Phát triển hệ thống tự động tách cuống trái ớt tươi. Phát triển hệ thống tự động tách cuống trái ớt tươi. Phát triển hệ thống tự động tách cuống trái ớt tươi. Phát triển hệ thống tự động tách cuống trái ớt tươi. Phát triển hệ thống tự động tách cuống trái ớt tươi. Phát triển hệ thống tự động tách cuống trái ớt tươi. Phát triển hệ thống tự động tách cuống trái ớt tươi. Phát triển hệ thống tự động tách cuống trái ớt tươi. Phát triển hệ thống tự động tách cuống trái ớt tươi. Phát triển hệ thống tự động tách cuống trái ớt tươi. Phát triển hệ thống tự động tách cuống trái ớt tươi. Phát triển hệ thống tự động tách cuống trái ớt tươi. Phát triển hệ thống tự động tách cuống trái ớt tươi. Phát triển hệ thống tự động tách cuống trái ớt tươi. Phát triển hệ thống tự động tách cuống trái ớt tươi. Phát triển hệ thống tự động tách cuống trái ớt tươi. Phát triển hệ thống tự động tách cuống trái ớt tươi. Phát triển hệ thống tự động tách cuống trái ớt tươi. Phát triển hệ thống tự động tách cuống trái ớt tươi. Phát triển hệ thống tự động tách cuống trái ớt tươi. Phát triển hệ thống tự động tách cuống trái ớt tươi.
BỘ GIÁO DỤC VÀ ĐÀO TẠO TRƯỜNG ĐẠI HỌC CẦN THƠ HUỲNH QUỐC KHANH PHÁT TRIỂN HỆ THỐNG TỰ ĐỘNG TÁCH CUỐNG TRÁI ỚT TƯƠI LUẬN ÁN TIẾN SĨ CHUYÊN NGÀNH: KỸ THUẬT ĐIỀU KHIỂN VÀ TỰ ĐỘNG HÓA MÃ SỐ: 9520216 NĂM 2023 BỘ GIÁO DỤC VÀ ĐÀO TẠO TRƯỜNG ĐẠI HỌC CẦN THƠ HUỲNH QUỐC KHANH MÃ SỐ NGHIÊN CỨU SINH: P1819002 PHÁT TRIỂN HỆ THỐNG TỰ ĐỘNG TÁCH CUỐNG TRÁI ỚT TƯƠI LUẬN ÁN TIẾN SĨ CHUYÊN NGÀNH: KỸ THUẬT ĐIỀU KHIỂN VÀ TỰ ĐỘNG HÓA MÃ SỐ: 9520216 NGƯỜI HƯỚNG DẪN TS NGUYỄN VĂN CƯƠNG NĂM 2023 CHẤP THUẬN CỦA HỘI ĐỒNG Luận án này, với đề tựa “Phát triển hệ thống tự động tách cuống trái ớt tươi”, NCS Huỳnh Quốc Khanh thực theo hướng dẫn TS Nguyễn Văn Cương Luận án báo cáo Hội đồng đánh giá luận án tiến sĩ thông qua ngày: … /… /……… Luận án chỉnh sửa theo góp ý Hội đồng đánh giá luận án xem lại Thư ký Ủy viên Ủy viên Phản biện Phản biện Phản biện Người hướng dẫn Chủ tịch Hội đồng i LỜI CẢM ƠN Tôi xin dành lời cảm ơn cho cha mẹ tơi điều mong mỏi lớn lao họ tạo nên động viên tuyệt vời để tơi bình tĩnh giải cân vấn đề khó khăn sống công việc nghiên cứu Lời cảm ơn sâu sắc xin gửi đến vợ tôi, bác sĩ Võ Nguyên Hồng Phúc, tơi Họ nguồn động lực để tơi định tiếp tục phát triển thân chấp nhận thử thách công việc nghiên cứu đầy mê Tôi muốn gửi lời cảm ơn chân thành sâu sắc đến Thầy Nguyễn Văn Cương – người ln nhiệt tình, tận tâm ủng hộ tơi hồn cảnh Những góp ý định hướng Thầy đóng vai trị quan trọng, đặc biệt giúp q trình ng hiên cứu có chuyển biến tích cực giai đoạn quan trọng Tôi ghi nhớ giúp đỡ động viên Thầy Nguyễn Chí Ngơn suốt q trình nghiên cứu học tập Đặc biệt hướng dẫn Thầy lĩnh vực ứng dụng trí tuệ nhân tạo Tơi xin chân thành cảm ơn quỹ VINIF hỗ trợ tơi mặt tài động viên tinh thần cao độ Các kế hoạch tiến độ thực cam kết với quỹ VINIF giúp tơi thực tiến độ nghiên cứu Sự khoa học việc quản lý Quỹ VINIF tạo điều kiện thuận lợi cho tơi hồn thành thực nghiên cứu Tôi tài trợ Tập đồn Vingroup – Cơng ty CP hỗ trợ Chương trình học bổng thạc sĩ, tiến sĩ nước Quỹ Đổi sáng tạo Vingroup (VINIF), Viện Nghiên cứu Dữ liệu lớn với chương trình có mã số VINIF.2021.TS.113, VINIF.2020.TS.109 VINIF.2019.TS.33 Tôi xin cảm ơn hỗ trợ Chương trình hỗ trợ phát triển tài sản trí tuệ TP Cần Thơ giai đo ạn 2016-2020 Trường Đại học Cần Thơ, nhờ cơng việc theo đuổi đăng kí giải pháp hữu ích đạt kết tốt đẹp Tôi xin ghi nhận lời giới thiệu Thầy Nguyễn Văn Cương, Thầy Nguyễn Chí Ngơn, Thầy Trương Nguyễn Ln Vũ Thầy Ngô Quang Hiếu giới thiệu với tư cách nhà khoa học bảo trợ để tơi có điều kiện nhận học bổng VINIF Trong suốt trình nghiên cứu, xin cảm ơn GS Wei-Chih Lin, GS ChengRong Ho, GS Arjon Turnip, Thầy Nguyễn Hữu Cường, Cô Trần Nguyễn Phương Lan, Thầy Lê Phan Hưng, Thầy Văn Minh Nhựt, Thầy Nguyễn Văn Khải bạn Lê Hùng Tâm có ý kiến đóng góp trực tiếp, nhờ cơng việc nghiên cứu thực hiệu Tôi gửi lời cảm ơn đến bạn Trần Khánh Vân, Nguyễn Tấn Tài, La Hữu Quân, Võ Chí Tình, Nguyễn Hồi Thanh, Lê Đặng Khánh Linh, Lê Minh Vương, Bùi Thanh Bình, Đổ Thành Hiếu, Khưu Văn Luân, Trần Văn Hạng Nguyễn Hoàn Quynh nhiệt tình tham gia tơi suốt q trình nghiên cứu ii Xin cho cảm ơn lãnh đạo Trường Đại học Cần Thơ Trường Bách Khoa có sách tạo điều kiện để tơi tham gia khóa đào tạo nghiên cứu sinh Đồng thời, xin gửi lời cảm ơn đến lãnh đạo quý đồng nghiệp Khoa Kỹ thuật Cơ khí hỗ trợ tơi thực hồn thành cơng trình nghiên cứu Tơi khơng qn gửi lời cảm ơn đến quý Thầy/Cô Khoa Sau Đại học, Khoa Tự động hóa, Văn phịng Trường Bách Khoa giảng dạy chuyên môn, tư vấn thủ tục, quản lý hồ sơ tơi suốt q trình đào tạo Tôi cảm ơn quý cô bác nông dân anh chị kinh doanh ớt An Phú (An Giang), Thanh Bình (Đồng Tháp), Bình Ninh (Tiền Giang), Tân Quới (Vĩnh Long) nhiệt tình hỗ trợ tơi trình lấy mẫu ớt cung cấp thơng tin cần thiết q trình chế biến Tơi cảm ơn quý Thầy Hội đồng bảo vệ luận án cấp sở quý Thầy phản biện kín có nhiều góp ý q báu giúp tơi kịp thời điều chỉnh sai sót, từ hồn thiện luận án nghiên cứu Tôi xin chân thành cảm ơn quý Thầy/Cô độc giả dành thời gian đọc/góp ý cho nỗ lực tơi luận án Các góp ý xin gửi địa hqkhanh@ctu.edu.vn Tôi xin gửi lời cảm ơn đến cá nhân hỗ trợ nhiều việc khác suốt thời gian thực đề tài mà tơi cịn chưa thể kể đầy đủ Cuối cùng, xin kính chúc người sức khỏe tâm bình an! Tác giả Chân thành cảm ơn trân