Tổng quan luận án

Công đoạn chế biến sau thu hoạch đối với nông sản đóng vai trò quan trọng trong việc gia tăng giá trị kinh tế. Khu vực Đồng bằng Sông Cửu Long (ĐBSCL) có sản lượng thu hoạch ớt tươi hàng năm đạt trên 90.000 tấn, tập trung tại các vùng chuyên canh như Đồng Tháp, An Giang, Tiền Giang và Vĩnh Long. Riêng tại tỉnh Đồng Tháp, diện tích trồng ớt năm 2013 đạt 2.677 ha với sản lượng trên 30.000 tấn/năm, chiếm khoảng 50% sản lượng toàn vùng. Mặc dù nhu cầu thị trường đối với sản phẩm ớt đã qua tách cuống là rất lớn, khâu tách cuống tại các cơ sở chế biến và vựa thu mua ở ĐBSCL hiện nay vẫn được thực hiện chủ yếu bằng phương pháp thủ công. Thao tác thủ công này dẫn đến năng suất lao động thấp, chi phí nhân công tăng cao, khó đáp ứng các đơn hàng quy mô lớn và gây ảnh hưởng tiêu cực đến sức khỏe người lao động do tính chất cay nóng của ớt.

Khoảng trống nghiên cứu được tác giả xác định là: các hệ thống tách cuống hiện có trên thế giới chủ yếu áp dụng phương pháp cắt cuống cơ học (dùng dao cắt hoặc lồng quay) hoặc ép nén. Phương pháp cắt cơ học không thể bóc tách trọn vẹn đài cuống và phần ngôi sao của cuống bám trên thân trái, hoặc có tỷ lệ cắt phạm vào thịt quả; trong khi phương pháp ép nén làm dập nát thân trái ớt đối với các giống ớt có vỏ mỏng, nhiều hạt và thân thon dài tại ĐBSCL. Đồng thời, chưa có hệ thống tích hợp khả năng định hướng tự động trái ớt kết hợp phân loại quang học loại bỏ ớt nứt và ớt bệnh sau khi tách cuống.

Luận án xác lập 3 vấn đề nghiên cứu và hệ thống mục tiêu như sau:

  • Vấn đề nghiên cứu 1: Tình hình thực hiện các nghiên cứu về hệ thống tự động tách cuống trái ớt tươi hiện nay có phù hợp với yêu cầu thực tiễn tại khu vực ĐBSCL đặt ra hay không? Những điểm chưa đáp ứng được là gì?
  • Vấn đề nghiên cứu 2: Cần phải phát triển hệ thống tự động tách cuống trái ớt tươi với nguyên lý như thế nào để có thể đáp ứng được yêu cầu đặt ra?
  • Vấn đề nghiên cứu 3: Mô hình hệ thống tự động tách cuống được đề xuất sẽ được thực hiện và kiểm tra tính khả thi như thế nào?

Mục tiêu nghiên cứu:

  • Mục tiêu tổng quát: Phát triển hệ thống tự động tách cuống và phân loại trái ớt tươi nhằm ứng dụng tự động hóa, cơ giới hóa vào khâu sơ chế và chế biến ớt, giảm công lao động thủ công, tăng khả năng cạnh tranh và nâng cao chuỗi giá trị sản xuất, chế biến và kinh doanh ớt.
  • Mục tiêu cụ thể 1: Đánh giá tổng quan ưu, nhược điểm của các hệ thống tách cuống hiện có để chỉ ra vấn đề cần giải quyết.
  • Mục tiêu cụ thể 2: Xác định đặc tính cơ lý và lực tách cuống trái ớt tươi.
  • Mục tiêu cụ thể 3: Thiết kế, chế tạo mô hình hệ thống tách cuống trái ớt tươi.
  • Mục tiêu cụ thể 4: Xây dựng mô hình tự động nhận dạng, xử lý ảnh, phân loại trái ớt tươi sau khi tách cuống.
  • Mục tiêu cụ thể 5: Đánh giá hiệu quả, khả năng ứng dụng của mô hình hệ thống tách cuống và phân loại trái ớt tươi.

