Professional Documents
Culture Documents
TÓM TẮT
Nghiên cứu nhằm phát triển hệ thống phân loại tự động trái xoài sau khi đã thu hoạch. Trái
xoài được đưa vào buồng chụp ảnh nhằm trích rút các đặc trưng phân loại: Chu vi, diện
tích, độ chín. Chọn ra những trái xoài đạt các tiêu chí được đặt trước, ảnh kết quả được
hiển thị lên màn hình và LED báo phân loại. Hệ thống được xây dựng trên máy tính nhúng
Raspberry Pi 3 B+ với tốc độ xử lý 1.4 GHz được cài đặt trên hệ điều hành Debian,
Camera Logitech C920 với độ phân giải 15 MegaPixel được dùng để thu thập ảnh đầu vào,
ảnh kết quả được hiển thị thông qua màn hình 7 inch HDMI LCD. Thử nghiệm trên 40 mẫu
trái xoài cát Hòa Lộc với 80 ảnh trái xoài một mặt. Kết quả hệ thống đã trích rút thành
công các thông số vật lý: Chu vi, diện tích… Độ chín của trái xoài được xác định thông qua
màu sắc được trích rút từ diện tích vùng trái. Nghiên cứu đã xây dựng thành công hệ thống
phân loại trái xoài với tốc độ xử lý là 2.3 s cho mỗi mẫu ảnh trái xoài.
Từ khóa: Đặc trưng vật lý, độ chín trái xoài, hệ thống phân loại tự động, phân loại trái
xoài
Trích dẫn: Đỗ Chí Tâm, Nguyễn Vĩnh Thành và Lê Tấn Mỹ, 2021. Thiết lập mô hình phân
loại trái xoài sử dụng công nghệ ảnh trên hệ thống nhúng. Tạp chí Nghiên cứu
khoa học và Phát triển kinh tế Trường Đại học Tây Đô. 12: 321-346.
*
Ths. Đỗ Chí Tâm – P. Trưởng Khoa Kỹ thuật-Công nghệ, Trường Đại học Tây Đô
321
Tạp chí Nghiên cứu khoa học và Phát triển kinh tế Trường Đại học Tây Đô Số 12 - 2021
322
Tạp chí Nghiên cứu khoa học và Phát triển kinh tế Trường Đại học Tây Đô Số 12 - 2021
Hệ thống nhúng và Điều khiển tự dùng để phân loại chất lượng trái xoài
động là lĩnh vực nghiên cứu, thiết kế và dựa trên các kết quả cũng như khắc phục
phát triển các hệ thống phần cứng và các hạn chế của các công trình nghiên
phần mềm tích hợp. Hệ thống nhúng và cứu trước đây có ý nghĩa quan trọng
Điều khiển tự động được ứng dụng rộng trong việc xây dựng hệ thống có khả
rãi: từ việc thiết kế mạch điện tử đơn năng giải quyết yêu cầu phân loại trái
giản đến thiết kế vi xử lý, hệ thống xoài cho xuất khẩu của Việt Nam.
nhúng, hệ thống điều khiển PLC. 2. THIẾT KẾ HỆ THỐNG
Vì vậy, việc nghiên cứu và xây dựng Các bước thực hiện của nghiên cứu
thành công một mô hình hệ thống nhúng được trình bày qua biểu đồ dưới đây:
323
Tạp chí Nghiên cứu khoa học và Phát triển kinh tế Trường Đại học Tây Đô Số 12 - 2021
Hình 2. Bản vẽ kỹ thuật của hệ thống: (a) Camera; (b) động cơ DC; (c) buồn chụp
ảnh; (d) đèn chiếu sáng; (e) công tắc hành trình; (f) cơ cấu phân loại
Để giải quyết bài toán “Nghiên cứu - Xác định độ chín của trái xoài.
mô hình phân loại chất lượng trái xoài - Xây dựng hệ thống phân loại trái
một mặt sử dụng công nghệ ảnh trên hệ xoài.
thống nhúng” trong bài báo này được
chia nhỏ thành các bài toán như sau: 2.1.1. Hệ thống thu nhận ảnh đối
tượng
- Xây dựng hệ thống thu nhận ảnh.
