Ứng dụng và triển vọng của thị giác máy trong kiểm tra và phân loại chất lượng trái cây

Phương pháp phân loại trái cây thủ công truyền thống đang được thay thế bằng công nghệ thị giác máy, mở ra một cuộc cách mạng về hiệu quả trong nông nghiệp hiện đại.

Tại một cơ sở sản xuất, giáo dục và nghiên cứu nông nghiệp ở thị trấn Trung Trang, huyện Nghi Nguyên, tỉnh Sơn Đông, các thùng táo với nhiều sắc thái xanh, đỏ và kích cỡ khác nhau được phân loại tự động bằng một thiết bị thông minh. Thiết bị này phân loại và loại bỏ chính xác những quả bị bệnh và kém chất lượng dựa trên kích thước, hàm lượng đường và màu sắc.

Hệ thống kiểm tra trái cây dựa trên thị giác máy này đang dần thay đổi cách làm truyền thống của người nông dân trồng trái cây dựa vào kinh nghiệm và cảm quan để xác định chất lượng trái cây, trở thành một thành phần quan trọng của quá trình hiện đại hóa nông nghiệp.

1 Chuyển đổi công nghệ trong kiểm tra chất lượng trái cây

Dân số toàn cầu đang tăng trưởng theo cấp số nhân với tốc độ hàng năm khoảng 1,09%, dẫn đến nhu cầu về lương thực và các nhu yếu phẩm thiết yếu khác cũng tăng theo. Trong bối cảnh đó, việc giảm thiểu tổn thất sau thu hoạch đã trở thành một thách thức then chốt trong lĩnh vực nông nghiệp.

Trái cây và rau củ đặc biệt có lợi cho con người, cung cấp nhiều loại vitamin, khoáng chất và chất chống oxy hóa. Tuy nhiên, do tính chất dễ hỏng của chúng, việc xử lý hiệu quả và đúng cách là rất quan trọng để ngăn ngừa hư hỏng. Phân loại và phân cấp là những bước quan trọng, khó khăn và tốn thời gian nhất trong chuỗi sau thu hoạch.

Các phương pháp sàng lọc thủ công truyền thống rất dễ gây hư hại cho trái cây và chỉ phù hợp với các hoạt động quy mô nhỏ. Với sự gia tăng dân số và tài nguyên cạn kiệt, sản xuất nông nghiệp đang rất cần các công nghệ kiểm tra chất lượng hiệu quả và chính xác hơn.

Công nghệ thị giác máy tính đã ra đời như một giải pháp đáp ứng nhu cầu này. Công nghệ này sử dụng máy tính để mô phỏng thị giác của con người, thay thế nhận thức của mắt người về thế giới ba chiều khách quan. Lĩnh vực liên ngành này, bao gồm trí tuệ nhân tạo, thần kinh học, tâm lý học, khoa học máy tính, xử lý hình ảnh và nhận dạng mẫu, mang đến những giải pháp mới cho việc kiểm tra chất lượng trái cây.

Kiểm tra chất lượng trái cây chủ yếu bao gồm cả chất lượng bên ngoài và bên trong. Kiểm tra chất lượng bên ngoài truyền thống chủ yếu sử dụng máy phân loại, phân loại trái cây dựa trên các số liệu như kích thước và trọng lượng. Tuy nhiên, phương pháp này không thể đánh giá chính xác các khuyết tật về màu sắc, kết cấu và bề mặt.

Với sự tiến bộ của công nghệ thị giác máy tính, các hệ thống dựa trên thị giác máy tính đã thu hút sự chú ý đáng kể trong việc đánh giá và phân loại chất lượng trái cây. Những công nghệ này hiệu quả, nhanh chóng, nhất quán, tiết kiệm thời gian, đáng tin cậy và tiết kiệm chi phí, cho phép chế biến sản phẩm phù hợp với nhu cầu thị trường. Một khi được phát triển, chúng hầu như không yêu cầu kiến ​​thức chuyên môn và có thể được áp dụng cho sản xuất quy mô lớn.

