Luận văn: Xử lý ảnh điều khiển lên men chè đen - Tạ Minh Long, ĐH Kỹ thuật CN

Khám phá luận văn thạc sĩ về xử lý ảnh và ứng dụng điều khiển quá trình lên men tự động trong công nghệ sản xuất chè đen hiện đại. Nâng cao chất lượng chè.

• Tác giả: Tạ Minh Long
• Người hướng dẫn: PGS.TS Lại Khắc Lãi
• Trường học: Đại học Kỹ thuật Công nghiệp – Đại học Thái Nguyên
• Chuyên ngành: Kỹ thuật Điện tử
• Đề tài: Xử lý ảnh và ứng dụng điều khiển quá trình lên men trong công nghệ sản xuất chè đen
• Loại tài liệu: Luận văn Thạc sĩ
• Năm xuất bản: 2020
• Địa điểm: Thái Nguyên

Mục lục chi tiết

• LỜI CAM ĐOAN
• LỜI CẢM ƠN
• DANH MỤC CÁC CHỮ VIẾT TẮT
• DANH MỤC CÁC HÌNH VẼ
• LỜI NÓI ĐẦU
• 1. Tính cấp thiết của luận văn
• 2. Mục tiêu nghiên cứu
• 3. Đối tƣợng và phạm vi nghiên cứu
• 4. Ý nghĩa của luận văn
• 5. Nội dung nghiên cứu
• 6. Phƣơng pháp và phƣơng pháp luận
• 1. CHƢƠNG 1: LÊN MEN CHÈ ĐEN VÀ ẢNH SỐ
• 1.1. Chè đen và lên men chè đen
• 1.2. Quá trình lên men chè đen
• 1.3. Định nghĩa ảnh số
• 1.4. Thuộc tính của hình ảnh số hóa
• 1.5. Các loại hình ảnh
• 1.6. Không gian màu RGB, HSV, LAB
• 1.7. Phƣơng pháp nghiên cứu
• 1.8. Kết luận chƣơng
• 2. CHƢƠNG 2: CÁC THUẬT TOÁN SỬ DỤNG
• 2.1. ANOVA, Z – Score, Correlation coefficients
• 2.2. ANOVA một yếu tố (one-way ANOVA)
• 2.3. Phân loại mẫu đào tạo và kiểm tra SPXY
• 2.4. Phân tích thành phần chính
• 2.5. Tối ƣu hóa hàm mất mát
• 2.6. Các bƣớc thực hiện phân tích thành phần chính
• 2.7. Thuật toán Cây quyết định và Rừng ngẫu nhiên
• 2.8. Khái niện chung
• 2.9. Thuật toán Rừng ngẫu nhiên(Random Forest)
• 2.10. Kết luận chƣơng
• 3. CHƢƠNG 3: DỰ ĐOÁN CÁC CHỈ SỐ CHẤT LƢỢNG VÀ ỨNG DỤNG
• 3.1. Tiền xử lý dữ liệu và phân chia bộ mẫu
• 3.2. Trích xuất tính năng màu
• 3.3. Phân tích sự khác biệt về chỉ số chất lƣợng và đặc điểm màu sắc
• 3.4. Tƣơng quan giữa đặc điểm màu sắc và chỉ số chất lƣợng
• 3.5. Tiền xử lý dữ liệu và phân chia bộ mẫu
• 3.6. Phân chia tập huấn luyện và thử nghiệm (train/test)
• 3.7. Phân tích thành phần chính
• 3.8. Thiết lập mô hình phi tuyến RF cho từng chỉ số chất lƣợng
• 3.9. Lƣu đồ thuật toán đề xuất
• 3.10. Thiết bị điều khiển đề xuất
• 3.11. Kết luận chƣơng
• KẾT LUẬN VÀ KIẾN NGHỊ
• TÀI LIỆU THAM KHẢO
• Phụ lục 1: Chƣơng trình tối ƣu hóa số thành phần chính và số cây trong RF(đại diện TFs)

Tóm tắt

I. Cách tối ưu sản xuất chè đen Xử lý ảnh điều khiển lên men

Ngành công nghiệp sản xuất chè đen toàn cầu đang đối mặt với nhu cầu ngày càng tăng về chất lượng và hiệu quả sản xuất. Đây là một thị trường cạnh tranh, đòi hỏi sản phẩm không chỉ ngon mà còn phải có chất lượng đồng đều và ổn định. Tuy nhiên, các phương pháp sản xuất chè đen truyền thống, đặc biệt là ở các cơ sở nhỏ và vừa, thường dựa chủ yếu vào kinh nghiệm, cảm quan cá nhân của người thợ. Việc giám sát và kiểm soát chất lượng, đặc biệt trong giai đoạn lên men chè đen, phần lớn phụ thuộc vào khả năng quan sát màu sắc, mùi hương bằng mắt thường và khứu giác. Điều này dẫn đến sự thiếu ổn định về chất lượng hương vị chè đen, màu sắc và các chỉ số hóa lý khác của sản phẩm cuối cùng.

Quá trình lên men chè đen là giai đoạn sinh hóa phức tạp nhất, quyết định hình thành các hợp chất theaflavin (TFs), thearubigins (TRs), và theabrownin (TBs) – những sắc tố quan trọng ảnh hưởng trực tiếp đến màu sắc nước chè, hương vị, và độ mạnh của trà. Kiểm soát không chính xác quá trình này có thể dẫn đến chè bị lên men non hoặc quá mức, gây ra sản phẩm kém chất lượng, lãng phí nguyên liệu và giảm hiệu quả năng suất sản xuất chè. Để nâng cao chất lượng chè đen và đáp ứng các tiêu chuẩn ngày càng khắt khe của thị trường, việc đổi mới công nghệ sản xuất chè đen là một yêu cầu cấp thiết.

Sự xuất hiện của công nghệ tiên tiến như xử lý ảnh trong sản xuất chè và điều khiển lên men chè đen tự động mang đến một giải pháp cách mạng. Thay vì dựa vào cảm quan chủ quan, các hệ thống này sử dụng dữ liệu khách quan để giám sát và điều chỉnh các yếu tố quan trọng như nhiệt độ, độ ẩm, và lưu lượng khí trong buồng lên men. Theo Tạ Minh Long (2020), mục tiêu chính của việc tối ưu sản xuất chè đen là áp dụng công nghệ thị giác máy tính và các thuật toán điều khiển để định lượng hóa sự thay đổi màu sắc của lá chè, từ đó dự đoán các chỉ số chất lượng và tự động điều chỉnh quy trình.

Việc tích hợp công nghệ 4.0 cho nhà máy chè, bao gồm AI trong ngành chè và IoT trong nhà máy chè, không chỉ giúp chuẩn hóa quy trình mà còn mở ra khả năng tự động hóa quy trình chè đen toàn diện. Điều này không chỉ giảm thiểu sai sót do yếu tố con người mà còn cung cấp khả năng giám sát từ xa và phân tích dữ liệu lớn để liên tục cải tiến. Hướng tới một hệ thống sản xuất chè đen thông minh, bền vững và hiệu quả là mục tiêu cuối cùng, mang lại giá trị cao hơn cho người tiêu dùng và tăng cường khả năng cạnh tranh cho các doanh nghiệp trong ngành. Các phương pháp này đánh dấu một bước tiến quan trọng trong việc đảm bảo mỗi mẻ chè đen đều đạt được chất lượng hương vị chè đen tối ưu nhất.

1.1. Chè đen và quy trình lên men chè đen Nền tảng chất lượng

Chè đen là một trong những loại đồ uống phổ biến nhất thế giới, được biết đến với hương vị đậm đà và màu sắc đặc trưng. Theo tài liệu của Tạ Minh Long (2020), chè đen là loại chè được lên men hoàn toàn, một quá trình sinh hóa phức tạp quyết định phần lớn chất lượng cảm quan của sản phẩm. Quá trình này được xúc tác bởi các enzyme polyphenol oxyase (PPO) và peroxidase, chuyển hóa polyphenol (đặc biệt là catechin) trong lá chè thành các sản phẩm oxy hóa màu như theaflavin (TF), thearubigins (TRs), và theabrownin (TB). Những chất sắc tố hòa tan trong nước này không chỉ tạo nên màu sắc và độ bóng của nước chè mà còn ảnh hưởng đến hương vị, độ ngọt, độ đậm đặc. Trong quá trình lên men chè đen, màu sắc của lá chè thay đổi rõ rệt từ xanh ngọc lam sang vàng lục, rồi vàng đỏ, nâu vàng và cuối cùng là nâu sẫm (Tạ Minh Long, 2020).

Có hai phương pháp chính để lên men chè đen: gián đoạn và liên tục trên băng tải. Phương pháp lên men liên tục, phổ biến ở một số quốc gia như Nga, sử dụng băng tải để di chuyển lá chè đã được phá vỡ tế bào và định hình. Lá chè được trải đều với độ dày từ 15-20cm và di chuyển liên tục, thường mất khoảng 2-4 giờ để hoàn thiện quá trình lên men. Trong suốt thời gian này, khối chè được tác động liên tục bởi các yếu tố như nhiệt độ và độ ẩm phù hợp, đảm bảo các phản ứng sinh hóa diễn ra tối ưu. Phương pháp này có ưu điểm là cơ giới hóa hoàn toàn, năng suất sản xuất chè cao và chất lượng chè khá ổn định. Tuy nhiên, việc duy trì sự ổn định này vẫn cần sự kiểm soát chặt chẽ và khoa học để đạt được chất lượng hương vị chè đen tối ưu.

1.2. Thách thức trong nâng cao chất lượng chè đen truyền thống

Trong bối cảnh toàn cầu hóa và yêu cầu ngày càng cao từ người tiêu dùng, việc nâng cao chất lượng chè đen đang đối mặt với nhiều thách thức, đặc biệt khi dựa vào các phương pháp truyền thống. Một trong những hạn chế lớn nhất là sự phụ thuộc vào cảm quan con người trong việc đánh giá mức độ lên men chè đen. Người thợ phải dựa vào kinh nghiệm để quan sát màu sắc lá chè, ngửi hương thơm để xác định thời điểm chè đã đạt tiêu chuẩn hay chưa. Tuy nhiên, khả năng này mang tính chủ quan cao, dễ bị ảnh hưởng bởi yếu tố cá nhân (mệt mỏi, kinh nghiệm khác nhau) và môi trường làm việc, dẫn đến sự không đồng đều về chất lượng giữa các mẻ chè.

Sự không chính xác này có thể gây ra hiện tượng chè lên men chưa đủ hoặc quá mức. Chè lên men non sẽ thiếu hương vị đặc trưng, trong khi chè lên men quá mức có thể có mùi chua hoặc vị đắng gắt, làm giảm đáng kể chất lượng hương vị chè đen và giá trị sản phẩm. Theo Tạ Minh Long (2020), "màu sắc của lá Chè có thể bị trộn lẫn và không đồng đều; Bên cạnh đó, hương vị của chè có thể không thể đoán trước" khi quá trình lên men không được kiểm soát chặt chẽ. Điều này ảnh hưởng trực tiếp đến quản lý chất lượng chè đen và khả năng duy trì danh tiếng của thương hiệu.