Hệ thống thu nhận ảnh được thiết kế
- Phát hiện và chụp ảnh trái xoài trong theo dạng buồng chụp ảnh với kích
buồng chụp. thước dài, rộng, cao lần lượt là 30cm x
- Lọc bỏ nền ảnh xoài đầu vào để thu 30cm x 30cm. Với chất liệu được chọn
được ảnh chứa vùng trái xoài. là Aluminium đồ bền cao, chịu được va
- Xác định giá trị các đặc tính vật lý đập. Bên trong buồng chụp bố trí thêm
của trái xoài. các LED siêu sáng nhằm hỗ trợ sáng khi
Camera chụp ảnh.
324
Tạp chí Nghiên cứu khoa học và Phát triển kinh tế Trường Đại học Tây Đô Số 12 - 2021
Trong nghiên cứu này, lệnh chụp ảnh ngoài thực tế). Bộ xử lý trung tâm sẽ ra
sẽ được lập trình sẵn, khi nhấn nút đã lệnh cho Camera chụp ảnh và lưu ảnh lại
được lập trình cụ thể là nút ‘S’ trên bàn để phục vụ các công đoạn phía sau.
phím (điều này giả lập tín hiệu cảm biến
325
Tạp chí Nghiên cứu khoa học và Phát triển kinh tế Trường Đại học Tây Đô Số 12 - 2021
2.1.2. Loại bỏ nền, thu ảnh trái xoài ký hiệu P1(k), tương tự C2 ký hiệu là
trên băng tải P2(k).
Ảnh đầu vào có được từ công đoạn k
phía trên thì không chỉ chứa hình ảnh P (k ) pi
1 i0
của trái xoài mà còn chứa cả hình ảnh
của băng tải. Vì thế ta cần thực hiện việc L1
P (k ) pi 1 P (k )
lọc bỏ nền ảnh của băng tải chỉ chừa lại 2 ik 1 1
vùng ảnh trái xoài điều này giúp cho
việc nhận dạng và tính toán các đặc Sau đó ta tính giá trị trung bình
trưng vật lý sau này được chính xác và m1 của lớp C1:
dễ dàng hơn. k i 1 k
Để lọc bỏ nền băng tải ra khỏi ảnh m (k ) iP iP
1 i0 C1 P1(k ) i0 i
trong bài báo sử dụng thuật toán phân
ngưỡng tự động Otsu. Từ đó lọc được Tương tự tính m2:
vùng ảnh trái xoài ra khỏi nền băng tải.
L1 i t 1
Otsu là tên một nhà nghiên cứu người m (k ) iP 1 iP
Nhật đã nghĩ ra ý tưởng cho việc tính 2 ik 1 C2 P2 (k ) ik 1 i
ngưỡng một cách tự động dựa vào giá trị
điểm ảnh của ảnh đầu vào nhằm thay thế
cho việc sử dụng ngưỡng cố định. Theo Otsu, ta sẽ tính ngưỡng k* mà
giá trị tại đó sự chênh lệch giữa hai đoạn
Đầu tiên sử dụng lược đồ Histogram (màu nền và màu ký tự) đạt giá trị cực
biểu diễn tần suất xuất hiện mức xám:
đại, ký hiệu 2 (k*) , được tính:
L1 ni B
pi
i0 (M • N ) B
2 k* Max 2 (k )
B
0k L1
Trong đó:
ni: Llà số lượng điểm ảnh của giá trị i Trong đó B là phương sai hai lớp
C1 và C2. Ta có:
L: 1,2,3,…256
2 2
2 B P1 m1 mG P m m
po + p1 + p2 +…+ pL-1 = 1. 2 2 G
2
Chọn một ngưỡng Tk = k, (0<k<L-1) P P m m
để phân ảnh đầu vào thành 2 lớp C1 (tập 1 2 1 2
hợp các điểm ảnh có giá trị ≤k) và
2
C2 (tập hợp các điểm ảnh có giá trị lớn m Pm
G
hơn k). Tỉ lệ lớp C1 với số lượng điểm
ảnh k với tổng số lượng điểm ảnh được
P 1 P
1 1
326
Tạp chí Nghiên cứu khoa học và Phát triển kinh tế Trường Đại học Tây Đô Số 12 - 2021
Từ công thức trên ta suy ra: ngưỡng k*, sau đó ta thực hiện nhị phân
2 biển số theo theo ngưỡng.