2 Phương pháp kỹ thuật cốt lõi của thị giác máy

Hệ thống kiểm tra trái cây bằng thị giác máy thường bao gồm hai hệ thống con cốt lõi: hệ thống phát hiện lỗi và hệ thống phân loại cơ học. Về mặt kiến ​​trúc phần cứng, mô-đun vận chuyển và phân loại sử dụng băng tải dẫn động bằng động cơ để vận chuyển trái cây, trong khi một cánh tay robot kết nối với động cơ servo phân loại trái cây vào các thùng tương ứng dựa trên kết quả kiểm tra.

Mô-đun thu nhận hình ảnh sử dụng camera màu, kết hợp với nguồn sáng LED để loại bỏ bóng tối, nhằm chụp ảnh RGB của trái cây trong môi trường khép kín. Một bộ vi điều khiển phối hợp kết quả xử lý hình ảnh với các chuyển động cơ học để đạt được điều khiển vòng kín.

Các phương pháp kỹ thuật chủ yếu được phân loại thành các thuật toán xử lý hình ảnh truyền thống và các phương pháp học sâu.

Các giải pháp xử lý hình ảnh xử lý trước ảnh RGB thành không gian màu như thang độ xám hoặc HSV để tối ưu hóa độ đồng nhất của ánh sáng. Sau đó, phân đoạn ngưỡng được thực hiện để trích xuất vùng mục tiêu. Các phép toán hình thái như giãn nở và xói mòn được sử dụng để loại bỏ nhiễu và tăng cường đường viền. Cuối cùng, phần trăm diện tích khuyết tật được tính toán.

Ví dụ, trong phát hiện khuyết tật táo, hệ thống xác định cửa sổ xử lý hình ảnh, sử dụng toán tử Sobel và Hilditch để tinh chỉnh các cạnh và xác định điểm trọng tâm để biểu diễn đường kính quả, từ đó phát hiện kích thước và hình dáng tổng thể. Các giải pháp học sâu kết hợp các tập dữ liệu công khai với hình ảnh tự thu thập để xây dựng thư viện huấn luyện và cải thiện khả năng khái quát hóa mô hình thông qua các kỹ thuật tăng cường dữ liệu như xoay, lật và làm mờ. Các cấu trúc mạng tích chập tùy chỉnh có thể được thiết kế để giải quyết các đặc điểm của các loại quả khác nhau.

Trong một nghiên cứu được tiến hành tại Đại học Nông nghiệp Faisalabad, các mạng tích chập tùy chỉnh đã được thiết kế cho xoài và cà chua: mô hình xoài sử dụng cấu trúc tích chập 7 lớp, còn mô hình cà chua sử dụng cấu trúc tích chập 5 lớp, cả hai đều sử dụng bộ phân loại softmax làm đầu ra.

Trong những năm gần đây, chuỗi thuật toán YOLO đã trở thành một lựa chọn mới cho việc phát hiện trái cây. Bằng cách tối ưu hóa cấu trúc mạng xương sống và áp dụng cơ chế chú ý động, YOLOv8 có thể nắm bắt chính xác hơn những thay đổi về kết cấu vỏ trái cây, sự khác biệt về màu sắc và đặc điểm hình thái, cải thiện đáng kể độ chính xác trong việc xác định các vùng bị thối.

YOLOv10 mới nhất thậm chí còn loại bỏ nhu cầu triệt tiêu không tối đa (NMS), giảm chi phí tính toán và cải thiện hiệu quả phát hiện hơn nữa.

3 Ưu điểm và đột phá về mặt kỹ thuật

So với kiểm tra thủ công truyền thống, hệ thống thị giác máy mang lại nhiều lợi thế kỹ thuật. Xét về hiệu quả kiểm tra, một máy làm cam quýt 4 kênh có thể chế biến 12 đến 15 tấn trái cây trong một giờ, tương đương với gần một tuần làm việc của một công nhân trước đây.

Về độ chính xác kiểm tra, mô hình học sâu dựa trên CNN có tỷ lệ chính xác được xác minh là 95% đối với phát hiện khuyết tật xoài và 93,5% đối với cà chua. Trong các ứng dụng thực tế, thiết bị phân loại thông minh có tỷ lệ chính xác tổng thể là 97% đối với phát hiện khuyết tật bề mặt và 95% đối với kiểm tra chất lượng bên trong.

Hệ thống thị giác máy sở hữu khả năng kiểm tra đa thông số, có thể đánh giá đồng thời nhiều thông số về đặc điểm của trái cây, bao gồm kích thước, hình dạng, màu sắc và khuyết tật bề mặt.

