Please use this identifier to cite or link to this item: https://dspace.ctu.edu.vn/jspui/handle/123456789/123636
Full metadata record
DC FieldValueLanguage
dc.contributor.advisorNguyễn, Chánh Nghiệm-
dc.contributor.advisorNguyễn, Phước Lộc-
dc.contributor.authorPhạm Nguyễn, Hoàng Huy-
dc.contributor.authorNguyễn, Minh Nhựt-
dc.date.accessioned2025-12-17T08:16:24Z-
dc.date.available2025-12-17T08:16:24Z-
dc.date.issued2024-
dc.identifier.urihttps://dspace.ctu.edu.vn/jspui/handle/123456789/123636-
dc.description.abstractXoài, một loại trái cây nhiệt đới giàu dinh dưỡng và có giá trị kinh tế cao, đóng vai trò then chốt trong ngành xuất khẩu nông sản của nhiều quốc gia. Trước yêu cầu ngày càng khắt khe của thị trường quốc tế về chất lượng sản phẩm, việc phân loại xoài dựa trên các tiêu chí như khối lượng và diện tích khuyết tật trên bề mặt trở thành yếu tố quyết định. Tuy nhiên, các phương pháp phân loại truyền thống vẫn chủ yếu dựa vào thao tác thủ công, hạn chế cả về độ chính xác lẫn năng suất. Nghiên cứu này đặt mục tiêu phát triển một hệ thống phân loại xoài tự động, kết hợp công nghệ xử lý ảnh và thuật toán máy học để nâng cao hiệu quả. Hệ thống được thiết kế để dự đoán khối lượng xoài một cách chính xác và xác định diện tích khuyết tật trên bề mặt nhờ cải tiến từ các nghiên cứu trước. Nhóm nghiên cứu đã tập trung vào tối ưu hóa hệ thống chụp ảnh bề mặt, nâng cấp cơ chế hoạt động và phần mềm, cũng như tích hợp các thuật toán học máy tiên tiến nhằm đạt được sự phân loại chính xác và nhất quán hơn. Thử nghiệm cho thấy hệ thống có khả năng phân loại xoài thành bốn cấp chất lượng, thay vì chỉ hai cấp như trước đây, với độ chính xác vượt ngưỡng 95%. Để nâng cao tiềm năng ứng dụng, nghiên cứu đề xuất tích hợp thêm mô-đun đo phổ nhằm mở rộng tính năng phân tích, cùng với việc thu thập thêm dữ liệu để cải thiện mô hình dự đoán khối lượng. Những cải tiến này không chỉ giúp hệ thống đáp ứng tốt hơn các yêu cầu của thị trường xuất khẩu mà còn góp phần thúc đẩy tự động hóa trong ngành nông sản.vi_VN
dc.description.tableofcontentsMỤC LỤC Lời cảm tạ i Tóm tắt ii Abstract iii Lời cam đoan iv Danh mục hình ix Danh mục bảng xii Danh mục từ viết tắt xiii Chương 1: TỔNG QUAN VỀ ĐỀ TÀI 1 1.1 Đặt vấn đề 1 1.2 Mục tiêu đề tài 2 1.3 Phạm vi và giới hạn đề tài 3 1.4 Kế hoạch thực hiện 3 1.5 Ý nghĩa thực tiễn 4 1.6 Cấu trúc bài báo cáo 4 Chương 2: CƠ SỞ LÝ THUYẾT 5 2.1 Lược khảo tài liệu 5 2.1.1 Tổng quan về hệ thống chụp ảnh bề mặt xoài 5 2.1.2 Tổng quan về hệ thống thị giác máy tính hỗ trợ phân loại xoài 6 2.2 Tổng quan về hệ thống dẫn động băng tải phân loại xoài 6 2.2.1 Động cơ điện DC DS400 6 2.2.2 Xy-lanh điện hành trình 200mm 7 2.3 Động cơ bước NEMA 57 8 2.4 Mạch điều khiển 9 2.4.1 Arduino Uno R3 SMD 9 2.4.2 Mạch điều khiển động cơ BTS7960 10 2.4.3 Mạch giảm áp LM7805 11 2.4.4 Mô-đun điều khiển động cơ TB6600 12 