Đối tượng và phạm vi nghiên cứu:

  • Đối tượng nghiên cứu: Trái ớt tươi chín đỏ ngay sau khi thu hoạch; quy trình, phương pháp tách cuống và phân loại tự động.
  • Phạm vi nghiên cứu: Tập trung vào ba giống ớt chỉ thiên được trồng phổ biến tại ĐBSCL: Chánh Phong F1 (CP1), Chánh Phong F4 (CP4) và Hai Mũi Tên (MTen). Năng suất tính toán của mô hình thí nghiệm kiểm tra nguyên lý được giới hạn ở mức 10 kg/giờ.

Tổng quan tài liệu và vị trí của luận án

Luận án đã khảo sát hiện trạng canh tác và các nghiên cứu về công nghệ, thiết bị thu hoạch, chế biến ớt trên thế giới và tại Việt Nam:

  • Dữ liệu sản xuất và chuỗi giá trị: Theo thống kê của Tổ chức Nông lương Liên Hiệp Quốc (FAO) năm 2020, Ấn Độ đứng đầu thế giới về diện tích (683.227 ha, chiếm 41,1%) và sản lượng ớt khô (1.759.000 tấn, chiếm 38,1%). Việt Nam xếp thứ 6 về diện tích trồng ớt với 67.125 ha (chiếm 4% toàn cầu) và xếp thứ 11 về sản lượng ớt khô với 97.117 tấn (chiếm 2,2% toàn cầu). Tại tỉnh Đồng Tháp năm 2013, trong chuỗi giá trị ớt, nông dân đóng góp 85,5% tổng lợi nhuận toàn ngành nhưng lợi nhuận trung bình chỉ đạt 73,1 triệu đồng/hộ/năm, trong khi chủ vựa đạt hơn 2,05 tỷ đồng/vựa/năm. Năm 2015, năng suất ớt trung bình tại Đồng Tháp là 1,31 tấn/1.000 m², lợi nhuận trung bình đạt 15,8 triệu đồng/1.000 m² với tỷ suất lợi nhuận trên tổng chi phí đạt 135%. Tỷ lệ ớt được phân loại chỉ chiếm 5,4% và ớt phơi khô chiếm 8,7% sản lượng tiêu thụ.
  • Các phương pháp loại bỏ cuống hiện có:
    • Phương pháp của Carl E. Rasmussen (1976): Sử dụng bàn lắc nghiêng, các thanh cản định vị và cụm dao cắt quay phối hợp sàng rung và luồng khí để loại bỏ cuống. Hệ thống có năng suất cao nhưng để lại phần đài cuống và hình ngôi sao trên thân trái.
    • Máy cắt cuống lồng quay thương mại của hãng Beijing Bidragon Machinery: Thiết bị dạng lồng quay nghiêng có các lỗ thoát cuống và lưỡi dao cắt cố định bên ngoài lồng, dải công suất xử lý 60–500 kg/giờ (mẫu 500 kg/giờ tiêu thụ 8 kWh điện). Thiết bị vẫn để lại gốc đài cuống trên thân trái ớt.
    • Hệ thống cắt cuống của hãng Tabanli: Kết hợp bồn nước rửa nổi nguyên liệu, chổi quét làm sạch và cơ cấu thùng quay cắt cuống. Kết quả xử lý vẫn để lại gốc cuống thừa.
    • Hệ thống phân loại và cắt cuống di động của Ryan Herbon (2012, 2014): Hệ thống sử dụng các cánh gạt mềm định vị trái ớt trên rãnh, thu thập ảnh trên đoạn băng tải dài 1.000 mm, thuật toán xác định vị trí cắt là điểm cực đại của tích giữa đường kính lớn nhất với đạo hàm biến thiên đường kính, cơ cấu lưỡi kéo cắt trong 11 ms. Hệ thống đạt độ chính xác phân loại màu 91,7 ± 3,7%, loại bỏ >80% bụi bẩn, nhưng vẫn tồn tại tỷ lệ cắt phạm vào thân ớt và không bóc tách hoàn toàn cuống.
    • Phương pháp ép nén của Nagrenda B. Kodali (2018): Dùng các cặp con lăn có khe hở thu hẹp dần quay với tốc độ 400–550 vòng/phút (đạt tỷ lệ tách cuống 80%) và 330 vòng/phút (đạt 72%). Phương pháp bóc trọn vẹn cuống nhưng làm dập vỡ thân ớt đối với giống ớt nhiều hạt, thịt mỏng.
    • Nghiên cứu thị giác máy tính của Mahit Gunes (2012): Xử lý ảnh nhận diện cuống ớt phục vụ phân loại tự động.

