Bài viết Nghiên cứu nhận biết độ tươi của cá dựa trên đặc trưng độ cong nhãn cầu cá nghiên cứu phát triển một đặc trưng mới - độ cong của nhãn cầu cá với các kỹ thuật nhận dạng độ cong như phương pháp vector, độ lệch chuẩn, bình phương tối thiểu. Nhóm nghiên cứu đã thiết kế và thi công hệ thống chụp và xử lý tự động riêng để xây dựng cơ sở dữ liệu gồm 125 hình mắt cá diếc. Mời các bạn cùng tham khảo!
Hội nghị Quốc gia lần thứ 25 Điện tử, Truyền thông Công nghệ Thông tin (REV-ECIT2022) Nghiên cứu nhận biết độ tươi cá dựa đặc trưng độ cong nhãn cầu cá Trần Thị Nguyệt Hà1, Hồ Xn Đạt1, Lê Vũ Hồng Đức1, Ngơ Hồng Hồng1, Nguyễn Thanh Liêm1, Nguyễn Bá Hoàng2, Phạm Văn Tuấn 1,2, Nguyễn Thị Anh Thư1,2* Khoa Khoa học Công nghệ tiên tiến, Trường Đại học bách khoa - Đại học Đà Nẵng Công ty TNHH MTV L.Y.D.I.N.C Email: ttnguyetha2001@gmail.com, vailvy225@gmail.com, levhoangduc@gmail.com, honghoangngo@gmail.com, liem1762001@gmail.com, bahoang271199@gmail.com, pvtuan@dut.udn.vn, ntathu@dut.udn.vn Abstract- Chất lượng thực phẩm, đặc biệt độ tươi cá vấn đề quan tâm Trong nghiên cứu trước đây, nhóm tác giả đã đưa giải pháp về phát độ tươi của cá phương pháp xử lý hình ảnh thơng qua trích xuất đặc trưng mắt cá phân loại dựa phương pháp ngưỡng mạng nơron Bài báo này nghiên cứu phát triển đặc trưng - độ cong nhãn cầu cá với kỹ thuật nhận dạng độ cong phương pháp vector, độ lệch chuẩn, bình phương tối thiểu Nhóm nghiên cứu thiết kế thi công hệ thống chụp xử lý tự động riêng để xây dựng sở dữ liệu gồm 125 hình mắt cá diếc Kết nghiên cứu với mơ hình thống kê (trung bình phương sai) phát triển từ liệu huấn luyện cho thấy tính khả thi đặc trưng độ cong nhãn cầu ứng dụng để đánh giá độ tươi cá thử nghiệm mở rộng số lượng liệu lớn cho loại cá khác Keywords- Nhận dạng độ tươi cá, đặc trưng độ cong nhãn cầu, thu thập liệu tự động, xử lý hình ảnh I GIỚI THIỆU Cá nguồn thực phẩm dinh dưỡng cho người Vấn đề vệ sinh an toàn thực phẩm chất lượng loại thực phẩm ngày quan tâm Vì lý đó, ngày nhiều nghiên cứu thực với cách tiếp cận khác nhằm xác định độ tươi cá Trong số đó, nghiên cứu nhóm tác giả trường đại học Amity, Noida, Ấn Độ vào năm 2016 [1] sử dụng phương thức đo lường hình thái qua việc khảo sát thay đổi mang cá Theo viết, quan sát mắt thường cho thấy mang cá Rohu NIASM, Ấn Độ có thay đổi rõ rệt màu đỏ mang cá lúc tươi lúc ươn Tuy nhiên phương pháp xây dựng áp dụng cho loài cá Rohu Ấn Độ Theo nghiên cứu khác đến từ trường đại học Zhejiang, Trung Quốc vào năm 2013 [2] áp dụng phương pháp phát độ tươi thông qua qua thay đổi lượng hình ảnh mắt cá cho kết nhận diện độ tươi cá nhanh chóng theo báo kết luận Tuy nhiên, việc thu hình ảnh cho mẫu thử ISBN 978-604-80-7468-5 vòng 24 khiến cho tính xác nghiên cứu cịn hạn chế Một nghiên cứu khác đến từ trường đại học Natural and Applied Sciences of Dokuz Eylül, Thổ Nhĩ Kỳ [3] vào năm 2013 sử dụng hệ thống tự động thu thập liệu với