m P ( k ) m( k )
g ( x, y) 1 if f ( x, y) và g ( x, y) 0 if f ( x, y)
B (k ) G 1
2
P (k ) 1 P (k )
1 1
Trong đó:
Trong đó: mG là giá trị trung bình của
ảnh. g(x,y) là ảnh đầu ra.
L1 f(x,y) là ảnh đầu vào.
m ipi m P m P m
G i0 G 1 1 2 2 x=0,1,2,…,N-1.
y=0,1,2,…,M-1.
mk là giá trị trung bình đến ngưỡng
k Ảnh kết quả mô phỏng khi áp dụng
k. Với m ipi thuật toán Otsu để phân ngưỡng trên
k i0
phần mềm Matlab:
Nếu có nhiều giá trị lớn nhất bằng
nhau, ta sẽ chọn k có giá trị lớn nhất làm
327
Tạp chí Nghiên cứu khoa học và Phát triển kinh tế Trường Đại học Tây Đô Số 12 - 2021
2.1.3. Xác định các giá trị đặc trưng việc này nhằm mục tích chỉ thu nhận
vật lý của trái xoài những vùng chứa trái xoài các thao tác
Sau khi đã tách vùng ảnh trái xoài ra trích rút đặc trưng vật lý được thực hiện
khỏi nền băng tải, tác giả tiến hành xác chính xác:
định đường bao quanh trái xoài. Công
328
Tạp chí Nghiên cứu khoa học và Phát triển kinh tế Trường Đại học Tây Đô Số 12 - 2021
Hình 9. Ảnh trái xoài được xác định đường bao trái
Hình 10. Ảnh kết quả sau khi trích rút các đặc trưng
329
Tạp chí Nghiên cứu khoa học và Phát triển kinh tế Trường Đại học Tây Đô Số 12 - 2021
2.1.4. Xác định độ chín của trái xoài trái xoài đa phần là xanh lá, khi chuyển
Để xác định được độ chín của trái đến giai đoạn nữa sống nữa chín thì màu
xoài ta có nhiều phương pháp có thể kể sắc của trái xoài có sự chuyển đổi từ
ra như là: xác định độ chín thông qua màu xanh lá sang màu vàng nhạt, đến
mùi của trái xoài, tác dụng lực vào trái giai đoạn chín thì màu sắc của trái xoài
xoài, thông qua hàm lượng este có trong đa phần là màu vàng.
trái xoài. Nhưng phương pháp được sử Phương pháp thực hiện của bài báo là
dụng nhiều nhất để xác định độ chín của xác định độ chín của trái xoài thông qua
trái xoài là dùng chỉ số màu sắc của màu sắc đặc trưng của hai kênh màu a*
vùng vỏ trái để nhận biết được độ chín và b* trong không gian màu CIE
của trái xoài. Khi còn sống màu sắc của L*a*b*.
Theo nghiên cứu trước đây về việc đoạn 70-95 NSKĐT ở cả ba vụ thuận,
xác định thời điểm thu hoạch của trái muộn và nghịch. Độ sáng tối (L*, từ 0
xoài cát Hòa Lộc, tại xã Hòa Hưng, đến 100) giai đoạn 70 NSKĐT của vỏ
Huyện Cái Bè, tỉnh Tiền Giang, Trần trái biến động từ 47,1 (vụ muộn) đến
Văn Hâu, và ctv. Việc xác định độ chín 65,3 (vụ nghịch). Giá trị L* tăng dần khi
của trái xoài cát Hòa Lộc thông qua việc trái thu hoạch nhưng trong vụ muộn có
trích xuất các giá trị L*, a*, b* trong lẽ thu hoạch trong mùa mưa nên L* vẫn
không gian màu CIE L*a*b*. thấp hơn so với vụ thuận và vụ nghịch.