Khoảng trống nghiên cứu được lựa chọn: Luận án chọn giải quyết yêu cầu tách hoàn toàn đài cuống ra khỏi thân trái ớt mà không làm dập nát thân trái, thích ứng với đặc tính hình học của giống ớt chỉ thiên ĐBSCL; đồng thời tích hợp cơ chế phân loại tự động phát hiện trái ớt nứt và ớt bệnh sau khi tách cuống.

Cơ sở lý thuyết và phương pháp nghiên cứu

Cơ sở lý thuyết và khung phân tích

  • Cơ học tách cuống kéo - uốn: Luận án phân tích mối liên kết cuống - thân trái ớt dựa trên trạng thái chịu lực phức hợp kéo kết hợp uốn ($F$). Việc tạo ra mô men uốn tại điểm liên kết kết hợp lực kéo dọc trục giúp phá vỡ liên kết giữa đài cuống và thịt quả mà không cần nén ép dẹp thân trái.
  • Mô hình toán dự báo lực tách cuống: Thiết lập quan hệ hàm số giữa lực tách cuống cần thiết ($F$, đơn vị N) và thời gian bảo quản sau thu hoạch ($t$, đơn vị giờ) qua hai dạng hàm:
    • Mô hình đa thức bậc 4 (Pol4): $F(t) = p_1 t^4 + p_2 t^3 + p_3 t^2 + p_4 t + p_5$
    • Mô hình Gaussian hiệu chỉnh tuyến tính (Gauss): $F(t) = a_1 e^{-\left(\frac{t-b_1}{c_1}\right)^2} + a_2 t + b_2$
  • Mô hình kiểm soát lực tách cuống: Thiết lập bài toán cân bằng lực trên cơ cấu dây đai và bánh đỡ. Áp suất phá hủy cuống $P$ (N/mm²) và lực kẹp chặt $F_{kc}$ được kiểm soát dựa trên lực căng đai $T$, góc ôm của dây đai $\omega$, góc vào đai $\beta$, góc thoát đai $\gamma$, góc chùng đai $\alpha$, hệ số ma sát $f$ giữa cuống ớt và dây đai, nhằm đảm bảo lực kéo $F_d \ge F_{d(min)}$ nhưng áp lực ép không vượt quá giới hạn phá hủy thân cuống ($F_k < F_m$).
  • Mạng thần kinh tích chập (Convolutional Neural Network - CNN): Sử dụng kiến trúc CNN với các lớp Convolution, pooling và fully connected để trích xuất đặc trưng hình ảnh vết nứt cơ học và vết bệnh trên thân trái ớt; sử dụng hàm tối ưu Adam, hàm mất mát Categorical-Crossentropy và kỹ thuật Early stopping để tránh hiện tượng quá khớp (overfitting).
  • Khung đánh giá ma trận nhầm lẫn (Confusion Matrix): Đánh giá chất lượng mô hình nhận dạng thông qua các đại lượng True Positives (TP), False Positives (FP), True Negatives (TN), False Negatives (FN), độ chính xác tổng quát (Accuracy - Acc), tỷ lệ dương tính đúng (True Positive Rate - TPR), tỷ lệ dự đoán dương tính đúng (Positive Predictive Value - PPV) và điểm F1 (F1 score).

