Đồ án: Hệ thống phân loại trái cây dùng Raspberry Pi, Arduino & Xử lý ảnh

Đồ án tốt nghiệp: Ứng dụng xử lý ảnh phân loại trái cây tự động dùng Raspberry Pi và Arduino. Tìm hiểu giải pháp hiệu quả, tối ưu chi phí.

Người đăng

Ẩn danh

Thể loại

Đồ án tốt nghiệp

2022

95
1
0

Phí lưu trữ

35 Point

Mục lục chi tiết

NHẬN XÉT ĐỒ ÁN TỐT NGHIỆP

NHẬN XÉT PHẢN BIỆN ĐỒ ÁN TỐT NGHIỆP

TÓM TẮT

NHIỆM VỤ ĐỒ ÁN TỐT NGHIỆP

LỜI NÓI ĐẦU

DANH SÁCH CÁC HÌNH VẼ

DANH SÁCH CÁC BẢNG

DANH SÁCH CÁC KÝ HIỆU, CHỮ VIẾT TẮT

MỞ ĐẦU

1. CHƯƠNG 1: TỔNG QUAN

1.1. Tổng quan công nghệ chế biến trái cây tại Việt Nam

1.1.1. Khái quát ngành kinh tế chế biến trái cây ở Việt Nam

1.1.2. Nhu cầu và định hướng phát triển chung ngành chế biến phân loại trái cây ở Việt Nam

1.1.3. Kết luận về công nghệ chế biến trái cây

1.2. Giải pháp yêu cầu thiết bị phân loại trái cây

1.2.1. Các trường hợp cần phân loại

1.2.2. Các phương pháp phân loại trái cây

1.3. Bài toán công nghệ đặt ra và lựa chọn giải pháp

1.3.1. Bài toán công nghệ đặt ra

1.3.2. Đề xuất mô hình phân loại trái cây trên băng tải tự động

1.4. Tổng quan hệ thống phần mềm

1.4.1. Hệ điều hành

1.4.2. Thư viện xử lý ảnh

1.4.3. Ngôn ngữ lập trình

1.5. Lý do chọn đề tài

2. CHƯƠNG 2: CƠ SỞ LÝ THUYẾT VÀ CÔNG NGHỆ

2.1. Tổng quan về xử lý ảnh

2.1.1. Thu nhận ảnh (Image Accquisition)

2.1.2. Phân đoạn (Segmentation) hay phân vùng ảnh

2.1.3. Biểu diễn ảnh (Image Representation)

2.1.4. Nhận dạng và nội suy ảnh (Image Recognition and Interpretation)

2.1.5. Cơ sở tri thức (Knowledge Base)

2.1.6. Những vấn đề trong xử lí ảnh

2.1.7. Các phép toán hình thái Morphology

2.2. Tìm hiểu về Raspberry Pi 3

2.2.1. Thông tin cấu hình Raspberry Pi 3

2.2.2. Ưu điểm của Raspberry Pi

2.2.3. Ứng dụng của Raspberry Pi

2.3. Giới thiệu về Arduino

2.3.1. Sơ đồ chân của Arduino

2.4. Giới thiệu về Camera Pi

2.5. Cảm biến hồng ngoại E18-D80NK

2.5.1. Thông số kỹ thuật

2.5.2. Cấu tạo và nguyên lý hoạt động

2.6. Động cơ Servo MG996G

2.6.1. Giới thiệu động cơ Servo MG996G

2.7. Hệ thống băng tải

2.8. Hệ điều hành trên Raspberry Pi

2.9. Giới thiệu ngôn ngữ Python và thư viện OpenCV

2.9.1. Ngôn ngữ Python

2.9.2. Thư viện OpenCV

2.10. Các chuẩn giao tiếp

2.10.1. Chuẩn giao tiếp UART

2.10.2. Chuẩn giao tiếp I2C

3. CHƯƠNG 3: TÍNH TOÁN VÀ THIẾT KẾ

3.1. Tính toán và thiết kế hệ thống

3.1.1. Thiết kế sơ đồ khối hệ thống

3.1.2. Sơ đồ kết nối hệ thống

3.1.3. Sơ đồ kết nối toàn mạch

4. CHƯƠNG 4: THI CÔNG HỆ THỐNG

4.1. Thi công hệ thống

4.1.1. Chuẩn bị phần cứng

4.1.2. Lắp ráp và kiểm tra

4.1.3. Lập trình hệ thống

4.1.3.1. Lưu đồ giải thuật trên Arduino
4.1.3.2. Lưu đồ thuật toán xử lý ảnh trên Raspberry Pi 3

4.1.4. Hướng dẫn sử dụng và thao tác

4.1.5. Mô hình hoàn thiện

4.1.6. Kết quả tách biên nhận diện từ các quả

4.1.7. Nhận xét và đánh giá

TÀI LIỆU THAM KHẢO

Tóm tắt