trọng kính chào, Huỳnh Quốc Khanh iii TĨM TẮT Ớt nông sản phổ biến nước ta, đặc biệt Đồng Sông C ửu Long Với sản lượng trồng thu hoạch lớn, nhu cầu chế biến tách cuống trái ớt tươi cao Đã có nghiên cứu thực nhiều phương pháp khác để loại bỏ cuống, nhiên kết có hạn chế định chưa tách hoàn toàn cuống tỷ lệ phá hỏng trái ớt cao Để khắc phục hạn chế này, đề tài luận án tập trung phát triển hệ thống tự động tách cuống bao gồm phần tách cuống trái ớt tươi cho tách bỏ hồn tồn cuống khỏi thân trái phần phân loại ớt để nâng cao chất lượng nhóm ớt thành phẩm Phương pháp xếp trái ớt băng tải đề xuất sử dụng cảm biến màu để xác định phương vị trái ớt Mơ hình đánh giá thay đổi lực tách cuống trái ớt tươi theo thời gian bảo quản xây dựng để đánh giá cách nhanh chóng giá trị lực tách cuống cần thiết thời điểm định sau thu hoạch Từ đó, mơ hình tính tốn lực tách cuống xây dựng để giúp kiểm soát lực kẹp cuống khoảng giá trị phù hợp Sau tách cuống, trái ớt hư hỏng bệnh bị nứt trình tách cuống loại bỏ hệ thống phân loại ớt thiết kế nằm phía sau cấu tách cuống Kết nghiên cứu hoạt động mơ hình cho thấy ngun lý tách cuống loại bỏ hồn tồn cuống ớt với tỷ lệ thành công 96,2% Tỷ lệ phá hỏng trái ớt quan sát thấy mức thấp Trong khi, mơ hình phân loại ớt bệnh ớt nứt tương ứng đạt tỷ lệ thành công 92% 94% Kết chứng minh nguyên lý tách cuống phân loại đề xuất khả thi phù hợp với yêu cầu chế biến thực tiễn ĐBSCL Ngồi ra, mơ hình thiết kế theo dạng mơ đun, lắp song song để tăng suất cần Vì việc chế tạo lại mơ hình cho đáp ứng u cầu mức độ bền vững ổn định, để đánh giá hoạt động quy mô công nghiệp đề xuất hướng nghiên cứu Từ khóa: trái ớt tươi, tách cuống, phân loại, mạng thần kinh nhân tạo iv ABSTRACT Chili is a popular agricultural product in Vietnam, especially in the Mekong Delta With a large production, the demand for processing and separating the stems is very high There have been several studies to implement different methods to destem, but the results have certain limitations such as not completely removing the stems or the damage rate of chili is still quite high To overcome these disadvantages, this study focuses on developing an automatic destemming system, including the destemming section that could completely remove stems and the grading section which helps to improve the quality of the destemmed ones The proposed method of arranging chilies on a conveyor belt is to use a color sensor to determine its orientation A mathematical model was also built to quickly estimate the required stem removing force at a certain time after harvest Then, a destemming force calculation model was also built to control the stem clamping force within a suitable range After destemmed, the damaged chilies were removed by a grading system The experiment results show that this current principle of the destemming system could completely remove stems with a success rate of 96.2% The broken damage rate was low Moreover, the classification model of diseased and cracked ones respectively achieved the success rate of 92% and 94% In addition, the model is designed in a modular form, which could be installed quickly to increase productivity whenever demanded This proposed method is feasible and suitable for practical processing requirements in the Mekong Delta Therefore, examining the operations on an industrial scale is proposed as a further research direction Keywords: fresh chili, destemming, grading, ANN v LỜI CAM ĐOAN Tôi tên Huỳnh Quốc Khanh, NCS ngành Kỹ thuật điều khiển Tự động hóa, khóa 2019 Tơi xin cam đoan luận án cơng trình nghiên cứu khoa học thực thân hướng dẫn TS Nguyễn Văn Cương Các thông tin sử dụng tham khảo luận án thu thập từ nguồn đáng tin cậy, kiểm chứng , công bố rộng rãi đ ược trích dẫn nguồn gốc rõ ràng phần Danh mục Tài liệu tham khảo Các kết nghiên cứu trình bày luận án tơi thực cách nghiêm túc, trung thực không trùng lắp với đề tài khác công bố trước Tôi xin lấy danh dự uy tín thân để đảm bảo cho lời cam đoan Cần Thơ, ngày 27 tháng 04 năm 2023 Người hướng dẫn Tác giả thực TS Nguyễn Văn Cương Huỳnh Quốc Khanh vi MỤC LỤC CHẤP THUẬN CỦA HỘI ĐỒNG i LỜI CẢM ƠN ii TÓM TẮT iv ABSTRACT v LỜI CAM ĐOAN vi MỤC LỤC vii DANH SÁCH BẢNG xi DANH SÁCH HÌNH xii DANH MỤC KÝ HIỆU xvi DANH MỤC TỪ VIẾT TẮT/ TỪ TIẾNG ANH xviii Chương GIỚI THIỆU 1.1 Lý chọn đề tài 1.2 Đối tượng nghiên cứu 1.3 Vấn đề nghiên cứu 1.4 Mục tiêu nghiên cứu .1 1.4.1 Mục tiêu tổng quát .1 1.4.2 Mục tiêu cụ thể 1.5 Phạm vi nghiên cứu 1.6 Nội dung nghiên cứu 1.7 Phương pháp nghiên cứu 1.7.1 Phương pháp phân tích tổng hợp tài liệu 1.7.2 Phương pháp xử lý số liệu 1.7.3 Phương pháp thực nghiệm 1.7.4 Phương pháp mơ hình hóa 1.8 Tính cấp thiết ý nghĩa đề tài 1.8.1 Tính cấp thiết đề tài .4 1.8.2 Ý nghĩa khoa học 1.8.3 Ý nghĩa thực tiễn 1.9 Tính đề tài vii 1.10 Cấu trúc luận án Chương TỔNG QUAN TÀI LIỆU 2.1 Tổng quan ớt sản phẩm trái ớt tư 2.2 Hiện trạng trồng ớt 2.2.1 Diện tích sản lượng ớt giới 2.2.2 Diện tích sản lượng ớt Việt Nam 10 2.2.3 Trồng thu hoạch ớt 13 2.3 Hiệu tài ớt tỉnh Đồng Tháp 17 2.4 Thị trường ớt Đồng Tháp 19 2.5 Các phương pháp loại bỏ cuống trái ớt tươi 22 2.6 Xu hướng ứng dụng tự động hóa thị giác máy tính nơng nghiệp 34 2.7 Tóm tắt tổng quan mục tiêu đề tài 39 Chương PHƯƠNG PHÁP THỰC HIỆN 40 3.1 Quy trình chế biến trái ớt tươi yêu cầu hệ thống tách cuống 41 3.2 Phân tích mối liên