Phương pháp nghiên cứu thực tế

  • Phương pháp đo đạc cơ lý: Thu thập mẫu ớt CP1, CP4, MTen; xác định kích thước hình học (chiều dài tổng thể $l_f$, chiều dài thân $l_{th}$, chiều dài cuống $l_s$, đường kính thân $d_f$, đường kính cuống $d_s$, độ cong $d_{co}$) và khối lượng bằng thước kẹp điện tử và cân phân tích. Xác định cỡ mẫu $n_s$ dựa trên công thức xác suất thống kê với độ tin cậy tương ứng giá trị tra bảng phân phối chuẩn $Z_{\alpha/2}$, sai số cho phép $e$ và tỷ lệ ước lượng $p$.
  • Phương pháp thực nghiệm xác định lực và áp suất: Sử dụng cảm biến lực load cell kết nối bộ chuyển đổi HX711 và vi điều khiển Uno R3 để đo lực tách cuống $F$ theo các mốc thời gian bảo quản $t \in [0, 48]$ giờ, xác định áp suất phá hủy thân cuống $P$, và xác định hệ số ma sát trượt $f$.
  • Phương pháp định hướng bằng cảm biến màu quang học: Đo chu kỳ tín hiệu phản hồi kênh màu đỏ (Red) và xanh (Green) của cảm biến TCS3200 khi trái ớt chuyển động qua cảm biến ở các dải vận tốc $v = 100, 120, 140, 160$ mm/s và độ cao gá đặt $h = 25$ mm.
  • Phương pháp thực nghiệm phân loại hình ảnh: Lắp đặt máy quay thu nhận dữ liệu video/ảnh bề mặt trái ớt sau tách cuống; xây dựng cơ cấu con lăn lật có biên dạng rãnh thân khai phủ lớp băng keo vải chống phản quang để quay lật trái ớt 360 độ, kiểm tra khả năng nhận dạng ở trạng thái tĩnh và trạng thái động.

Nguồn tư liệu và dữ liệu

Dữ liệu thực nghiệm được thu thập từ các vùng chuyên canh ớt tại huyện An Phú (An Giang), huyện Thanh Bình (Đồng Tháp), xã Bình Ninh (Tiền Giang) và xã Tân Quới (Vĩnh Long). Các mẫu ớt tươi thử nghiệm bao gồm giống Chánh Phong F1, Chánh Phong F4 và Hai Mũi Tên. Dữ liệu hình ảnh vết bệnh (thán thư, đốm bầm) và vết nứt thân trái được chụp trực tiếp từ mô hình thử nghiệm và xử lý bằng công cụ Matlab (Curve Fitting Tool - CFTool) và ngôn ngữ lập trình Python trên giao diện Jupyter Notebook.

Nội dung chính theo từng chương

Chương 1: Giới thiệu

Chương này trình bày lý do chọn đề tài, tính cấp thiết của việc cơ giới hóa và tự động hóa khâu tách cuống trái ớt tươi tại ĐBSCL. Tác giả xác định đối tượng nghiên cứu là trái ớt tươi chín đỏ, nêu rõ 3 vấn đề nghiên cứu, 5 mục tiêu cụ thể, 9 nội dung nghiên cứu và phạm vi nghiên cứu giới hạn ở 3 giống ớt (CP1, CP4, MTen) với quy mô mô hình thí nghiệm 10 kg/giờ. Chương 1 cũng trình bày 4 phương pháp nghiên cứu (phân tích tổng hợp tài liệu, xử lý số liệu, thực nghiệm, mô hình hóa), ý nghĩa khoa học, ý nghĩa thực tiễn và 4 đóng góp mới của luận án.

Chương 2: Tổng quan tài liệu

Chương 2 tổng hợp các đặc tính sinh học của 5 giống ớt thuần hóa thuộc chi Capsicum (Capsicum annuum, Capsicum frutescens, Capsicum chinense, Capsicum baccatum, Capsicum pubescens), giá trị dinh dưỡng (capsaicin, carotene, vitamin C) và điều kiện canh tác thích hợp (nhiệt độ 21–30°C). Chương này phân tích số liệu thống kê diện tích, sản lượng ớt thế giới và Việt Nam giai đoạn 1961–2020 từ nguồn FAO, chuỗi giá trị và cấu trúc thị trường ớt tại tỉnh Đồng Tháp năm 2013 và 2015. Đồng thời, chương 2 phân tích cơ chế làm việc, ưu điểm và nhược điểm của các thiết bị thu hoạch cơ giới (ngón tay cao su Rubber finger của Frank E., máy John Deere, máy McClendon, cơ cấu đĩa xoắn nghiêng Yung-Etgar) và các hệ thống cắt/tách cuống của Carl E. Rasmussen, Beijing Bidragon Machinery, Tabanli, Ryan Herbon và Nagrenda B. Kodali.

