị pixel trên cảm biến quang học của camera số. Không gian màu RGB truyền thống trở nên kém hiệu quả do độ nhạy cao với biến động ánh sáng. Bên cạnh đó, bề mặt vỏ trái quýt có độ gồ ghề và phản quang phức tạp. Các vùng lóa sáng tạo ra tín hiệu giả trong bước nhị phân hóa ảnh. Quả có cuống lá hoặc đốm sẹo tự nhiên dễ bị nhận định nhầm thành quả sâu hỏng nếu thuật toán không được thiết kế bộ lọc nhiễu chuẩn xác.
III. Thiết kế hệ thống phân loại trái cây dùng xử lý ảnh tại ĐH SPKT
Nhóm nghiên cứu tại ĐH SPKT TPHCM đề xuất mô hình phân loại tích hợp cơ điện tử hoàn chỉnh. Cấu trúc hệ thống bao gồm buồng chụp ảnh kín gắn đèn LED chuyên dụng, băng tải con lăn và cụm cơ cấu phân loại servo. Buồng chụp ảnh bảo đảm nguồn sáng đồng nhất, loại bỏ hoàn toàn nhiễu quang học từ môi trường bên ngoài. Kit xử lý trung tâm Raspberry Pi 3 đảm nhận chức năng điều phối toàn bộ chu trình vận hành. Bộ vi xử lý SoC Broadcom BCM2835 tiếp nhận luồng hình ảnh kỹ thuật số từ camera để trích xuất đặc trưng. Không gian màu HSV và CIE LAB được khai thác nhằm phân lập chính xác thành phần sắc độ tách biệt với cường độ sáng. Khi camera phát hiện trái cây đi vào khu vực quét, hình ảnh được chụp tức thời và nạp vào thuật toán nhận diện. Sau khi phân tích xong chất lượng và kích cỡ, Raspberry Pi gửi tín hiệu kích hoạt động cơ servo MG995. Cánh gạt servo chuyển động chính xác với góc 180 độ để đưa quả vào đúng khay theo loại.
3.1. Thuật toán trích xuất đặc trưng và xử lý ảnh
Thuật toán xử lý ảnh chuyển đổi khung hình gốc từ định dạng RGB sang không gian màu HSV và CIE LAB. Việc tách biệt kênh độ sáng L* giúp duy trì độ ổn định cao trước các biến đổi quang học nhỏ. Kênh a* và b* phản ánh chân thực sắc tố vỏ quả từ xanh lá đến vàng chín. Thuật toán áp dụng kỹ thuật phân ngưỡng Otsu tự động để nhị phân hóa ảnh, khoanh vùng chính xác đối tượng quả quýt. Sau đó, các thao tác hình thái học gồm xói mòn và giãn nở loại bỏ nhiễu biên và bụi bẩn. Hệ thống tính toán diện tích pixel để ước lượng đường kính quả, phân loại song song phẩm cấp màu và kích cỡ.
3.2. Cấu trúc cơ khí băng tải và cơ cấu chấp hành
Hệ thống cơ khí sử dụng động cơ giảm tốc JGB37-520 kéo băng tải mini vận chuyển quả liên tục. Mô-men xoắn động cơ được tính toán đủ tải để vận hành êm ái khi quả quýt có khối lượng 200 gam di chuyển. Cụm cơ cấu gạt sử dụng động cơ servo MG995 với bánh răng kim loại chịu lực kéo tới 15 kg/cm. Động cơ servo phản hồi nhanh chóng với góc xoay chuẩn xác 180 độ để đổi hướng trái cây. Mạch nguồn trang bị mạch giảm áp Buck DC-DC hiệu suất 92 phần trăm và mô-đun L298N. Cấu hình này cung cấp dòng điện 5V/3A ổn định cho bo mạch Raspberry Pi và động cơ chấp hành.
IV. Ứng dụng thực tiễn mô hình phân loại trái cây xử lý ảnh ĐH SPKT
Đề tài nghiên cứu thiết kế mô hình phân loại trái cây sử dụng xử lý ảnh tại ĐH SPKT TPHCM đã hoàn thành xuất sắc các mục tiêu kỹ thuật đề ra. Mô hình chứng minh tính khả thi cao khi kết hợp thị giác máy tính với cơ cấu chấp hành tự động. Hệ thống vận hành ổn định trong suốt các đợt kiểm thử với tỷ lệ nhận dạng phân loại chính xác vượt mức 90 phần trăm. Nền tảng phần cứng Raspberry Pi 3 cho thấy khả năng xử lý hình ảnh mượt mà, phản hồi kịp thời tín hiệu điều khiển. Chi phí chế tạo hệ thống ở mức rất hợp lý, thấp hơn nhiều so với dây chuyền ngoại nhập. Kết quả nghiên cứu mở ra triển vọng ứng dụng to lớn tại các trang trại hợp tác xã và xưởng chế biến nông sản vừa và nhỏ. Thiết bị có thể mở rộng thuật toán để phân loại nhiều loại nông sản khác như cà chua, thanh long hay xoài. Việc áp dụng dây chuyền tự động này góp phần chuẩn hóa quy trình phân hạng nông sản, giảm thiểu hao hụt sau thu hoạch và nâng cao sức cạnh tranh của hàng hóa Việt trên thị trường quốc tế.
4.1. Hiệu quả kinh tế và tối ưu hóa vận hành nhà xưởng
Ứng dụng mô hình phân loại tự động giúp cắt giảm hơn 60 phần trăm chi phí nhân công đóng gói nông sản. Năng suất lao động của nhà máy tăng gấp ba lần so với phương pháp thủ công thông thường. Tốc độ phân loại liên tục giải phóng nhanh chóng khối lượng nông sản tồn ứ trong kho chứa. Sản phẩm đóng thùng đồng đều về kích thước và màu sắc, tạo lợi thế đàm phán giá bán cao hơn. Hệ thống vận hành bền bỉ với nguồn điện công suất thấp, giảm tải đáng kể hóa đơn tiền điện. Tỷ lệ hư hao nông sản do tác động ngoại lực giảm xuống dưới mức một phần trăm nhờ cơ cấu truyền động êm dịu.
4.2. Hướng phát triển tích hợp trí tuệ nhân tạo và IoT
Nền tảng nghiên cứu này mở đường cho việc tích hợp các mô hình học sâu hiện đại như YOLO và CNN. Mạng nơ-ron tích chập giúp nâng cao khả năng phát hiện vết sâu bệnh li ti ẩn sâu dưới vỏ quả. Kết nối vạn vật IoT có thể tích hợp thông qua mạng Wi-Fi sẵn có trên Raspberry Pi 3. Hệ thống cho phép truyền tải dữ liệu phân loại theo thời gian thực lên máy chủ đám mây. Người quản lý xưởng dễ dàng theo dõi sản lượng và tỷ lệ quả đạt chuẩn từ xa qua điện thoại thông minh. Khả năng đồng bộ hóa này đóng góp trực tiếp vào mục tiêu chuyển đổi số nông nghiệp thông minh tại Việt Nam.
