Tổng quan về luận án

Trong chuỗi giá trị nông nghiệp nhiệt đới, ớt (Capsicum annuum L.) là cây trồng kinh tế mũi nhọn với sản lượng toàn cầu đạt hàng chục triệu tấn mỗi năm. Tại Việt Nam, vùng Đồng bằng Sông Cửu Long (ĐBSCL) đóng vai trò trung tâm sản xuất với tổng sản lượng thu hoạch đạt trên 90.000 tấn/năm, riêng tỉnh Đồng Tháp đạt trên 30.000 tấn/năm (chiếm xấp xỉ 50% sản lượng toàn vùng). Mặc dù tỷ lệ xuất khẩu ớt tươi và ớt khô đạt tới 97,4%, công đoạn sau thu hoạch—đặc biệt là tách cuống ớt—vẫn phụ thuộc hơn 95% vào lao động thủ công truyền thống. Thực trạng này tạo ra điểm nghẽn nghiêm trọng: năng suất thấp, chi phí nhân công tăng cao (chiếm đến 80% chi phí gia tăng), chất lượng sản phẩm không đồng đều và gây tổn hại sức khỏe cho lao động do tiếp xúc liên tục với hợp chất cay capsaicin.

Khoảng trống nghiên cứu (research gap) trọng yếu nằm ở sự thiếu vắng một cơ chế cơ học - tự động hóa có khả năng loại bỏ triệt để 100% cuống và đài hoa mà không làm dập nát thân quả đối với các giống ớt có đặc tính quả nhỏ, thon dài và thành quả mỏng như Chánh Phong F1 (CP1), Chánh Phong F4 (CP4) và Hai Mũi Tên (MTen). Luận án tiến sĩ chuyên ngành Kỹ thuật Điều khiển và Tự động hóa (Mã số: 9520216) của Nghiên cứu sinh Huỳnh Quốc Khanh, dưới sự hướng dẫn của TS. Nguyễn Văn Cương tại Trường Đại học Cần Thơ (năm 2023), mang tựa đề: "Phát triển hệ thống tự động tách cuống trái ớt tươi" đã giải quyết dứt điểm nghịch lý công nghệ này.

Nghiên cứu tập trung giải quyết 3 câu hỏi nghiên cứu cốt lõi:

  1. RQ1: Cơ chế tác động cơ lý nào cho phép bóc tách triệt để đài cuống khỏi thân trái ớt tươi mà không gây tổn thương mô vỏ quả?
  2. RQ2: Quy luật biến thiên của lực tách cuống theo thời gian bảo quản sau thu hoạch được mô hình hóa toán học như thế nào để điều khiển lực kẹp dây đai tối ưu?
  3. RQ3: Kiến trúc thị giác máy tính và cơ cấu cơ điện tử nào tối ưu hóa việc phân loại tự động quả nứt vỡ và nhiễm bệnh sau khi tách cuống trong điều kiện vận hành động?

Hệ thống giả thuyết nghiên cứu bao gồm:

  • H1: Lực tách cuống trái ớt tươi tuân theo mô hình suy giảm phi tuyến theo thời gian bảo quản $t$, xác lập ranh giới điều khiển lực kẹp $F_{kc}$ nằm giữa lực tách cần thiết $F_{d(min)}$ và giới hạn áp suất phá hủy cuống $P$.
  • H2: Sự kết hợp giữa biến dạng phức hợp kéo - uốn (tensile-bending deformation) bẻ gãy đài cuống hiệu quả hơn cơ chế cắt trượt thuần túy hoặc ép nén dập.
  • H3: Mạng nơ-ron tích chập (CNN) kết hợp cơ cấu con lăn lật rãnh thân khai đảo góc nhìn $360^\circ$ đạt độ chính xác phân loại tổn thương sau tách cuống trên 90% ở trạng thái vận hành liên tục.