Chương 3: Phương pháp thực hiện

Chương 3 mô tả quy trình công nghệ và thiết kế hệ thống tách cuống tự động gồm hai cụm chính: cụm sắp xếp - tách cuống và cụm đảo lật - phân loại quang học. Tác giả trình bày phương pháp đo kích thước, trọng lượng trung bình các giống ớt; phân tích trạng thái chịu lực kéo - uốn của cuống ớt; xây dựng mô hình toán lực tách cuống trên công cụ Matlab CFTool; đo áp suất phá hủy cuống ớt; thiết kế cụm sắp xếp ớt định hướng bằng cảm biến màu TCS3200; xây dựng mô hình cân bằng lực cơ cấu tách cuống dây đai - bánh đỡ; đo hệ số ma sát $f$; thiết kế cơ cấu con lăn lật rãnh thân khai và xây dựng kiến trúc mạng CNN nhận diện vết nứt, vết bệnh trên thân ớt.

Thông số hình học trung bình CP1 CP4 MTen
Chiều dài toàn bộ $l_f$ (mm) 74,40 81,15 86,28
Chiều dài thân $l_{th}$ (mm) 49,69 56,10 60,63
Chiều dài cuống $l_s$ (mm) 24,71 25,05 25,65
Đường kính thân lớn nhất $d_f$ (mm) 8,72 8,98 9,88
Đường kính cuống tại vị trí cách thân 10 mm $d_s$ (mm) 1,84 1,79 1,86
Độ cong toàn phần $d_{co}$ (mm) 3,36 3,19 3,25
Trọng lượng trung bình (g/trái) 2,82 3,11 3,55

Chương 4: Kết quả và thảo luận

Chương 4 trình bày chi tiết các kết quả thực nghiệm và đối sánh mô hình toán:

  • Kết quả xác định lực tách cuống và kiểm chứng mô hình toán: Lực tách cuống cần thiết thay đổi theo thời gian bảo quản sau thu hoạch $t$. Kết quả giải hệ số cho mô hình Gaussian hiệu chỉnh và mô hình Pol4 trên giống CP1, CP4 và MTen cho thấy mức độ phù hợp cao với dữ liệu thực nghiệm qua các chỉ số sai số bình phương trung bình (MSE) và sai số tuyệt đối trung bình (MAE).
Chỉ số đánh giá mô hình Giống CP1 (Gauss / Pol4) Giống CP4 (Gauss / Pol4) Giống MTen (Gauss / Pol4)
Sai số bình phương trung bình (MSE) 0,0231 / 0,0285 0,0312 / 0,0348 0,0274 / 0,0299
Sai số tuyệt đối trung bình (MAE) 0,1182 / 0,1341 0,1420 / 0,1503 0,1305 / 0,1387
  • Kết quả hoạt động của cảm biến màu TCS3200: Ở độ cao gá đặt $h = 25$ mm và vận tốc băng tải $v = 100$ mm/s, tín hiệu chu kỳ màu đỏ phân biệt rõ ràng giữa phần thân trái màu đỏ ($P_{avg} \approx 28,4$ $\mu$s) và phần cuống màu xanh ($V_{avg} \approx 112,6$ $\mu$s), cho phép vi điều khiển Uno R3 nhận diện chính xác phương vị trái ớt và điều khiển cơ cấu gạt định hướng. Khi vận tốc tăng lên 160 mm/s, chu kỳ tín hiệu thu hẹp nhưng vẫn duy trì ngưỡng nhận dạng tin cậy.
  • Hiệu quả hoạt động cụm tách cuống và cơ cấu đảo: Cơ cấu tách cuống sử dụng dây đai và bánh đỡ đạt tỷ lệ tách sạch hoàn toàn cuống là 96,2%, tỷ lệ làm dập nát thân trái ở mức thấp. Cơ cấu đảo lật sử dụng con lăn rãnh thân khai đạt tỷ lệ lật mặt thành công trên 95% khi vận tốc quay phù hợp.
  • Hiệu quả phân loại bằng mạng CNN:
    • Mô hình phân loại trái ớt nứt: Ở trạng thái tĩnh đạt tỷ lệ nhận dạng chính xác 94%; ở trạng thái động đạt 89,5%. Tỷ lệ nhận dạng giảm dần theo thời gian bảo quản do hiện tượng mất nước làm thay đổi bề mặt vết nứt.
    • Mô hình phân loại trái ớt bệnh: Đạt tỷ lệ nhận dạng chính xác 92% ở trạng thái độc lập và 88,3% khi tích hợp trên mô hình phân loại động có cơ cấu đảo lật.
  • Đề xuất hệ thống và tính toán kinh tế kỹ thuật: Luận án đề xuất hệ thống hoàn chỉnh dạng mô đun liên hoàn (Cấp liệu $\rightarrow$ Định hướng TCS3200 $\rightarrow$ Tách cuống dây đai/bánh đỡ $\rightarrow$ Đảo lật con lăn thân khai $\rightarrow$ Phân loại CNN $\rightarrow$ Phân luồng sản phẩm). Mô hình có thể ghép song song để mở rộng năng suất chế biến.