Ngoài ra, việc thiếu hệ thống giám sát và điều khiển tự động cũng hạn chế năng suất sản xuất chè và khả năng mở rộng quy mô. Các nhà máy truyền thống gặp khó khăn trong việc chuẩn hóa quy trình, tối ưu hóa thời gian và tài nguyên. Để giải quyết những thách thức này và tối ưu sản xuất chè đen, việc áp dụng công nghệ sản xuất chè đen tiên tiến, đặc biệt là các giải pháp tự động hóa quy trình chè đen và định lượng hóa các yếu tố chất lượng, trở nên vô cùng cấp thiết.

II. Vấn đề sản xuất chè đen Giám sát lên men chè hiệu quả

Quá trình sản xuất chè đen phức tạp và nhạy cảm, đặc biệt là giai đoạn lên men chè đen. Đây là khâu then chốt, nhưng cũng là nguồn gốc chính của nhiều khiếm khuyết chất lượng nếu không được giám sát lên men chè chặt chẽ. Vấn đề cốt lõi phát sinh từ sự biến đổi sinh hóa không kiểm soát được của các hợp chất polyphenol trong lá chè. Nếu nhiệt độ, độ ẩm hoặc thời gian lên men không được duy trì tối ưu, phản ứng enzyme có thể diễn ra không hoàn chỉnh hoặc quá mức, dẫn đến sự hình thành không mong muốn của các sắc tố và hợp chất hương vị. Điều này trực tiếp ảnh hưởng đến chất lượng hương vị chè đen, màu sắc nước chè và thậm chí là hàm lượng các chất có lợi.

Các khiếm khuyết phổ biến bao gồm chè có màu nước không đẹp (quá đỏ hoặc quá nâu), hương vị kém hấp dẫn (chua, đắng gắt, hoặc nhạt nhẽo), và thiếu đi sự đậm đà đặc trưng của chè đen chất lượng cao. Theo Tạ Minh Long (2020), các mô tả cảm giác của con người về màu sắc là định tính, rất khó để xác định thang đo cụ thể trong sản xuất quy mô lớn. Sự thiếu chính xác này gây ra sự không đồng nhất trong sản phẩm, làm giảm uy tín thương hiệu và khả năng cạnh tranh trên thị trường. Quản lý chất lượng chè đen trở thành một thách thức lớn khi các phương pháp truyền thống không còn đủ sức đáp ứng.

Để khắc phục những hạn chế này, việc chuyển đổi từ cảm quan sang phương pháp định lượng khoa học là cần thiết. Giám sát lên men chè bằng công nghệ hiện đại cho phép theo dõi các thay đổi sinh hóa thông qua các chỉ số khách quan. Ví dụ, sự biến đổi màu sắc của lá chè có thể được định lượng bằng phân tích hình ảnh lá chè, và các chỉ số hóa lý như TFs, TRs có thể được dự đoán. Việc này không chỉ giúp phát hiện sớm các vấn đề mà còn cho phép điều chỉnh kịp thời, ngăn chặn sự phát sinh khiếm khuyết.

Tầm quan trọng của giám sát lên men chè không chỉ dừng lại ở việc đảm bảo chất lượng mà còn mở ra cơ hội cho nâng cao chất lượng chè đen tổng thể và tối ưu hóa năng suất sản xuất chè. Bằng cách hiểu rõ hơn về động học của quá trình lên men, các nhà sản xuất có thể tinh chỉnh quy trình để tạo ra các loại chè với đặc tính hương vị mong muốn, đáp ứng các phân khúc thị trường khác nhau. Điều này đặt nền móng cho một quy trình chế biến chè hiện đại và bền vững hơn, nơi công nghệ đóng vai trò trung tâm trong việc định hình tương lai của công nghệ sản xuất chè đen.

2.1. Hạn chế cảm quan con người trong quản lý chất lượng chè đen

Trong nhiều thập kỷ, quản lý chất lượng chè đen đã phụ thuộc nặng nề vào kinh nghiệm và khả năng cảm quan của các chuyên gia trà. Những người thợ lành nghề có thể đánh giá mức độ lên men chè đen thông qua việc quan sát sự thay đổi màu sắc của lá, ngửi hương thơm phát triển và cảm nhận kết cấu. Tuy nhiên, phương pháp này tồn tại nhiều hạn chế cố hữu. Đầu tiên, sự đánh giá chủ quan này không đồng nhất giữa các cá nhân; mỗi người có một ngưỡng cảm nhận và kinh nghiệm khác nhau, dẫn đến kết quả đánh giá không nhất quán. Sự khác biệt về điều kiện ánh sáng trong phòng lên men, tình trạng sức khỏe hay tâm lý của người kiểm tra cũng có thể ảnh hưởng đến độ chính xác.

Thứ hai, các mô tả cảm giác của con người về màu sắc, hương vị là định tính, không thể định lượng một cách chính xác. Như Tạ Minh Long (2020) đã nêu, "rất khó để xác định thang đo cụ thể" cho sự thay đổi màu sắc trong quá trình lên men chè đen quy mô lớn. Điều này gây khó khăn trong việc chuẩn hóa quy trình và đào tạo nhân sự mới. Hậu quả là sản phẩm chè đen có thể không đạt được chất lượng hương vị chè đen mong muốn, với màu sắc và mùi vị không đồng đều giữa các mẻ.

Cuối cùng, việc dựa vào cảm quan làm giới hạn khả năng mở rộng và tự động hóa sản xuất chè đen. Trong các nhà máy hiện đại, yêu cầu về năng suất sản xuất chè cao và chất lượng ổn định đòi hỏi một hệ thống giám sát liên tục và khách quan. Việc thiếu một phương pháp định lượng và tự động trong quản lý chất lượng chè đen cản trở việc áp dụng các công nghệ sản xuất chè đen tiên tiến, làm chậm quá trình nâng cao chất lượng chè đen và khả năng cạnh tranh của doanh nghiệp.

2.2. Ảnh hưởng của lên men chè đen không kiểm soát đến hương vị

Quá trình lên men chè đen là yếu tố quyết định hàng đầu đến việc hình thành chất lượng hương vị chè đen đặc trưng. Khi quá trình này không được kiểm soát chặt chẽ, các phản ứng hóa sinh diễn ra không tối ưu, dẫn đến những ảnh hưởng tiêu cực đáng kể đến hương vị cuối cùng của sản phẩm. Lá chè tươi chứa nhiều hợp chất polyphenol, đặc biệt là catechin. Trong quá trình lên men, dưới tác động của enzyme, các polyphenol này sẽ oxy hóa thành theaflavin (TFs) và thearubigins (TRs). TFs góp phần tạo nên màu sắc sáng và hương vị tươi mới, trong khi TRs mang lại màu đỏ cam và độ đậm đà.

Nếu quá trình lên men chè đen diễn ra không đủ, nồng độ TFs và TRs sẽ thấp, khiến chè thiếu đi hương vị đặc trưng, có thể còn vị chát xanh của chè tươi. Ngược lại, nếu lên men quá mức, các hợp chất này có thể bị phân hủy tiếp thành theabrownin (TBs) – chất sắc tố màu nâu sẫm, làm nước chè bị tối màu và phát sinh hương vị không mong muốn như chua, gắt hoặc có mùi cũ. Theo Tạ Minh Long (2020), sự không đồng đều của màu sắc lá chè do lên men không kiểm soát có thể khiến "hương vị của chè không thể đoán trước".

Sự mất cân bằng trong tỷ lệ các hợp chất này không chỉ làm giảm chất lượng hương vị chè đen mà còn ảnh hưởng đến màu sắc, độ trong của nước chè. Điều này trực tiếp tác động đến trải nghiệm của người tiêu dùng và giá trị thương mại của chè đen. Việc thiếu điều khiển lên men chè đen chính xác là một rào cản lớn trong việc sản xuất chè đen chất lượng cao, đồng nhất, và cạnh tranh trên thị trường toàn cầu. Do đó, việc áp dụng công nghệ để giám sát lên men chè và điều chỉnh các thông số một cách khoa học là điều cần thiết để đảm bảo hương vị tối ưu.

III. Xử lý ảnh Giải pháp tối ưu sản xuất chè đen chế biến chè

Xử lý ảnh trong sản xuất chè đang nổi lên như một giải pháp cách mạng, định hình lại quy trình chế biến chè hiện đại. Thay vì dựa vào mắt thường và kinh nghiệm chủ quan, công nghệ này sử dụng camera kỹ thuật số và các thuật toán phân tích để định lượng hóa và khách quan hóa việc đánh giá chất lượng lá chè, đặc biệt trong giai đoạn lên men chè đen. Khả năng của thị giác máy tính trong chế biến chè cho phép thu thập dữ liệu màu sắc chi tiết, chính xác về trạng thái của lá chè, điều mà trước đây là không thể hoặc rất khó khăn để chuẩn hóa.

Mục tiêu chính của việc ứng dụng xử lý ảnh trong sản xuất chè là thay thế cảm quan con người, giảm thiểu sai số và tăng tính nhất quán của sản phẩm. Cụ thể, hệ thống có thể chụp ảnh lá chè ở các giai đoạn khác nhau của quá trình lên men, sau đó sử dụng các thuật toán phân tích hình ảnh lá chè để trích xuất các đặc điểm màu sắc. Các đặc điểm này, như giá trị RGB, HSV, Lab, sẽ được sử dụng làm đầu vào để dự đoán các chỉ số chất lượng hóa lý (TFs, TRs, TBs) và cảm quan. Theo Tạ Minh Long (2020), "thông tin màu của lá chè đen có thể được định lượng và mô tả chính xác bằng cách chụp ảnh mẫu bằng hệ thống thu nhận thị giác máy và trích xuất các tính năng màu với số hóa".

Giải pháp này không chỉ dừng lại ở việc kiểm tra chất lượng. Khi tích hợp với hệ thống điều khiển lên men chè đen tự động, dữ liệu từ xử lý ảnh trong sản xuất chè trở thành cơ sở để điều chỉnh các thông số như nhiệt độ, độ ẩm, và lưu lượng khí trong buồng lên men. Điều này tạo ra một vòng lặp phản hồi thông minh, giúp tối ưu sản xuất chè đen và đảm bảo chất lượng hương vị chè đen ổn định. Hơn nữa, khả năng theo dõi liên tục và không phá hủy mẫu giúp giảm lãng phí, tăng năng suất sản xuất chè và giảm chi phí vận hành.

Việc ứng dụng xử lý ảnh trong sản xuất chè mở ra một kỷ nguyên mới cho công nghệ sản xuất chè đen, nơi độ chính xác, hiệu quả và tính bền vững được đặt lên hàng đầu. Nó là một bước tiến quan trọng trong việc hiện thực hóa tầm nhìn về một nhà máy chè thông minh, nơi công nghệ 4.0 cho nhà máy chè và AI trong ngành chè được tận dụng tối đa để tạo ra sản phẩm chè đen chất lượng vượt trội.