Luận án tích hợp liên ngành giữa cơ học nông nghiệp thực nghiệm, lý thuyết ma sát dẻo Euler-Eytelwein, mô hình hóa toán học phi tuyến (Matlab Curve Fitting Tool) và trí tuệ nhân tạo (Deep Learning CNN). Kết quả nghiên cứu xác lập tỷ lệ tách cuống thành công vượt bậc đạt 96,2%, tỷ lệ phát hiện vết nứt đạt 94,0% và vết bệnh đạt 92,0% trên mô hình thực nghiệm mô-đun công suất 10 kg/h, mở ra tiềm năng cơ giới hóa toàn diện chuỗi chế biến ớt xuất khẩu tại Việt Nam.

Literature Review và Positioning

Nghiên cứu tiền năng trong lĩnh vực cơ giới hóa thu hoạch và chế biến ớt trên thế giới phát triển mạnh từ thập niên 1970 nhưng bộc lộ nhiều xung đột công nghệ sâu sắc giữa năng suất bóc tách và tính toàn vẹn của sản phẩm:

Trường phái thứ nhất đại diện bởi các phát minh cắt cơ học của Carl E. Rasmussen (1970s), hệ thống lồng quay của Beijing Bidragon Machinery và Tabanli (Thổ Nhĩ Kỳ). Các hệ thống này sử dụng dao cắt phối hợp thùng quay sàng tuyển. Nhược điểm chí mạng là dao cắt chỉ loại bỏ phần thân cuống mà không thể bóc tách phần cuống hoa hình sao (calyx) bám chặt vào đáy quả. Phần đài cuống sót lại khi đem sấy khô hoặc xuất khẩu tươi sẽ giảm phẩm cấp nghiêm trọng. Ryan Herbon (New Mexico State University) cải tiến cơ cấu cắt bằng thị giác máy tính, phân tích đạo hàm đường kính $D_{\max} \times \frac{dD}{dx}$ để định vị điểm cắt tự động bằng dao kéo khí nén đạt chu kỳ 11 ms. Tuy nhiên, do ớt chỉ thiên Việt Nam có độ cong toàn phần $d_{co}$ lớn và biến thiên hình học phức tạp, hệ thống quang học của Herbon vẫn gây ra tỷ lệ cắt phạm vào thân quả, làm thoát dịch quả và hư hỏng sinh học.

Trường phái thứ hai đại diện bởi nghiên cứu của Nagendra B. Kodali, sử dụng phương pháp ép nén cưỡng bức qua hệ thống nhiều cặp con lăn có khe hở thu hẹp dần ở vận tốc 330–550 vòng/phút nhằm bẻ gãy liên kết cuống. Kết quả của Kodali chỉ đạt hiệu suất 72–80%, đồng thời phá hủy nghiêm trọng cấu trúc mô quả. Cơ chế của Kodali chỉ phù hợp với các giống ớt âu Mỹ có khoang rỗng lớn và ít hạt; khi áp dụng lên ớt chỉ thiên ĐBSCL vốn nhiều hạt, thành vỏ mỏng và độ căng mọng cao, áp lực nén gây dập nát thịt quả hàng loạt.

Luận án của NCS. Huỳnh Quốc Khanh định vị chính xác khoảng trống công nghệ bằng cách bác bỏ cả cơ chế cắt đơn thuần lẫn ép nén dập. Tác giả tiên phong đề xuất nguyên lý bóc tách cuống dựa trên biến dạng phức hợp kéo - uốn kết hợp mô hình kiểm soát lực kẹp dây đai ma sát, đồng thời tích hợp thị giác máy tính CNN phân loại khuyết tật sau tách. Đây là bước tiến vượt bậc chuyển dịch từ cơ khí định hình thô sang hệ thống cơ điện tử thông minh thích ứng sinh học nông sản.

Đóng góp lý thuyết và khung phân tích

Đóng góp cho lý thuyết

Luận án đóng góp quan trọng vào lý thuyết cơ học sinh học nông sản (Agricultural Biomechanics) và kỹ thuật điều khiển tự động hóa thông qua 3 trụ cột:

  1. Mở rộng lý thuyết phá hủy liên kết sinh học vùng cuống quả (Abscission Zone Biomechanics): Nghiên cứu chứng minh rằng liên kết đài cuống - thân ớt chịu tải phá hủy nhỏ nhất dưới trạng thái ứng suất kết hợp kéo - uốn cục bộ. Góc uốn tạo ra sự tập trung ứng suất tại ranh giới tầng rời của đài cuống, làm tách rời hoàn toàn chân đài hoa mà không xé rách lớp biểu bì thịt quả.
  2. Lập mô hình suy giảm lực tách cuống phi tuyến tính: Luận án thiết lập quy luật suy giảm của lực tách cần thiết $F$ theo thời gian bảo quản $t$ sau thu hoạch (từ 0 đến 72 giờ), tích hợp vào lý thuyết ma sát đai Euler-Eytelwein để thiết lập phương trình cân bằng động lực học kẹp giữ cuống: $$F_{kc} = \frac{T}{R} = f(t, \omega, \mu)$$ ngăn ngừa hiện tượng trượt cuống hoặc đứt gãy thân cuống giữa chừng.
  3. Chuyển dịch mô thức (Paradigm Shift) trong xử lý nông sản: Thay thế tư duy gia công cắt gọt hình học thô cứng bằng tư duy thích ứng cơ - sinh học có phản hồi thông số lực và nhận dạng hình ảnh học sâu (Deep Learning Adaptive Control).

Khung phân tích độc đáo

Khung phân tích của luận án tích hợp chặt chẽ 3 phân hệ lý thuyết:

  • Lý thuyết ma sát và truyền động mềm: Phân tích tương tác tiếp xúc đàn hồi giữa bề mặt dây đai cao su tổng hợp, bánh đỡ thép và mô thực vật của cuống ớt với hệ số ma sát thực nghiệm $f$.
  • Lý thuyết tối ưu hóa mô hình thực nghiệm phi tuyến: Sử dụng hàm đa thức bậc 4 (Pol4) và hàm Gaussian hiệu chỉnh trên nền tảng sai số bình phương trung bình (MSE) và sai số tuyệt đối trung bình (MAE) để xác định điểm cân bằng lực tối ưu.
  • Lý thuyết mạng nơ-ron nhân tạo và xử lý ảnh số: Ứng dụng cấu trúc mạng tích chập CNN chuyên biệt hóa kết hợp kỹ thuật dừng sớm (Early Stopping) nhằm giải quyết bài toán chống quá khớp (overfitting) trong tập dữ liệu hình ảnh nông sản có độ biến thiên quang phổ phức tạp.

Ranh giới áp dụng (boundary conditions) được xác định rõ ràng: Áp dụng tối ưu cho nhóm ớt Chỉ Thiên (Capsicum annuum) thu hoạch ở độ chín đỏ 100%, thời gian bảo quản sau thu hoạch $t \le 72$ giờ, đường kính thân quả $d_f \in [8, 14]\text{ mm}$, đường kính cuống $d_s \in [2, 4]\text{ mm}$.

Phương pháp nghiên cứu tiên tiến

Thiết kế nghiên cứu

Nghiên cứu được thiết kế theo triết lý thực chứng chuẩn xác (Rigorous Positivism) kết hợp phương pháp thực nghiệm cơ điện tử và mô hình hóa tính toán. Thiết kế thí nghiệm đa tầng (multi-level design) bao gồm:

  • Tầng 1 - Đặc tính cơ lý vi mô: Xác định kích thước hình học trung bình (chiều dài toàn bộ $l_f$, chiều dài cuống $l_s$, đường kính thân $d_f$, đường kính cuống $d_s$), trọng lượng trung bình và các giới hạn tải trọng phá hủy.
  • Tầng 2 - Động lực học hệ thống: Khảo sát đáp ứng tần số quang phổ màu sắc và lực căng đai kẹp cuống.
  • Tầng 3 - Trí tuệ nhân tạo kiểm định chất lượng: Khảo nghiệm mô hình mạng CNN trên cả hai trạng thái tĩnh và động.

Cỡ mẫu được tính toán nghiêm ngặt theo công thức thống kê xác định cỡ mẫu đại diện: $$n_s = \frac{Z_{\alpha/2}^2 \cdot p(1-p)}{e^2}$$ Với độ tin cậy 95% ($Z_{\alpha/2} = 1,96$), sai số cho phép $e = 0,05$, tỷ lệ ước lượng $p = 0,5$, cỡ mẫu tối thiểu cho mỗi giống ớt là $n_s \ge 384$ quả. Tổng số lượng mẫu thực nghiệm xuyên suốt các pha nghiên cứu vượt trên 2.500 quả ớt thuộc 3 giống CP1, CP4 và MTen thu thập trực tiếp tại các vùng chuyên canh ớt trọng điểm: An Phú (An Giang), Thanh Bình (Đồng Tháp), Bình Ninh (Tiền Giang) và Tân Quới (Vĩnh Long).

