Đặt vấn đề thiết kế Xét về mặt kinh nghiệm đối với sầu riêng Ri-6 ở nước ta, người bán dùng dụng cụ tách quả sầu riêng để gõ lên vỏ quả, nếu nghe tiếng bộp bộp hay bịch bịch thì quả đó được đánh giá là ngon, có phần cơm dày và hạt lép. Trong thu hoạch, người ta còn thuê cả những chuyên gia có kinh nghiệm gõ. Đó là về mặt âm thanh mà nhóm lưu ý đầu tiên về đánh giá chất lượng quả. Còn về vẻ bên ngoài quả, quả già sẽ có gai nở to, rất cứng và đầu gai hơi tròn chứ không nhọn hoắt hoặc nhỏ xíu.
Đối với hai gai gần nhau của quả mà bóp cảm giác cứng thì quả rất có thể chất lượng. Quả Ri-6 chín cây đã già sẽ có phần cuống cứng và còn tươi xanh, khi bấm nhẹ vào có nhựa chảy ra. Thực tế, kinh nghiệm gõ để biết độ tuổi quả sầu riêng là được dùng phổ biến nhất. Gõ sầu riêng ở hai vị trí là ở dưới và trên bụng.
Lý do là sầu riêng chín từ dưới lên cuống. Người ta gõ từ khi quả sầu riêng già trên cây bằng 4 cán dao kim loại, kinh nghiệm người gõ sẽ quyết định âm thanh đó tương ứng với độ chính nào. Như vậy, dựa theo kinh nghiệm những người phân loại, nhóm sẽ tiếp cận đánh giá chất lượng quả theo cách dùng âm thanh gõ vào quả để biết được độ chín tính từ ngày thu hái. Khi đó, các quả đã được xem là đủ tuổi già và việc tiếp theo là cần đánh giá quả còn bao nhiêu ngày nữa thì chín nứt vỏ để từ đó tính toán thời gian vận chuyển, bảo quản và xuất khẩu cho hợp lý.
Hệ thống cũng sẽ cần phân loại sơ bộ được những quả có hình dáng đẹp, tròn, tươi xanh và còn cuống. Có thêm cân nặng quả để tất cả đưa ra sầu riêng loại 1 cho những mã vùng xuất khẩu sầu riêng. Chỉ những nơi được bên nhập khẩu cấp mã vùng thì ta mới xuất khẩu sầu riêng ở vùng đó sang nước bạn được. Trọng tâm nghiên cứu sẽ hướng vào phân tích phổ âm thanh gõ quả sầu riêng.
Tiếp theo là nhóm sẽ tìm hiểu những nghiên cứu trong và ngoài nước về việc dùng âm thanh phân loại quả như thế nào? Một kinh nghiệm khác là quan sát vỏ quả về màu sắc và gai nở, đây cũng sẽ gợi cho nhóm tìm hiểu từ các nghiên cứu. Sau khi hoàn thành xong thuật toán thì nhóm sẽ tiếp tục thiết kế hệ thống đáp ứng phù hợp cho thuật toán đó. Với thuật toán phân loại từ âm thanh, điều đó giống như một “double check” bên cạnh phân loại cân nặng quả để cho tính chính xác về chất lượng quả cao hơn. Chính vì thế mà phần trọng tâm của cả hệ thống sẽ nằm ở việc gõ quả và đưa ra kết quả phân loại.
Hai đầu dây chuyền sẽ có người cấp quả và lấy quả ra theo như tín hiệu ta lập trình trước. Bởi vì ở Việt Nam vẫn chưa có một hệ thống kiểu này nên cần phát triển từng bước. Một hệ thống tự động hoàn toàn là chưa khả thi lúc này nên nhóm sẽ tập trung vào phần quan trọng nhất là gõ phân loại ra độ tuổi chín của quả sầu riêng được làm bán tự động với dây chuyền đưa quả vào và ra hệ thống gõ nhờ công nhân đặt quả và lấy quả ở hai đầu. Nền tảng là dựa trên thuật toán xây dựng từ phân tích phổ âm thanh và nhận diện phân loại trên giải thuật CNN.