Các giá trị chỉ màu sắc như L*, a*, b* Chỉ số a* (biểu thị màu sắc từ xanh lá
khác biệt có ý nghĩa thống kê ở giai cây đến đỏ, biến động từ -60 đến +60)
330
Tạp chí Nghiên cứu khoa học và Phát triển kinh tế Trường Đại học Tây Đô Số 12 - 2021
cũng gia tăng ở giai đoạn 70 đến 95 Theo Medlicott et al. (1990), trong
NSKĐT nhưng giá trị vẫn chưa qua giá thời gian chín, diệp lục trên vỏ quả biến
trị dương. Sự biến động của giá trị a* ở mất, đặc biệt là diệp lục tố a và có sự
cả ba thời vụ đều tương tự nhau. tổng hợp thêm các sắc tố mới như:
Chỉ số b* (biến động từ -60 đến +60, Lycopene, anthocyanin; đồng thời các
biểu thị từ màu xanh da trời đến màu sắc tố carotenoid, xanthophyl chiếm ưu
vàng) của vỏ trái cũng tăng dần khi thu thế làm cho màu xanh biến mất hình
hoạch ở giai đoạn 70 NSKĐT và đạt giá thành nên màu vàng đặc trưng ở xoài cát
trị gần như tối đa khi thu hoạch ở giai Hòa Lạc, từ đó cho thấy khi tuổi trái
đoạn 95 NSKĐT. Kết quả này cho thấy tăng thì có sự thay đổi màu sắc của vỏ
màu sắc vỏ trái xoài cát Hòa Lộc khi trái từ xanh sang xanh vàng và từ xanh
chín thay đổi rất rõ cùng với tuổi trái và sang vàng đỏ hình thành nên màu vàng
có màu vàng đậm với giá trị b* tối đa đặc trưng của trái.
khi thu hoạch ở giai đoạn 95 NSKĐT.
Bảng 1. Trị số L*, a* và b* của vỏ trái xoài cát Hòa Lộc giai đoạn từ 70-95 ngày sau
khi đậu trái ở vụ thuận, muộn và nghịch tại xã Hòa Hưng, huyện Cái Bè, tỉnh Tiền
Giang
331
Tạp chí Nghiên cứu khoa học và Phát triển kinh tế Trường Đại học Tây Đô Số 12 - 2021
Hình 12. Trái xoài cát Hòa Lộc ở các độ tuổi từ 70-95 ngày sau khi đậu trái tại xã Hòa
Hưng, huyện Cái Bè, tỉnh Tiền Giang
Ở nghiên cứu này cũng dựa vào kênh b*, dựa vào biểu đồ giá trị màu
phương pháp dùng chỉ số màu sắc đặc trong không gian màu CIE L*a*b* ta có
trưng của vùng vỏ trái để xác định độ thể xác định được màu sắc chủ đạo của
chín của trái xoài. Để làm được điều này đối tượng ảnh đầu vào.