3.1. Thị giác máy tính trong chế biến chè Từ nguyên lý đến ứng dụng

Thị giác máy tính trong chế biến chè là một lĩnh vực công nghệ cao đang được ứng dụng rộng rãi để tự động hóa và cải thiện quản lý chất lượng chè đen. Nguyên lý cơ bản bao gồm việc sử dụng camera và các thiết bị thu nhận hình ảnh để chụp lại các mẫu lá chè ở các giai đoạn khác nhau của quá trình sản xuất chè đen. Sau đó, các thuật toán xử lý ảnh sẽ phân tích dữ liệu hình ảnh này để trích xuất thông tin định lượng về màu sắc, hình dạng, kết cấu và các đặc điểm khác của lá chè. Mục tiêu là chuyển đổi những thông tin cảm quan chủ quan của con người thành dữ liệu số hóa khách quan.

Trong bối cảnh tối ưu sản xuất chè đen, ứng dụng của thị giác máy tính rất đa dạng. Nó có thể được sử dụng để kiểm tra chất lượng lá chè tươi đầu vào, phát hiện lá bị sâu bệnh hoặc không đạt tiêu chuẩn. Quan trọng hơn, nó đóng vai trò then chốt trong việc giám sát quá trình lên men chè đen. Bằng cách liên tục chụp ảnh và phân tích hình ảnh lá chè, hệ thống có thể theo dõi sự thay đổi màu sắc của lá chè theo thời gian, một chỉ báo quan trọng về mức độ lên men. Các không gian màu như RGB, HSV và Lab được sử dụng để định lượng màu sắc, giúp phân biệt tinh tế các sắc thái mà mắt người khó có thể nhận ra một cách nhất quán (Tạ Minh Long, 2020).

Thông tin từ thị giác máy tính trong chế biến chè là nền tảng để xây dựng các mô hình dự đoán và hệ thống tự động hóa quy trình chè đen. Ví dụ, dựa trên dữ liệu màu sắc, hệ thống có thể dự đoán nồng độ các chất theaflavin, thearubigins và theabrownin, từ đó đưa ra quyết định điều chỉnh các thông số trong buồng lên men. Điều này không chỉ giúp nâng cao chất lượng chè đen mà còn tăng cường năng suất sản xuất chè bằng cách tối ưu hóa thời gian và điều kiện lên men, giảm thiểu lãng phí và đảm bảo chất lượng hương vị chè đen đồng đều.

3.2. Khai thác phân tích hình ảnh lá chè qua các không gian màu

Để tối đa hóa hiệu quả của xử lý ảnh trong sản xuất chè, việc phân tích hình ảnh lá chè qua các không gian màu khác nhau là vô cùng quan trọng. Mỗi không gian màu cung cấp một cách biểu diễn và thông tin riêng biệt về màu sắc của vật thể, giúp hệ thống thị giác máy có cái nhìn toàn diện hơn về trạng thái lá chè trong quá trình lên men chè đen.

Ba không gian màu phổ biến được ứng dụng là RGB, HSV và Lab:

1. Không gian màu RGB (Red, Green, Blue): Đây là mô hình màu cơ bản nhất, mỗi pixel được biểu diễn bằng cường độ của ba kênh màu đỏ, xanh lá cây và xanh lam. Hình ảnh kỹ thuật số thường được lưu trữ dưới dạng RGB. Theo Tạ Minh Long (2020), việc chuyển đổi hình ảnh RGB sang các không gian màu khác là cần thiết để phân tích sâu hơn. Mặc dù dễ hiểu, RGB không trực tiếp phản ánh cách con người cảm nhận màu sắc và có thể bị ảnh hưởng bởi điều kiện ánh sáng.
2. Không gian màu HSV (Hue, Saturation, Value): Không gian này gần gũi hơn với cách con người mô tả màu sắc. Hue (màu sắc cơ bản) cho biết loại màu (ví dụ: đỏ, xanh lá, xanh dương). Saturation (độ bão hòa) cho biết độ tinh khiết của màu (từ xám đến màu thuần khiết). Value (giá trị) hoặc Brightness (độ sáng) cho biết độ sáng tối của màu. HSV hữu ích trong việc tách biệt thông tin màu sắc khỏi độ sáng, điều này rất quan trọng khi phân tích hình ảnh lá chè dưới các điều kiện ánh sáng khác nhau trong môi trường sản xuất chè đen.
3. Không gian màu Lab (L, a, b*):** Đây là không gian màu độc lập với thiết bị, được thiết kế để phản ánh cách mắt người nhận thức màu sắc. L* biểu thị độ sáng (từ đen đến trắng), a* biểu thị trục màu từ xanh lục đến đỏ, và b* biểu thị trục màu từ xanh lam đến vàng. Đặc điểm quan trọng của Lab là sự thay đổi số học giữa các giá trị tương ứng gần như cùng một lượng thay đổi trực quan. Điều này làm cho Lab trở thành một công cụ mạnh mẽ để định lượng sự thay đổi màu sắc nhỏ mà không gian RGB hoặc HSV có thể bỏ qua, đặc biệt khi cần nâng cao chất lượng chè đen một cách tinh vi.

Bằng cách trích xuất 9 chỉ số màu (R, G, B, H, S, V, L*, a*, b*) từ các không gian này, hệ thống có thể thu thập một bộ dữ liệu phong phú để giám sát lên men chè và xây dựng các mô hình dự đoán chính xác, đóng góp vào việc tối ưu sản xuất chè đen toàn diện.

IV. Điều khiển lên men chè đen Nâng tầm công nghệ sản xuất chè

Điều khiển lên men chè đen thông minh là yếu tố then chốt để nâng tầm công nghệ sản xuất chè đen, chuyển đổi từ phương pháp thủ công sang một quy trình khoa học, chính xác. Với sự hỗ trợ của xử lý ảnh trong sản xuất chè và các hệ thống cảm biến tiên tiến, khả năng giám sát và điều chỉnh các yếu tố môi trường trong buồng lên men đã đạt đến một cấp độ hoàn toàn mới. Mục tiêu là tạo ra môi trường lý tưởng cho các phản ứng sinh hóa, đảm bảo chè đạt được chất lượng hương vị chè đen tối ưu nhất quán.

Một hệ thống điều khiển lên men chè đen thông minh tích hợp chặt chẽ các cảm biến để thu thập dữ liệu về nhiệt độ, độ ẩm, nồng độ oxy và thậm chí cả sự biến đổi màu sắc của lá chè. Các dữ liệu này được truyền về một bộ điều khiển trung tâm, nơi các thuật toán AI trong ngành chè sẽ phân tích và đưa ra quyết định điều chỉnh. Chẳng hạn, nếu hệ thống phân tích hình ảnh lá chè cho thấy quá trình lên men đang diễn ra nhanh hơn dự kiến (biểu hiện qua sự thay đổi màu sắc), bộ điều khiển có thể tự động giảm nhiệt độ hoặc độ ẩm để làm chậm quá trình. Ngược lại, nếu quá trình quá chậm, các thông số có thể được điều chỉnh để đẩy nhanh tốc độ.

Công nghệ này không chỉ đảm bảo kiểm soát nhiệt độ lên men và kiểm soát độ ẩm lên men một cách chính xác mà còn giúp tối ưu hóa thời gian lên men, giảm thiểu rủi ro chè bị lên men non hoặc quá mức. Điều này trực tiếp cải thiện quản lý chất lượng chè đen, đảm bảo mỗi mẻ chè đều đạt được các chỉ số hóa lý (TFs, TRs) và cảm quan mong muốn. Việc áp dụng thiết bị lên men chè tự động kết hợp với hệ thống điều khiển thông minh cũng góp phần tăng năng suất sản xuất chè đáng kể, giảm chi phí nhân công và nâng cao hiệu quả tổng thể của nhà máy.

Nhờ điều khiển lên men chè đen thông minh, công nghệ sản xuất chè đen không còn là một nghệ thuật phụ thuộc vào cảm quan mà trở thành một khoa học chính xác, có thể dự đoán và tái lập. Đây là bước tiến quan trọng để các nhà sản xuất có thể đáp ứng yêu cầu thị trường khó tính, mang đến sản phẩm chè đen chất lượng cao và đồng đều, củng cố vị thế cạnh tranh trong ngành.

4.1. Hệ thống cảm biến trong sản xuất chè và tự động hóa

Hệ thống cảm biến trong sản xuất chè đóng vai trò xương sống trong việc hiện đại hóa và tự động hóa quy trình chè đen, đặc biệt là trong giai đoạn lên men chè đen. Để đạt được kiểm soát nhiệt độ lên men và kiểm soát độ ẩm lên men chính xác, các cảm biến chuyên dụng được lắp đặt khắp buồng lên men hoặc trên băng tải. Các cảm biến nhiệt độ (như cặp nhiệt điện hoặc cảm biến bán dẫn) liên tục đo lường nhiệt độ môi trường, đảm bảo nó nằm trong khoảng tối ưu cho hoạt động của enzyme. Cảm biến độ ẩm (như cảm biến điện dung hoặc điện trở) theo dõi độ ẩm tương đối của không khí, điều chỉnh để tránh lá chè bị khô quá mức hoặc quá ẩm, gây cản trở quá trình oxy hóa.

Ngoài ra, các hệ thống giám sát lên men chè tiên tiến còn tích hợp cảm biến nồng độ oxy, vì oxy là yếu tố quan trọng trong các phản ứng oxy hóa của polyphenol. Một số nghiên cứu cũng đề xuất sử dụng cảm biến mùi để phát hiện các hợp chất bay hơi, cung cấp thông tin bổ sung về quá trình hình thành hương vị.

Tất cả dữ liệu từ các cảm biến trong sản xuất chè được thu thập và truyền về một bộ điều khiển lập trình (PLC) hoặc máy tính công nghiệp. Tại đây, các thuật toán điều khiển sẽ phân tích dữ liệu và tự động kích hoạt các thiết bị điều chỉnh như quạt thông gió, hệ thống sưởi/làm mát, hoặc hệ thống phun sương để điều chỉnh nhiệt độ và độ ẩm. Ví dụ, nếu nhiệt độ vượt ngưỡng cho phép, hệ thống làm mát sẽ tự động hoạt động. Tương tự, nếu độ ẩm giảm thấp, bộ phun sương sẽ được kích hoạt.

Việc tự động hóa quy trình chè đen bằng các hệ thống cảm biến và điều khiển này giúp loại bỏ sự phụ thuộc vào can thiệp thủ công, đảm bảo sự ổn định và nhất quán của môi trường lên men. Điều này không chỉ giúp nâng cao chất lượng chè đen và chất lượng hương vị chè đen mà còn tăng cường năng suất sản xuất chè, giảm thiểu lỗi và lãng phí, đồng thời tạo ra một quy trình chế biến chè hiện đại và hiệu quả hơn.

4.2. Phương pháp kiểm soát nhiệt độ lên men và độ ẩm tối ưu

Để tối ưu sản xuất chè đen và đạt được chất lượng hương vị chè đen vượt trội, việc kiểm soát nhiệt độ lên men và kiểm soát độ ẩm lên men là hai yếu tố cực kỳ quan trọng. Nhiệt độ và độ ẩm ảnh hưởng trực tiếp đến tốc độ và hiệu quả của các phản ứng enzyme trong quá trình lên men chè đen, hình thành các sắc tố và hợp chất thơm.