I. Phân Loại Trái Cây Tự Động Tương Lai Nông Nghiệp Thông Minh

Trong bối cảnh ngành nông nghiệp Việt Nam đang chuyển mình mạnh mẽ, việc ứng dụng công nghệ cao vào sản xuất và sau thu hoạch là một yêu cầu cấp thiết. Hệ thống phân loại trái cây tự động sử dụng Raspberry Pixử lý ảnh nổi lên như một giải pháp đột phá, hứa hẹn thay đổi toàn diện quy trình chế biến nông sản. Thay vì phụ thuộc vào lao động thủ công với nhiều hạn chế, công nghệ này mang đến độ chính xác, tốc độ và tính nhất quán vượt trội. Nền tảng của hệ thống là sự kết hợp giữa hệ thống nhúng mạnh mẽ như Raspberry Pi, khả năng xử lý hình ảnh của thư viện OpenCV, và sự linh hoạt của vi điều khiển Arduino. Nghiên cứu “Ứng dụng xử lý ảnh trong hệ thống phân loại trái cây sử dụng Raspberry và Arduino” của nhóm sinh viên Đại học Sư phạm Kỹ thuật Đà Nẵng đã chứng minh tính khả thi và hiệu quả của giải pháp này. Mô hình không chỉ là một đồ án tốt nghiệp phân loại trái cây tiêu biểu mà còn mở ra hướng đi mới cho nông nghiệp thông minh, giúp nâng cao giá trị gia tăng cho nông sản Việt Nam. Bằng cách tự động hóa khâu phân loại, các doanh nghiệp có thể giảm chi phí nhân công, tối ưu hóa thời gian và đảm bảo chất lượng sản phẩm đồng đều, đáp ứng các tiêu chuẩn xuất khẩu khắt khe. Đây là bước tiến quan trọng, tạo tiền đề cho việc xây dựng các dây chuyền sản xuất hiện đại, cạnh tranh và bền vững.

1.1. Tầm quan trọng của tự động hóa trong phân loại nông sản

Tự động hóa trong phân loại nông sản đóng vai trò then chốt trong việc nâng cao năng suất và chất lượng. Các phương pháp thủ công thường gặp phải vấn đề về tốc độ chậm, thiếu nhất quán và chi phí nhân công cao. Một hệ thống tự động có thể hoạt động liên tục 24/7 mà không mệt mỏi, đảm bảo sản phẩm đầu ra được phân loại đồng đều theo các tiêu chí nghiêm ngặt về màu sắc, kích thước và hình dạng. Điều này đặc biệt quan trọng đối với thị trường xuất khẩu, nơi yêu cầu chất lượng sản phẩm là yếu tố quyết định. Hơn nữa, việc giảm thiểu sự tiếp xúc của con người với nông sản giúp đảm bảo vệ sinh an toàn thực phẩm, một vấn đề được người tiêu dùng ngày càng quan tâm.

1.2. Giới thiệu tổng quan về hệ thống nhúng Raspberry Pi

Raspberry Pi là một máy tính đơn bo mạch (single-board computer) nhỏ gọn nhưng sở hữu khả năng xử lý mạnh mẽ. Với CPU, RAM, các cổng kết nối USB, HDMI và đặc biệt là các chân GPIO Raspberry Pi, nó trở thành bộ não lý tưởng cho các hệ thống nhúng thông minh. Trong ứng dụng phân loại trái cây, Raspberry Pi chịu trách nhiệm chính cho các tác vụ phức tạp như thu nhận hình ảnh từ camera, chạy các thuật toán thị giác máy tính để phân tích và đưa ra quyết định phân loại. Khả năng chạy hệ điều hành dựa trên Linux (như Raspbian) và hỗ trợ các ngôn ngữ lập trình mạnh mẽ như Python giúp việc phát triển ứng dụng trở nên linh hoạt và hiệu quả, đặc biệt khi kết hợp với các thư viện chuyên dụng.