Quy trình nghiên cứu rigorous

Quy trình thu thập dữ liệu và bố trí thực nghiệm tuân thủ tiêu chuẩn đo lường cơ học quốc tế:

  1. Đo lực tách cuống và áp suất phá hủy: Sử dụng đồ gá chuyên dụng tích hợp cảm biến lực Loadcell kết nối mạch chuyển đổi độ phân giải cao HX711 ghép nối vi điều khiển, ghi nhận dữ liệu thời gian thực với bước dịch chuyển $P_d$ chính xác. Xác định áp suất phá hủy giới hạn của cuống ớt $P$ ($\text{N/mm}^2$) và hệ số ma sát động/tĩnh $f$ giữa cuống và bề mặt dây đai cao su.
  2. Định vị quả quang học: Bố trí cảm biến màu TCS3200 phát hiện sự khác biệt tần số xung ánh sáng phản xạ giữa thân quả đỏ ($f_R$) và cuống xanh ($f_G$). Tần số đầu ra của cảm biến tuân theo hàm đáp ứng: $$f_o = f_D + R_e \cdot E_e$$ Khảo sát tối ưu hóa ở các dải vận tốc băng tải $v \in [100, 160]\text{ mm/s}$ và độ cao cảm biến $h \in [20, 35]\text{ mm}$.
  3. Cơ cấu đảo quả tự động: Thiết kế cặp con lăn lật có biên dạng rãnh thân khai (involute groove) chuyển động nghịch chiều, bọc lớp đệm băng keo vải chống phản xạ lóa sáng, giúp quay lật trái ớt một góc $180^\circ - 360^\circ$ trước góc nhìn máy ảnh công nghiệp.
  4. Huấn luyện mạng nơ-ron CNN: Bộ dữ liệu ảnh chụp đa góc độ các trạng thái quả lành, quả nứt vỏ và quả nhiễm bệnh thán thư/đốm mắt cua. Sử dụng thuật toán tối ưu Adam, hàm mất mát Categorical-Crossentropy và kích hoạt Early Stopping khi hàm mất mát trên tập kiểm định không cải thiện sau 10 epochs.

Data và phân tích

Số liệu thực nghiệm được xử lý bằng các công cụ toán học và thuật toán chuyên sâu:

  • Phần mềm phân tích: Matlab (Curve Fitting Tool - CFTool) để giải và nội suy phương trình toán học phi tuyến; Python (TensorFlow, Keras, OpenCV) để xây dựng kiến trúc mạng CNN.
  • Đánh giá mô hình dự báo lực: So sánh hàm đa thức bậc 4 ($\text{Pol4}$) và hàm Gaussian hiệu chỉnh: $$F(t) = a_1 \cdot e^{-\left(\frac{t-b_1}{c_1}\right)^2} + k \cdot t + d$$ thông qua chỉ số sai số tuyệt đối trung bình (MAE) và sai số bình phương trung bình (MSE).
  • Đánh giá mô hình phân loại: Ma trận nhầm lẫn (Confusion Matrix) với các chỉ số hiệu năng chuẩn mực: Độ chính xác (Accuracy), Độ nhạy (Recall/TPR), Độ chuẩn xác (Precision/PPV) và điểm F1-Score: $$\text{F1} = 2 \cdot \frac{\text{Precision} \cdot \text{Recall}}{\text{Precision} + \text{Recall}}$$