thì sau khi có ảnh đầu vào chỉ chứa đối Khi thực hiện bài báo để đảm bảo tính
tượng duy nhất là trái xoài (ảnh đã lọc khách quan tác giả đã mua các mẫu xoài
bỏ nền băng tải). Tác giả tiến hành tại nhiều điểm thu mua xoài khác nhau,
chuyển đổi không gian màu của ảnh từ khi mua mỗi mẫu xoài đều nhờ người
không gian màu RGB sang không gian bán xác định xem mẫu xoài đã mua
màu CIE L*a*b*, vì trong không gian thuộc nhóm nào trong các nhóm: chưa
màu CIE L*a*b* giúp ta dễ dàng trích chín, nữa sống nữa chín, chín. Việc đó
xuất, phân tích màu sắc vùng vỏ trái nhằm xắc định ứng với mỗi nhóm xoài
xoài. Trong không gian màu CIE khác nhau sẽ có các ngưỡng màu sắc
L*a*b* ta trích xuất giá trị màu đặc khác nhau. Sau đó tổng hợp lại và hình
trưng của hai kênh màu là kênh a* và thành các nhóm được chia theo hình
kênh b*. Khi đã thu được cặp giá trị đặc dưới đây:
trưng của hai kênh màu là kênh a* và
332
Tạp chí Nghiên cứu khoa học và Phát triển kinh tế Trường Đại học Tây Đô Số 12 - 2021
Hình 13. Biểu đồ các nhóm xoài trong không gian màu CIE L*a*b*
Các giá trị màu sắc đặc trưng của ảnh xuất 10 phần tử có giá trị nhiều nhất
trong không gian màu CIE L*a*b* được trong ảnh. Với trục tung của biểu đồ
tính toán tự động. Ảnh kết quả được biểu diễn số Pixel, và trục hoành biểu
hiển thị cùng với biểu đồ của hai kênh diễn giá trị màu tương ứng của vùng trái
màu là kênh a* và kênh b* được trích xoài:
Hình 14. Ảnh đầu vào trong quá trình xác định độ chín
333
Tạp chí Nghiên cứu khoa học và Phát triển kinh tế Trường Đại học Tây Đô Số 12 - 2021
Hình 15. Biểu đồ kênh a* của ảnh đầu vào trong không gian màu CIE L*a*b*
Hình 16. Biểu đồ kênh b* của ảnh đầu vào trong không gian màu CIE L*a*b*
334
Tạp chí Nghiên cứu khoa học và Phát triển kinh tế Trường Đại học Tây Đô Số 12 - 2021
Hình 17. Kết quả quá trình xác định độ chín của trái xoài
2.1.5. Hệ thống phân loại trái xoài ở các công đoạn phía trên ta thực hiện
Ở bài báo các tiêu chí để phân loại xây dựng tập luật phân loại cho hệ
trái xoài bao gồm: diện tích trái xoài thống.
(Type Size) và độ chín của trái xoài Việc phân loại trái xoài đầu ra được
(Type Ripeness). Từ các biến diện tích trình bày như lưu đồ Hình 18.
trái xoài và độ chín của trái xoài có được
335
Tạp chí Nghiên cứu khoa học và Phát triển kinh tế Trường Đại học Tây Đô Số 12 - 2021
Hình 18. Tổng quan việc phân loại trái xoài dựa vào các đặc trưng vật lý
Để phân loại về kích thước (Type các nhóm: Sống, nữa sống nữa chín (bán
Size) được tính ở đơn vị cm. Ở đề tài chín), chín. Với luật phân loại độ chín
chia thành các nhóm: Nhỏ, Vừa, Lớn. như sau:
Với luật phân loại kích thước như sau: - Nếu -100< a* ≤ -80 và 0 < b* ≤ +20
- Nếu 0 cm < diện tích vùng trái ≤ 5.0 thì được xem là trái sống.
Cm thì được xem là Nhỏ. - Nếu -80 < a* ≤ -60 và 0 < b* ≤ +20
thì được xem là trái sống.
- Nếu 5.0 cm < diện tích vùng trái ≤
15.0 Cm thì được xem là Vừa. - Nếu -60 < a* ≤ -40 và 0 < b* ≤ +20
thì được xem là trái sống.
- Nếu diện tích vùng trái > 15.0 cm thì
Nếu -40 < a* ≤ -20 và 0 < b* ≤ +20
được xem là trái Lớn. thì được xem là trái sống.
Để phân loại về độ chín (Type Nếu -20 < a* ≤ 0 và 0 < b* ≤ +20
Ripeness) được tính sau khi ta thu được thì được xem là vùng trống.
cặp giá trị a* và b*. Ở đề tài chia thành
336
Tạp chí Nghiên cứu khoa học và Phát triển kinh tế Trường Đại học Tây Đô Số 12 - 2021
Nếu -100< a* ≤ -80 và +20 < b* ≤ Nếu -100< a* ≤ -80 và +80 < b* ≤
+40 thì được xem là trái sống. +100 thì được xem là bán chín.
Nếu -80 < a* ≤ -60 và +20 < b* ≤ Nếu -80 < a* ≤ -60 và +80 < b* ≤
+40 thì được xem là trái sống. +100 thì được xem là bán chín.