II. Hướng Dẫn Vượt Qua Thách Thức Phân Loại Trái Cây Thủ Công

Ngành công nghiệp chế biến trái cây tại Việt Nam đối mặt với nhiều thách thức lớn, trong đó nổi bật là sự phụ thuộc vào phương pháp phân loại thủ công. Phương pháp này bộc lộ nhiều nhược điểm cố hữu, trực tiếp ảnh hưởng đến năng suất và khả năng cạnh tranh. Tốc độ phân loại chậm, không đáp ứng được sản lượng lớn trong mùa thu hoạch cao điểm, dẫn đến ùn ứ và hư hỏng nông sản. Độ chính xác không đồng đều do phụ thuộc vào cảm tính và sự mệt mỏi của người lao động, làm giảm chất lượng tổng thể của lô hàng. Chi phí nhân công cao và khó quản lý cũng là một bài toán đau đầu cho các doanh nghiệp. Để giải quyết những vấn đề này, bài toán công nghệ đặt ra là cần xây dựng một hệ thống phân loại trái cây tự động hiệu quả với chi phí hợp lý. Hệ thống này phải có khả năng phân loại theo màu sắc để xác định độ chín, phân loại theo kích thước và hình dạng để đáp ứng các tiêu chuẩn khác nhau. Giải pháp đề xuất trong nghiên cứu là một mô hình tích hợp băng chuyền tự động, camera giám sát và bộ xử lý trung tâm, có khả năng tự động hóa hoàn toàn quy trình, từ đó nâng cao độ chính xác, tăng năng suất và giảm thiểu sai sót do con người gây ra. Đây là một bước đi chiến lược để hiện đại hóa ngành chế biến phân loại nông sản.

2.1. Phân tích nhược điểm của phương pháp phân loại thủ công

Phương pháp phân loại thủ công, mặc dù đơn giản và không cần đầu tư máy móc, nhưng lại là rào cản lớn cho sự phát triển. Nhược điểm chính bao gồm: năng suất thấp do tốc độ làm việc của con người có giới hạn; độ chính xác không cao và thiếu nhất quán, phụ thuộc vào kinh nghiệm và trạng thái tâm lý của công nhân; chi phí nhân công ngày càng tăng; và không đảm bảo vệ sinh an toàn thực phẩm do tiếp xúc trực tiếp. Những hạn chế này làm giảm giá trị cạnh tranh của nông sản Việt Nam trên thị trường quốc tế.

2.2. Bài toán công nghệ Yêu cầu cho hệ thống phân loại tự động

Một hệ thống phân loại tự động hiệu quả cần đáp ứng các yêu cầu cốt lõi. Thứ nhất, hệ thống phải có khả năng nhận dạng đối tượng một cách chính xác, phân biệt được các loại trái cây khác nhau. Thứ hai, nó phải thực hiện được việc phân loại dựa trên các đặc trưng quan trọng như màu sắc (xanh, chín) và kích thước (lớn, nhỏ). Thứ ba, tốc độ xử lý phải đủ nhanh để theo kịp tốc độ của băng chuyền tự động. Cuối cùng, hệ thống cần có chi phí đầu tư và vận hành hợp lý, phù hợp với quy mô của các doanh nghiệp vừa và nhỏ tại Việt Nam.

III. Phương Pháp Xây Dựng Hệ Thống Thị Giác Máy Tính với OpenCV

Trái tim của hệ thống phân loại trái cây tự động là công nghệ thị giác máy tính được triển khai trên Raspberry Pi. Giải pháp này sử dụng sức mạnh của ngôn ngữ lập trình Python kết hợp với thư viện mã nguồn mở OpenCV (Open Source Computer Vision Library) để phân tích hình ảnh thu được từ camera. Quy trình xử lý bắt đầu bằng việc thu nhận ảnh (Image Acquisition) thông qua Camera Module Raspberry Pi. Hình ảnh sau đó được đưa vào giai đoạn tiền xử lý để loại bỏ nhiễu và tăng cường chất lượng. Bước quan trọng tiếp theo là phân đoạn ảnh (Segmentation), nơi hệ thống tách đối tượng trái cây ra khỏi nền. Dựa trên các thuật toán của OpenCV, hệ thống tiến hành trích xuất các đặc trưng quan trọng như màu sắc trung bình, diện tích, và đường viền của đối tượng. Python cho Raspberry Pi đóng vai trò là ngôn ngữ kịch bản, điều phối toàn bộ quá trình, từ việc gọi các hàm xử lý ảnh của OpenCV đến việc gửi tín hiệu điều khiển đến các cơ cấu chấp hành. Sự kết hợp này tạo ra một hệ thống xử lý thông minh, có khả năng đưa ra quyết định phân loại chỉ trong vài mili giây. Đây là một ví dụ điển hình về ứng dụng thị giác máy tính trong công nghiệp, biến một chiếc máy tính nhúng giá rẻ thành một công cụ kiểm soát chất lượng mạnh mẽ.

3.1. Vai trò của Python cho Raspberry Pi và thư viện OpenCV

Python là ngôn ngữ lập trình được lựa chọn hàng đầu cho các dự án trên Raspberry Pi nhờ cú pháp đơn giản, rõ ràng và hệ sinh thái thư viện phong phú. Đặc biệt, thư viện OpenCV cung cấp một bộ công cụ toàn diện với hơn 2500 thuật toán tối ưu hóa cho các tác vụ thị giác máy tínhhọc máy (Machine Learning). Sự kết hợp giữa Python cho Raspberry PiOpenCV cho phép các nhà phát triển nhanh chóng xây dựng các ứng dụng phức tạp như nhận dạng đối tượng, theo dõi chuyển động và phân tích hình ảnh mà không cần viết mã từ đầu.