Chương 5: Kết luận và đề xuất

Chương này tổng kết các kết quả chính của luận án, khẳng định tính đúng đắn của nguyên lý tách cuống kéo - uốn và tính khả thi của hệ thống phân loại tích hợp trí tuệ nhân tạo. Tác giả nêu các đề xuất nghiên cứu tiếp theo nhằm nâng cao độ bền kết cấu và thử nghiệm quy mô công nghiệp.

Kết quả và những đóng góp mới

Những đóng góp mới về mặt lý luận và khoa học

  1. Thiết lập cơ sở cơ học giải thích quá trình tách cuống trái ớt tươi thông qua biến dạng phức hợp dạng kéo - uốn tại điểm tiếp giáp giữa cuống và thân trái, thay thế cho các nguyên lý cắt cơ học hoặc ép dẹp.
  2. Xây dựng hai mô hình toán thực nghiệm (mô hình Gaussian hiệu chỉnh tuyến tính và mô hình đa thức bậc 4) mô tả quy luật biến thiên của lực tách cuống cần thiết theo thời gian bảo quản sau thu hoạch ($t \in [0, 48]$ giờ) đối với các giống ớt chỉ thiên ĐBSCL.
  3. Xây dựng mô hình bài toán cân bằng lực trên cơ cấu dây đai và bánh đỡ, cho phép tính toán và kiểm soát lực kẹp cuống nằm trong khoảng an toàn ($F_d \ge F_{d(min)}$ và $F_k < F_m$), tránh làm đứt cuống trước khi tách hoặc dập nát quả.
  4. Xây dựng cấu trúc mạng CNN chuyên biệt kết hợp cơ cấu đảo lật thân khai để nhận diện tự động vết nứt cơ học và vết bệnh trên thân trái ớt sau khi tách cuống.

Những đóng góp mới về mặt thực tiễn và giải pháp kỹ thuật

  • Chế tạo thành công mô hình hệ thống tự động tách cuống và phân loại trái ớt tươi với tỷ lệ tách sạch hoàn toàn cuống đạt 96,2%.
  • Ứng dụng cảm biến màu TCS3200 vào việc xác định phương vị và sắp xếp trái ớt trên băng tải với độ ổn định cao ở các dải tốc độ từ 100 đến 160 mm/s.
  • Hệ thống phân loại tự động tích hợp thị giác máy tính đạt độ chính xác nhận diện 94% đối với ớt nứt và 92% đối với ớt bệnh ở trạng thái kiểm tra tĩnh.
  • Đề xuất cấu trúc thiết bị dạng mô đun độc lập, cho phép bố trí lắp đặt song song nhiều chuyền để nhân rộng công suất xử lý theo yêu cầu của từng cơ sở sơ chế nông sản.