điện thoại thông minh giá đỡ với liệu thu hình ảnh cá nhìn từ xuống Tuy nhiên, hệ thống hạn chế góc đặt máy ảnh khả thu thập liệu có mẫu cá lần chụp Một thiết kế áp dụng báo vào năm 2018 [4] với khả nhận diện phân đoạn tự động nhiên tồn nhược điểm phải thu thập thủ công điện thoại Với hướng tiếp cận chẩn đốn khơng xâm lấn, nhóm tác giả cơng bố năm 2020 [5] kết nghiên cứu hệ thống xác định độ tươi cá dựa phương pháp so sánh ngưỡng mạng nơron nhân tạo với đặc trưng hình ảnh liên quan đến thay đổi đặc trưng sinh lý mắt cá: tập 12 đường cắt (F0), giá trị nhỏ tập F0 (F1), biểu đồ tần suất hình ảnh mắt cá (F2), độ lệch chuẩn tập F0 (F3) Những đặc trưng kiểm nghiệm hiệu cá diếc với hai phương pháp Với kết nghiên cứu đạt xác 100% liệu huấn luyện mô đun đạt 100% liệu kiểm thử Trong đó, đặc trưng F2, F4 có độ xác 100% phương pháp, F3 có độ xác thấp nhất, đạt 100% phương pháp mạng nơron 84% cho liệu huấn luyện 78% cho thử phương pháp ngưỡng Đến năm 2021, mở rộng phạm vi nghiên cứu đánh giá độ khả thi đặc trưng bốn loại cá: cá rô, cá diếc, cá đối, cá dìa [6] Mơ hình mạng nơron cho kết với độ xác đạt 94,9%, 89,9% 88,4% cho ba đặc trưng F0, F1, F2 Trong đó, F0 đạt độ xác cao cơng nhận đặc trưng hiệu để đánh giá độ tươi cho loại cá Thêm vào đó, mở rộng số lượng loại cá, đặc trưng F3 xem đặc trưng riêng để đánh giá độ tươi số loại cá cụ thể Tuy nhiên, 341 Hội nghị Quốc gia lần thứ 25 Điện tử, Truyền thông Công nghệ Thông tin (REV-ECIT2022) liệu thu thập thủ công, chưa đầy đủ nhược điểm nghiên cứu Với mục tiêu nâng cao hiệu đánh giá độ tươi cá thông qua đánh giá đặc trưng hình ảnh mắt cá, bên cạnh việc áp dụng phối hợp đặc trưng nghiên cứu trước (F0, F1, F2, F3), nghiên cứu tiếp tục phát triển đặc trưng độ cong nhãn cầu cá Qua chứng minh giả định độ cong nhãn cầu cá biến đổi theo thời gian dùng để xác định tình trạng tươi/ươn số loại cá, góp phần củng cố bổ trợ cho đặc trưng trước Đồng thời, để xây dựng liệu lớn quán, phục vụ cho việc nghiên cứu thử nghiệm đề tài nghiên cứu khác, báo xây dựng mơ hình chụp xử lý ảnh tự động, có khả chụp đồng thời nhiều mẫu cá chụp liên tục từ 0-24 từ lúc cá bắt đầu chết, với điều kiện chụp lưu trữ xử lý tự động Phần nghiên cứu tập trung vào nội dung sau: giả định độ cong nhãn cầu cá, thiết kế hệ thống chụp tự động, phương pháp xử lý liệu đường cong, liệu thực nghiệm, kết đánh giá II GIẢ ĐỊNH VỀ ĐỘ CONG NHÃN CẦU CÁ Dựa nghiên cứu biến đổi sinh lý [7] mắt cá chuyển từ trạng thái tươi sang ươn, đồng thời dựa quan sát từ liệu thực nghiệm mơ tả hình 1, độ cong lồi nhãn cầu cá biến thiên theo thời gian, thể tương quan với độ tươi cá III THIẾT KẾ HỆ THỐNG CHỤP TỰ ĐỘNG Để đảm bảo liệu đủ nhiều đồng phục vụ nghiên cứu, hệ thống tự động thu thập liệu chế tạo, bao gồm cấu quay, chiếu sáng, chụp, lưu trữ xử lý phân đoạn tự động A Hệ thống chụp tự động Hình Hộp chụp tự động Nhằm đảm bảo điều kiện ánh sáng góc chụp thống suốt q trình