Các nghiên cứu trong và ngoài nước 1. Các nghiên cứu trong nước Năm 2014, Võ Minh Trí và Võ Tấn Thành đã tổng hợp cơ sở lý thuyết và thực nghiệm phân tích không phá hủy trái xoài bằng phương pháp va đập nhẹ. Bằng cách sử dụng một cơ cấu thả rơi quả xoài ở độ cao thích hợp tạo lực nhẹ lên cảm biến lực để đo chỉ số độ cứng quả và phân loại theo chỉ số đó. Kết quả đạt được trên 80%.
Mô hình phân loại xoài theo phương pháp va đập nhẹ Hình 1.2 cho ta thấy một mô hình phân loại xoài theo phương pháp va đập nhẹ. Ưu điểm của nó là có hàm toán học phụ thuộc vào lực đập của quả chín dần. Tuy nhiên, việc ứng dụng lên quả sầu riêng sẽ khó khăn do quả sầu riêng nặng mà giữ rồi thả va đập sẽ tạo ra lực lớn, việc giữ nó trên cao cũng sẽ phức tạp. Năm 2020, Nguyên Minh Hòa và nhóm nghiên cứu ở Đại học Trà Vinh đã tạo ra mô hình phân loại quả dừa sáp và không sáp.
Dừa sáp là một loại quả có giá trị kinh tế cao. Để thu lấy mẫu âm thanh phân loại nhóm đã sử dụng cơ cấu theo nguyên lý búa cam Leonardo da Vinci. Nhóm sử dụng thuật toán SVM và KNN đạt kết quả trên 90%. Mô hình phân loại dừa sáp và không sáp Hình 1.3 là một mô hình dùng để nghiên cứu phân loại quả dừa sáp và không sáp.
Ta có thể tham khảo ý tưởng này đối với quả sầu riêng, nhưng là trên một dây chuyền có khả năng tự động. Các nghiên cứu trong nước nhìn chung đã có những bước tiến ban đầu để phân loại và đánh giá chất lượng của quả. Ở đây nêu ra phương pháp phân loại ứng dụng cho trái cây nói chung vì sâu riêng vẫn chưa có bài nghiên cứu cụ thể trong nước. Vì thế ta có thể ứng dụng vào những quả có thể sử dụng phương pháp tương tự nhau dựa trên cấu trúc của nó.
Tuy nhiên, ở nước ta vẫn chưa có một hệ thống trong dây chuyền sản xuất để phân loại từ khâu cấp liệu ban đầu, qua băng chuyền đưa từng quả đến hệ thống phân loại và đánh giá dựa trên thuật toán. Các nghiên cứu ngoài nước Năm 1989 & 1996, Delwiche; Jaren, 1992, đã nghiên cứu kỹ thuật để đánh giá được độ cứng của trái cây. Bằng cách khảo sát một hàm của khối lượng phụ thuộc bán kính cong của quả.[8] Năm 2001, Bambang Haryanto và cộng sự đã dùng phương pháp siêu âm cho quả sầu riêng không phá hủy để tìm ra mối tương quan giữa lượng đường có trong quả sầu 7 riêng để biết được độ chín của nó so với sóng siêu âm sử dụng. Kết quả cho thấy sầu riêng chín có độ suy hao (dB/cm) cao hơn sầu riêng chưa chín.
Quy trình đánh giá độ chín sầu riêng dùng siêu âm Hình 1.4 là sơ đồ khối quy trình thí nghiệm dùng sóng siêu âm để kiểm tra độ tương quan với độ chín của quả. Xung từ máy kiểm tra siêu âm Tout được gửi đến đầu dò phát T. Sau khi lan truyền bên trong sầu riêng, sóng siêu âm được phát hiện bởi đầu dò thu R và sau đó được gửi đến máy kiểm tra siêu âm Rin. Tín hiệu từ máy đo siêu âm Rout được quan sát bằng máy hiện sóng tương tự và được số hóa trong máy hiện sóng số.