kết cuống thân trái ớt tươi 41 3.2.1 Đặc điểm mối liên kết 41 3.2.2 Biến dạng phức tạp dạng kéo-uốn phương pháp tách cuống 43 3.3 Nguyên lý hoạt động hệ thống 43 3.4 Xác định kích thước trọng lượng trung bình trái ớt tươi 46 3.4.1 Xác định kích thước 46 3.4.2 Xác định trọng lượng 48 3.5 Mô hình dự đo án lực tách cuống cần thiết 48 3.5.1 Nguyên liệu trái ớt tươi 48 3.5.2 Ước lượng số mẫu cần thiết 49 3.5.3 Thí nghiệm xác định lực tách cuống cần thiết 49 3.5.4 Xây dựng mơ hình tốn 50 3.6 Xác định áp suất phá hủy cuống 53 3.7 Tính tốn cụm xếp ớt 54 3.7.1 Nguyên lý hoạt động cụm xếp 54 3.7.2 Ảnh hưởng độ cao lắp đặt cảm biến TCS3200 56 3.7.3 Ảnh hưởng vận tốc băng tải 56 3.8 Kiểm soát lực tách cuống 57 viii TÀI LIỆU THAM KHẢO [1] [2] [3] [4] [5] [6] [7] [8] [9] [10] [11] [12] [13] [14] [15] [16] [17] N T T An and V T T Loc, "Phân tích hiệu tài nơng hộ trồng ớt vùng Đồng Bằng Sông Cửu Long," Can Tho University Journal of Science, vol 48D, pp 8795, 2017 V T T Loc et al., "Analysis of chili value chain in Dong Thap Province," Can Tho University Journal of Science, vol 38D, pp 107-119, 2015 J Wilbur, "Final Report on the Safety Assessment of Capsicum Annuum Extract, Capsicum Annuum Fruit Extract, Capsicum Annuum Resin, Capsicum Annuum Fruit Powder, Capsicum Frutescens Fruit, Capsicum Frutescens Fruit Extract, Capsicum Frutescens Resin, and Capsaicin," International Journal of Toxicology, vol 26, no 1, pp 3-106, 2007 D Zhang et al., "A comparative overview on chili pepper (capsicum genus) and sichuan pepper (zanthoxylum genus): From pungent spices to pharma-foods," Trends in Food Science & Technology, 2021 T Ngasepam, A Singh, B Singh, and N Mandal, "Recent advances in naga king chilli ( capsicum chinense JACQ.) research," International Journal of Agriculture, Environment and Biotechnology, vol 9, p 421, 2016 W B Paul and J V Eric, Peppers: Vegetable and Spice Sapsicums, nd ed (New Zealand Journal of Crop and Horticultural Science) Centre for Agriculture and Bioscience International, p 230, 2013 R Arimboor, R B Natarajan, K R Menon, L P Chandrasekhar, and V Moorkoth, "Red pepper (Capsicum annuum) carotenoids as a source of natural food colors: analysis and stabilitya review," (in No Linguistic Content), Journal of Food Science and Technology, vol 52, no 3, pp 1258-1271, 2015 OECD, Section 12 - Capsicum Annuum Complex OECD Publishing, p 40, 2006 R d R Elizanilda, M d R Mailson, and L F Fernando, Production and Breeding of Chilli Peppers (Capsicum spp.) Switzerland: Springer International Publishing, p 134, 2016 M Akram et al., "Interactive Effect of Phosphorus and Potassium on Growth, Yield, Quality and Seed Production of Chili (Capsicum annuum L.)," 2017 S Iqbal, A Inam, A Inam, F Ashfaque, and S Sahay, "Potassium and waste water interaction in the regulation of photosynthetic capacity, ascorbic acid and capsaicin in chilli (Capsicum annuum L.) plant," Agricultural Water Management, vol 184, pp 201210, 2017 H Padilha and B Rosa, "Plant breeding of chili peppers ( Capsicum , Solanaceae ) - A review," Australian Journal of Basic and Applied Sciences, vol 10, pp 148-154, 2016 G Subha, P Praveen K., P Parveez A., and S Vijay, "Medicinal Properties of Chilli Pepper in Human Diet: An Editorial," (in No Linguistic Content), ARC Journal of Public Health and Community Medicine, vol 2, no 1, pp 6-7, 2017 M V A Duarte, M Venzon, M C d S Bittencourt, F A Rodríguez-Cruz, A Pallini, and A Janssen, "Alternative food promotes broad mite control on chilli pepper plants," (in English), BioControl BioControl, vol 60, no 6, pp 817-825, 2015 Z Shi, M Riley, A Br own, and A Page, "Chilli intake is inversely associated with hypertension among adults," Clinical Nutrition ESPEN, vol 23, pp 67-72, 2018 FAO ( Food and Agriculture Organization), 2022 Chillies and peppers production of Vietnam [Online] Available: https://www.fao.org/faostat/en/#data/QCL G Dileep Kumar, K Raja, N Natarajan, K Govindaraju, and K S Subramanian, "Invigouration treatment of metal and metal oxide nanoparticles for improving the seed quality of aged chilli seeds (Capsicum annum L.)," Materials Chemistry and Physics, vol 242, 2020 108 [18] K C Baby and T V Ranganathan, "Effect of enzyme pretreatment on yield and quality of fresh green chilli (Capsicum annuum L) oleoresin and its major capsaicinoids," Biocatalysis and Agricultural Biotechnology, vol 7, pp 95-101, 2016 [19] H Thakur, S K Jindal, A Sharma, and M S Dhaliwal, "A monogenic dominant resistance for leaf curl virus disease in chilli pepper (Capsicum annuum L.)," Crop Protection, vol 116, pp 115-120, 2019 [20] A Chánh-Phong, "Quy trình trồng ớt hiểm F1," Available: https://hatgiongchanhphong.com/tin-tuc/qui-trinh-trong-ot-hiem-f1-so-131-73 (Last access: 20/02/2023) [21] Nông-Nghiệp-Xanh, "Kỹ thuật trồng ớt Chánh Phong su ất cao," Available: https://maynongnghiepxanh.vn/ky-thuat-trong-ot-chanh-phong-nang-suat-cao/ (Last access: 20/02/2023) [22] R Abhayapala, J De Costa, W Malaviarachchi, A Kumara, L Suriyagoda, and R Fonseka, "Exploitation of differential temperature-sensitivities of crops for improved resilience of tropical smallholder cropping systems to climate change: A case study with temperature responses of tomato and chilli," Agriculture, Ecosystems & Environment, vol 261, pp 103-114, 2018 [23] J G A Barbedo, "Detection of