Nếu -60 < a* ≤ -40 và +20 < b* ≤ Nếu -60 < a* ≤ -40 và +80 < b* ≤
+40 thì được xem là trái sống. +100 thì được xem là bán chín.
Nếu -40 < a* ≤ -20 và +20 < b* ≤ Nếu -40 < a* ≤ -20 và +80 < b* ≤
+40 thì được xem là trái sống. +100 thì được xem là trái chín.
Nếu -20 < a* ≤ 0 và +20 < b* ≤ +40 Nếu -20 < a* ≤ 0 và +80 < b* ≤
thì được xem là vùng trống. +100 thì được xem là trái chín.
Tiếp đến tác giả xây dựng một tập
Nếu -100< a* ≤ -80 và +40 < b* ≤ luật phân loại cho cả biến kích thước
+60 thì được xem là bán chín. gồm 3 loại: Nhỏ, vừa, lớn. Biến độ chín
gồm 3 loại: Sống, nữa sống nữa chín
Nếu -80 < a* ≤ -60 và +40 < b* ≤ (bán chín), chín. Tổng hợp lại ta có 9
+60 thì được xem là bán chín. nhóm được chia như sau:
Nếu -60 < a* ≤ -40 và +40 < b* ≤ - Nếu kích thước: Nhỏ và độ chín:
+60 thì được xem là bán chín. sống thì là loại I
Nếu -40 < a* ≤ -20 và +40 < b* ≤ - Nếu kích thước: Nhỏ và độ chín:
+60 thì được xem là bán chín. bán chín thì là loại II
Nếu -20 < a* ≤ 0 và +40 < b* ≤ - Nếu kích thước: Nhỏ và độ chín:
+60 thì được xem là trái chín. chín thì là loại III
Nếu -100< a* ≤ -80 và +60 < b* ≤ - Nếu kích thước: Vừa và độ chín:
+80 thì được xem là bán chín. sống thì là loại IV
Nếu -80 < a* ≤ -60 và +60 < b* ≤ - Nếu kích thước: Vừa và độ chín:
+80 thì được xem là bán chín. bán chín thì là loại V
Nếu -60 < a* ≤ -40 và +60 < b* ≤ - Nếu kích thước: Vừa và độ chín:
+80 thì được xem là bán chín. chín thì là loại VI
Nếu -40 < a* ≤ -20 và +60 < b* ≤ - Nếu kích thước: Lớn và độ chín:
+80 thì được xem là bán chín. sống thì là loại VII
Nếu -20 < a* ≤ 0 và +60 < b* ≤ - Nếu kích thước: Lớn và độ chín: bán
+80 thì được xem là trái chín. chín thì là loại VIII
337
Tạp chí Nghiên cứu khoa học và Phát triển kinh tế Trường Đại học Tây Đô Số 12 - 2021
338
Tạp chí Nghiên cứu khoa học và Phát triển kinh tế Trường Đại học Tây Đô Số 12 - 2021
Hình 20. Hình ảnh thực nghiệm tại các vựa xoài
339
Tạp chí Nghiên cứu khoa học và Phát triển kinh tế Trường Đại học Tây Đô Số 12 - 2021
Hình 22. Tổng hợp các ý kiến của các chủ vựa xoài
Đối với 40 mẫu xoài tương ứng với được kết quả và tổng hợp như Hình 23
80 mẫu xoài một mặt có kích thước, và Hình 24.
hình dạng, và màu sắc khác nhau. Thu
Hình 23. Biểu đồ kết quả biểu diễn theo biến kích thước
340
Tạp chí Nghiên cứu khoa học và Phát triển kinh tế Trường Đại học Tây Đô Số 12 - 2021
Hình 24. Biểu đồ kết quả biểu diễn theo biến kích màu sắc
Như được trình bày ở Hình 23 và Hình - Diện tích_trung bình = 85.7 cm2.
