Đặt vấn đề Robot tự phát hiện và có khả năng thu hoạch nông sản là một phần quan trọng trong việc ứng dụng tự động hóa trong lĩnh vực nông nghiệp. Nhìn chung, vấn đề tự động hóa trong nông nghiệp ở Việt Nam vẫn còn bị hạn chế, đa phần sử dụng sức lao động của con người là chủ yếu, việc ứng dụng máy móc, thiết bị hay những công nghệ tiên tiến vẫn chưa được áp dụng nhiều và rộng rãi. Hơn thé nữa, việc ứng dụng các thuật toán trí tuệ nhân tao (AI), máy học (ML) hay học sâu (DL) để nhận diện chính xác nông sản cần thu hoạch lại là một lĩnh vực hoàn toàn mới ở nước ta. Ngoài ra, việc phát triển cơ khí dé có thé thu hoạch nhiều loại nông sản nhưng vẫn đảm bảo được độ chính xác cao, nông sản sau khi thu hoạch không bị ảnh hưởng như hư hỏng, bam dập hoặc trầy xước là van dé rất đáng dé quan tâm.
Hiện nay, các nước trên thế giới đã tiến hành nghiên cứu và phát triển về những ứng dụng AI vào nông nghiệp nhưng vẫn còn tương đối ít. Một số dự án đầu tiên và noi bật phải kể đến như robot thu hoạch ớt chuông Sweeper, tiếp theo là robot thu hoạch cà chua do hãng sản xuất robot công nghiệp Squse ở Kyoto (Nhật Bản) sản xuất thử nghiệm,. Nhóm tác giả nhận thay những van đề đặt ra đối với nền nông nghiệp, đặc biệt là đối với nước nhà nên đã quyết định chọn đề tài “Thiết kế robot tự phát hiện và thu hoạch nông sản (quả cà chua)” ứng dụng trí tuệ nhân tạo để nghiên cứu, phát triển và tìm ra giải pháp tốt nhất, đóng góp một phần nhỏ trong quá trình đây mạnh công nghiệp hóa hiện đại hóa trong nông nghiệp. Bài toán thiết kế robot tự phát hiện và có khả năng thu hoạch nông sản (quả cà chua) 1.
Phát biểu bài toán Theo như tên của đê tài, chúng em nhận thây răng có 2 vân đê cân phải xử lý: Thứ nhất, đó là việc phát hiện và nhận diện quả cà chua chín, đây là bài toán đưa ra những dự đoán về trạng thái cần thu hoạch của quả cà chua mà cụ thể trạng thái được xét đến ở đây chính là trạng thái chín, vậy như thế nào được gọi là chín và dựa vào những giá trị gì dé kết luận như vậy? Chúng em sẽ giải thích rõ hơn trong nội dung Chương 5 — Kết quả nghiên cứu.1: Ảnh chứa quả cà chua sau khi được xử lý bằng thuật toán YOLO. Thứ hai, van đề thiết kế phần cứng — cánh tay robot. Cánh tay phải đảm bảo có thé thu hoạch mà không làm quả bi hỏng. Tham số đầu vào dé cánh tay xử lý cũng chính là tham sô đâu ra của thuật toán nhận diện.
Tính ứng dụng của đề tài Hiện nay, trong cuộc cách mạng công nghiệp 4.0 đa số các lĩnh vực như công nghiệp, nông nghiệp, dịch vụ. đều có những bước chuyển mình đột pha và điển hình là việc sử dụng những công nghệ hiện đại trong đó phải kê đến trí tuệ nhân tạo (AD được sử dụng trong việc hỗ trợ con người xử lý thông tin, công việc một cách nhanh chóng. Đề tài thiết kế robot tự phát hiện và có khả năng thu hoạch nông sản chính là một trong những nghiên cứu phục vụ cho nền nông nghiệp nước nhà với những ứng dụng cụ thê sau đây: s* Phát hiện quả chín, tính toán thời gian thu hoạch hợp lý giúp nâng cao chất lượng quả sau thu hoạch. s* Sử dụng robot tự động dé giảm thiêu sức lao động của con người.