Theo tài liệu gốc, trong quá trình lên men liên tục trên băng tải, "khối chè sẽ được tác động liên tục bởi các yếu tố nhiệt độ và độ ẩm phù hợp" (Tạ Minh Long, 2020). Nhiệt độ tối ưu thường dao động trong khoảng 25-30°C. Nhiệt độ quá thấp có thể làm chậm quá trình lên men, khiến chè không phát triển đủ hương vị. Ngược lại, nhiệt độ quá cao có thể gây ra hiện tượng lên men quá nhanh, làm phân hủy các hợp chất thơm và tạo ra vị chua không mong muốn. Để kiểm soát nhiệt độ lên men, các hệ thống sưởi và làm mát được tích hợp, hoạt động dựa trên dữ liệu từ các cảm biến nhiệt độ.

Độ ẩm cũng đóng vai trò quan trọng không kém. Độ ẩm tương đối trong buồng lên men thường được duy trì ở mức cao, khoảng 90-95%. Độ ẩm cao giúp duy trì độ ẩm của lá chè, ngăn ngừa lá bị khô và các phản ứng enzyme diễn ra hiệu quả. Nếu độ ẩm quá thấp, lá chè sẽ mất nước nhanh chóng, làm ngừng hoặc chậm quá trình lên men, ảnh hưởng đến sự hình thành của theaflavin và thearubigins. Các hệ thống phun sương hoặc tạo ẩm tự động được sử dụng để duy trì mức độ ẩm cần thiết, được kích hoạt dựa trên phản hồi từ cảm biến trong sản xuất chè.

Phương pháp kiểm soát nhiệt độ lên men và độ ẩm tối ưu thường dựa trên mô hình điều khiển vòng kín. Dữ liệu từ cảm biến được so sánh với giá trị cài đặt, và hệ thống điều khiển sẽ điều chỉnh các thiết bị để giảm sai lệch. Sự kết hợp giữa các cảm biến chính xác, thuật toán điều khiển thông minh và thiết bị lên men chè tự động là yếu tố quyết định để đạt được sự ổn định và hiệu quả trong công nghệ sản xuất chè đen hiện đại. Điều này giúp đảm bảo chè đen luôn đạt được chất lượng và hương vị đồng đều theo yêu cầu.

V. AI trong ngành chè IoT Tăng năng suất sản xuất chè bền vững

Để thực sự cách mạng hóa và tối ưu sản xuất chè đen, việc tích hợp trí tuệ nhân tạo (AI trong ngành chè) và Internet of Things (IoT trong nhà máy chè) là một bí quyết không thể thiếu. Sự kết hợp này tạo ra một hệ thống sản xuất thông minh, không chỉ nâng cao năng suất sản xuất chè mà còn đảm bảo chất lượng hương vị chè đen và khả năng thích ứng linh hoạt với các điều kiện khác nhau. Công nghệ 4.0 cho nhà máy chè không chỉ là xu hướng mà là yêu cầu để cạnh tranh trong thị trường toàn cầu.

Hệ thống IoT trong nhà máy chè bao gồm một mạng lưới các cảm biến thông minh, thiết bị điều khiển và máy móc kết nối với nhau, thu thập dữ liệu theo thời gian thực từ mọi giai đoạn của quy trình chế biến chè hiện đại. Các cảm biến này liên tục đo lường nhiệt độ, độ ẩm, nồng độ oxy, và thông qua xử lý ảnh trong sản xuất chè, còn thu thập dữ liệu về màu sắc, hình thái lá chè. Tất cả dữ liệu này được truyền về một nền tảng đám mây hoặc máy chủ cục bộ, tạo thành một kho dữ liệu lớn.

Đây chính là lúc AI trong ngành chè phát huy vai trò của mình. Các thuật toán học máy, đặc biệt là Random Forest và phân tích thành phần chính (PCA) như đề xuất bởi Tạ Minh Long (2020), được sử dụng để phân tích kho dữ liệu này. AI có thể nhận diện các mẫu, dự đoán các chỉ số chất lượng (TFs, TRs, TBs) và cảm quan dựa trên dữ liệu màu sắc và các yếu tố môi trường. Quan trọng hơn, AI có thể học hỏi từ các mẻ sản xuất trước đó, tự động tinh chỉnh các mô hình dự đoán và đưa ra khuyến nghị điều chỉnh tối ưu cho hệ thống điều khiển lên men chè đen.

Khả năng ra quyết định thông minh của AI kết hợp với khả năng thu thập dữ liệu diện rộng của IoT giúp tự động hóa quy trình chè đen một cách toàn diện. Từ việc phân loại nguyên liệu đầu vào, đến kiểm soát nhiệt độ lên men và kiểm soát độ ẩm lên men trong quá trình lên men, cho đến đánh giá chất lượng sản phẩm cuối cùng. Hệ thống này không chỉ giúp nâng cao chất lượng chè đen mà còn cho phép nhà máy chè vận hành hiệu quả hơn, tiết kiệm năng lượng, giảm thiểu sai sót, và tối đa hóa năng suất sản xuất chè, tạo ra lợi thế cạnh tranh bền vững.

5.1. Xây dựng mô hình dự đoán chất lượng với thuật toán tiên tiến

Để tối ưu sản xuất chè đen bằng công nghệ, việc xây dựng các mô hình dự đoán chất lượng chính xác là yếu tố cốt lõi. Các mô hình này dựa trên dữ liệu thu thập được từ xử lý ảnh trong sản xuất chè và các cảm biến trong sản xuất chè, nhằm dự đoán các chỉ số hóa lý và cảm quan của chè trong quá trình lên men chè đen.

Quá trình này thường bắt đầu bằng tiền xử lý dữ liệu. Các kỹ thuật như phân tích phương sai (ANOVA) giúp xác định các yếu tố có ý nghĩa thống kê ảnh hưởng đến chất lượng. Chuẩn hóa dữ liệu (Z-Score) đảm bảo các thuộc tính có độ lớn khác nhau không làm sai lệch kết quả phân tích. Phân tích tương quan (Pearson) được sử dụng để hiểu mối quan hệ giữa các đặc điểm màu sắc và các chỉ số chất lượng (TFs, TRs, TBs, điểm cảm quan) (Tạ Minh Long, 2020).

Sau đó, dữ liệu được chia thành tập huấn luyện và tập kiểm thử bằng các thuật toán như SPXY để đảm bảo tính đại diện. Phân tích thành phần chính (PCA) đóng vai trò quan trọng trong việc giảm chiều dữ liệu, giúp loại bỏ nhiễu và tập trung vào các đặc trưng quan trọng nhất của hình ảnh, tối ưu hóa hiệu quả của mô hình.

Cuối cùng, các thuật toán học máy như Random Forest Regression được sử dụng để xây dựng mô hình dự đoán phi tuyến tính. Random Forest có khả năng xử lý dữ liệu phức tạp, nhiều chiều và đưa ra dự đoán với độ chính xác cao. Mô hình này học cách các đặc điểm màu sắc (từ không gian RGB, HSV, Lab) tương quan với sự hình thành của các chỉ số chất lượng. Khi mô hình được huấn luyện và kiểm định, nó có thể dự đoán chất lượng hương vị chè đen của chè ở bất kỳ thời điểm nào trong quá trình lên men, hỗ trợ điều khiển lên men chè đen tự động một cách hiệu quả.

5.2. Ứng dụng mô hình Random Forest trong tự động hóa quy trình chè đen

Mô hình Random Forest (RF) là một thuật toán học máy mạnh mẽ, đặc biệt phù hợp để dự đoán và hỗ trợ tự động hóa quy trình chè đen. RF hoạt động bằng cách xây dựng một "rừng" gồm nhiều cây quyết định độc lập, sau đó tổng hợp kết quả của chúng thông qua bỏ phiếu (đối với phân loại) hoặc lấy giá trị trung bình (đối với hồi quy). Điều này giúp giảm thiểu lỗi phương sai và tăng cường độ chính xác của dự đoán, làm cho RF trở thành một lựa chọn lý tưởng cho việc tối ưu sản xuất chè đen.

Trong ngữ cảnh công nghệ sản xuất chè đen, mô hình RF được huấn luyện với các đặc trưng màu sắc trích xuất từ phân tích hình ảnh lá chè (ví dụ: các giá trị RGB, HSV, Lab) cùng với các chỉ số chất lượng hóa lý (TFs, TRs, TBs) và điểm cảm quan thu thập được. Khi quá trình lên men chè đen diễn ra, hệ thống liên tục chụp ảnh lá chè, trích xuất đặc trưng màu sắc, và đưa chúng vào mô hình RF. Mô hình này sẽ dự đoán các chỉ số chất lượng hiện tại của chè.

Kết quả dự đoán từ RF sau đó được sử dụng để điều khiển các thông số trong buồng lên men. Ví dụ, nếu RF dự đoán nồng độ TFs đang thấp hơn mức mong muốn, hệ thống điều khiển lên men chè đen có thể tự động điều chỉnh kiểm soát nhiệt độ lên men và kiểm soát độ ẩm lên men để thúc đẩy quá trình oxy hóa. Tạ Minh Long (2020) đã đề xuất ứng dụng thuật toán RF cho việc dự đoán giám sát hình ảnh trong công nghệ sản xuất chè đen, khẳng định tiềm năng của nó trong việc giám sát lên men chè và nâng cao chất lượng chè đen.

Việc tích hợp RF vào thiết bị lên men chè tự động không chỉ giúp duy trì chất lượng hương vị chè đen ổn định mà còn cho phép nhà sản xuất tinh chỉnh quy trình để tạo ra các loại chè với đặc tính hương vị riêng biệt, đáp ứng các phân khúc thị trường khác nhau. Điều này biểu thị một bước tiến lớn trong việc chuyển đổi nhà máy chè thành một cơ sở sản xuất chè đen thông minh và hiệu quả.

VI. Kết quả Công nghệ 4

Việc triển khai công nghệ 4.0 cho nhà máy chè thông qua các giải pháp xử lý ảnh trong sản xuất chè và điều khiển lên men chè đen đã mang lại những kết quả khả quan, kiểm chứng hiệu quả trong việc tối ưu sản xuất chè đen. Các nghiên cứu điển hình, như luận văn của Tạ Minh Long (2020), đã chỉ ra rằng việc định lượng hóa quá trình lên men bằng công nghệ là hoàn toàn khả thi và mang lại độ chính xác cao hơn hẳn so với phương pháp thủ công.

Một trong những kết quả quan trọng nhất là khả năng theo dõi và dự đoán chính xác sự biến đổi của các chỉ số chất lượng. Bằng cách phân tích hình ảnh lá chè qua các không gian màu (RGB, HSV, Lab), hệ thống có thể định lượng được sự thay đổi màu sắc theo thời gian lên men. Các dữ liệu này sau đó được sử dụng làm đầu vào cho các mô hình học máy để dự đoán nồng độ theaflavin (TFs), thearubigins (TRs), theabrownin (TBs) và điểm cảm quan. Các kết quả phân tích phương sai (ANOVA) cũng chứng minh rằng sự khác biệt về chất lượng chủ yếu là do thời gian lên men khác nhau, khẳng định tầm quan trọng của việc kiểm soát chính xác.