3.2. Quy trình xử lý ảnh Từ thu nhận đến trích xuất đặc trưng

Quy trình xử lý ảnh trong hệ thống phân loại trái cây bao gồm nhiều bước. Đầu tiên, Camera Module Raspberry Pi chụp lại hình ảnh của trái cây khi nó di chuyển trên băng chuyền. Ảnh thô sau đó được chuyển đổi không gian màu (ví dụ từ BGR sang HSV) để dễ dàng phân tích màu sắc. Tiếp theo, các kỹ thuật như làm mờ (blurring) và ngưỡng (thresholding) được áp dụng để phân đoạn, tách biệt hình ảnh trái cây khỏi nền. Cuối cùng, hệ thống tính toán các đặc trưng như diện tích (để phân loại theo kích thước) và dải màu chiếm ưu thế (để phân loại theo màu sắc), làm cơ sở cho quyết định phân loại.

IV. Cách Tích Hợp Phần Cứng Băng Chuyền Cảm Biến và Arduino

Để một hệ thống phân loại trái cây tự động hoạt động hiệu quả, việc tích hợp liền mạch giữa phần mềm xử lý và phần cứng cơ khí là yếu tố sống còn. Mô hình nghiên cứu đã giải quyết bài toán này bằng cách kết hợp Raspberry Pi (bộ não xử lý) và Arduino (bộ điều khiển thời gian thực). Raspberry Pi, sau khi phân tích hình ảnh và đưa ra quyết định phân loại, sẽ gửi lệnh điều khiển thông qua giao tiếp nối tiếp (UART) đến bo mạch Arduino. Arduino nhận lệnh và trực tiếp điều khiển các cơ cấu chấp hành. Cụ thể, hệ thống sử dụng các động cơ servo để gạt trái cây vào đúng khay chứa tương ứng với loại của nó. Một băng chuyền tự động, được vận hành bởi động cơ DC, đảm bảo trái cây di chuyển qua khu vực camera với tốc độ ổn định. Cảm biến hồng ngoại được bố trí để phát hiện chính xác vị trí của trái cây, kích hoạt camera chụp ảnh và đồng bộ hóa hoạt động của động cơ servo. Toàn bộ hệ thống phần cứng được thiết kế để hoạt động nhịp nhàng: cảm biến phát hiện, camera chụp, Raspberry Pi phân tích, và Arduino điều khiển servo gạt sản phẩm. Việc phân chia nhiệm vụ này tận dụng thế mạnh của từng nền tảng: Raspberry Pi cho xử lý phức tạp và Arduino cho điều khiển chính xác, độ trễ thấp.

4.1. Thiết kế mô hình băng chuyền tự động và cơ cấu chấp hành

Mô hình cơ khí bao gồm một khung vững chắc, một băng chuyền tự động làm bằng vật liệu phù hợp để không làm hỏng trái cây. Động cơ DC được sử dụng để cung cấp chuyển động cho băng chuyền, với tốc độ có thể điều chỉnh được. Cơ cấu chấp hành là thành phần quan trọng nhất, sử dụng các động cơ servo MG996G có mô-men xoắn lớn, đủ sức để gạt các loại trái cây khác nhau. Các servo này được đặt ở các vị trí chiến lược dọc theo băng chuyền, tương ứng với các khay phân loại (ví dụ: khay cho trái cây xanh, khay cho trái cây chín).

4.2. Giao tiếp giữa Raspberry Pi và Arduino để điều khiển động cơ

Sự kết hợp giữa Raspberry Pi và Arduino là một giải pháp phổ biến trong các dự án IoT và tự động hóa. Trong mô hình này, Raspberry Pi đóng vai trò là "master", thực hiện các tính toán nặng về xử lý ảnh. Arduino hoạt động như một "slave", chuyên trách điều khiển phần cứng. Giao tiếp giữa chúng thường được thực hiện qua cổng UART (sử dụng chân TX/RX) hoặc I2C. Khi Raspberry Pi xác định một quả cam đã chín, nó sẽ gửi một tín hiệu cụ thể (ví dụ: ký tự 'C') đến Arduino. Arduino, nhận được tín hiệu này, sẽ ngay lập tức kích hoạt động cơ servo tương ứng để thực hiện hành động gạt sản phẩm.