Để phát hiện kích thước, các nhà nghiên cứu dịch chuyển và xoay quả để thu được hình ảnh ở nhiều góc độ khác nhau, tính toán bán kính và diện tích xích đạo của quả, và ước tính kích thước của quả bằng cách coi quả như một hình elip.

Để phát hiện màu sắc, một số loại trái cây có một màu duy nhất phân bố đều trên vỏ (màu cơ bản), trong khi một số loại khác (như đào, táo và cà chua) có màu thứ cấp có thể dùng làm chỉ báo tốt về độ chín.

Phát hiện khuyết tật bề mặt là một lợi thế khác của hệ thống thị giác máy, có thể phát hiện các khuyết điểm, hư hỏng và vết xước trên bề mặt trái cây. Ví dụ, màu nâu đỏ của táo Golden Delicious có thể được phát hiện và phân loại bằng một thuật toán cụ thể.

Lợi ích kinh tế cũng không kém phần quan trọng. Sau khi triển khai thiết bị phân loại thông minh, chi phí chế biến của doanh nghiệp đã giảm đáng kể, từ 600-800 nhân dân tệ/tấn xuống còn 100 nhân dân tệ/tấn, giảm hơn 80%. Điều này không chỉ nâng cao hiệu quả sản xuất nông nghiệp mà còn mang lại lợi ích kinh tế thiết thực cho người trồng cây ăn quả.

4 trường hợp ứng dụng thực tế

Việc ứng dụng công nghệ thị giác máy trong kiểm tra trái cây đã mang lại hiệu quả tại nhiều vùng sản xuất trái cây trọng điểm trên khắp Trung Quốc. Tại huyện Vũ Minh, Nam Ninh, Quảng Tây, một vùng sản xuất cam Wogan trọng điểm, thiết bị thông minh đã giải quyết thành công nhu cầu phân loại cam Wogan dựa trên các khuyết tật bên ngoài.

Trước đây, các nhà sản xuất địa phương dựa vào công nhân để phân loại cam Wogan bằng mắt thường, một phương pháp kém hiệu quả và không thể phát hiện các tổn thương bên trong. Thiết bị thông minh có thể phân biệt giữa "quả vỏ sần sùi", "quả loét" và "quả hình mặt trời", cải thiện đáng kể việc tiêu chuẩn hóa cam Wogan và đưa Wuming Wogan trở thành thương hiệu trái cây nổi tiếng toàn quốc.

Về kiểm tra táo, các nhà nghiên cứu đã phát triển một hệ thống chuyên biệt để kiểm tra và phân loại táo dựa trên chất lượng bên ngoài. Đầu tiên, hệ thống chụp ba hình ảnh bao phủ toàn bộ bề mặt quả táo, sau đó trích xuất các đặc điểm bề mặt.

Hình dạng của quả táo được mô tả bằng toán tử Fourier, và một mạng nơ-ron dựa trên thuật toán L-M được sử dụng để phân loại quả táo theo hình dạng. Phát hiện màu sắc chuyển đổi các giá trị RGB của ảnh thành một mẫu biểu đồ histogram (HIS), tạo ra một biểu đồ sắc độ. Sau đó, một thuật toán tối ưu hóa bầy đàn hạt được sử dụng để tối ưu hóa mạng nơ-ron cho việc phân loại màu.

Một nhóm nghiên cứu tại Đại học Nông nghiệp Faisalabad đã phát triển các hệ thống kiểm tra chuyên biệt được thiết kế riêng cho đặc điểm của xoài và cà chua. Các đánh giá thực nghiệm cho thấy thuật toán xử lý hình ảnh đạt độ chính xác phát hiện lỗi lần lượt là 89% và 92% đối với xoài và 95% đối với cà chua. Sử dụng kiến ​​trúc CNN, độ chính xác xác minh cho hai loại trái cây này đạt 95% và 94%.

Trong các ứng dụng thương mại, các thiết bị thông minh đã được sử dụng để kiểm tra và đóng gói hơn 20 loại trái cây, bao gồm táo, cam quýt, cam, mận khô, táo tàu và mận. Các thiết bị này đã được sử dụng tại gần 10 tỉnh, thành phố và khu tự trị, bao gồm Vân Nam, Quảng Tây, Hồ Bắc và Tân Cương, và đã kiểm tra và đóng gói hàng triệu tấn trái cây các loại.