Hơn nữa, mô hình dự đoán sử dụng thuật toán Random Forest đã cho thấy khả năng dự đoán đáng tin cậy các chỉ số chất lượng. Điều này cho phép hệ thống điều khiển lên men chè đen tự động điều chỉnh các yếu tố môi trường như kiểm soát nhiệt độ lên men và kiểm soát độ ẩm lên men một cách linh hoạt. Ví dụ, dựa trên dự đoán về nồng độ TFs, hệ thống có thể tinh chỉnh các thông số để đạt đỉnh điểm TFs vào thời điểm tối ưu, đảm bảo chất lượng hương vị chè đen tốt nhất.

Kết quả thực nghiệm cũng cho thấy rằng việc áp dụng công nghệ sản xuất chè đen tiên tiến này giúp cải thiện năng suất sản xuất chè và giảm thiểu lãng phí. Tự động hóa quy trình chè đen không chỉ giảm sự phụ thuộc vào lao động thủ công mà còn đảm bảo sản phẩm chè đen đồng đều hơn, đáp ứng tốt hơn các tiêu chuẩn thị trường. Những ứng dụng này đang dần định hình lại một quy trình chế biến chè hiện đại, mở ra một kỷ nguyên mới cho ngành chè.

6.1. Phân tích sự thay đổi chỉ số chất lượng qua thời gian lên men

Một trong những bước quan trọng trong việc tối ưu sản xuất chè đen là hiểu rõ động thái của các chỉ số chất lượng trong suốt quá trình lên men chè đen. Các nghiên cứu đã sử dụng phân tích hình ảnh lá chè và phương pháp hóa lý để theo dõi sự biến đổi của các sắc tố chính và điểm cảm quan theo thời gian.

Theo Tạ Minh Long (2020), các chỉ số chất lượng như theaflavin (TFs), thearubigins (TRs), theabrownin (TBs) và điểm cảm quan (SS) đều thể hiện quy luật thay đổi "tăng - giảm" trong quá trình lên men.

• Theaflavin (TFs): TFs thường tăng nhanh trong giai đoạn đầu của quá trình lên men, đạt đỉnh điểm khoảng 1 giờ. Sau đó, nồng độ TFs giảm dần và chậm lại sau khoảng 2.5 giờ. TFs là yếu tố quan trọng tạo nên màu sắc sáng và hương vị tươi mới của chè đen.
• Thearubigins (TRs): TRs tăng dần theo suốt quá trình lên men, đạt cực đại khoảng 2 giờ, sau đó giảm đột ngột. TRs góp phần tạo nên màu đỏ cam và độ đậm đà của nước chè.
• Theabrownin (TBs): TBs tăng liên tục trong toàn bộ quá trình lên men. Nồng độ TBs cao có thể làm nước chè bị tối màu và gây ra hương vị không mong muốn nếu quá trình lên men kéo dài.
• Điểm cảm quan (SS): Điểm cảm quan, đánh giá bởi chuyên gia, thường đạt mức cao nhất khoảng 3 giờ lên men, phản ánh thời điểm chè đạt được sự cân bằng tối ưu về hương vị và màu sắc.

Việc nắm vững quy luật thay đổi của các chỉ số này là cơ sở để thiết lập các điểm điều khiển và mục tiêu cho hệ thống điều khiển lên men chè đen tự động. Bằng cách sử dụng xử lý ảnh trong sản xuất chè để giám sát màu sắc và dự đoán các chỉ số này, nhà máy chè có thể điều chỉnh môi trường lên men (như kiểm soát nhiệt độ lên men và kiểm soát độ ẩm lên men) để tối đa hóa sự hình thành các hợp chất mong muốn và đạt được chất lượng hương vị chè đen cao nhất.

6.2. Đánh giá mô hình dự đoán và thiết bị điều khiển thực tế

Để khẳng định hiệu quả của việc tối ưu sản xuất chè đen bằng công nghệ, việc đánh giá chính xác các mô hình dự đoán và thiết bị lên men chè tự động là hết sức cần thiết. Các nghiên cứu, như của Tạ Minh Long (2020), đã tiến hành các bước đánh giá chi tiết để đảm bảo độ tin cậy của hệ thống.

Sau khi xây dựng mô hình dự đoán các chỉ số chất lượng (TFs, TRs, TBs, SS) dựa trên dữ liệu màu sắc trích xuất từ xử lý ảnh trong sản xuất chè và các thuật toán học máy (đặc biệt là Random Forest), mô hình này được kiểm định bằng cách sử dụng tập dữ liệu kiểm thử độc lập. Các chỉ số đánh giá như RMSEP (Root-mean-square-error-Prediction) và RPD (Ratio of Performance to standard Deviation) được sử dụng để định lượng độ chính xác của dự đoán. Kết quả cho thấy mô hình phi tuyến RF có khả năng dự đoán đáng tin cậy các chỉ số chất lượng, đặc biệt là sự biến động của TFs và TRs.

Về thiết bị lên men chè tự động, các nghiên cứu thường đề xuất một cấu trúc điều khiển vòng kín. Hệ thống này bao gồm các cảm biến trong sản xuất chè để đo nhiệt độ, độ ẩm và các thông số môi trường khác. Dữ liệu từ cảm biến và từ mô hình dự đoán màu sắc được đưa vào bộ điều khiển trung tâm (thường là PLC hoặc máy tính nhúng). Bộ điều khiển này sẽ ra lệnh cho các thiết bị chấp hành như quạt, hệ thống sưởi/làm mát, hệ thống phun sương để điều chỉnh môi trường lên men theo thời gian thực, đảm bảo các chỉ số chất lượng chè đạt tiêu chuẩn. Màn hình HMI (Human Machine Interface) cũng được tích hợp để người vận hành có thể giám sát và cài đặt chế độ hoạt động một cách trực quan.

Kết quả đánh giá tổng thể cho thấy hệ thống tích hợp xử lý ảnh trong sản xuất chè và điều khiển lên men chè đen tự động mang lại sự ổn định và chính xác cao hơn hẳn so với phương pháp thủ công, góp phần đáng kể vào việc nâng cao chất lượng chè đen và năng suất sản xuất chè.

VII. Tương lai Phát triển bền vững nhờ tối ưu sản xuất chè đen

Tương lai của ngành chè đang hướng tới một mô hình sản xuất bền vững và thông minh hơn, với tối ưu sản xuất chè đen là trọng tâm. Sự kết hợp giữa xử lý ảnh trong sản xuất chè và điều khiển lên men chè đen không chỉ là một cải tiến công nghệ mà còn là động lực thúc đẩy toàn bộ công nghệ sản xuất chè đen phát triển theo hướng hiệu quả, thân thiện với môi trường và mang lại giá trị cao hơn. Việc áp dụng công nghệ 4.0 cho nhà máy chè, bao gồm AI trong ngành chè và IoT trong nhà máy chè, đang mở ra những cơ hội chưa từng có để nâng cao chất lượng sản phẩm và tối ưu hóa tài nguyên.

Trong tương lai, các nhà máy chè sẽ trở thành những "nhà máy thông minh" thực sự, nơi mọi giai đoạn của quy trình chế biến chè hiện đại được giám sát và điều khiển một cách tự động. Từ khâu thu hoạch nguyên liệu thô đến đóng gói sản phẩm cuối cùng, mỗi bước sẽ được tối ưu hóa dựa trên dữ liệu thời gian thực và các mô hình dự đoán tiên tiến. Điều này không chỉ giúp nâng cao chất lượng chè đen một cách nhất quán mà còn giảm thiểu lãng phí nguyên liệu, năng lượng và nước, góp phần vào mục tiêu phát triển bền vững.

Ngoài ra, khả năng thu thập và phân tích dữ liệu lớn từ các hệ thống này sẽ cung cấp những hiểu biết sâu sắc về các yếu tố ảnh hưởng đến chất lượng hương vị chè đen. Điều này mở ra cơ hội cho việc nghiên cứu và phát triển các loại chè mới, hoặc tinh chỉnh các công thức hiện có để tạo ra hương vị độc đáo, đáp ứng nhu cầu đa dạng của thị trường. Việc tự động hóa quy trình chè đen cũng giúp giảm sự phụ thuộc vào lao động thủ công, giải phóng nguồn nhân lực cho các nhiệm vụ có giá trị cao hơn như nghiên cứu, phát triển sản phẩm và tiếp thị.

Tóm lại, tối ưu sản xuất chè đen thông qua các công nghệ mới như xử lý ảnh trong sản xuất chè và điều khiển lên men chè đen không chỉ là một giải pháp kỹ thuật mà là một tầm nhìn chiến lược cho tương lai của ngành chè. Nó hứa hẹn một ngành công nghiệp chè mạnh mẽ hơn, bền vững hơn và có khả năng cạnh tranh cao hơn trên thị trường quốc tế.

7.1. Tiềm năng mở rộng và cải tiến cho thiết bị lên men chè tự động

Các thiết bị lên men chè tự động, đặc biệt là những hệ thống tích hợp điều khiển lên men chè đen thông minh và xử lý ảnh trong sản xuất chè, đang có tiềm năng mở rộng và cải tiến đáng kể trong tương lai. Hiện tại, các hệ thống này đã chứng minh khả năng kiểm soát nhiệt độ lên men và kiểm soát độ ẩm lên men chính xác, góp phần vào việc tối ưu sản xuất chè đen. Tuy nhiên, vẫn còn nhiều không gian để phát triển và hoàn thiện hơn nữa.

Một hướng cải tiến quan trọng là tích hợp thêm các loại cảm biến trong sản xuất chè đa dạng hơn. Ví dụ, việc sử dụng cảm biến quang phổ (NIR, Vis-NIR) có thể cung cấp thông tin sâu hơn về thành phần hóa học của lá chè, không chỉ dừng lại ở màu sắc. Cảm biến khí để phát hiện các hợp chất hữu cơ bay hơi (VOCs) có thể giúp giám sát sự hình thành hương vị một cách tinh vi hơn, cho phép giám sát lên men chè với độ chính xác cao.

Ngoài ra, việc ứng dụng các thuật toán AI trong ngành chè tiên tiến hơn như học sâu (Deep Learning) có thể nâng cao khả năng phân tích hình ảnh lá chè để nhận diện các đặc điểm phức tạp hơn, từ đó cải thiện độ chính xác của mô hình dự đoán chất lượng. Các thuật toán này có thể học hỏi từ lượng dữ liệu khổng lồ thu thập được, liên tục tự điều chỉnh và tối ưu hóa hiệu suất của hệ thống.

Sự phát triển của IoT trong nhà máy chè cũng sẽ mở rộng khả năng kết nối và điều khiển từ xa. Các nhà quản lý có thể giám sát toàn bộ quy trình sản xuất chè đen từ bất cứ đâu, nhận cảnh báo tức thì về bất kỳ sai lệch nào. Đồng thời, việc chuẩn hóa các giao thức truyền thông và tích hợp dữ liệu từ nhiều nguồn khác nhau (như hệ thống quản lý kho, hệ thống hoạch định tài nguyên doanh nghiệp - ERP) sẽ tạo ra một hệ sinh thái sản xuất chè hoàn chỉnh, thúc đẩy năng suất sản xuất chè và nâng cao chất lượng chè đen ở một tầm cao mới.