s* Tạo tiền đề cho những nghiên cứu, ứng dụng mở rộng và phát triển của đề tài trong tương lai. s* Trên cơ sở nhận diện, chúng ta có nhiều tín hiệu đầu ra đồng thời cũng là tin hiệu đầu vào trong việc xử lý phần cứng. Hơn thế nữa hoàn toàn có thé ứng dụng trong việc thu hoạch bằng những thiết bị bay hỗ trợ cho những loại nông sản cách mặt đất mà robot không thể vươn tới. Ngoài ra vấn đề phun thuốc bảo vệ thực vật cũng được áp dụng giúp giảm thiểu những nguy cơ tiềm ấn đối với sức khỏe của COn người.
“* Ngoài việc nhận diện về độ chín, chúng ta hoàn toàn có thé ung dung AI trong việc phân tích dữ liệu, dự báo xu hướng cũng như những cảnh báo bất thường của thị trường mà từ đó có thể đưa ra những quyết định thu hoạch đúng thời điểm. s* Mở rộng cho việc ứng dung AI, chúng ta còn có thé phát hiện những vết sâu bệnh tiềm ẩn tồn tại trên quả, thân, lá,. đặc biệt hơn là gần đây còn có thể nhận diện cả những loài côn trùng gây hại. Thách thức đối với nhóm tác giả về khả năng ứng dụng đề tài Thách thức đầu tiên phải kế đến đó chính là độ chính xác trong thuật toán nhận diện.
Những yếu tố ngoại cảnh như độ sáng, sự che khuất, hình dạng không 6n định hoặc trùng lắp giữa những quả cũng dẫn đến kết quả đầu ra không như mong muốn. Đòi hỏi nhóm tác giả xây dựng lại thuật toán YOLO sao cho việc nhận diện đạt hiệu quả tốt nhất, kết quả dự đoán phải thật sự tốt thì mới có thể đáp ứng đủ điều kiện dùng làm tín hiệu đầu vào cho cánh tay hoạt động một cách ồn định. Thứ hai, thiếu độ hiểu biết về nông sản. Chắc chắn dé có thé làm tốt dé tài này cần phải có những kiến thức cơ bản về vấn đề thu hoạch trong nông nghiệp mà đặc biệt là đối với quả cà chua đỏ.
Thứ ba, môi trường nông nghiệp ở Việt Nam đa số là các mô hình nhỏ lẻ, không đủ lớn dé có thé đầu tư xây dựng những mô hình thu hoạch mang tính chất công nghiệp. Cuối cùng, chi phí đầu tư cho những hệ thống tự động thu hoạch là tương đối lớn đối với người nông dân. Đặc biệt là vùng nông thôn mà ở đó sức lao động của con người là chủ yếu. Mục tiêu, đối tượng, phạm vi nghiên cứu và giới hạn của đề tài 1.
Mục tiêu “+ Mục tiêu chính của dé tài là nhận diện tốt nhất độ chính xác của qua cà chua sử dụng phương pháp DL, từ đó đưa ra những tính toán hợp lý như tọa độ cuống, tọa độ cat và khoảng cách từ camera đên quả cà chua. * Xây dựng tập dữ liệu về quả cà chua (2000 ảnh) đáp ứng nhu cau DL trong phạm vi đề tài. s* Bên cạnh đó, nhóm chúng em phát triển thêm phan cơ khí đó là cánh tay robot, bộ khung và thuật toán hỗ trợ quá trình thu hoạch và di chuyển cho robot. Đối tượng Đối tượng chính ở đề tài này là nhận diện quả cà chua đỏ truyền thống ở trạng thái chín.