Kiến nghị và giải pháp đề xuất

  • Chế tạo lại mô hình bằng các vật liệu công nghiệp có độ bền cao (như thép không gỉ SUS304 cho khung vỏ và các bộ phận tiếp xúc thực phẩm) nhằm đảm bảo tiêu chuẩn vệ sinh an toàn thực phẩm.
  • Tăng cường độ cứng vững và độ bền mỏi của các cơ cấu chuyển động cơ khí, đảm bảo thiết bị vận hành liên tục, ổn định ở quy mô công nghiệp tại các vựa và nhà máy chế biến ĐBSCL.

Hạn chế và hướng nghiên cứu tiếp

  • Hạn chế:
    • Mô hình thực nghiệm mới được chế tạo và kiểm chứng ở quy mô phòng thí nghiệm với năng suất thiết kế 10 kg/giờ cho một mô đun đơn lẻ.
    • Phạm vi khảo nghiệm giới hạn trên 3 giống ớt chỉ thiên chín đỏ phổ biến (CP1, CP4, MTen); chưa đánh giá trên các giống ớt quả to hoặc ớt chuông.
    • Tỷ lệ nhận dạng vết nứt bị suy giảm theo thời gian bảo quản do hiện tượng mất nước làm co ngót bề mặt quả.
    • Mô hình thị giác máy tính nhạy cảm với hiện tượng phản quang từ bề mặt con lăn cơ khí (phải xử lý bề mặt bằng băng keo vải).
  • Hướng nghiên cứu tiếp:
    • Chế tạo hoàn thiện mô hình ở cấp độ công nghiệp, ghép nối đa mô đun song song để kiểm tra hoạt động liên tục với tải trọng lớn.
    • Mở rộng tập dữ liệu huấn luyện mạng CNN cho các giống ớt khác và các dạng khuyết tật bề mặt đa dạng hơn.
    • Tối ưu hóa hệ thống chiếu sáng và cấu trúc buồng chụp ảnh để loại bỏ triệt để hiện tượng phản quang bề mặt.

Giá trị tham khảo

  • Đối tượng thụ hưởng:
    • Nghiên cứu sinh, học viên cao học, giảng viên thuộc các chuyên ngành Kỹ thuật Điều khiển và Tự động hóa, Cơ kỹ thuật, Cơ điện tử, Kỹ thuật Cơ khí nông nghiệp và Công nghệ sau thu hoạch.
    • Các kỹ sư thiết kế máy, chuyên viên nghiên cứu và phát triển (R&D) tại các viện nghiên cứu, doanh nghiệp sản xuất máy chế biến nông sản.
    • Chủ các cơ sở thu mua, vựa ớt, hợp tác xã và doanh nghiệp chế biến, xuất khẩu ớt tại khu vực ĐBSCL và các tỉnh thành trồng ớt trên cả nước.
  • Nội dung tham khảo giá trị:
    • Phương pháp mô hình hóa cơ học tách cuống kéo - uốn và bài toán kiểm soát lực kẹp trên dây đai.
    • Dữ liệu thực nghiệm về cơ lý, lực tách cuống, áp suất phá hủy cuống của các giống ớt chỉ thiên CP1, CP4, MTen theo thời gian bảo quản.
    • Giải pháp kỹ thuật sử dụng cảm biến TCS3200 để định hướng nông sản thon dài và cơ cấu con lăn lật rãnh thân khai hỗ trợ thị giác máy tính.
    • Cấu trúc mạng CNN và quy trình tiền xử lý hình ảnh nhận diện khuyết tật nông sản.