7.2. Kiến nghị cho chất lượng hương vị chè đen vượt trội

Để đạt được chất lượng hương vị chè đen vượt trội một cách nhất quán, các kiến nghị sau đây là cần thiết, dựa trên những tiến bộ trong tối ưu sản xuất chè đen bằng công nghệ:

1. Đầu tư vào Nghiên cứu và Phát triển: Tiếp tục nghiên cứu sâu hơn về động học sinh hóa của quá trình lên men chè đen, đặc biệt là mối liên hệ giữa các hợp chất tạo hương vị và các chỉ số hình ảnh/hóa lý. Điều này sẽ giúp tinh chỉnh các mô hình dự đoán và điều khiển, tạo ra các "hồ sơ hương vị" mong muốn cho từng loại chè.
2. Tích hợp Công nghệ Đo lường Phi phá hủy: Ngoài xử lý ảnh trong sản xuất chè, cần tích hợp các công nghệ như quang phổ cận hồng ngoại (NIRS) để phân tích thành phần hóa học (ví dụ: catechin, caffeine) của lá chè theo thời gian thực mà không cần lấy mẫu. Điều này cung cấp thêm dữ liệu quan trọng để giám sát lên men chè chính xác hơn.
3. Chuẩn hóa Quy trình và Dữ liệu: Xây dựng các tiêu chuẩn chung cho việc thu thập dữ liệu, phân tích hình ảnh và đánh giá chất lượng trong công nghệ sản xuất chè đen. Một cơ sở dữ liệu lớn và được chuẩn hóa sẽ là tài sản vô giá cho việc huấn luyện các mô hình AI trong ngành chè và phát triển các thuật toán tiên tiến.
4. Phát triển Giao diện Người-Máy Thân thiện: Mặc dù hướng tới tự động hóa quy trình chè đen, vai trò của con người vẫn quan trọng trong giám sát và đưa ra quyết định chiến lược. Phát triển các giao diện trực quan, dễ sử dụng cho thiết bị lên men chè tự động sẽ giúp người vận hành hiểu rõ hơn về hoạt động của hệ thống và can thiệp khi cần.
5. Đào tạo và Nâng cao Năng lực: Đầu tư vào đào tạo nhân sự về công nghệ 4.0 cho nhà máy chè, bao gồm kiến thức về thị giác máy tính trong chế biến chè, điều khiển lên men chè đen và phân tích dữ liệu. Điều này đảm bảo rằng công nghệ được áp dụng hiệu quả và tối đa hóa lợi ích.

Bằng cách thực hiện các kiến nghị này, ngành chè có thể không chỉ nâng cao chất lượng chè đen mà còn đảm bảo mỗi chén chè đen mang đến một trải nghiệm hương vị vượt trội và nhất quán cho người tiêu dùng.

Nội dung chính

Tổng quan nghiên cứu

Trong ngành công nghiệp chế biến nông sản hiện đại, quá trình lên men chè đen đóng vai trò quyết định đến hơn 85% giá trị cảm quan và phẩm chất thương phẩm của sản phẩm cuối cùng. Giai đoạn này là sự tổng hòa của các biến đổi sinh hóa phức tạp, nơi polyphenol dưới sự xúc tác của enzyme polyphenol oxidase và peroxidase chuyển hóa thành các hệ sắc tố hòa tan quan trọng. Tuy nhiên, tại hầu hết các cơ sở sản xuất truyền thống, việc giám sát độ chín lên men vẫn phụ thuộc chủ yếu vào kinh nghiệm cảm quan chủ quan của kỹ thuật viên qua khứu giác và thị giác. Điều này dẫn đến tỷ lệ sản phẩm không đồng đều về chất lượng dao động từ 15% đến 25%, gây lãng phí nguyên liệu và giảm giá trị xuất khẩu.

Luận văn thạc sĩ kỹ thuật điện tử của tác giả Tạ Minh Long, dưới sự hướng dẫn khoa học của PGS.TS Lại Khắc Lãi và PGS.TS Đào Huy Du tại Trường Đại học Kỹ thuật Công nghiệp – Đại học Thái Nguyên, đã giải quyết triệt để bài toán này. Đề tài tập trung nghiên cứu ứng dụng thị giác máy tính kết hợp thuật toán học máy phi tuyến nhằm giám sát và định lượng chất lượng lên men theo thời gian thực. Mục tiêu trọng tâm là thiết lập mô hình hồi quy phi tuyến từ 9 thông số đặc trưng màu sắc để dự đoán chính xác hàm lượng các sắc tố sinh hóa gồm theaflavin, thearubigin, theabrownin cùng điểm đánh giá cảm quan. Nghiên cứu thực nghiệm được triển khai trên tập dữ liệu chuẩn hóa gồm 220 mẫu chè thu thập trong chu kỳ lên men 300 phút, mở ra bước đột phá về tự động hóa dây chuyền sản xuất chè đen liên tục dạng băng tải với sai số kiểm định được kiểm soát tối ưu.

Cơ sở lý thuyết và phương pháp nghiên cứu

Khung lý thuyết áp dụng

Nghiên cứu được xây dựng trên nền tảng lý thuyết biến đổi hóa sinh học thực phẩm kết hợp với khoa học xử lý ảnh số và học máy nâng cao. Quá trình lên men chè đen bản chất là phản ứng oxy hóa catechin để hình thành ba nhóm sắc tố chủ đạo: Theaflavins mang sắc vàng sáng tạo vị tươi mát, Thearubigins mang sắc đỏ nâu tạo độ đậm đà, và Theabrownin mang sắc nâu đen tạo độ sánh. Sự chuyển biến màu sắc ngoại quan từ xanh lục sang vàng đỏ rồi nâu sẫm tương quan trực tiếp với hàm lượng các hợp chất này.

Để mô tả sự thay đổi màu sắc, luận văn ứng dụng ba không gian màu kinh điển: không gian RGB chuẩn 24-bit đại diện cho mức độ kích thích quang học gốc; không gian HSV phân tách rõ các thuộc tính màu sắc, độ bão hòa và độ chói; và không gian màu đồng đều CIELAB phản ánh thị giác con người với kênh sáng L cùng hai trục tọa độ màu đối nghịch a và b. Tổng cộng 9 biến màu số hóa gồm R, G, B, H, S, V, L, a, b được trích xuất nhằm lượng hóa toàn diện bề mặt mẫu chè.

Về mặt học máy, nghiên cứu áp dụng lý thuyết phân tích thành phần chính để giải quyết hiện tượng đa cộng tuyến giữa các kênh màu, kết hợp cấu trúc hồi quy Rừng ngẫu nhiên phát triển bởi Leo Breiman. Mô hình Rừng ngẫu nhiên hoạt động dựa trên cơ chế học tập thể kết hợp kỹ thuật lấy mẫu tái lặp Bootstrap Aggregating và đánh giá sai số nội tại Out-of-Bag, giúp tối ưu hóa khả năng khái quát hóa và kháng nhiễu vượt trội so với các thuật toán hồi quy tuyến tính cổ điển.

Phương pháp nghiên cứu

Nghiên cứu sử dụng bộ dữ liệu chuẩn hóa gồm 220 mẫu chè đen thu thập tại 11 mốc thời gian liên tục từ 0 đến 300 phút, với tần suất lấy mẫu định kỳ 30 phút một lần. Tại mỗi mốc, 20 mẫu đại diện được thu thập ngẫu nhiên trên toàn bộ độ dày 15 đến 20 cm của lớp chè trên băng tải nhằm loại trừ biến thiên không gian. Hàm lượng Theaflavins và Thearubigins được định lượng chuẩn xác bằng phương pháp sắc ký lỏng hiệu năng cao HPLC theo tiêu chuẩn GB/T30483-2013, trong khi điểm cảm quan được hội đồng chuyên gia chấm điểm dựa trên quy chuẩn GB/T23776-2009.

Quy trình phân tích dữ liệu trải qua ba giai đoạn chặt chẽ: Thứ nhất, tiền xử lý và kiểm định thống kê: Dữ liệu được chuẩn hóa thang đo bằng kỹ thuật Z-score và phân tích phương sai một yếu tố ANOVA nhằm chứng minh sự khác biệt có ý nghĩa thống kê của các biến màu theo thời gian. Thứ hai, phân chia dữ liệu bằng thuật toán SPXY: Thay vì chọn ngẫu nhiên, phương pháp phân vùng tập hợp mẫu dựa trên khớp khoảng cách Euclid đa chiều X-Y được lựa chọn để phân tách 220 mẫu thành tập huấn luyện và tập kiểm định với tỷ lệ tối ưu 3:1, đảm bảo tính đại diện đồng đều trên toàn bộ dải biến thiên. Thứ ba, giảm chiều và mô hình hóa: Thuật toán phân tích thành phần chính PCA được sử dụng để nén 9 biến màu gốc thành các thành phần chính mang trên 90% tổng phương sai thông tin, sau đó đưa vào mạng lưới cây quyết định của thuật toán Rừng ngẫu nhiên để tối ưu hóa chỉ số sai số RMSEC, RMSEP và hệ số RPD.

Kết quả nghiên cứu và thảo luận

Những phát hiện chính

Kết quả thực nghiệm đã lượng hóa rõ nét quy luật động học của các sắc tố sinh hóa và thông số quang học trong suốt 300 phút lên men: Thứ nhất, hàm lượng Theaflavins tăng vọt trong giai đoạn đầu và đạt đỉnh cực đại tại thời điểm 60 phút, sau đó suy giảm dần do bị oxy hóa thứ cấp thành các hợp chất cao phân tử. Thứ hai, hàm lượng Thearubigins tăng trưởng đều đặn theo thời gian và đạt giá trị tối ưu tại mốc 120 phút với mức tăng hơn 40% so với thời điểm ban đầu, trước khi giảm mạnh ở giai đoạn cuối chu kỳ. Thứ ba, hợp chất Theabrownin có xu hướng tích lũy tuyến tính liên tục từ phút thứ 0 đến phút thứ 300, giải thích cho hiện tượng sẫm màu của lá chè khi quá trình lên men kéo dài quá mức. Thứ tư, điểm đánh giá chất lượng cảm quan tổng hợp đạt giá trị cao nhất tại mốc 180 phút, tương ứng với tỷ lệ cân bằng tối ưu giữa Theaflavins và Thearubigins.

Kiểm định ANOVA một yếu tố cho thấy tất cả 9 biến màu số hóa và các chỉ số sinh hóa đều có mức ý nghĩa Sig nhỏ hơn 0,001 với giá trị thống kê F giữa các nhóm cao vượt bậc so với biến thiên nội nhóm, khẳng định màu sắc quang học là chỉ dấu tin cậy đại diện cho chất lượng lên men. Mô hình Rừng ngẫu nhiên tối ưu hóa trên các thành phần chính PCA đạt sai số dự đoán RMSEP dưới 0,08 và hệ số tỷ lệ hiệu suất trên độ lệch chuẩn RPD vượt ngưỡng 2,5, chứng minh độ tin cậy tuyệt đối trong kiểm nghiệm không phá hủy.

Thảo luận kết quả

Sự biến đổi của các giá trị màu sắc số hóa phản ánh chính xác bản chất hóa sinh diễn ra bên trong tế bào lá chè. Giá trị trung bình của các kênh R, G, B và độ sáng L có xu hướng giảm dần đều theo thời gian, trong khi giá trị tọa độ sắc đỏ a và màu sắc H biến đổi mạnh mẽ trong 120 phút đầu. Điều này hoàn toàn trùng khớp với giai đoạn tổng hợp mạnh mẽ của Theaflavins và Thearubigins.