nutrition deficiencies in plants using proximal images and machine learning: A review," Computers and Electronics in Agriculture, vol 162, pp 482-492, 2019 [24] H G Gowtham et al., "Plant growth promoting rhizobacteria- Bacillus amyloliquefaciens improves plant growth and induces resistance in chilli against anthracnose disease," Biological Control, vol 126, pp 209-217, 2018 [25] J Baral, "Machine harvestable pepper," Patent WO2014145514A1, 2014 [26] S J Walker and P A Funk, "Mechanizing Chile Peppers: Challenges and Advances in Transitioning Harvest of New Mexicos Signature Crop," (in No Linguistic Content), hortte HortTechnology, vol 24, no 3, pp 281-284, 2014 [27] P A Funk and S Walker, "Evaluation of Five Green Chile Cultivars Utilizing Five Different Harvest Mechanisms," Applied engineering in agriculture, vol 26, 2010 [28] I S Joukhadar, S J Walker, and P A Funk, "Comparative Mechanical Harvest Efficiency of Six New Mexico Podtype Green Chile Pepper Cultivars," (in English), HortTechnology, vol 28, no 3, pp 310-318, 2018 [29] M M Wall, S Walker, A D Wall, E Hughs, and R Phillips, "Yield and Quality of Machine Harvested Red Chile Peppers," (in English), HORTTECHNOLOGY ALEXANDRIA VA-, vol 13, pp 296-301, 2003 [30] G Muhammad, "Date fruits classification using texture descriptors and shape-size features," Engineering Applications of Artificial Intelligence, vol 37, pp 361-367, 2015 [31] N T T An and V T T Loc, "Cấu trúc thị trường ớt vùng Đồng sơng Cửu Long," Tạp chí Nơng nghiệp Phát triển Nông thôn, vol 1, pp 17-23, 2018 [32] V T T Loc, "Assessment of agri-product value chains in the Mekong Delta: Problems and solutions," Can Tho University Journal of Science, vol 2, pp 100-111, 2016 [33] A Carl E Rasmussen and M George O Tiura, "Pepper station," USA, 1974 [34] B B Machinery, "Chili destemming machine," Available: th https://www.cnspicemachinery.com/ (Last access: February 18 2022) [35] Tabanli, "Pepper processing line," Available: th http://www.tabanli.com/food/eng/product21.htm (Last access: February 18 2022) [36] R P Herbon, "The design, prototype development and concept validation of a chile sorting machine," Master, Industrial Engineering, New Mexico State University, Las Cruces, New Mexico, 2003 [37] R P Herbon, D E Cillessen, E M Gamillo, and A M Hyde, "Designing a High Volume Chile De-stemming Machine," presented at the ASABE Meeting Presentation, Pittsburgh, Pennsylvania, USA, 2010 109 [38] N B Kodali, "System and method for de-stemming produce and preparing produce for de-stemming," USA Patent US 2014/0272054A1, 2014 [39] N B Kodali, "System and method of de-stemming produce and preparing produce for de-stemming - US20140272053A1," USA Patent US 2014/0272053 A1, 2014 [40] N B Kodali, "System and method of de-stemming produce," USA Patent US9173431B2, 2015 [41] N B Kodali, "System and method of processing procedure," USA Patent US9185930B2, 2015 [42] M Gunes and H Badem, "Detecting Direction of Pepper Stem by Using CUDA-Based Accelerated Hybrid Intuitionistic Fuzzy Edge Detection and ANN," Journal of Sensors, vol 2016, no 4052101, pp 1-11, 2016 [43] U Michelucci, Applied deep learning : a case -based approach to understanding deep neural networks, nd ed Apress Publishers, p 403, 2018 [44] S J Russell and P Norvig, Artificial Intelligence: A Modern Approach, rd ed Prentice Hall, p 1132, 2010 [45] K Suzuki, Artificial neural networks : architectures and applications Rijeka, Croatia: InTech, 2013 [46] A Tavanaei, M Ghodrati, S R Kheradpisheh, T Masquelier, and A Maida, "Deep learning in spiking neural networks," Neural Networks, vol 111, pp 47-63, 2019 [47] Aristoteles, M Fuljana, J Prasetyo, and K Muludi, "Expert System of Chili Plant Disease Diagnosis using Forward Chaining Method on Android," International Journal of Advanced Computer Science and Applications (IJACSA), vol 8, no 11, p 5, 2017 [48] H T Rauf, B A Saleem, M I U Lali, M A Khan, M Sharif, and S A C Bukhari, "A citrus fruits and leaves dataset for detection and classification of citrus diseases through machine learning," Data in Brief, vol 26, 2019 [49] N Tunio, A L Memon, F Y Khuhawar, and G M Abro, "Detection of Infected Leaves and Botanical Diseases using Curvelet Transform," International Journal of Advanced Computer Science and Applications(IJACSA), vol 10, no 11, 2019 [50] M Nikhitha, S R Sri, and B U Maheswari, "Fruit Recognition and Grade of Disease Detection using Inception V3 Model," presented at the 3rd International conference on Electronics, Communication and Aerospace Technology (ICECA), 12-14 June 2019, 2019 [51] N S A M Taujuddin et al., "Detection of Plant Disease on Leaves using Blobs Detection and Statistical Analysis," International Journal of Advanced Computer Science and Applications (IJACSA), vol 11, no 8, p 5, 2020 [52] M Gholipoor and F Nadali, "Fruit yield prediction of pepper using artificial neural network," Scientia Horticulturae, vol 250, pp 249-253, 2019 [53] J R Parker, Algorithms for Image Processing and Computer Vision, 2nd ed Wiley Publishing, p 480, 2010 [54] G Cristobal, P Schelkens, and H Thienpont, Optical and Digital Image Processing: Fundamentals and Applications Wiley-VCH Ver lag, 2011 [55] A Koirala, K B Walsh, Z Wang, and C McCarthy, "Deep learning – Method overview and review of use for fruit detection and