Nhóm tác giả tập trung chủ yếu vào việc ứng dụng thuật toán YOLO sao cho phù hợp. Phạm vỉ nghiên cứu s* Su dụng thuật toán YOLO v3 tiny nhận diện quả cà chua. s* Thiết kế phần cánh tay và khung robot. s* Xây dựng thuật toán vận hành, đồng bộ với các phần cứng khác của tổng thé robot.
s* Hiện thực kết quả nhận diện quả cà chua, tín hiệu điều khiển cánh tay robot và các thiết bị phần cứng hỗ trợ di chuyển khác, tất cả đều được thực thi trên kit Jetson nano. Giới hạn của đề tài s* Robot chỉ di chuyển theo lộ trình đã được câu hình sẵn (đi thăng trong môi trường bằng phăng). s* Chỉ hỗ trợ thu hoạch một loại quả duy nhất đó là quả cà chua đỏ truyền thống. Van dé thiết kế robot tự phat hiện va có khả năng thu hoạch nông sản ở nước ngoài 2.
Robot thu hoạch 6t chuông Sweeper Đây là dự án với sự tham gia của 6 đối tác đến từ 4 quốc gia (Hà Lan, Bỉ, Thụy Điển và Israel). Lần đầu tiên robot được ra mắt và có bản demo trước toàn thé giới vào ngày 4/7/2018. Đến ngày 31/12/2018 thì dự án hoàn thành và bước sang giai đoạn thử nghiệm cho đến nay. Hiện tại theo nhiều nhận định từ các chuyên gia đây là robot có quy mô đầu tư cao nhất và thành công nhất tính từ trước đó đến thời điểm hiện tại.
Mục tiêu chính của Sweeper là đưa robot thu hoạch nhà kính thế hệ đầu tiên ra thị trường. Sweeper cũng sẽ đảm nhận vai trò là robot tiên tiến hàng đầu của Châu Âu trong lĩnh vực nông nghiệp. Robot thu hoạch dâu tây Rubion Robot Rubion do Bi sản xuất có thé tự phát hiện và thu hoạch dây tây. Kết cấu và chức năng hoản toàn tương tự như robot Sweeper.
Ngoài ra còn nhiêu trên thê giới còn nhiêu dự án khác tương tự nhưng tât cả vẫn chỉ dừng lại ở mức thử nghiệm. Vẫn còn rất nhiều van dé phát sinh chưa thé giải quyết được như chi phi đầu tư, nghiên cứu, môi trường thử nghiệm. Vấn đề thiết kế robot tự phát hiện và có khả năng thu hoạch nông sản ở Việt Nam Ngày 25-4, tại vòng chung kết cuộc thi thiết kế robot Open-RoboHUS 2019 diễn ra tại Trường Đại học Khoa học Tự nhiên (Đại học Quốc gia Hà Nội). Cuộc thi với chủ đề “Thu hoạch nông nghiệp” đã thu hút gần 100 học sinh, sinh viên đến từ các trường trên địa bàn Hà Nội tham gia tranh tài.
Những robot trong cuộc thi sẽ tự động hoặc được điều khiển bằng tay dé hoàn thành nhiệm vụ hái quả mô hình. Vậy nên vẫn còn nhiều hạn chế về việc nhận diện rõ đâu là đối tượng cần được thu hoạch hay phải điều khiển bằng tay.vn 3 https://nhandan.vn Chương 3. LÝ THUYET YOLO - BÀI TOÁN NHAN DIỆN 3. Tổng quan YOLO (You Only Look Once) — Thuật ngữ “Một lần nhìn phát hiện vat thé”, đây là một trong những thuật ngữ được dùng trong vài năm trở lại đây rất nhiều, cụ thể trong lĩnh vực AI.
YOLO vI là phương pháp được đề xuất lần đầu bởi nhóm tác giả Joseph Redmon, Santosh Divvala, Ross Girshick va Ali Farhadi tại hội nghị IEEE vé thi giác máy tính và nhận diện mẫu năm 2016. Các phiên bản sau đó của YOLO lần lượt được cập nhật vào năm 2017, 2018 và 2020. Đây là một hướng tiếp cận mới đã tạo bước đột phá trong bài toán nhận diện đối tượng nói chung và nhận diện nông sản nói riêng. YOLO học một cách khái quát các biểu diễn của đôi tượng.
Trong quá trình huấn luyện và thử nghiệm trên các ảnh thực tế, YOLO xử lý tính toán tốt hơn về tốc độ nhận diện so với các phương pháp như R-CNN, Fast R-CNN, Faster R-CNN, SSD.