24. Việc phân loại trái xoài với các tiêu
chí đã được đặt ra trước trên phần mềm - Nhóm kích thước_trung bình là nhóm:
có độ chính xác là 100%. Thời gian xử Vừa.
lý trung bình của phần mềm đối với một
- Nhóm độ chín_trung bình là nhóm:
bức ảnh có kích thước 640x480 là
khoảng 2.3 giây. Các thông số được lấy Bán chín.
trung bình và cho kết quả như sau: - Thời gian sử lý_trung bình là: 2.3 giây.
- Chu vi_trung bình = 39.3 cm.
341
Tạp chí Nghiên cứu khoa học và Phát triển kinh tế Trường Đại học Tây Đô Số 12 - 2021
Như được thể hiện ở Hình 25, bài báo diện tích, độ tròn, độ chín, nhóm xoài
đã thiết kế thành công hệ thống phân được xếp loại, thời gian xử lý... Đồng
loại trái xoài tự động thông qua công thời cơ cấu phân loại cũng được tác
nghệ xử lý ảnh động theo từng loại nhóm xoài đã được
Khi đã xử lý xong ảnh kết quả được lập trình.
hiển thị với đầy đủ các thông số: chu vi,
Hình 26. Ảnh kết quả trái xoài được xếp loại vào Nhóm V
Hình 27. Ảnh kết quả trái xoài được xếp loại vào Nhóm VI
342
Tạp chí Nghiên cứu khoa học và Phát triển kinh tế Trường Đại học Tây Đô Số 12 - 2021
Hình 28. Ảnh kết quả trái xoài được xếp loại vào Nhóm VIII
343
Tạp chí Nghiên cứu khoa học và Phát triển kinh tế Trường Đại học Tây Đô Số 12 - 2021
Bằng việc xây dựng hệ thống với các - Nghiên cứu lắp đặt thêm cơ cấu đặt
phần cứng có chi phí thấp và phần mềm trái xoài tự động lên băng tải ở những
miễn phí Debian, Python IDE, OpenCV thời hằng cố định để hệ thống có thể
để lập trình thì nghiên cứu này đã hoàn hoạt động hoàn toàn tự động.
toàn khắc phục hai nhược điểm của hệ - Ứng dụng công nghệ máy học để
thống được đề xuất bởi C.S.Nandi et al. xác định các đặc trưng vật lý của trái
(2014). Kết quả thử nghiệm trên 80 mẫu xoài: chu vi, diện tích, độ tròn và độ
ảnh một mặt của trái xoài có kích thước, chín.
hình dạng, màu sắc khác nhau, độ chính
xác là 100%. Hệ thống có khả năng thực Môt số hạn chế của nghiên cứu cần
hiện phân loại một mặt trái xoài với được tiếp tục khắc phục như: Thời gian
năng suất đạt 720 trái (một mặt)/h. xử lý của chương trình vẫn còn cao đưa
đến hiệu suất của hệ thống chưa cao. Dù
Đề xuất đã xác định được độ chín của trái xoài
Dựa trên kết quả thực nghiệm đạt thông qua màu sắc đặc trưng của vỏ trái
được và yêu cầu thực tiễn của hệ thống, trong không gian màu CIE L*a*b*
tác giả đề xuất các gợi ý để khắc phục và nhưng vẫn còn mang tính chủ quan do
hoàn thiện hệ thống cho các nghiên cứu người lập trình tự phán đoán cần có thiết
tiếp theo như sau: bị đo chuẫn hoặc bộ dữ liệu chuẫn để so
- Sử dụng Camera có tốc độ xử lý và sánh và đối chiếu.
độ phân giải cao hơn để tăng năng suất TÀI LIỆU THAM KHẢO
phân loại cũng như tăng tính năng chính
1. Ankur M Vyas, Bijal Talati, Sapan
xác trong việc nhận dạng các đặc trưng Naik, 2014. Quality Inspection and
vật lý, độ chín của trái xoài. Classification of Mangoes using Color
- Lắp đặt thêm một Camera để chụp and Size Features. International Journal of
ảnh mặt còn lại của trái xoài để phát Computer Applications. Vol.98, no.1, pp.
triển hệ thống thành hệ thống phân loại 1 – 5.
hai mặt trái xoài có khả năng ứng dụng 2. Charles Poynton., 2012. Digital
vào thực tiễn. video and HD algorithms and interfaces.