Phát hiện đột phá và implications

Những phát hiện then chốt

  1. Xác lập tỷ lệ tách cuống hoàn chỉnh đạt 96,2%: Thực nghiệm khẳng định cơ chế tác động lực kéo - uốn phối hợp giữa dây đai và bánh đỡ bóc sạch 100% cuống và đài hoa mà không làm rách vỏ quả, vượt xa tỷ lệ 72–80% của cơ chế ép nén con lăn Kodali và khắc phục hoàn toàn hiện tượng sót đài cuống của hệ thống cắt Bidragon hay Ryan Herbon. Tỷ lệ quả dập nát được kiểm soát dưới 3,8%.
  2. Phát hiện quy luật biến thiên lực tách cuống theo thời gian bảo quản: Lực tách cuống cần thiết $F$ giảm mạnh nhất trong 24 giờ đầu sau thu hoạch (từ trung bình 8,24 N đối với giống CP1 mới hái xuống còn 4,85 N sau 24 giờ và tiệm cận 3,12 N sau 72 giờ). Mô hình toán Gaussian hiệu chỉnh đạt độ tương thích cao với hệ số xác định $R^2 > 0,985$, sai số MAE $< 0,35\text{ N}$, cho phép hệ thống tự động điều chỉnh lực kẹp theo độ tươi của nguyên liệu.
  3. Tối ưu hóa thành công cấu hình cảm biến màu TCS3200: Tại khoảng cách lắp đặt $h = 25\text{ mm}$ và dải vận tốc $v = 100\text{ mm/s} \div 140\text{ mm/s}$, chu kỳ tín hiệu kênh màu đỏ phân biệt rõ nét giữa phần cuống xanh ($T_R > 180\ \mu\text{s}$) và thân trái đỏ ($T_R \in [45, 75]\ \mu\text{s}$), đảm bảo độ tin cậy kích hoạt gạt quả đạt 98,5%.
  4. Hiệu năng phân loại khuyết tật vượt trội bằng CNN: Mô hình mạng CNN phát hiện vết nứt thân trái đạt độ chính xác 94,0% ở trạng thái động. Mô hình phân loại ớt bệnh đạt độ chính xác 92,0%, giải quyết triệt để vấn đề phản xạ lóa sáng nhờ cơ cấu con lăn đảo rãnh thân khai phủ lớp đệm vải.

Implications đa chiều

  • Về mặt học thuật: Cung cấp bộ thông số cơ sinh học chính xác đầu tiên về lực tách cuống, áp suất phá hủy và hệ số ma sát của các giống ớt nhiệt đới Việt Nam (Capsicum annuum). Làm giàu lý thuyết thiết kế máy nông nghiệp trong việc ứng dụng tương tác cơ - mềm và thị giác học sâu.
  • Về mặt phương pháp luận: Thiết lập chuẩn mực thực nghiệm mới kết hợp đo lực động học và xử lý ảnh 360 độ thời gian thực trên cùng một dây chuyền liên tục.
  • Về mặt thực tiễn và ứng dụng công nghiệp: Thiết kế mô-đun hóa cho phép dễ dàng nhân rộng công suất từ quy mô hộ gia đình (1 mô-đun: 10 kg/h) lên quy mô tổ hợp vựa thu mua hoặc nhà máy xuất khẩu bằng cách ghép song song 10–20 chuyền (100–200 kg/h) với chi phí đầu tư thấp hơn 60% so với nhập khẩu máy ngoại nhập.
  • Về mặt chính sách nông thôn: Cung cấp cơ sở khoa học để các Sở Nông nghiệp & PTNT và Sở Khoa học & Công nghệ các tỉnh ĐBSCL (Đồng Tháp, An Giang, Tiền Giang) xây dựng tiêu chuẩn cơ giới hóa sau thu hoạch, gia tăng lợi nhuận chuỗi giá trị cho nông hộ trồng ớt.

Limitations và Future Research

Nghiên cứu ghi nhận một số giới hạn khoa học và điều kiện biên:

  • Giới hạn giống và hình thái: Các thuật toán và thông số lực được tối ưu hóa cho 3 giống ớt chỉ thiên quả nhỏ (CP1, CP4, MTen); chưa kiểm chứng trên các giống ớt sừng trâu, ớt chuông (Capsicum chinense, Capsicum pubescens) có tiết diện lớn và thành thịt dày.
  • Hiện tượng suy giảm nhận dạng theo thời gian bảo quản: Khi quả ớt để quá 72 giờ, vỏ quả bị mất nước nhăn nheo làm giảm độ tương phản giữa vết nứt cơ học và nếp nhăn tự nhiên, khiến độ chính xác nhận dạng vết nứt giảm xuống còn khoảng 85%.
  • Năng suất mô hình mẫu: Mô hình thực nghiệm đơn chuyền vận hành ở mức công suất 10 kg/h nhằm mục tiêu kiểm chứng nguyên lý; cần nâng cấp kết cấu cơ khí công nghiệp để chịu tải rung động liên tục ở cường độ cao.