Dữ liệu thực nghiệm có thể được trực quan hóa sinh động qua các đồ thị phân bố đa chiều. Biểu đồ phân tán điểm số PCA trên hai trục thành phần chính thứ nhất và thứ hai thể hiện rõ sự phân cụm tách biệt của các mẫu chè qua 11 mốc thời gian, tạo thành một quỹ đạo động học liên tục không chồng lấn. Khi so sánh với các nghiên cứu quang phổ cận hồng ngoại trước đây, phương pháp thị giác máy tính kết hợp thuật toán Rừng ngẫu nhiên trong luận văn này cho chi phí đầu tư thiết bị thấp hơn 70% nhưng vẫn duy trì độ chính xác tương đương. Sự kết hợp giữa xử lý ảnh đa không gian màu và cấu trúc học máy phi tuyến đã khắc phục triệt để hiện tượng bão hòa tín hiệu quang học, mở đường cho việc tích hợp trực tiếp camera công nghiệp vào buồng lên men tự động.

Đề xuất và khuyến nghị

Dựa trên các kết luận khoa học vững chắc, luận văn đề xuất hệ thống giải pháp kỹ thuật và lộ trình ứng dụng thực tiễn cho các doanh nghiệp chế biến chè:

Thứ nhất, tích hợp hệ thống thị giác máy thu nhận ảnh đa kênh tại các vị trí xung yếu dọc băng tải lên men liên tục. Thiết bị bao gồm camera công nghiệp độ phân giải cao kết hợp nguồn sáng LED chuẩn hóa có nhiệt độ màu 6500K nhằm duy trì độ ổn định quang sai dưới 2% trong môi trường độ ẩm cao. Thời gian triển khai lắp đặt ước tính khoảng 30 ngày cho mỗi dây chuyền sản xuất.

Thứ hai, nhúng thuật toán tiền xử lý SPXY, PCA và mô hình hồi quy Rừng ngẫu nhiên vào bộ điều khiển công nghiệp PLC hoặc máy tính biên. Hệ thống sẽ tự động tính toán 9 thông số màu sắc mỗi 5 giây, dự đoán tức thời hàm lượng Theaflavins, Thearubigins và điểm cảm quan với sai số kiểm soát dưới 5%, giúp bộ phận vận hành cắt giảm 100% chi phí hóa chất kiểm nghiệm định kỳ.

Thứ ba, thiết lập vòng điều khiển phản hồi tự động đối với tốc độ băng tải, lưu lượng thông gió và nhiệt độ buồng ủ. Mục tiêu duy trì nhiệt độ khối chè ở mức 24 đến 26 độ C và độ ẩm không khí trên 90%, đồng thời tự động điều chỉnh thời gian lưu chè trên băng tải đạt điểm vàng cảm quan tại mốc 180 phút. Doanh nghiệp cần phối hợp với kỹ sư điều khiển tự động hóa để hiệu chỉnh thông số vòng lặp kín trong thời gian 45 ngày làm việc.

Thứ tư, xây dựng giao diện vận hành màn hình cảm ứng HMI thân thiện cho phép kỹ thuật viên giám sát biểu đồ biến thiên sắc tố thời gian thực, cài đặt ngưỡng cảnh báo tự động khi phát hiện hiện tượng lên men thiếu hoặc lên men quá mức. Ban giám đốc nhà máy cần ban hành quy trình vận hành chuẩn ISO và đào tạo đội ngũ kỹ thuật trong vòng 15 ngày trước khi bàn giao toàn diện.

Đối tượng nên tham khảo luận văn

Công trình nghiên cứu mang giá trị học thuật và ứng dụng thực tiễn cao, đặc biệt hữu ích cho 4 nhóm đối tượng sau:

Thứ nhất, các kỹ sư tự động hóa và kỹ thuật điện tử: Tài liệu cung cấp toàn bộ mã nguồn thuật toán Python, cấu trúc tối ưu hóa mô hình Rừng ngẫu nhiên, kỹ thuật giảm chiều dữ liệu PCA và sơ đồ kết nối hệ thống điều khiển công nghiệp HMI-PLC phục vụ thiết kế dây chuyền sản xuất thông minh.

Thứ hai, các nhà khoa học và nghiên cứu sinh ngành công nghệ thực phẩm: Luận văn là tài liệu tham khảo giá trị về mối quan hệ định lượng giữa động học biến đổi sắc tố sinh hóa và các thuộc tính quang học đa không gian màu trong chế biến nông sản.

Thứ ba, các chủ doanh nghiệp và giám đốc kỹ thuật nhà máy sản xuất chè: Cung cấp giải pháp công nghệ khả thi giúp nâng cao tỷ lệ chè loại một lên hơn 95%, tiết kiệm năng lượng, chuẩn hóa chất lượng xuất khẩu và loại bỏ hoàn toàn rủi ro do sai sót cảm quan của con người.

Thứ tư, sinh viên và học viên cao học chuyên ngành xử lý ảnh và trí tuệ nhân tạo ứng dụng: Nghiên cứu minh họa một ca ứng dụng thực tế hoàn chỉnh từ khâu thu thập dữ liệu, tiền xử lý thống kê nâng cao đến triển khai mô hình học máy giải quyết bài toán kỹ thuật phức tạp.

Câu hỏi thường gặp

Tại sao cần trích xuất đồng thời 9 biến màu từ ba không gian màu khác nhau?

Mỗi không gian màu có ưu thế riêng trong việc phản ánh quang sai bề mặt. Kênh RGB phản ánh trực tiếp cường độ ánh sáng thu nhận từ cảm biến, không gian HSV phân tách độ bão hòa và sắc thái màu sắc, trong khi CIELAB mô phỏng thị giác con người với khả năng nhận diện sắc vàng đỏ độc lập với cường độ sáng. Việc kết hợp 9 biến màu cung cấp bức tranh dữ liệu toàn diện với độ bao phủ thông tin quang học đạt trên 98%.

Thuật toán SPXY có ưu điểm gì vượt trội so với chọn mẫu ngẫu nhiên?

Thuật toán SPXY tính toán đồng thời khoảng cách đa chiều giữa các biến độc lập quang học và biến phụ thuộc sinh hóa để lựa chọn các mẫu đại diện phân bổ đồng đều trong không gian trạng thái. Phương pháp này loại bỏ nguy cơ lệch mẫu của cách chọn ngẫu nhiên, giúp tập huấn luyện và kiểm định bao quát trọn vẹn 100% dải biến thiên của quá trình lên men.

Vì sao mô hình Rừng ngẫu nhiên lại phù hợp hơn các mô hình hồi quy tuyến tính?

Quá trình sinh hóa tạo sắc tố diễn ra phi tuyến tính với các pha tăng vọt và suy giảm phức tạp không theo đường thẳng. Thuật toán Rừng ngẫu nhiên xây dựng hàng trăm cây quyết định độc lập trên các tập mẫu Bootstrap, giúp nắm bắt hoàn hảo các mối quan hệ phi tuyến phức tạp mà không bị ảnh hưởng bởi hiện tượng quá khớp, duy trì sai số RMSEP dưới 0,08.

Thời điểm kết thúc lên men tối ưu được xác định như thế nào trong nghiên cứu?

Nghiên cứu chỉ ra rằng chất lượng chè đen đạt đỉnh cảm quan cao nhất tại thời điểm 180 phút, khi hàm lượng Theaflavins đạt mức cân bằng hoàn hảo với Thearubigins, đồng thời sự tích lũy của Theabrownin chưa vượt ngưỡng làm tối nước chè. Hệ thống thị giác máy sẽ nhận diện chính xác giao điểm sắc tố này để tự động chuyển sang công đoạn sấy khô định hình.

Hệ thống thị giác máy đề xuất có khả năng thích ứng với điều kiện bụi bẩn và độ ẩm cao không?

Hệ thống được thiết kế với vỏ bảo vệ cảm biến đạt chuẩn công nghiệp IP67, tích hợp cơ chế thổi khí làm sạch thấu kính tự động và thuật toán cân bằng trắng thích nghi. Nhờ đó, chất lượng ảnh thu nhận luôn duy trì độ sai lệch dưới 1,5% ngay cả trong môi trường độ ẩm không khí vượt 90% tại buồng lên men.

Kết luận

Luận văn thạc sĩ của tác giả Tạ Minh Long đã đóng góp một giải pháp khoa học công nghệ toàn diện cho ngành công nghiệp chế biến chè:

• Chuẩn hóa thành công phương pháp trích xuất 9 thông số đặc trưng màu sắc từ ba không gian màu RGB, HSV và CIELAB nhằm số hóa toàn diện quá trình lên men chè đen.
• Ứng dụng thành công chuỗi thuật toán xử lý dữ liệu tiên tiến gồm phân tích phương sai ANOVA, chuẩn hóa Z-score, phân chia tập mẫu SPXY và giảm chiều dữ liệu PCA.
• Thiết lập mô hình hồi quy phi tuyến Rừng ngẫu nhiên cho phép định lượng chính xác các chỉ số sinh hóa Theaflavins, Thearubigins, Theabrownin và điểm cảm quan với hệ số tin cậy RPD vượt trội trên 2,5.
• Đề xuất thành công lưu đồ điều khiển tự động hóa và mô hình tích hợp phần cứng PLC kết nối giao diện giám sát HMI cho dây chuyền lên men liên tục dạng băng tải.
• Đặt nền móng vững chắc cho việc chuyển đổi số và ứng dụng công nghệ thị giác máy tính không phá hủy vào các quy trình chế biến nông sản thực phẩm quy mô công nghiệp.

Về lộ trình phát triển tiếp theo, các doanh nghiệp và nhóm nghiên cứu có thể hoàn thiện tích hợp thử nghiệm mô hình trực tiếp trên dây chuyền sản xuất công nghiệp trong vòng 3 đến 6 tháng tới, mở rộng tập dữ liệu sang các giống chè khác nhau để hoàn thiện hệ thống điều khiển thông minh tự thích nghi. Quý độc giả, kỹ sư và các nhà khoa học quan tâm có thể khai thác chi tiết các sơ đồ thuật toán, bảng dữ liệu thực nghiệm và chương trình tính toán tối ưu hóa trong toàn văn công trình để ứng dụng vào thực tế sản xuất ngay hôm nay.

Trích đoạn nội dung tài liệu

Chương 1: L n men c è đen và ản số Trình bày về Chè đen và ảnh số hóa, các không gian màu nghiên cứu và chuyển đổi qua lại giữa chúng Chương 2: C c t uật to n sử dụn Trình bày về các thuật toán đƣợc sử dụng để xây dựng mô hình dự đoán Chương 3: Dự đo n c c c ỉ số chất lƣợng Trình bày về các bƣớc tiến hành phân tích dữ liệu và kết quả phân tích. Đƣa ra kết quả tối ƣu hóa và nhận xét, hƣớng phát triển về sau 6. P ƣơn p p và p ƣơn p p luận - Nghiên cứu lý thuyết để thu thập dữ liệu và lựa chọn thuật toán - Tiến hành xử lý dữ liệu, tối ƣu hóa mô hình nghiên cứu - Đánh giá chất lƣợng của mô hình nghiên cứu Thái Nguyên, ngày tháng năm 2020 Học v n Tạ M n Long download by : [e-mail] 4 CHƢƠNG 1: L N MEN CHÈ EN VÀ ẢNH SỐ 1. C è đen và l n men c è đen 1.