V. Kết Quả Thực Tiễn từ Đồ Án Tốt Nghiệp Phân Loại Trái Cây

Mô hình phân loại trái cây tự động được hiện thực hóa trong đồ án tốt nghiệp phân loại trái cây đã cho thấy những kết quả rất khả quan, chứng minh tính đúng đắn của phương pháp tiếp cận. Hệ thống đã được thử nghiệm với nhiều loại trái cây phổ biến như chuối, cam và mận, với các trạng thái khác nhau (xanh và chín). Thông qua các thuật toán nhận dạng đối tượng và phân tích màu sắc, hệ thống đã có thể phân biệt chính xác giữa chuối xanh và chuối vàng, cam xanh và cam vàng, cũng như mận xanh và mận đỏ. Kết quả tách biên và nhận diện từ các quả được ghi lại cho thấy thuật toán xử lý ảnh hoạt động ổn định, xác định đúng vùng chứa đối tượng và trích xuất các đặc trưng màu sắc một cách hiệu quả. Mặc dù vẫn còn những hạn chế nhất định như sự ảnh hưởng của điều kiện ánh sáng và tốc độ băng chuyền, nhưng mô hình đã đạt được mục tiêu cơ bản là tự động hóa quy trình phân loại. Tỷ lệ phân loại chính xác trong điều kiện phòng thí nghiệm là rất cao, mở ra tiềm năng ứng dụng rộng rãi trong thực tế. Thành công của dự án không chỉ có ý nghĩa về mặt học thuật mà còn cung cấp một giải pháp công nghệ chi phí thấp, dễ tiếp cận cho các cơ sở chế biến nông sản tại Việt Nam, góp phần vào sự phát triển của nền nông nghiệp thông minh.

5.1. Phân tích kết quả nhận dạng đối tượng Cam chuối mận

Trong quá trình thử nghiệm, hệ thống đã thể hiện khả năng nhận dạng đối tượng và phân loại tốt. Với chuối, hệ thống phân biệt được màu vàng của chuối chín và màu xanh của chuối chưa chín. Tương tự, với cam, sự khác biệt về màu sắc giữa quả xanh và quả chín vàng cũng được nhận diện chính xác. Đặc biệt, hệ thống còn thành công trong việc phân loại mận xanh và mận đỏ. Các hình ảnh kết quả trong báo cáo đồ án cho thấy vùng nhận diện (bounding box) bao quanh đối tượng rất chính xác, chứng tỏ thuật toán phát hiện và phân đoạn hoạt động tốt.

5.2. Đánh giá độ chính xác và hiệu quả của mô hình thực tế

Độ chính xác là thước đo quan trọng nhất để đánh giá hiệu quả của hệ thống. Mô hình thực tế đã đạt được độ chính xác cao khi hoạt động trong môi trường được kiểm soát về ánh sáng. Hiệu quả của hệ thống còn được thể hiện ở tốc độ xử lý nhanh, đáp ứng được yêu cầu của một dây chuyền sản xuất quy mô nhỏ. Tuy nhiên, để triển khai trong môi trường công nghiệp thực tế, hệ thống cần được cải tiến để xử lý các yếu tố ngoại cảnh như sự thay đổi ánh sáng và đa dạng hơn về hình dạng, kích thước của trái cây.

VI. Tương Lai Phân Loại Trái Cây Hướng Tới Học Máy và CNN

Hệ thống phân loại trái cây tự động dựa trên xử lý ảnh truyền thống với OpenCV là một bước khởi đầu vững chắc, nhưng tương lai của lĩnh vực này nằm ở việc tích hợp các công nghệ tiên tiến hơn như Học máy (Machine Learning) và mạng nơ-ron tích chập. Việc áp dụng một Mô hình CNN (Convolutional Neural Network) có thể nâng cao đáng kể độ chính xác và khả năng thích ứng của hệ thống. Thay vì dựa vào các quy tắc trích xuất đặc trưng được lập trình sẵn, mô hình CNN có thể tự học các đặc trưng phức tạp từ một tập dữ liệu lớn, giúp nhận diện trái cây chính xác hơn ngay cả trong điều kiện ánh sáng thay đổi hoặc khi trái cây bị che khuất một phần. Các mô hình gọn nhẹ như MobileNet hoặc EfficientNet, khi được tối ưu hóa bằng TensorFlow Lite, có thể chạy hiệu quả ngay trên các hệ thống nhúng như Raspberry Pi. Hướng phát triển này không chỉ giúp phân loại dựa trên màu sắc, kích thước mà còn có thể phát hiện các khuyết tật bề mặt, sâu bệnh, từ đó nâng cao tiêu chuẩn chất lượng. Việc tích hợp AI vào hệ thống phân loại là bước tiến tất yếu, đưa ngành nông nghiệp thông minh của Việt Nam lên một tầm cao mới, tạo ra những sản phẩm chất lượng và có sức cạnh tranh toàn cầu.