thu thập liệu, hệ thống bao gồm mặt bàn hình trịn có đường kính 50cm gắn với động bước, hệ thống ánh sáng gồm hộp chụp đèn thiết bị chụp hình hiệu Rapoo đặt cách mẫu cá 7cm theo phương ngang với điều khiển với thành phần Raspberry Pi 3B mơ tả hình Trong đó, camera chụp ngang (được đánh dấu đỏ hình 2) đặt hướng vào đường cong nhãn cầu cá Mặt bàn chia thành phần bìa trắng để phân biệt mẫu cá bàn xoay, đồng thời để cố định phía sau ảnh chụp ngang, giúp thấy rõ độ cong nhãn cầu Kết ảnh chụp đường cong có dạng hình Hình Ảnh đường cong mắt cá dìa khác (0h, 5h, 16h, 24h) Cụ thể, cá tươi, nhãn cầu cá căng, trịn lồi, giác mạc khơng bị nhăn nheo, cá ươn, nhãn cầu cá bắt đầu có xu hướng phẳng lõm Khi cá môi trường cạn, tách khỏi nước thời gian dài dẫn đến tượng nước, mắt cá xẹp dần khơng cịn hình dáng trịn lúc ban đầu Từ sở đó, đưa giả định rằng: độ cong nhãn cầu cá có xu hướng giảm chuyển từ tươi sang ươn Để chứng minh giả định này, tiến hành xây dựng hệ thống chụp ảnh tự động nhằm chụp ảnh mắt cá liên tục giờ, từ 0-24 sau cá chết phát triển phương pháp xử lý ảnh nhằm xác định tình trạng cong nhãn cầu cá, thơng qua đánh giá độ tươi cá ISBN 978-604-80-7468-5 Hình Ảnh gốc nhãn cầu cá Năm mẫu cá đặt vào khn mặt bàn xoay hình 4, lấy liệu tiếng lần vòng 25 sau chết Trong trình chụp, bàn xoay lần góc 36°, dừng lại tiếp tục chụp lấy mẫu phút để hoàn thành lần chụp Nghiên cứu này xây dựng thuật toán cho hệ thống phù hợp với quy chuẩn thu thập liệu nhóm việc tự động đồng liệu lên dịch vụ đám mây Kết hệ thống tự động đạt hiệu suất tốt đáp ứng yêu cầu xây dựng liệu đề số lượng liệu, lâu dài, xác chi phí thấp 342 Hội nghị Quốc gia lần thứ 25 Điện tử, Truyền thông Công nghệ Thông tin (REV-ECIT2022) IV PHƯƠNG PHÁP TRÍCH THUỘC TÍNH TỪ ĐƯỜNG CONG NHÃN CẦU Hình Mặt bàn tự xoay chụp từ xuống B Hệ thống cắt ảnh tự động Đứng trước nhu cầu xây dựng hệ thống giúp cắt giảm thời gian đáng kể cho việc tiền xử lý ảnh với liệu lớn, ứng dụng hệ thống AI xây dựng từ giai đoạn trước hết tạo tiền để để dự án kết cuối triển khai thiết bị điện thoại người dùng Nghiên cứu đề mơ hình học máy nhằm tự động phân đoạn liệu phục vụ cho mục đích tiền xử lý ảnh Việc bao gồm công đoạn nhận diện vị trí mắt cá (hình 5a) tiếp sau phân đoạn hình ảnh từ liệu ảnh gốc sử dụng công nghệ Instance Segmentation để phân vùng liệu mắt cá nằm ảnh (hình 5b) Mục đích thiết kế hệ thống với phần phía sau cá màu trắng giúp cho việc tự động phân vùng trở nên đơn giản đồng thời đảm bảo độ xác cho mơ hình học máy Từ kết thu được, ảnh chuyển sang dạng ảnh nhị phân (hình 5c) Hình Các cơng đoạn tự động phân đoạn liệu Thuật toán tự động phân đoạn liệu giúp giảm đáng kể lượng liệu thời gian dành cho việc tiền xử lý cách lọc thông tin không cần thiết bảo toàn đặc trưng hữu ích, cụ thể đường cong mắt cá C Phát triển sở liệu Bộ liệu bao gồm 125 ảnh mẫu cá diếc thu thập Loại cá phổ biến tiêu thụ nhiều miền Trung Việt Nam