2.5 Phần mềm SolidWorks 13 2.6 Ngôn ngữ lập trình Python 13 2.7 Phần mềm Visual Studio Code 14 2.8 Thư viện mã nguồn mở OpenCV 16 2.8.1 Ảnh kỹ thuật số 16 2.8.2 Không gian màu 17 2.8.3 Thuật toán phân ngưỡng ảnh 18 2.8.4 Thuật toán tìm đường viền (findContours) 19 2.9 Thuật toán Kennard-Stone (KS) 19 2.10 Phương pháp phân tích hồi quy tuyến tính bội (Multiple Linear Regression – MLR) 21 2.10.1 Công thức toán học 21 2.10.2 Phương pháp ước lượng hệ số hồi quy 22 2.10.3 Giả định trong MLR 22 2.10.4 Ưu điểm và hạn chế của MLR 23 2.11 Phương pháp Ridge Regression (RR) 23 2.11.1 Thành phần điều chuẩn trong Ridge Regression 23 2.11.2 Ước lượng các hệ số hồi quy 23 2.11.3 Ý nghĩa của tham số điều chuẩn trong Ridge Regression 24 2.11.4 Ưu điểm và hạn chế của Ridge Regression 24 2.12 Phương pháp Random Forest (RF) 24 2.12.1 Nguyên tắc hoạt động 25 2.12.2 Quy trình hoạt động 25 2.12.3 Công thức toán học 25 2.12.4 Các siêu tham số quan trọng 25 2.12.5 Ưu điểm và hạn chế của RF 26 2.13 Các chỉ tiêu đánh giá mô hình hồi quy 26 2.13.1 Hệ số xác định R2 26 2.13.2 Root Mean Square Error (RMSE) 27 2.13.3 Mean Absolute Error (MAE) 27 2.13.4 Residual Predictive Deviation (RPD) 28 Chương 3: THIẾT KẾ MÔ HÌNH 29 3.1 Thiết kế mô-đun phân loại xoài 29 3.1.1 Thiết kế băng tải phân loại 30 3.1.2 Thiết kế khung phân loại 31 3.1.3 Thiết kế bộ gạt phân loại 32 3.2 Cải tiến hệ thống 32 3.2.1 Cải tiến bề mặt mô-đun cấp xoài 32 3.2.2 Cải tiến bề mặt rulo 34 3.3 Xây dựng mô hình máy học dự đoán khối lượng xoài 35 3.3.1 Thu thập và xử lý dữ liệu 35 3.3.2 Chuẩn bị dữ liệu huấn luyện và kiểm tra 39 3.3.3 Xây dựng mô hình hồi quy dự đoán khối lượng xoài 40 3.3.4 Tiêu chí đánh giá mô hình 43 3.4 Thiết kế phần mềm 45 3.4.1 Thiết kế phần mềm điều khiển 45 3.4.2 Thiết kế phần mềm xử lý ảnh 47 3.4.3 Thiết kế phần mềm phân loại xoài dựa trên kết quả dự đoán khối lượng và diện tích khiếm khuyết 57 Chương 4: KẾT QUẢ VÀ THẢO LUẬN 59 4.1 Kết quả phần cơ khí 59 4.2 Kết quả đánh giá hiệu suất và lựa chọn mô hình hồi quy 60 4.2.1 Tiêu chí hồi quy 60 4.2.2 Khả năng phân loại dựa trên kết quả hồi quy 61 4.2.3 So sánh kết quả mô hình MLR với kết quả của nghiên cứu trước 67 4.2.4 Lựa chọn mô hình cho hệ thống 68 4.3 Kết quả phần mềm 69 4.3.1 Xác định góc chụp 69 4.3.2 Độ tin cậy trong quá trình phân loại 70 4.3.3 Tổng thời gian xử lý hệ thống 72 Chương 5: KẾT LUẬN VÀ KIẾN NGHỊ 74 5.1 Kết luận 74 5.2 Kiến nghị 74 TÀI LIỆU THAM KHẢO 75 THÔNG TIN SINH VIÊN 77vi_VN
dc.language.isovivi_VN
dc.publisherTrường Đại Học Cần Thơvi_VN
dc.subjectTự Động Hóavi_VN
dc.titleTHIẾT KẾ HỆ THỐNG PHÂN LOẠI XOÀI BẰNG PHƯƠNG PHÁP XỬ LÝ ẢNHvi_VN
dc.typeThesisvi_VN
Appears in Collections:Trường Bách khoa

Files in This Item:
File Description SizeFormat 
_file_
  Restricted Access
2.87 MBAdobe PDF
Your IP: 216.73.216.2


Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.