6.1. Hướng cải tiến hệ thống sử dụng Mô hình CNN

Để cải tiến, hệ thống có thể được nâng cấp bằng cách thay thế các thuật toán xử lý ảnh truyền thống bằng một Mô hình CNN đã được huấn luyện trước. Quá trình này bao gồm: thu thập một bộ dữ liệu lớn gồm hình ảnh các loại trái cây khác nhau, huấn luyện mô hình trên một máy tính mạnh, sau đó chuyển đổi (convert) và triển khai mô hình đã tối ưu hóa lên Raspberry Pi bằng TensorFlow Lite. Cách tiếp cận này giúp hệ thống trở nên "thông minh" hơn, có khả năng khái quát hóa tốt hơn và giảm sự phụ thuộc vào các tham số được điều chỉnh thủ công.

6.2. Tiềm năng ứng dụng rộng rãi trong nền nông nghiệp thông minh

Công nghệ phân loại tự động dựa trên thị giác máy tính và AI có tiềm năng ứng dụng vô cùng lớn trong nông nghiệp thông minh. Ngoài việc phân loại trái cây sau thu hoạch, công nghệ này có thể được tích hợp trên các robot nông nghiệp để theo dõi sự phát triển của cây trồng, phát hiện sớm sâu bệnh, và thậm chí là thu hoạch tự động. Việc áp dụng những giải pháp công nghệ cao, chi phí hợp lý như Raspberry Pi sẽ giúp tự động hóa và tối ưu hóa chuỗi giá trị nông sản, từ trang trại đến bàn ăn, mang lại lợi ích kinh tế to lớn và bền vững.

27/09/2025

Trích đoạn nội dung tài liệu

Chương 1: Tổng quan 1. Tổng quan công nghệ chế biến trái cây tại Việt Nam. Khái quát ngành kinh tế chế biến trái cây ở Việt Nam. Với sự tăng trưởng về diện tích đất nông nghiệp, sản lượng và giá trị xuất khẩu trái cây liên tục tăng trưởng cao trong những năm gần đây.

Tình hình thị trường xuất khẩu rau quả Việt Nam những tháng đầu năm nay có sự sụt giảm khá mạnh. Bởi thị trường xuất khẩu rau quả lớn nhất của Việt Nam là Trung Quốc gặp nhiều khó khăn do tình hình Covid-19 diễn biến phức tạp các cửa khẩu đóng cửa. Tuy giảm mạnh nhưng nhóm mặt hàng này đang cho thấy sự chuyển dịch khá tích cực sang thị trường có giá trị xuất khẩu cao như EU, Mỹ, Nhận Bản, Hàn Quốc… Theo tổng cục Hải quan, xuất khẩu ra quả sang thị trường Trung Quốc giảm mạnh trong 2 tháng đầu năm 2022, chỉ đạt được 261 triệu USD và giảm gần 26% so với cùng kỳ 2021. Do xuất khẩu sang Trung Quốc giảm mạnh, kéo theo kim ngạch xuất khẩu các loại quả của cả nước trong 2 tháng qua chỉ đạt 508 triệu USD, giảm 9.6% so với cùng kỳ năm ngoái.

Tuy nhiên, điểm đặc biệt là trong 2 tháng đầu năm 2022 xuất khẩu rau quả sang Mỹ lại tăng cao gần 70%; Hàn Quốc tăng khoảng 32%; Nhật Bản tăng 12%; Australia tăng 45,7%; Hà Lan tăng 51,5%; Nga tăng gần 33,9%… Chính sự tăng trưởng của các thị trường này dã góp phần tạo nên doanh thu xuất khẩu ấn tượng của mặt hàng rau quả ở hiện tại và trong tương lai sẽ phát triển hơn [1] Với sự tăng trưởng hàng năm vào các thị trường có giá trị kinh tế cao như Mỹ, Australia, Hàn Quốc… đang cho thấy việc sản xuất, vùng nguyên liệu đang có sự chuyển dịch đáp ứng yêu cầu thị trường ngày càng tốt hơn. Các doanh nghiệp đã sẵn sàng cung cấp những nguyên liệu đảm bảo cho việc cung cấp sản phẩm trong nước và xuất khẩu sang thị trường nước ngoài. Những sự liên kết giữa các doanh nghiệp và nông dân tạo thêm niềm cho người tiêu dùng. Tuy nhiên, vấn đề đáng lo ngại nhất với các doanh nghiệp là xuất khẩu rau quả tươi thường diễn ra tình trạng kẹt hàng ở các cảng biển.