yield estimation," Computers and Electronics in Agriculture, vol 162, pp 219-234, 2019 [56] E Heuvelink, "Tomato growth and yield: quantitative analysis and synthesis," Wageningen Agricultural University, 1996 [57] K C Swain, Q U Zaman, A W Schumann, D C Percival, and D D Bochtis, "Computer vision system for wild blueberry fruit yield mapping," Biosystems Engineering, vol 106, no 4, pp 389-394, 2010 [58] Z Wang, J Underwood, and K B Walsh, "Machine vision assessment of mango orchard flowering," Computers and Electronics in Agriculture, vol 151, no 1, pp 501-511, 2018 110 [59] Y Tang et al., "Recognition and Localization Methods for Vision-Based Fruit Picking Robots: A Review," (in English), Frontiers in Plant Science, Review vol 11, no 510, pp 1-17, 2020 [60] H Altaheri, M Alsulaiman, G Muhammad, S U Amin, M Bencherif, and M Mekhtiche, "Date fruit dataset for intelligent harvesting," Data in Brief, vol 26, 2019 [61] S S Mehta and T F Burks, "Multi-camera Fruit Localization in Robotic Harvesting," IFAC-PapersOnLine, vol 49, no 16, pp 90-95, 2016 [62] G Lin, Y Tang, X Zou, J Cheng, and J Xiong, "Fruit detection in natural environment using partial shape matching and probabilistic Hough transform," Precision Agriculture, vol 21, no 1, pp 160-177, 2020 [63] J Gené-Mola et al., "Fruit detection and 3D location using instance segmentation neural networks and structure-from-motion photogrammetry," Computers and Electronics in Agriculture, vol 169, 2020 [64] J Gené-Mola et al., "Fruit detection in an apple orchard using a mobile terrestrial laser scanner," Biosystems Engineering, vol 187, pp 171-184, 2019 [65] S C Hespeler, H Nemati, and E Dehghan-Niri, "Non-destructive thermal imaging for object detection via advanced deep learning for robotic inspection and harvesting of chili peppers," Artificial Intelligence in Agriculture, vol 5, pp 102-117, 2021 [66] J Liu, Y Peng, and M Faheem, "Experimental and theoretical analysis of fruit plucking patterns for robotic tomato harvesting," Computers and Electronics in Agriculture, vol 173, 2020 [67] X Ling, Y Zhao, L Gong, C Liu, and T Wang, "Dual-arm cooperation and implementing for robotic harvesting tomato using binocular vision," Robotics and Autonomous Systems, vol 114, pp 134-143, 2019 [68] B Zhang et al., "Comparative study of mechanical damage caused by a two-finger tomato gripper with different robotic grasping patterns for harvesting robots," Biosystems Engineering, vol 171, pp 245-257, 2018 [69] J Li, Y Tang, X Zou, G Lin, and H Wang, "Detection of Fruit-Bearing Branches and Localization of Litchi Clusters for Vision-Based Harvesting Robots," IEEE Access, vol 8, no 1, pp 746-758, 2020 [70] H Kang and C Chen, "Fast implementation of real-time fruit detection in apple orchards using deep learning," Computers and Electronics in Agriculture, vol 168, 2020 [71] J Gené-Mola, V Vilaplana, J R Rosell-Polo, J.-R Morros, J Ruiz-Hidalgo, and E Gregorio, "KFuji RGB-DS database: Fuji apple multi-modal images for fruit detection with color, depth and range -corrected IR data," Data in Brief, vol 25, 2019 [72] G Lin, Y T ang, X Zou, J Li, and J Xiong, "In-field citrus detection and localisation based on RGB-D image analysis," Biosystems Engineering, vol 186, no 1, pp 34-44, 2019 [73] J J Zhuang, S M Luo, C J Hou, Y Tang, Y He, and X Y Xue, "Detection of orchard citrus fruits using a monocular machine vision-based method for automatic fruit picking applications," Computers and Electronics in Agriculture, vol 152, pp 64-73, 2018 [74] Y Ge, Y Xiong, and P J From, "Instance Segmentation and Localization of Strawberries in Farm Conditions for Automatic Fruit Harvesting," IFAC-PapersOnLine, vol 52, no 30, pp 294-299, 2019 [75] S Singh, I Chana, and R Buyya, "Agri-Info: Cloud Based Autonomic System for Delivering Agriculture as a Service," Internet of Things, vol 9, 2020 [76] C Verdouw, H Sundmaeker, B Tekinerdogan, D Conzon, and T Montanaro, "Architecture framework of IoT-based food and farm s ystems: A multiple case study," Computers and Electronics in Agriculture, vol 165, 2019 [77] K Gunasekera, A N Borrero, F Vasuian, and K P Bryceson, "Experiences in building an IoT infrastructure for agriculture education," Procedia Computer Science, vol 135, pp 155-162, 2018 111 [78] R Shahzadi, J Ferzund, M Tausif, and M A Suryani, "Internet of Things based Expert System for Smart Agriculture," International Journal of Advanced Computer Science and Applications(IJACSA), vol 7, no 9, 2016 [79] A Pathak, M AmazUddin, M J Abedin, K Andersson, R Mustafa, and M S Hossain, "IoT based Smart System to Support Agricultural Parameters: A Case Study," Procedia Computer Science, vol 155, pp 648-653, 2019 [80] A D Boursianis et al., "Internet of Things (IoT) and Agricultural Unmanned Aerial Vehicles (UAVs) in Smart Farming: A Comprehensive Review," Internet of Things, p 100187, 2020 [81] H Wang, E Cimen, N Singh, and E Buckler, "Deep learning for plant genomics and crop improvement," Current Opinion in Plant Biology, vol 54, pp 34-41, 2020 [82] T.-T Le, C.