nên chọn làm nghiên cứu Mỗi mẫu cá mua từ chợ trạng thái cịn sống, sau tách nước giữ nhiệt độ phòng đến cá chết Ngay sau chết, hệ thống tự động chụp ảnh mô tả phần hệ thống bắt đầu thu thập liệu ảnh cá vòng 25 ISBN 978-604-80-7468-5 Trong nghiên cứu này, phương pháp xử lý hình ảnh ứng dụng để khảo sát đánh giá thay đổi độ cong nhãn cầu cá Đầu tiên, đường cong nhãn cầu chụp lại, cắt thay đổi kích cỡ 125x125 điểm ảnh để phục vụ cho việc phân tích Nhằm đơn giản hóa thuật tốn, ảnh chuyển thành ảnh xám (grayscale) thay ảnh màu (RGB) Sau đó, sử dụng phương pháp phân vùng ảnh, vùng mắt cá ảnh trích xuất chuyển dạng ảnh nhị phân Để đảm bảo phương pháp xử lý áp dụng cho ảnh chụp với góc độ khác nhau, ảnh nhị phân quay song song với trục ngang hình Hình Ảnh nhị phân cá diếc thời điểm (0h, 5h, 16h, 24h) Vị trí điểm ảnh màu đen phía bề mặt đường cong lưu lại dạng tọa độ (y, x) với x tọa độ trục hoành, chiều dương từ trái qua phải y tọa độ trục tung , chiều dương từ xuống Để phục vụ cho xử lý tính tốn, tọa độ đổi hệ trục tọa độ xy tiêu chuẩn với trục tung y có chiều dương hướng lên Bộ số tọa độ phân tích theo hướng: vectơ độ dốc, thông số độ lệch chuẩn đường cong nhãn cầu bình phương tối thiểu A Phương pháp vectơ độ dốc Trong phương pháp này, vectơ độ dốc dọc theo đường cong nhãn cầu xác định để đánh giá độ cong từ xác định tương quan với độ tươi cá Với mục đích giảm độ phức tạp thời gian xử lý thuật toán, năm điểm đặc trưng đường cong chọn mô tả hình Đây điểm chọn chúng thể thay đổi rõ rệt mắt cá chuyển trạng thái từ tươi sang trạng thái ươn 343 Hội nghị Quốc gia lần thứ 25 Điện tử, Truyền thông Công nghệ Thông tin (REV-ECIT2022) Σ(𝑦𝑖−μ) σ= 𝑁 (2) Trong đó, - σ độ lệch chuẩn; - 𝑦𝑖 tọa độ trục tung điểm ảnh đường cong ứng với điểm 𝑥𝑖; Hình Năm điểm chọn phương pháp tính tốn độ dốc Vị trí điểm tính theo chiều ngang ảnh sau: - P1: điểm bên trái ảnh (điểm ảnh số 0); - P2: điểm cách P1 khoảng 1/4 chiều dài ảnh (điểm ảnh số 31); - P3: điểm (điểm ảnh số 62); - P4: điểm cách P3 khoảng 1/4 chiều dài ảnh (điểm ảnh số 93); - P5: điểm bên phải ảnh (điểm ảnh số 124) Sau đó, vectơ độ dốc tính từ số theo công thức: 𝑠 = 𝑑𝑦 𝑑𝑥 = 𝑦2−𝑦1 𝑥2−𝑥1 (1) Trong đó, - s độ dốc từ điểm ảnh thứ đến điểm ảnh thứ 2; - 𝑦2, 𝑦1 tọa độ trục tung điểm ảnh thứ hai điểm ảnh thứ nhất; - 𝑥2, 𝑥1 tọa độ trục hoành điểm ảnh thứ hai điểm ảnh thứ nhất; Từ điểm 𝑃1, 𝑃2, 𝑃3, 𝑃4, 𝑃5 bốn vectơ độ dốc cặp điểm sau tính tốn: 𝑃1−3, 𝑃2−3, 𝑃3−4, 𝑃3−5 kí hiệu theo thứ tự S1-3, S2-3, S3-4 S3-5 Độ dốc biểu thị thay đổi tọa độ trục tung điểm ảnh đường cong nhãn cầu cá Độ dốc lớn biểu thị thay đổi nhanh chóng, độ dốc nhỏ biểu thị thay đổi Khi giá độ dốc tiến gần giá trị 0, độ cao điểm ảnh gần không đổi vùng điểm ảnh xét Điều đồng nghĩa với việc mắt cá khơng cịn độ cong Vì vậy, vectơ độ dốc sử dụng để đánh giá thay đổi độ cong mắt cá lúc mắt chuyển dần sang trạng thái ươn - μ điểm trung vị tọa độ điểm ảnh trục