Tín hiệu được lưu trữ trong máy hiện sóng kỹ thuật số sau đó được chuyển đến máy tính PC bằng giao diện PC Lab Card để xử lý và phân tích thêm. Năm 2006, Bart De Ketelaere và cộng sự nghiên cứu mối tương quan giữa đo âm thanh tác động lên quả sau bảo quản để phân loại cho quả cà chua và táo. Một dựa trên phản ứng xung âm thanh (AFS) và một dựa trên tác động khối lượng thấp (SIQ-FT) cho kết quả độ tương quan mô phỏng tốt nhưng thực nghiệm chưa tốt có thể do vấn đề đo lượng thực tế khác biệt hơn nhiều.[10] Năm 2017, Apisak Phromfai và Pitak Klaichom với kỹ thuật sử dụng xử lý ảnh với một điện thoại thông minh chụp một góc vuông nhỏ để phân tích các chỉ số giá trị màu 8 thay đổi từ R G B thành CIE L* a* b*. Kết quả cho thấy với độ tin cậy 95% thì chỉ số L* và a* không tương quan với độ chín, còn b* càng tăng tương ứng với độ chín của sầu riêng.[11] Năm 2020, Siriluck Sangkue và cộng sự đã tiến hành thí nghiệm sự tương quan giữa tần số sóng âm thanh gõ vào vỏ quả với số ngày từ khi quả thu hoạch đối với sầu riêng Mongthong.
Bài báo đã tìm ra một quy luật giảm tuyến tính giữa chúng, trong đó hàm tần số phụ thuộc ngày sau thu hoạch. Phương trình tương quan rút ra là 𝑦 = −4,543𝑥 + 100,5, trong đó y (Hz) là tần số và x (ngày) là số ngày sau thu hoạch. Đây là phương trình có mối tương quan tuyến tính, khi số ngày thu hoạch trôi qua thì tần số tiếng gõ cũng giảm dần. Để xác định lại độ tin cậy thì nhóm nghiên cứu dùng những mẫu âm thanh gõ từ các quả được thu hoạch trong tự nhiên tương tự như những mẫu gõ dùng để đưa ra phương trình tương quan.
Mối tương quan giữa tần số và số ngày thu hoạch Hình 1.5 biểu thị mối quan hệ của phương trình tương quan tần số phụ thuộc số ngày thu hoạch. Trục hoành là số ngày sau thu hoạch, ngày 0 được tính là ngày thu hoạch. Trục tung là tần số gõ âm sầu riêng tính theo Hz. Hệ số R bình phương là 0,8339 được xem là có mức tương quan tốt.
9 Cũng năm 2020, Rhey Marc Carrera Albalos và cộng sự tiến hành nghiên cứu phân loại âm thanh khi gõ vào quả dừa để nhận biết mức độ chín của nó, các phân tích dựa trên phép biến đổi Fourier để quan sát miền tần số. Cơ cấu cơ đơn giản với một thiết bị gõ và có dùng cảm biến thu nhận âm thanh được điều khiển bởi một vi điều khiển và truyền dữ liệu về máy tính. Biểu đồ tần số đỉnh cao nhất của các mẫu âm dừa Hình 1.6 cho ta thấy ba cấp độ phân loại của độ tuổi quả dừa dựa trên tần số đỉnh. Ta có thể tham khảo các cấp độ phân chia như thế.
Cùng năm đó, Diana Rahmawati và công sự đã dùng bộ lọc Eliptic IRR và Blackman FIR để lọc nhiễu cho các tệp âm thanh bị nhiễu trong quá trình phân loại tuổi của quả dừa. Đáp ứng tần số của bộ lọc số thông dải IIR Eliptic bậc 7 10 Hình 1.7 là đáp ứng tần số của bộ lọc thông dải IIR Eliptic bậc 7. Đây được tham khảo để lọc nhiễu cho tệp âm thanh. Thông thường, âm thanh có tần số thấp, trong khi các nhiễu là tần số cao nên ta có thể ứng dụng bộ lọc thông thấp đối với các mẫu âm gõ sầu riêng.
Năm 2021, Suphachai Phawiakkarakun và cộng sự đã thực hiện phân loại ba cấp độ ngọt của quá dứa cũng sử dụng phân tích âm thanh dựa trên mẫu âm thanh được gõ. Ứng dụng phương pháp convolutional neural network (CNN) đạt tỷ lệ chính xác phân loại 96,67%.