5 Thách thức và Xu hướng Phát triển Tương lai

Mặc dù thị giác máy đã đạt được những tiến bộ đáng kể trong việc kiểm tra trái cây, nhưng nó vẫn phải đối mặt với một số thách thức. Các đặc điểm phức tạp của bề mặt trái cây, chẳng hạn như sự thay đổi màu sắc, kết cấu đa dạng và hình dạng bất thường, đặt ra những thách thức cho việc kiểm tra chính xác.

Phân đoạn ngưỡng có thể dễ dàng thất bại khi độ tương phản giữa vỏ quả và nền thấp hoặc khi ánh sáng không đồng đều. Ví dụ, dải màu vàng-xanh lá cây trên vỏ xoài có thể bị nhận dạng nhầm là khuyết tật, dẫn đến tỷ lệ dương tính giả cao.

Sự khác biệt giữa các loại trái cây khác nhau cũng làm tăng độ khó của việc kiểm tra, đòi hỏi phải phát triển các giải pháp tùy chỉnh cho từng loại trái cây.

Xu hướng phát triển trong tương lai sẽ thể hiện những đặc điểm sau: Sự hội tụ về công nghệ sẽ thúc đẩy quá trình kiểm tra trái cây theo hướng đa phương thức, kết hợp phát hiện quang phổ, phát hiện tia X, phát hiện mũi điện tử và phát hiện cộng hưởng từ hạt nhân để đạt được đánh giá chất lượng toàn diện hơn.

Khả năng phát hiện động sẽ là một hướng đi then chốt. Công nghệ kiểm tra chất lượng trái cây trong tương lai sẽ phát triển từ phát hiện tĩnh sang phát hiện động, đặt ra yêu cầu cao hơn về độ ổn định của phần cứng và độ chính xác của phần mềm xử lý hình ảnh.

Tích hợp nhúng sẽ làm cho hệ thống nhẹ hơn và các mô hình nhẹ dựa trên điện toán biên sẽ trở thành trọng tâm nghiên cứu để đáp ứng các yêu cầu xử lý thời gian thực.

Việc ra quyết định thông minh sẽ tiếp tục được cải thiện, chuyển từ kiểm tra chất lượng đơn lẻ sang quản lý chất lượng toàn diện, tích hợp phân tích dữ liệu lớn để dự đoán thời hạn sử dụng trái cây và nhu cầu thị trường. Ngành phân loại trái cây đã trải qua bốn giai đoạn phát triển: Giai đoạn 1.0 tập trung vào kích thước, Giai đoạn 2.0 bổ sung phân loại và phân loại theo trọng lượng, Giai đoạn 3.0 chú trọng hơn vào màu sắc, và Giai đoạn 4.0 bắt đầu khám phá việc phát hiện khuyết tật bên ngoài và chất lượng bên trong.

Hiện nay, các công ty Trung Quốc đã đạt được trình độ cơ giới hóa tương đương với tiêu chuẩn toàn cầu trong việc phân loại trái cây và thậm chí còn đi đầu trong các thuật toán trí tuệ nhân tạo.

Với sự tiến bộ không ngừng của công nghệ, các hệ thống kiểm tra trực quan trái cây sẽ ngày càng thông minh và tinh vi hơn. Các thuật toán mới như YOLOv10 đã loại bỏ nhu cầu về NMS, giảm thiểu chi phí tính toán. Trong tương lai, chúng ta có thể thấy nhiều mô hình gọn nhẹ hơn được tích hợp trực tiếp vào điện thoại thông minh hoặc thiết bị di động, cho phép người tiêu dùng kiểm tra chất lượng trái cây bất cứ lúc nào.

Việc ứng dụng các thiết bị thông minh tại vùng sản xuất Wogan (Wugan) ở Vũ Hán đã cho thấy Wogan được phân loại thông minh không chỉ cải thiện chất lượng mà còn mở rộng kênh phân phối và mang lại sự tăng trưởng bền vững cho thu nhập của người nông dân. "Xu hướng công nghệ" này đang thay đổi căn bản hình ảnh nông nghiệp truyền thống vốn "nhàm chán và thô sơ", thổi hồn vào sản xuất nông nghiệp sự đổi mới và sức sống.