tung y; - N độ lớn tập hợp, N có giá trị 125 ứng với 125 điểm ảnh đường cong mắt cá Giá trị độ lệch chuẩn σ tính dựa cơng thức (2) hàm std thư viện numpy Python Tại thời điểm nhãn cầu có độ cong lớn, chênh lệch độ cao điểm ảnh bề mặt đường cong mắt so với điểm trung vị có giá trị lớn, độ lệch chuẩn σ có giá trị cao Theo giả thuyết trên, độ lệch chuẩn σ dùng để đánh giá phân bố độ cao điểm ảnh đường cong nhãn cầu cá lúc cá tươi ươn C Phương pháp bình phương tối thiểu Dữ liệu tọa độ điểm đường cong trích xuất tiếp tục sử dụng phương pháp bình phương tối thiểu Đường cong parabol khớp với dải liệu điểm ảnh tính hàm polyfit thư viện numpy Phương trình đường cong cần tìm có dạng sau: 𝑓(𝑥) = 𝑎𝑥 + 𝑏𝑥 + 𝑐 (3) Kết trả hàm polyfit phương trình đường parabol bậc 2, đặc trưng ba hệ số a, b, c Đồ thị thu có dạng hình Trong đó, hệ số (a, b, c) ứng với khung là: - 0h: (-0.0059, 0.80, 57.92) - 5h: (-0.0043, 0.56, 64.38) - 16h: (-0.00020, 0.045, 71.04) - 24h: (0.00033, 0.0047, 77.31) B Phương pháp xác định độ lệch chuẩn đường cong nhãn cầu Độ lệch chuẩn độ cao điểm ảnh bề mặt đường cong nhãn cầu thể mức độ chênh lệch tọa độ điểm so với điểm trung vị đường cong mắt cá Độ lệch chuẩn xác định cơng thức sau: ISBN 978-604-80-7468-5 Hình Đồ thị đa thức bậc khớp với đường nhãn cầu thời điểm 0h, 5h, 16h, 24h 344 Hội nghị Quốc gia lần thứ 25 Điện tử, Truyền thông Công nghệ Thông tin (REV-ECIT2022) Tiếp theo, để khảo sát thay đổi đường parabol, đạo hàm bậc chúng tính dựa cơng thức: −1 𝑑(𝑥) = 𝑓 (𝑥) = 𝑑 𝑑𝑥 𝑓(𝑥) = 2𝑎𝑥 + 𝑏 (4) Trong đó, d(x) phương trình đường đạo hàm bậc 1, ứng với đa thức bậc f(x) Tuy nhiên giá trị số đứng trước 𝑥 công thức (4) xuất nhỏ nên để tiện cho việc khảo sát liệu, thông số m ứng với đường d(x) tính tốn dựa cơng thức: 𝑚 = (2𝑎) × 100 (a) (5) Khi theo chiều dương trục x ảnh đường cong mắt cá, độ cao điểm ảnh nằm đường cong vùng nhãn cầu thay đổi nhanh chóng, ứng với trường hợp mắt cá cong nhiều Đồng thời, với độ cong thấp, thay đổi độ cao điểm ảnh tiến gần giá trị mắt khơng cịn độ cong Đường đạo hàm bậc d(x) cho ta thấy mức độ thay đổi độ cong mắt cá Với độ cong lớn, giá trị d(x) thay đổi nhanh chóng Điều có nghĩa giá trị độ dốc đường đạo hàm bậc d(x), có giá trị cao Phương trình biểu thị cho đường d(x) có dạng đường thẳng biểu diễn đa thức bậc Đường d(x) đặc tả thông số m số b Đối với cá tươi, độ cong nhãn cầu thấy rõ hệ số a đường parabol khớp với điểm ảnh đường cong mang giá trị âm hình dạng đồ thị parabol có bề lõm quay xuống Khi cá chuyển sang trạng thái ươn, giá trị a chuyển dần ứng với nhãn cầu cá có hình dạng phẳng mốc 16h 24h hình Từ sở trên, nghiên cứu đánh giá độ cong nhãn cầu cá dựa thông số m V KẾT QUẢ VÀ ĐÁNH GIÁ A Kết Bộ liệu bao gồm 125 ảnh mẫu cá diếc thu thập Loại cá phổ biến tiêu thụ nhiều miền Trung Việt Nam nên chọn làm nghiên cứu Mỗi mẫu cá mua từ chợ trạng thái cịn sống, sau tách nước giữ nhiệt độ phòng đến cá chết Ngay sau