Các hướng nghiên cứu tiếp nối trong tương lai:

  1. Nâng cấp kiến trúc mạng thị giác sang các mô hình hiện đại (như YOLOv8/YOLOv9 hoặc Edge-AI) triển khai trực tiếp trên chip nhúng chuyên dụng nhằm tăng tốc độ phân loại lên $> 30\text{ fps}$.
  2. Tích hợp công nghệ cảm biến ảnh nhiệt hoặc phổ cận hồng ngoại (Hyperspectral/NIR Imaging) để phát hiện tổn thương bầm dập nội mô trước khi biểu hiện thành vết nứt ngoài vỏ.
  3. Nghiên cứu hệ thống cấp phôi tự động định hướng sơ bộ bằng rung động khí nén (vibratory bowl feeder) để tăng năng suất cấp liệu đầu vào cho hệ thống tách cuống đa làn.

Tác động và ảnh hưởng

  • Tác động học thuật: Luận án là công trình tiên phong tại Việt Nam nghiên cứu toàn diện hệ thống tự động tách cuống ớt kết hợp AI. Công trình tạo tiền đề trích dẫn quan trọng cho các nghiên cứu tự động hóa nông nghiệp sau thu hoạch tại khu vực Đông Nam Á.
  • Chuyển đổi ngành công nghiệp: Thúc đẩy quá trình chuyển đổi số và cơ giới hóa tại hơn 40 vựa ớt lớn ở Đồng Tháp và Tiền Giang. Giải phóng hàng nghìn lao động phổ thông khỏi công việc thủ công độc hại, chuyển dịch cơ cấu lao động sang vận hành máy móc kỹ thuật.
  • Lợi ích kinh tế - xã hội: Giảm tỷ lệ hao hụt sau thu hoạch từ 15% xuống dưới 4%, tăng giá trị thương phẩm xuất khẩu của ớt ĐBSCL lên 20–30% nhờ quy chuẩn đóng gói tách sạch cuống đồng nhất, đáp ứng các hàng rào kỹ thuật khắt khe của thị trường Bắc Mỹ, Nhật Bản và EU.

Đối tượng hưởng lợi

  • Nghiên cứu sinh và Giới học thuật: Tiếp cận nguồn dữ liệu cơ lý thực nghiệm phong phú, phương pháp luận tích hợp mô hình toán thực nghiệm (CFTool) và thị giác máy tính CNN trong nông nghiệp thông minh.
  • Kỹ sư R&D máy nông nghiệp: Thừa hưởng bản vẽ nguyên lý cơ cấu kéo - uốn bánh đỡ dây đai và cơ cấu đảo quả rãnh thân khai để ứng dụng cho các loại nông sản dạng quả thon dài khác (đậu bắp, cà vằn, đậu đũa).
  • Doanh nghiệp chế biến & Chủ vựa ớt: Sở hữu phương án công nghệ mô-đun hóa khả thi, chi phí chế tạo hợp lý, giúp tối ưu hóa chi phí vận hành và nâng cao năng lực cạnh tranh xuất khẩu.
  • Nông dân và Nông hộ liên kết: Nâng cao giá thu mua ớt nguyên liệu khi tham gia vào chuỗi cung ứng nông sản sạch có truy xuất nguồn gốc và sơ chế tiêu chuẩn.

Câu hỏi chuyên sâu

1. Đóng góp lý thuyết độc đáo nhất của luận án là gì và mở rộng lý thuyết nào?

Đóng góp lý thuyết độc đáo nhất là việc xác lập cơ chế bóc tách cuống dựa trên biến dạng phức hợp kéo - uốn cục bộ tại tầng rời cuống quả (abscission zone), mở rộng lý thuyết cơ sinh học nông sản kết hợp phương trình ma sát đai Euler-Eytelwein để kiểm soát lực kẹp theo hàm thời gian bảo quản $F(t)$.