-Y Lin, and E Piedad, Jr., "Deep learning for noninvasive classification of clustered horticultural crops – A case for banana fruit tiers," Postharvest Biology and Technology, vol 156, 2019 [83] J Kaewkiew, S Nabnean, and S Janjai, "Experimental investigation of the performance of a large-scale greenhouse type solar dryer for drying chilli in Thailand," Procedia Engineering, vol 32, pp 433-439, 2012 [84] A M Castro, E Y Mayorga, and F L Moreno, "Mathematical modelling of convective drying of feijoa (Acca sellowiana Berg) slices," Journal of Food Engineering, vol 252, pp 44-52, 2019 [85] M Z Hossain, M M Alam, M F B Hossain, M Sarker, M A Awal, and N Jahan, "Performance evaluation of a cabinet solar dryer for drying red pepper in Bangladesh," (in English), Journal of Agricultural Engineering, vol 49, no 2, pp 100-109, 2018 [86] C Nimrotham, R Songprakorp, S Thepa, and V Monyakul, "Experimental Research of Drying Red Chili by Two Methods: Solar Drying and Low - Temperature System Drying," Energy Procedia, vol 138, no 1, pp 512-517, 2017 [87] D K Rabha, P Muthukumar, and C Somayaji, "Energy and exergy analyses of the solar drying processes of ghost chilli pepper and ginger," Renewable Energy, vol 105, pp 764773, 2017 [88] A Fudholi, K Sopian, M H Yazdi, M H Ruslan, M Gabbasa, and H A Kazem, "Performance analysis of solar drying system for red chili," Solar Energy, vol 99, pp 4754, 2014 [89] N R Pochont, M N Mohammad, B T Pradeep, and P V Kumar, "A comparative study of drying kinetics and quality of Indian red chilli in solar hybrid greenhouse drying and open sun dr ying," in Materials Today: Proceedings, 2019, vol 21, pp 286-290 [90] M Castillo-Téllez, I Pilatowsky-Figueroa, E C López-Vida, O Sarracino -Martínez, and G Hernández-Galvez, "Dehydration of the red chilli (Capsicum annuum L., costeño) using an indirect-type forced convection solar dryer," Applied Thermal Engineering, vol 114, pp 1137-1144, 2017 [91] T Y Tunde-Akintunde, "Mathematical modeling of sun and solar drying of chilli pepper," Renewable Energy, vol 36, no 8, pp 2139-2145, 2011 [92] F Ahmad, Y O Mohd, H R Mohd, and S Kamaruzzaman, "Drying of Malaysian Capsicum annuum L (Red Chili) Dried by Open and Solar Drying," (in English), International Journal of Photoenergy, vol 2013, p 9, 2013 [93] S Salve and A M Fulambarkar, "A solar dryer for drying green chili in a forced convection for increasin g the moisture removing rate," Materials Today: Proceedings, vol 45, pp 3170-3176, 2021 [94] A Artnaseaw, S Theerakulpisut, and C Benjapiyaporn, "Development of a vacuum heat pump dryer for drying chilli," Biosystems Engineering, vol 105, no 1, pp 130-138, 2010 [95] M Simo-Tagne, M C Ndukwu, A Zoulalian, L Bennamoun, F Kifani-Sahban, and Y Rogaume, "Numerical analysis and validation of a natural convection mix-mode solar dryer for drying red chilli under variable conditions," Renewable Energy, 2019 112 [96] K Ranjitha, D V Sudhakar Rao, K S Shivashankara, and T K Roy, "Effect of pretreatments and modified atmosphere packaging on the shelf life and quality of freshcut green bell pepper," (in eng), Journal of Food Science and Technology, vol 52, no 12, pp 7872-7882, 2015 [97] R Priyadarshi, Sauraj, B Kumar, and Y S Negi, "Chitosan film incorporated with citric acid and glycerol as an active packaging material for extension of green chilli shelf life," Carbohydrate Polymers, vol 195, pp 329-338, 2018 [98] V O Edusei, J Ofosu-Anim, P N T Johnson, and E W Cornelius, "Extending postharvest life of green chilli pepper fruits with modified atmosphere packaging," (in English), Ghana Journal of Horticulture, vol 10, pp 131-140, 2012 [99] X Meng, M Zhang, and B Adhikari, "Extending shelf -life of fresh-cut green peppers using pressurized argon treatment," Postharvest Biology and Technology, vol 71, pp 1320, 2012 [100] M Glowacz and D Rees, "Exposure to ozone reduces postharvest quality loss in red and green chilli peppers," Food Chemistry, vol 210, pp 305-310, 2016 [101] I Watson, P Kamble, C Shanks, Z Khan, and N El Darra, "Decontamination of chilli flakes in a fluidized bed using combined technologies: Infrared, UV and ozone," Innovative Food Science & Emerging Technologies, vol 59, p 102248, 2020 [102] Seema, A Kumar, and G S Gill, "Automatic Fruit Grading and Classification System Using Computer Vision: A R eview," presented at the Second International Conference on Advances in Computing and Communication Engineering, 2015 [103] A Hakami and M Arif, "Automatic Inspection of the External Quality of the Date Fruit," Procedia Computer Science, vol 163, pp 70-77, 2019 [104] N Kondo, "Automation on fruit and vegetable grading s ystem and food traceability," Trends in Food Science & Technology, vol 21, no 3, pp 145-152, 2010 [105] B Zhang, B Gu, G Tian, J Zhou, J Huang, and Y Xiong, "Challenges and solutions of optical-based nondestructive quality inspection for robotic fruit and vegetable grading systems: A technical review," Trends in Food Science & Technology, vol 81, pp 213231, 2018 [106] K Hameed, D Chai, and A Rassau, "A comprehensive review of fruit and vegetable classification techniques," Image and Vision Computing, vol 80, pp 24-44, 2018 [107] D W Sun, Computer Vision Technology for Food Quality Evaluation, 2nd ed Elsevier, p 658, 2008 [108] M S Iraji, "Comparison between soft computing methods for tomato quality grading using machine vision," Journal of Food Measurement and Characterization, vol 13, no 1, pp 1-15, 2019 [109] M P Arakeri and Lakshmana, "Computer Vision Based Fruit Grading System for Quality Evaluation of Tomato in Agriculture