Với mặt hàng quả, việc bảo quản chỉ có giới hạn nên nếu bị kẹt hàng lâu sẽ gây thiệt hại lớn. Nên hiện các doanh nghiệp chủ yếu chọn các mặt hàng có thể bảo quản ở thời gian dài để xuất khẩu. Còn với các sản phẩm bảo quản ngắn hơn như thanh long, doanh nghiệp phải chuyển sang đường hàng không, nhưng chi phí cao, khó cạnh tranh với các mặt hàng cùng chủng loại của những quốc gia khác cùng xuất khẩu. Đi sâu phân tích xuất khẩu rau quả, đặc biệt là mặt hàng quả cảu Việt Nam, chủ yếu xuất khẩu dưới dạng trái cây tươi nên giá trị gia tăng thấp và bị tác động bởi các rào cản kỹ thuật như kiểm dịch thực vật, chất lượng trái cây giảm nhanh, thời gian bảo quản Sinh viên thực hiện: Bửu – Thành – Triển Người hướng dẫn: NGUYỄN LINH NAM 2 TIEU LUAN MOI download : skknchat@gmail.com ỨNG DỤNG XỬ LÝ ẢNH TRONG HỆ THỐNG PHÂN LOẠI TRÁI CÂY SỬ DỤNG RASBERRY VÀ ARDUINO ngắn do chưa có công nghệ bảo quản tiên tiến và các vấn đề vệ sinh an toàn thực phẩm.

Năng suất chế biến phân loại trái cây thấp do chưa sử dụng công nghệ kỹ thuật vào việc phân loại, chủ yếu dựa vào thủ công sức lao động con người. Nhu cầu và định hướng phát triển chung ngành chế biến phân loại trái cây ở Việt Nam. Bên cạnh những tiền năng, lợi thế hiện nay ngành sản xuất từ cây ăn quả Việt Nam đứng trước không ít khó khan, thách thức như: Quy mô sản xuất nhỏ lẽ, phân tán, liên kết sản xuất theo chuỗi còn hạn chế chưa mang lại giá trị cao, năng suất thấp chưa đáp ứng nhu cầu, khâu kiểm tra phân loại chưa đảm bảo, các sản phẩm qua chế biến còn ít… Một trong những thách thức mà ngành công nghệ chế biến trái cây đang phải đối mặt đó là công nghệ chế biến chưa đáp ứng được nhu cầu thị trường trong và ngoài nước, để nâng cao giá trị năng suất, chất lượng của sẩn phẩm nhằm tạo ra lợi nhuận bền vững nên khâu phân loại nâng cao năng suất rất quan trọng trong các dây chuyền phân loại này. Vì vậy, giải pháp hàng đầu được đưa ra chính là sự thay đổi áp dụng công nghệ mới trong sản xuất, đầu tư dây chuyền sản xuất và kiểm định chất lượng tiên tiến nhằm tăng tín hiệu quả và đảm bảo chất lượng sản phẩm.

Việt Nam xác định trái cây là ngành còn nhiều tiềm năng, dư địa để phát triển. Định hướng chung mà ngành công nghệ chế biến đặt ra là: tiếp tục tập trung đẩy mạnh áp dụng lĩnh vực khoa học công nghệ vào quá trình sản xuất cây ăn quả nhằm tăng giá trị kinh tế, năng suất sản lượng và nâng cao chất lượng, hệ thống kiểm định. Bên cạnh đó, cần tăng cường phát triển công nghệ bảo quản sản phẩm, sử dụng nhiều phương pháp chế biến vào các sản phẩm từ cây ăn quả với các sản phẩm chế biến chính gồm các loại quả đông lạnh, đóng hộp, sấy khô, nước tự nhiên, nước quả cô đặc… nhằm gia tăng giá tị sản suất, mở rộng thị trường, tăng kim ngạch xuất khẩu. Kết luận về công nghệ chế biến trái cây.

Ngành sản xuất và chế biến trái cây tại Việt Nam cũng như trên thế giới đang ngày càng một tăng trưởng mạnh hơn do nhu cầu từ đời sống sinh hoạt của con người. Khả năng sản xuất của Việt Nam không thua kém các nước xuất khẩu hàng đầu, nhưng các phương pháp, thiết bị tại các cơ sở trưng thu, chế biến phân loại trái cây còn thô sơ, lạc hậu, làm giảm mức độ uy tín, năng suất cho ngành xuất khẩu trái cây. Sinh viên thực hiện: Bửu – Thành – Triển Người hướng dẫn: NGUYỄN LINH NAM 3 TIEU LUAN MOI download : skknchat@gmail.com ỨNG DỤNG XỬ LÝ ẢNH TRONG HỆ THỐNG PHÂN LOẠI TRÁI CÂY SỬ DỤNG RASBERRY VÀ ARDUINO 1. Giải pháp yêu cầu thiết bị phân loại trái cây 1.