Câu hỏi thường gặp

1. Nguyên lý cơ học nào giúp hệ thống tách sạch hoàn toàn cuống ớt mà không làm dập nát thân trái?
Luận án ứng dụng nguyên lý tạo biến dạng phức hợp dạng kéo kết hợp uốn tại vị trí liên kết giữa cuống và thân trái bằng cơ cấu dây đai và bánh đỡ. Khi trái ớt di chuyển qua vùng ép của dây đai với góc ôm $\omega$, cuống ớt bị kẹp chặt và chịu lực uốn gập trong khi thân trái tiếp tục chuyển động tịnh tiến, tạo ra lực bóc tách trọn vẹn phần đài cuống và gốc ngôi sao ra khỏi thân trái mà không cần nén ép dẹp thân quả.

2. Tại sao luận án lựa chọn cảm biến màu TCS3200 thay vì xử lý ảnh để định hướng trái ớt ở khâu đầu vào?
Trái ớt tươi chín đỏ của các giống chỉ thiên ĐBSCL có sự tương phản màu sắc rõ rệt giữa phần thân (màu đỏ) và phần cuống (màu xanh). Cảm biến TCS3200 thu nhận chu kỳ tần số màu đỏ ($P_{avg} \approx 28,4$ $\mu$s) và màu xanh ($V_{avg} \approx 112,6$ $\mu$s) với tốc độ đáp ứng nhanh, chi phí phần cứng thấp, thuật toán xử lý trên vi điều khiển Uno R3 đơn giản và hoạt động ổn định ở các dải vận tốc băng tải từ 100 đến 160 mm/s mà không đòi hỏi tài nguyên tính toán lớn như xử lý ảnh camera.

3. Mô hình toán nào được sử dụng để dự đoán lực tách cuống và độ chính xác ra sao?
Luận án xây dựng hai mô hình toán thực nghiệm gồm mô hình Gaussian hiệu chỉnh tuyến tính và mô hình đa thức bậc 4 (Pol4) bằng công cụ Matlab CFTool. Cả hai mô hình đều mô tả chính xác sự suy giảm của lực tách cuống theo thời gian bảo quản $t \in [0, 48]$ giờ, với sai số bình phương trung bình (MSE) nằm trong khoảng 0,0231 đến 0,0348 và sai số tuyệt đối trung bình (MAE) từ 0,1182 đến 0,1503 trên các giống CP1, CP4 và MTen.

4. Cấu trúc và hiệu quả của hệ thống phân loại chất lượng sau khi tách cuống đạt kết quả như thế nào?
Hệ thống sử dụng mạng thần kinh tích chập (CNN) kết hợp cơ cấu con lăn lật rãnh thân khai quay 360 độ để quan sát toàn bộ bề mặt trái ớt. Hệ thống đạt tỷ lệ nhận diện chính xác 94% đối với vết nứt cơ học và 92% đối với vết bệnh (thán thư, đốm bầm) ở trạng thái kiểm tra tĩnh (đạt lần lượt 89,5% và 88,3% ở trạng thái kiểm tra động liên tục).

5. Năng suất của hệ thống được tính toán như thế nào và làm cách nào để mở rộng công suất xử lý?
Một mô đun thí nghiệm đơn lẻ được thiết kế với năng suất 10 kg/giờ để kiểm chứng nguyên lý hoạt động. Cấu trúc của hệ thống được thiết kế theo dạng khối mô đun chuẩn hóa độc lập, do đó việc tăng năng suất chế biến trong thực tế được thực hiện bằng giải pháp lắp đặt song song nhiều mô đun trên cùng một dây chuyền cấp liệu.

Kết luận

Luận án đã giải quyết thành công bài toán tự động hóa công đoạn tách cuống và phân loại trái ớt tươi phù hợp với đặc thù hình học và cơ lý của các giống ớt chỉ thiên tại ĐBSCL. Bằng việc phối hợp nguyên lý tách cuống kéo - uốn trên cơ cấu dây đai - bánh đỡ với công nghệ phân loại quang học dùng mạng CNN và cảm biến màu TCS3200, hệ thống đạt tỷ lệ tách sạch cuống 96,2%, nhận diện ớt nứt 94% và ớt bệnh 92%. Kết quả nghiên cứu cung cấp cơ sở khoa học và giải pháp kỹ thuật khả thi dạng mô đun, tạo tiền đề quan trọng để phát triển các thiết bị chế biến nông sản tự động ở quy mô công nghiệp.