2. Điểm cải tiến phương pháp luận so với các công trình quốc tế tiền nhiệm?

So với cơ chế cắt dao của Carl E. Rasmussen, lồng quay Beijing Bidragon, hệ thống thị giác Ryan Herbon (đều sót đài cuống hoa hoặc cắt phạm thân quả) và cơ chế ép dập con lăn Nagendra Kodali (gây nát ớt ĐBSCL, hiệu suất chỉ 72–80%), luận án thiết lập nguyên lý tách sạch 100% đài cuống với tỷ lệ thành công 96,2%, tích hợp thị giác CNN 360 độ tự động hóa hoàn toàn khâu kiểm soát chất lượng.

3. Phát hiện thực nghiệm nào gây bất ngờ nhất từ dữ liệu?

Phát hiện về sự sụt giảm phi tuyến cực mạnh của lực tách cuống trong 24 giờ đầu sau thu hoạch (giảm hơn 41% lực cản tách). Điều này giải phóng quan niệm truyền thống rằng tách cuống phải thực hiện ngay tức khắc sau khi hái; việc ủ bảo quản có kiểm soát trong 12–24 giờ giúp giảm thiểu đáng kể năng lượng tách và giảm tỷ lệ rách vỏ quả xuống mức tối thiểu.

4. Luận án có cung cấp giao thức tái lập (Replication Protocol) không?

Có. Luận án trình bày chi tiết toàn bộ thông số hình học máy móc, đường kính con lăn, góc ôm đai $\omega$, mạch đọc cảm biến HX711, mã hiệu cảm biến quang học TCS3200, siêu tham số huấn luyện mạng CNN (Learning rate, Batch size, Epochs, Early stopping patience) và cấu trúc ma trận nhầm lẫn kiểm chứng.

5. Lộ trình phát triển nghiên cứu 10 năm tới được phác thảo ra sao?

Lộ trình 10 năm định hướng hoàn thiện dây chuyền chế biến ớt công nghiệp tích hợp IoT: (1) Tự động hóa khâu cấp liệu rung định hướng đa làn; (2) Tích hợp cảm biến phổ siêu nhỏ kiểm tra dư lượng thuốc bảo vệ thực vật và hàm lượng capsaicin; (3) Thương mại hóa hệ thống máy tách cuống phân loại tự động chuẩn hóa cho toàn vùng ĐBSCL và chuyển giao công nghệ cho các nước Đông Nam Á.

Kết luận

  1. Xác lập hệ thống hóa cơ học sinh học ớt ĐBSCL: Xác định toàn diện kích thước, trọng lượng, hệ số ma sát và áp suất phá hủy của các giống ớt chủ lực CP1, CP4 và MTen.
  2. Mô hình hóa toán học chính xác lực tách cuống: Ứng dụng thành công mô hình Pol4 và Gaussian hiệu chỉnh, mô tả chính xác sự suy giảm lực tách theo thời gian bảo quản ($R^2 > 0,985$).
  3. Đột phá nguyên lý kéo - uốn dây đai ma sát: Đạt tỷ lệ bóc sạch hoàn toàn cuống và đài hoa 96,2%, giải quyết dứt điểm hạn chế của mọi công nghệ cắt và ép nén trên thế giới.
  4. Phát triển cơ cấu đảo quả $360^\circ$ chống lóa sáng: Thiết kế thành công con lăn rãnh thân khai bọc đệm vải, cho phép camera thu thập toàn diện hình ảnh bề mặt quả khi đang chuyển động.
  5. Ứng dụng AI phân loại khuyết tật xuất sắc: Mạng CNN đạt độ chính xác 94,0% với quả nứt vỡ và 92,0% với quả nhiễm bệnh, thiết lập quy trình kiểm chuẩn tự động hóa cao.
  6. Mở ra kỷ nguyên cơ giới hóa chuỗi giá trị ớt Việt Nam: Đặt nền móng kỹ thuật vững chắc cho việc sản xuất công nghiệp máy bóc cuống nông sản, thúc đẩy giá trị kinh tế và vị thế cạnh tranh của nông sản Việt Nam trên thị trường quốc tế.