industry," Procedia Computer Science, vol 79, pp 426-433, 2016 [110] K Meenakshi, K Swaraja, U K Ch, and P kora, "Grading of quality in tomatoes using multi-class SVM," presented at the 2019 3rd International Conference on Computing Methodologies and Communication (ICCMC), 2019 [111] S Dhakshina Kumar, S Esakkirajan, S Bama, and B Keerthiveena, "A microcontroller based machine vision approach for tomato grading and sorting using SVM classifier," Microprocessors and Microsystems, vol 76, 2020 [112] P Das and J P S Yadav, "Automated Tomato Maturity Grading System using CNN," presented at the International Conference on Smart Electronics and Communication (ICOSEC), 2020 [113] A Z Da Costa, H E H Figueroa, and J A Fracarolli, "Computer vision based detection of external defects on tomatoes using deep learning," Biosystems Engineering, vol 190, no 1, pp 131-144, 2020 113 [114] K Treeamnuk, S Pathaveerat, A Terdwongworakul, and C Bupata, "Design of machine to size java apple fruit with minimal damage," Biosystems Engineering, vol 107, no 2, pp 140-148, 2010 [115] Z Hu, J Tang, P Zhang, and J Jiang, "Deep learning for the identification of bruised apples by fusing 3D deep featur es for apple grading systems," Mechanical Systems and Signal Processing, vol 145, 2020 [116] M A Momin, M T Rahman, M S Sultana, C Igathinathane, A T M Ziauddin, and T E Grift, "Geometry-based mass grading of mango fruits using image processing," Information Processing in Agriculture, vol 4, no 2, pp 150-160, 2017 [117] E H Yossy, J Pranata, T Wijaya, H Hermawan, and W Budiharto, "Mango Fruit Sortation System using Neural Network and Computer Vision," Procedia Computer Science, vol 116, no 1, pp 596-603, 2017 [118] L Liu, Z Li, Y Lan, Y Shi, and Y Cui, "Design of a tomato classifier based on machine vision," (in English), PLoS ONE, vol 14, no 7, 2019 [119] Y Kohno et al., "Improvement of mobile citrus fruit grading machine," IFAC Proceedings Volumes, vol 43, no 26, pp 111-115, 2010 [120] L Khriji, A C Ammari, and M Awadalla, "Artificial Intelligent Techniques for Palm Date Varieties Classification," International Journal of Advanced Computer Science and Applications (IJACSA), vol 11, no 9, p 7, 2020 [121] S P Kang, A R East, and F J Trujillo, "Colour vision system evaluation of bicolour fruit: A case study with ‘B74’ mango," Postharvest Biology and Technology, vol 49, no 1, pp 77-85, 2008 [122] E Barnea, R Mairon, and O Ben-Shahar, "Colour-agnostic shape-based 3D fruit detection for crop harvesting robots," Biosystems Engineering, vol 146, pp 57-70, 2016 [123] Y Al Ohali, "Computer vision based date fruit grading system: Design and implementation," Journal of King Saud University - Computer and Information Sciences, vol 23, no 1, pp 29-36, 2011 [124] H Raissouli, A A Aljabri, S M Aljudaibi, and F H a G Alharbi, "Date Grading using Machine Learning Techniques on a Novel Dataset," International Journal of Advanced Computer Science and Applications (IJACSA), vol 11, no 8, 2020 [125] L Fu, S Sun, R Li, and S Wang, "Classification of Kiwifruit Grades Based on Fruit Shape Using a Single Camera," (in English), Sensors, vol 16, no 1012, pp 1-14, 2016 [126] M A H Ali and K W Thai, "Automated fruit g rading system," presented at the IEEE 3rd International Symposium in Robotics and Manufacturing Automation (ROMA), 2017 [127] G Lin, Y Tang, X Zou, J Xiong, and Y Fang, "Color-, depth-, and shape-based 3D fruit detection," Precision Agriculture, vol 21, no 1, pp 1-17, 2020 [128] A Gongal, M Karkee, and S Amatya, "Apple fruit size estimation using a 3D machine vision system," Information Processing in Agriculture, vol 5, no 4, pp 498-503, 2018 [129] H Okamoto, M Murakami, T Kataoka, and Y Shibata, "Machine Vision for Detecting Insects in Hole of Raspberry Fruit," IFAC Proceedings Volumes, vol 46, no 4, pp 350354, 2013 [130] J Kuzy, Y Jiang, and C Li, "Blueberry bruise detection by pulsed thermographic imaging," Postharvest Biology and Technology, vol 136, pp 166-177, 2018 [131] X Zeng, Y Miao, S Ubaid, X Gao, and S Zhuang, "Detection and classification of bruises of pears based on thermal images," Postharvest Biology and Technology, vol 161, 2020 [132] O Doosti-Irani, M R Golzarian, M H Aghkhani, H Sadrnia, and M Doosti-Irani, "Development of multiple regression model to estimate the apple’s bruise depth using thermal maps," Postharvest Biology and Technology, vol 116, pp 75-79, 2016 114 [133] N Wang and G ElMasry, "Chapter - Bruise Detection of Apples Using Hyperspectral Imaging," in Hyperspectral Imaging for Food Quality Analysis and Control, D.-W Sun, Ed San Diego: Academic Press, pp 295-320, 2010 [134] A Siedliska, P Baranowski, and W Mazurek, "Classification models of bruise and cultivar detection on the basis of hyperspectral imaging data," Computers and Electronics in Agriculture, vol 106, pp 66-74, 2014 [135] W Huang, J Li, Q Wang, and L Chen, "Development of a multispectral imaging system for online detection of bruises on apples," Journal of Food Engineering, vol 146, pp 6271, 2015 [136] P Baranowski, W Mazurek, J Wozniak, and U Majewska, "Detection of early bruises in apples using hyperspectral data and thermal imaging," Journal of Food Engineering, vol 110, no 3, pp 345-355, 2012 [137] G Woodbury, An Introduction to Statistics Duxbury, 2001 [138] T.-N.-M Thu and P.