- Thiết kế buồng chụp ảnh có chiều Second edition, Printed in the United
dài lớn hơn và bố trí thêm đèn chiếu States of America on acid-free paper,
sáng trong buồng chụp ảnh để đảm bảo ELSEVIER INC, pp. 121 – 122.
cân bằng sáng trong chụp chụp ảnh. 3. Hui-Fuang Ng., 2006. Automatic
thresholding for defect detection. Journal
- Xây dựng thêm cơ cấu để cố định
of Pattern Recognition Letters, Science
trái xoài trên băng tải để tránh trường
Direct, vol.36, no.1, pp. 1644-1649.
hợp trái xoài bị rung lắc do quán tính
làm giảm chất lượng của ảnh đầu vào. 4. Ian T. Young, Jan J. Gerbrands,
Lucas J. van Vliet, 1998. Digital Image
344
Tạp chí Nghiên cứu khoa học và Phát triển kinh tế Trường Đại học Tây Đô Số 12 - 2021
Definitions in Fundamentals of Image Luận văn tốt nghiệp thạc sĩ, Bộ môn Tự
Processing. Printed in The Netherlands at động hóa, Trường Đại học Cần Thơ, Cần
the Delft University of Technology. Delft Thơ
University of Technology, pp. 2 – 3. 9. Nguyễn Văn Vững, 2016. Phát
5. Mason, A., Mukhopadhyay, S.C., hiện và nhận dạng khuyết điểm trên vỏ
Jayasundera, K.P., Bhattacharyya, N. trái xoài. Kỷ yếu Hội nghị Khoa học Quốc
(Eds.), 2014. Sensing Technology: gia lần thứ IX về Nghiên cứu cơ bản và
Current Status and Future Trends II. In: C. ứng dụng Công nghệ thông tin (FAIR’9).
S. Nandi, B. Tudu and C. Koley. Machine 10. Suman Rani, Deepti Bansal, Beant
Vision Based Techniques for Automatic Kaur, 2014. Detection of Edges Using
Mango Fruit Sorting and Grading Based Mathematical Morphological Operators.
on Maturity Level and Size. Springer Open Transaction On Information
International Publishing Switzerland, Processing, Volume 1, Number 1, pp. 17 -
Switzerland, pp. 27 - 46. 26.
6. Md. Zakir Hussain, Mrs. Ayesha 11. Tomas U. Ganiron Jr., 2014. Size
Naaz, Mohd Nayeem Uddin, 2016. Properties of Mangoes using Image
Moving Object Detection Based on Analysis. International Journal of Bio-
Background Subtraction & Frame Science and Bio-Technology, Vol.6, No.2,
Differencing Technique. International pp. 31-42.
Journal of Advanced Research in
Computer and Communication 12. Trịnh Đức Trí, Võ Thị Thanh Lộc,
Engineering, Vol. 5, pp. 817 – 819. 2015. Nghiên cứu chuỗi giá trị xoài vùng
Đồng Bằng Sông Cửu Long. Tạp chí
7. Nayana P B, Sanjeev Kubakaddi, Nông Nghiệp Và Phát Triển Nông Thôn.
2014. Implentation of Hand Gesture Kỳ 2, pp. 16 – 25
Recognition Technique for HCI Using
Open CV. International Journal of Recent 13. Yuyong Cui, Zhiyuan Zeng, Bitao
Development in Engineering and Fu, Weihong Cui., 2012. Moving Object
Technology, Volume 2, pp. 17 - 21. Detection Based on the Histograms of
Oriented Gradients and Cloud Model.
8. Nguyễn Văn Vững, 2014. Ứng Research Journal of Applied Sciences
dụng kỹ thuật máy học và xử lý ảnh để Engineering and Technology, 4(16), pp.
nhận dạng khuyết điểm trên vỏ trái cây. 2639-2644.
345
Tạp chí Nghiên cứu khoa học và Phát triển kinh tế Trường Đại học Tây Đô Số 12 - 2021
346