chết, hệ thống tự động chụp ảnh mô tả phần hệ thống bắt đầu thu thập liệu ảnh cá vòng 25 Với phương pháp trình bày trên, liệu mẫu cá xử lý trích xuất Ở giờ, giá trị trung bình độ lệch chuẩn thơng số tính tốn biểu diễn hình 9a,b,c Phần nét đứt màu đỏ hình 9a, c để thể khoảng thời gian giá trị trung bình đạt giá trị ISBN 978-604-80-7468-5 (b) (c) Hình Giá trị trung bình (a) độ dốc, (b) độ lệch chuẩn, (c) thông số m Từ hình 9a, thấy rõ ràng tăng giá trị độ dốc S3-4, S3-5 xu hướng giảm S1-3, S2-3 Cụ thể, từ đến 10 giờ, thông số thay đổi đáng kể đạt giá trị khoảng thời điểm đến 15 Hình 9b cho thấy biến động độ lệch chuẩn giá trị tọa độ đường hàm đa thức bậc trích xuất từ đường nhãn cầu Đại lượng giảm đáng kể từ nhóm đến 10 lại tăng lên nhẹ khung 20-24 Đối với thông số m hình 9c thể xu hướng tăng từ giá trị âm đến xấp xỉ không khoảng thời điểm đến 10 Lúc cá ươn, mắt cá lõm xuống ảnh chụp nhãn cầu cá cho thấy đường phẳng hình 8, khung 16h 24h Tuy nhiên, đa thức quy hồi bậc khớp với khung với bề mặt phẳng nói cho giá trị hệ số góc a dương nên hệ số m lớn giá trị Những kết với giả định đặt nghiên cứu thể thay đổi rõ rệt nhãn cầu cá từ lúc tươi đến ươn 345 Hội nghị Quốc gia lần thứ 25 Điện tử, Truyền thông Công nghệ Thông tin (REV-ECIT2022) B Đánh giá Ở nghiên cứu này, có hai phương pháp đánh giá kết nghiên cứu: - Dựa độ lệch chuẩn thông số: Độ lệch chuẩn thể chênh lệch giá trị liệu, từ đánh giá tương đồng số liệu hiệu phương pháp Từ hình 9a, S1-3 S3-5 có độ lệch chuẩn nhỏ S2-3 S3-4 Vì vậy, thơng số độ dốc S1-3 S3-5 xem hiệu sơ với S2-3 S3-4 Với phương pháp thứ hai, độ lệch chuẩn từ 10 đến 24 lớn Phương pháp bình phương tối thiểu từ 10 đến 24 giờ, liệu lệch nhiều so với đến 10 nhìn chung, xu hướng thơng số ổn định Từ đó, kết luận, phương pháp xử lý đường cong thứ hai (độ lệch chuẩn) có khả nhận dạng độ tươi thấp - Dựa kết mơ hình giá trị trung bình độ lệch chuẩn phương pháp trích thuộc tính, chúng tơi thực đối sánh thuộc tính trích từ mẫu cá với mơ hình nhận kết bảng Bảng Kết đối sánh phù hợp mơ hình thống kê với mẫu cá Phương pháp Kết đối sánh S1-3 80% (khớp mẫu mẫu) S2-3 80% (khớp mẫu mẫu) S3-4 80% (khớp mẫu mẫu) S3-5 100% (khớp mẫu mẫu) Bộ vectơ độ dốc Độ lệch chuẩn 80% (khớp mẫu mẫu) Bình phương tối thiểu 100% (khớp mẫu mẫu) Từ bảng 1, phương pháp đề xuất đạt từ 80 đến 100% độ xác, đặc biệt bình phương tối thiểu đạt 100% việc phân loại độ tươi cá VI KẾT LUẬN ứng dụng bao gồm: bốn số độ dốc, độ lệch chuẩn bình phương tối thiểu Trong đó, phương pháp bình phương tối thiểu mang lại độ xác cao Với khả thi đặc trưng độ cong nhãn cầu này, dự kiến phối hợp với đặc trưng phát triển để gia tăng khả phân loại độ tươi cho số loại cá cụ thể Từ đó, phát triển ứng dụng điện thoại để nhận diện độ tươi cá cách xác LỜI CẢM ƠN Chúng xin chân thành cảm ơn công ty TNHH MTV L.Y.D.I.N.C hỡ trợ về tài chính, trang thiết bị nghiên cứu tư vấn kĩ thuật cho đề tài này, xin