Các trường hợp cần phân loại Trong việc phân loại và đánh giá chất lượng trái cây, người ta đánh giá thông qua màu sắc, kích thước và mức độ khuyết tật trên bề mặt quả. Với trường hợp màu sắc có thể chia làm 2 loại chính: quả chín và quả chưa chín. • Trường hợp 1: Đi trưng thu mua trái cây. o Kiểm tra thuộc tính quả từ người bán, đưa ra kết luận chung về chất lượng của quả để định ra mức giá tiền.

o Cả hai bên cùng đánh giá quả qua màu sắc để kiểm chứng định giá. o Trái cây có hình dạng chung sẽ được lựa chọn, loại bỏ các quả bị dệt. • Trường hợp 2: Trái cây tự trồng và thu hoạch. o Khi trưng thu từng loại trái cây phải kiểm tra một vài cây, một vài loại quả để xem xét mức độ chín chung của loại trái cây đó trong vườn.

o Người sử dụng thiết bị cầm tay, lấy mẫu một số lượng nhất định các hình ảnh trên các cây, sau đó đưa ra kết luận có thể thu hoạch hay chưa. o Với nhu cầu tìm kiếm từng loại, cũng có thể chụp 3-5 hình ảnh với mỗi loại quả để đưa ra kết luận có thể hái được hay chưa, nhu cầu đòi hỏi cần có một lưỡi hái quả sử dụng làm cơ cấu chấp hành (tương tự như các thiết bị cắt hái quả tự động hiện nay). • Trường hợp 3: Trái cây khi ở cơ sở chế biến phân loại. o Được tích trữ lại và đưa lên các băng tải để phân loại sản phẩm.

o Sau khi đi qua hệ thống kiểm tra băng tải tự động đẩy các loại trái cây vào các ngăn tùy thoe hình dạng từng loại quả và mức độ màu sắc đặt ra. o Phân loại quả theo mức độ chín, loại bỏ các quả hỏng sau khi phát hiện khuyết tật trên mặt hoặc bị thối ngoài vỏ. Các phương pháp phân loại trái cây a) Phương pháp sử dụng cảm biến màu và camera Hiện nay trên thế giới, có rất nhiều loại máy móc dung để phân loại màu sắc các vật thể sử dụng cảm biến màu sắc, đặc biệt là trong trường hợp phân loại hình dạng và màu sắc như hình tròn, hình vuông hay các loại quả xanh/chín như cà chua, cam, quýt, táo… hay các vật thể nhỏ như hạt cà phê. Các thiết bị này chỉ cần bộ xử lý có tốc độ cao vừa phải và dể dàng thiết kế như Arduino, kèm theo cảm biến màu.

Tổng chi phí cho một thiết bị như vậy ước tính khoảng Sinh viên thực hiện: Bửu – Thành – Triển Người hướng dẫn: NGUYỄN LINH NAM 4 TIEU LUAN MOI download : skknchat@gmail.com ỨNG DỤNG XỬ LÝ ẢNH TRONG HỆ THỐNG PHÂN LOẠI TRÁI CÂY SỬ DỤNG RASBERRY VÀ ARDUINO 1 triệu đồng (Arduino Nano, camera và cảm biến màu TCS3200). So với các phương pháp khác thì sử dụng thiết bị này giá thành tương đối rẻ phù hợp. Cảm biến màu TCS3200 Tuy nhiên nhược điểm chính là cảm biến màu chỉ nhận biến được 1 màu, tức là muốn phân loại độ xanh/chín của quả thì cần phải sử dụng nhiều cảm biến cho mỗi loại, vì vậy làm chi phí và độ phức tạp của hệ thống tăng. Hiện nay có một số loại cảm biến sử dụng nhiều kênh màu, tuy nhiên giá thành của nó khác cao như ASTECH CR5-FO (4 kênh màu, tốc độ phản hồi khoảng 5-10ms) có mức giá khoảng 15 triệu đồng.

Các thiết bị sử dụng những loại cảm biến như vậy có giá trị rất đắt tiền khi và thường sử dụng ở các nước phát triển hoặc các tập đoàn lớn, các ngành chế biến, xuất khẩu hoa quả chuyên biệt hóa mỗi cơ sở chỉ làm một hoặc hai công đoạn chính. b) Phương pháp quét laser từ trên không Hiện nay trên thế giới có một thiết bị từ trường “Linkoping” ở Thụy Điển trong nghiên cứu “Thiết bị dò tìm trái xoài và ước tính thời gian trưởng thành” [2] Phương pháp này sử dụng thiết bị cảm biến Lidar quét lại hình ảnh 3D của cây cần kiểm tra (phương pháp này đang áp dụng cho cây xoài) từ phía xa, chuyển vào hệ thống xử lý hình ảnh, sau đó đưa ra đánh giá về độ chín của quả trên cây, ở đây sử dụng cơ cấu chấp hành là cánh tay Robot để hái quả ngay trên cây đúng với yêu cầu đặt ra trước đó. • Ưu điểm: Tính tự động cao, tốc độ kiểm tra cực nhanh khi so sánh với phương pháp thủ công khác.

Nội dung được bảo vệ bản quyền — Tải xuống đầy đủ