C è đen Chè đen là một trong những đồ uống chức năng phổ biến nhất trên thế giới; dựa trên hình dạng, nó có thể đƣợc phân thành hai loại: chè đen vỡ và chè hình thanh. Chè đen là một loại chè lên men hoàn toàn.1: Chè đen Màu sắc và mùi là sự thay đổi cảm quan quan trọng trong quá trình lên men chè đen. Trong quá trình lên men, đƣợc xúc tác bởi polyphenol oxyase (PPO) và peroxidase, polyphenol trong Chè (đặc biệt là thành phần catechin) sẽ dần dần tạo ra các sản phẩm oxy hóa màu, trong đó các chất sắc tố hòa tan trong nƣớc có ảnh hƣởng mạnh đến chất lƣợng cảm quan của Chè đen. Các chất sắc tố hòa tan trong nƣớc này chủ yếu bao gồm theaflavin (TF), thearubigins (TRs) và theabrownin (TB) [12].

Màu sắc và độ bóng của chè sẽ đƣợc hình thành khi các chất sắc tố trên hòa tan trong nƣớc; sự hòa tan của các chất sắc tố cũng sẽ ảnh hƣởng đến hƣơng vị và hƣơng vị của chè, chẳng hạn nhƣ vị ngọt, vị mặn, cƣờng độ, nồng độ… lá chè đen sẽ có sự thay đổi màu sắc rõ rệt trong quá trình lên men, thay đổi từ màu ngọc lam sang màu vàng lục, sau đó chuyển sang màu vàng đỏ, nâu vàng và cuối cùng sang màu nâu sẫm. Sự thay đổi màu sắc này có thể đƣợc quan sát và phân biệt bởi hệ thống thị giác của con ngƣời, nhƣng rất khó để xác định thang đo cụ thể. download by : skknchat@gmail.2: Màu sắc tăng cƣờng trung bình trƣớc và sau khi lên men(S×3,H×2) Các mô tả cảm giác của con ngƣời để màu sắc là định tính. Tuy nhiên, trong sản xuất chè đen quy mô lớn, mức độ lên men và chất lƣợng cảm quan có thể đƣợc dự đoán thông qua kinh nghiệm sản xuất phong phú và quan sát sự thay đổi màu sắc ở trên.

Vì lý do này, quá trình lên men có thể không đủ hoặc quá mức, và màu sắc của lá Chè có thể bị trộn lẫn và không đồng đều; Bên cạnh đó, hƣơng vị của chè có thể không thể đoán trƣớc. Màu sắc là một thuộc tính quan trọng và tính năng nhận thức của hình ảnh máy tính. Thông tin màu của lá chè đen có thể đƣợc định lƣợng và mô tả chính xác bằng cách chụp ảnh mẫu bằng hệ thống thu nhận thị giác máy và trích xuất các tính năng màu với số hóa. Các hình ảnh ánh sáng nhìn thấy, phổ và công nghệ cận hồng ngoại đã đƣợc các nhà nghiên cứu sử dụng để xác định danh mục, chất lƣợng, hình dạng và nơi xuất xứ của chè.

Tuy nhiên, có rất ít nghiên cứu về công nghệ phát hiện chất lƣợng cho quá trình lên men của Chè đen. Qu trìn l n men c è đen Chè đen có thể lên men bằng phƣơng pháp gián đoạn và lên men liên tục trên băng tải, trong phần này tôi chỉ trình bày phƣơng pháp lên men liên tục. Lá chè sau khi phá vỡ tế bào và định hình đƣợc giải đều trên băng tải với độ dầy từ 15 đến 20cm. Băng tải chuyển động liên tục với tố độ phù hợp, thời gian lên men từ 2 giờ phút đến 4 giờ [17] đủ để hoàn thiện chất lƣợng cho chè đen.Trong quá trình lên men khối chè sẽ đƣợc tác động liên tục bởi các yếu tố nhiệt độ và độ ẩm phù hợp.

Phƣơng pháp này đƣợc sản xuất phổ biến ở Nga để lên men chè liên tục trong sản xuất chè OTD. Nguyên lý cấu tạo thiết bị lên men nhƣ sau: Băng tải lên men bao gồm nhiều tấm vỉ bẳng thép không gỉ và ghép lại. Chuyển động nhờ hệ thống download by : [e-mail] 6 xích và bánh xích. Các thiết bị lên men liên tục có nhiều ƣu điểm, đó là cơ giới hóa hoàn toàn quá trình lên men, năng suất cao, chất lƣợng chè khá ổn định.3: Máy lên men chè đen liên tục thực tế Hình 1.4: Nguyên lý cấu tạo máy lên men liên tục 1.

ịn n ĩa ản số Một hình ảnh là một mảng 2D (2 chiều) của các giá trị đại diện cho cƣờng độ ánh sáng. Với mục đích xử lý hình ảnh, thuật ngữ hình ảnh đề cập đến một hình ảnh kỹ thuật số. Một hình ảnh là một hàm của cƣờng độ ánh sáng: f (x, y) Trong đó f là độ sáng của điểm (x, y) và x và y đại diện cho không gian tọa độ của một yếu tố hình ảnh, hoặc pixel. Theo quy ƣớc, tham chiếu không gian của pixel với tọa độ (0, 0) nằm ở trên cùng, góc trái của hình ảnh.1 download by : [e-mail] 7 rằng giá trị của x tăng khi di chuyển từ trái sang phải và giá trị của y tăng từ trên xuống dƣới.5: Tham chiếu không gian của Pixel (0, 0) Trong xử lý hình ảnh kỹ thuật số, một cảm biến hình ảnh chuyển đổi một hình ảnh thành một số lƣợng pixel rời rạc.

Cảm biến hình ảnh gán cho từng pixel một vị trí số và mức màu xám hoặc giá trị màu chỉ định độ sáng hoặc màu của pixel. T uộc tín của ìn ản số óa Một hình ảnh số hóa có ba thuộc tính cơ bản: độ phân giải (resolution), định nghĩa (definition) và số lƣợng mặt phẳng (number of planes). Độ phân giải Độ phân giải không gian của hình ảnh đƣợc xác định bởi số lƣợng hàng của nó và các cột pixel. Một hình ảnh bao gồm m cột và n hàng có độ phân giải của m × n.

Hình ảnh này có m pixel dọc theo trục ngang của nó và n pixel dọc theo trục dọc của nó. Định nghĩa Định nghĩa của một hình ảnh cho biết số lƣợng sắc thái mà ta có thể thấy trong hình ảnh. Độ sâu bit của hình ảnh là số bit đƣợc sử dụng để mã hóa giá trị của một pixel. Đối với độ sâu bit đã cho của n, hình ảnh có định nghĩa 2n, nghĩa là một pixel có thể có 2n giá trị khác nhau.

Ví dụ, nếu n bằng 8 bit, một pixel có thể có 256 giá trị khác nhau từ 0 đến 255. Nếu n bằng 16 bit, một pixel có thể có 65.536 giá trị khác nhau trong khoảng từ 0 đến 65.535 hoặc từ Nhận -32. download by : skknchat@gmail. Số lƣợng mặt phẳng màu Số lƣợng mặt phẳng trong một hình ảnh tƣơng ứng với số lƣợng mảng pixel tạo thành hình ảnh.

Một hình ảnh thang độ xám hoặc giả màu gồm một mặt phẳng. Một hình ảnh màu sắc thật bao gồm ba mặt phẳng: một cho mỗi thành phần màu đỏ, thành phần màu xanh lục và thành phần xanh dƣơng. Trong ảnh màu trung thực, cƣờng độ thành phần màu của pixel đƣợc mã hóa thành ba giá trị khác nhau. Một hình ảnh màu là sự kết hợp của ba mảng pixel tƣơng ứng với các thành phần màu đỏ, xanh lục và xanh lam trong hình ảnh RGB.

Hình ảnh HSL đƣợc xác định bởi màu sắc, độ bão hòa và độ chói của chúng. Hình ảnh thang độ xám Một hình ảnh thang độ xám bao gồm một mặt phẳng các pixel. Mỗi pixel là đƣợc mã hóa bằng một trong các kiểu sau: Số nguyên không dấu 8 bit biểu thị các giá trị thang độ xám giữa 0 và 255 Số nguyên có chữ ký 16 bit biểu thị các giá trị thang độ xám giữa -32. Số dấu phẩy động đƣợc mã hóa bằng bốn byte, đại diện cho các giá trị thang độ xám từ phạm vi -∞ đến ∞.

Ảnh màu Một hình ảnh màu đƣợc mã hóa trong bộ nhớ dƣới dạng đỏ, lục và lam (RGB) hoặc hình ảnh chứa màu sắc, độ bão hòa và độ chói (HSL). Pixel hình ảnh màu là tổng hợp của bốn giá trị. Hình ảnh RGB lƣu trữ thông tin màu bằng cách sử dụng Mỗi bit 8 bit cho các mặt phẳng đỏ, lục và lam. Màu sắc lƣu trữ hình ảnh HSL thông tin sử dụng mỗi 8 bit cho màu sắc, độ bão hòa và độ chói.

Hình ảnh RGB U64 lƣu trữ thông tin màu bằng cách sử dụng 16 bit cho mỗi màu đỏ, xanh lá cây, và các mặt phẳng màu xanh. Trong các mô hình màu RGB và HSL, thêm 8 bit giá trị không đƣợc sử dụng. Đại diện này đƣợc gọi là 4 × 8 bit hoặc 32 bit mã hóa. Trong mô hình màu RGB U64, giá trị 16 bit bổ sung sẽ tang không sử dụng Đại diện này đƣợc gọi là mã hóa 4 × 16 bit hoặc 64 bit.

Hình ảnh phức tạp download by : [e-mail] 9 Một hình ảnh phức tạp chứa thông tin tần số của hình ảnh thang độ xám. ta có thể tạo một hình ảnh phức tạp bằng cách áp dụng biến đổi Fast Fourier (FFT) đến một hình ảnh thang độ xám. Sau khi ta chuyển đổi hình ảnh thang độ xám thành một hình ảnh phức tạp, ta có thể thực hiện các hoạt động miền tần số trên hình ảnh. Mỗi pixel trong một hình ảnh phức tạp đƣợc mã hóa thành hai độ chính xác co giá trị kiểu dấu phẩy động, đại diện cho các thành phần thực và ảo của pixel phức tạp.

ta có thể trích xuất bốn thành phần sau từ một hình ảnh phức tạp: phần thực, phần ảo, cƣờng độ và pha. File ảnh Một tệp hình ảnh bao gồm một tiêu đề theo sau là các giá trị pixel. Tùy trên định dạng tệp, tiêu đề chứa thông tin hình ảnh về độ phân giải ngang và dọc, định nghĩa pixel và bảng màu gốc. Tệp hình ảnh cũng có thể lƣu trữ thông tin về hiệu chuẩn, khớp mẫu mẫu và lớp phủ.