cảm ơn Trường Đại học Bách Khoa - Đại học Đà Nẵng hỗ trợ phần chi phí nghiên cứu đề tài TÀI LIỆU THAM KHẢO [1] M K Dutta, A Issac, N M.s a , B Sarkar, “Image processing based method to assess fish quality and freshness”, J Food Eng., vol 177, pp 50–58, 2016 [2] Wang Feng, Zang Yue, Wo Qiqi, Zou Chen, Wang Nan,Wang Xiaobo, Li Dadong (2013) “Fish freshness rapid detection based on fish-eye image” PIAGENG 2013: Image Processing and Photonics for Agricultural Engineering [3] Aydoğan KARAGÖZ “Fish freshness detection by image processing”, A Thesis Submitted to the Graduate School of Natural and Applied Sciences of Dokuz Eylül University In Partial Fulfillment of the Requirements for the Degree of Master of Science in Electrical and Electronics Engineering, pp 24-25, 2013 [4] Ian C.Navotas, Charisse Nadine V.Santos, Earl John M.Balderrama, Francia Emmanuelle B.Candido, Aloysius John E.Villacanas and Jessica S.Velasco “Fish identification and freshness classification through image processing using artificial neural networks” ARPN Journal of Engineering and Applied Sciences vol 13, no.18, Sep 2018 [5] Anh Thu T Nguyen, Minh Le, Hai Ngoc Vo, Duc Nguyen Tran Hong, Tuan Tran Anh Phuoc, Tuan V Pham: Proposed Novel Fish Freshness Classification Using Effective Low-Cost Threshold-Based and Neural Network Models on Extracted Image Features In: Computational Intelligence Methods for GTSD, pp 60-71.(2020) [6] Anh Thu T Nguyen, Nguyet Ha T Tran, Phuong Dieu T Nguyen, Dat Xuan Ho, Uyen Kim Hoang, Nguyen Ba Hoang, Thuong H.N Nguyen, Tuan V Pham.“The Remarkable Enhancement in Fish Freshness Classification on Various Species using Neural Network on Physiological Characteristics Features” In: The International Conference on Intelligent Systems and Networks ICISN [7] ‘Council Regulation (EEC) No 103/76 of 19 January 1976 laying down common marketing standards for certain fresh or chilled fish’ (1976) Official Journal L 20, 29-34 Nhằm hỗ trợ xây dựng liệu đủ lớn, cách đồng tiện lợi hơn, hệ thống tự động thu thập liệu chế tạo trình bày nghiên cứu Trong vịng 25 giờ, hệ thống chụp xử lý 125 ảnh cho mẫu cá Dữ liệu thu thập từ hệ thống chụp xử lý sử dụng để đánh giá mối tương quan độ cong nhãn cầu độ tươi cá Để khai thác đặc trưng đường cong, ba phương pháp ISBN 978-604-80-7468-5 346 ... triển đặc trưng độ cong nhãn cầu cá Qua chứng minh giả định độ cong nhãn cầu cá biến đổi theo thời gian dùng để xác định tình trạng tươi/ ươn số loại cá, góp phần củng cố bổ trợ cho đặc trưng. .. ĐỊNH VỀ ĐỘ CONG NHÃN CẦU CÁ Dựa nghiên cứu biến đổi sinh lý [7] mắt cá chuyển từ trạng thái tươi sang ươn, đồng thời dựa quan sát từ liệu thực nghiệm mơ tả hình 1, độ cong lồi nhãn cầu cá biến... điểm nghiên cứu Với mục tiêu nâng cao hiệu đánh giá độ tươi cá thông qua đánh giá đặc trưng hình ảnh mắt cá, bên cạnh việc áp dụng phối hợp đặc trưng nghiên cứu trước (F0, F1, F2, F3), nghiên cứu