-X Hien, "Evaluation methods for recommender systems," Can Tho University Journal of Science, vol 42 (2016), pp 18-27, 2016 [139] J Nocedal and S J Wright, Numerical Optimization, 2nd ed Springer-Verlag New York, p 664, 2006 [140] TAOS, "TCS3200-DB Color Sensor," Texas Advanced Optoelectronic Solutions, 2020 [141] S Yurish, "Intelligent opto sensors' interfacing based on universal frequency-to-digital converter," Sens Transducers, vol 56, pp 326-334, 2005 [142] N T Hiệp, Chi tiết máy - Tập Nhà xuất Giáo Dục, p 342, 2006 [143] S Albawi, T A Mohammed, and S Al-Zawi, "Understanding of a convolutional neural network," presented at the International Conference on Engineering and Technology (ICET), 2017 [144] M Z Alom et al., "A State-of-the-Art Survey on Deep Learning Theory and Architectures," Electronics, vol 8, no 3, p 292, 2019 [145] C Sammut and G I Webb, Encyclopedia of Machine Learning Springer US, p 1031, 2011 [146] T Fawcett, "An introduction to ROC analysis," Pattern Recognition Letters, vol 27, no 8, pp 861-874, 2006 [147] D M W Powers, "Evaluation: From precision, recall and F-measure to ROC, informedness, markedness & correlation," Journal of Machine Learning Technology, vol 2, pp 37-63, 2011 115 DANH MỤC CÁC CƠNG TRÌNH ĐÃ CƠNG BỐ Tạp chí quốc tế H.Q Khanh et.al, 2021 “Crack Identification on the Fresh Chilli (Capsicum) Fruit Destemmed System,” Journal of Sensors, DOI: 10.1155/2021/8838247 vol 2021, Article ID 8838247 Tạp chí nước H.Q Khanh, V.N.H Phúc N.V Cương, 2020 “Mơ hình tốn xác định lực tách cuống trái ớt tươi,” Tạp chí Cơ khí Việt Nam, Số 9(2020), trang 24-30 H.Q Khanh et al, 2022 “Evaluating the optimal working parameters of the color sensor TCS3200 in the fresh chili destemming system”, Can Tho University Journal of Science, Vol 14, No (2022): 35-42) DOI: 10.22144/ctu.jen.2022.004 Chương sách H.Q Khanh et al, 2021 “Design of Chili Fruit Flipping Mechanism for Identification of the Damages Caused by Diseases”, In: Advances in Intelligent Systems and Computing, Choudhury S., Gowri R., Sena Paul B., Do DT (eds) Singapore: Springer, 2021, vol 1341, pp 185-194 DOI: 10.1007/978-981-16-1510-8_20 H.Q Khanh et al, 2021 “Evaluation on the Diseased Damage Grading Model of the Fresh Destemmed Chilli Fruits”, In: Smart Innovation, Systems and Technologies, Reddy A.N.R., Marla D., Favorskaya M.N., Satapathy S.C (eds) Singapore: Springer, 2021, vol 265, pp 147-155 DOI: 10.1007/978-981-16-6482-3_15 H.Q Khanh et al, 2022 “A Force Model for Controlling the Destemming Process of the Fresh Chilli Fruit”, In: Lecture Notes in Networks and Systems, N Duy Cuong et al (eds) Switzerland: Springer, vol 366, 2022, pp 1-10 DOI: 10.1007/978-3-030-92574-1_6 Kỷ yếu hội nghị quốc tế H.Q Khanh et al, 2020 “Identification of the Damages Caused by Diseases on Fresh Destemmed Chili Fruits,” In: The 2020 12th International Conference on Knowledge and Systems Engineering (KSE2020), Can Tho, Vietnam, November 2020, Vietnam: IEEE, 2020, pp 126-130 DOI: 10.1109/KSE50997.2020.9287653 Giải pháp hữu ích H.Q Khanh, N.V Cương, V.N.H Phúc, L.Đ.K Linh, N.H Thanh L.P Hưng, 2022 “Máy tách cuống ớt” Bằng độc quyền Giải pháp hữu ích số 2822 theo Quyết định số 1235w/QĐ-SHTT ngày 24/01/2022 116 Đề tài nghiên cứu khoa học cấp sở H.Q Khanh, L.P Hưng T.N.P Lan, 2020 “Nghiên cứu, thiết kế, chế tạo máy tách cuống trái ớt tươi” Đề tài nghiên cứu khoa học cấp sở năm 2019, Trường Đại học Cần Thơ, mã số: T2019-02 (Chủ nhiệm đề tài – nghiệm thu vào tháng 9/2020) 117 DANH MỤC CÁC CƠNG TRÌNH C LIÊN QUAN Đ.T Hiếu, B.T Bình K.V Ln, 2021 “Mơ hình phân cỡ trái ớt tươi tách cuống” Đề tài nghiên cứu khoa học sinh viên (Người hướng dẫn – nghiệm thu tháng 9/2021) năm 2021, mã số: TSV2021-04 H.Q Khanh T.N.P Lan, “Phát triển mơ hình tay máy bậc tự hỗ trợ thu hoạch ớt bệnh” Đề tài nghiên cứu khoa học cấp sở năm 2022, Trường Đại học Cần Thơ, mã số: T2022-07 (Chủ nhiệm đề tài – nghiệm thu tháng 05/2023) 118 PHỤ LỤC Phụ lục 1: Kết xác định áp suất phá hủy cuống ớt STT 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 (N) (mm) (N/mm ) 500 524 573 534 534 562 519 485 534 534 562 519 490 529 563 480 541 555 549 548 485 534 534 562 519 490 529 519 480 523 541 578 537 532 528 520 512 519 511 507 539 518 485 534 534 562 2,0 2,1 2,0 2,1 1,8 2,0 2,0 2,1 1,9 2,1 2,0 2,0 2,1 2,0 2,1 2,0 2,1 2,0 2,0 2,0 2,1 2,0 2,0 2,1 2,0 2,1 1,9 2,0 2,2 2,0 2,1 2,0 2,0 2,0 2,0 1,9 2,0 2,1 2,0 2,1 2,0 2,0 2,2 2,0 1,9 2,0 125,0 124,8 143,3 127,1 148,3 140,5 129,8 115,5 140,5 127,1 140,5 129,8 116,7 132,3 134,0 120,0 128,8 138,8 137,3 137,0 115,5 133,5 133,5 133,8 129,8 116,7 139,2 129,8 109,1 130,8 128,8 144,5 134,3 133,0 132,0 136,8 128,0 123,6 127,8 120,7 134,8 129,5 110,2 133,5 140,5 140,5 STT 76 77 78 79 80 81 82 83 84 85 86 87 88 89 90 91 92 93 94 95 96 97 98 99 100 101 102 103 104 105 106 107 108 109 110 111 112 113 114 115 116 117 118 119 120 121 119 (N) (mm) (N/mm 2) 480 520 534 534 562 485 534 534 562 519 490 529 519 480 501 543 570 486 528 520 559 519 485 534 534 562 519 490 529 519 480 562 519 494 545 560 532 528 485 512 532 528 480 512 520 512 2,0 2,2 2,0 2,0 2,1 2,0 2,2 2,0 2,1 2,0 2,0 2,2 2,0 2,0 2,1 2,0 2,0 2,1 2,0 2,2 2,0 2,1 2,0 2,0 1,9 2,0 2,0 2,1 2,0 2,2 2,0 2,1 2,0 2,0 2,1 2,0 1,9 2,0 2,1 2,0 2,2 2,0 2,1 2,0 2,0 2,1 120,0 118,2 133,5 133,5 133,8 121,3 121,4 133,5 133,8 129,8 122,5 120,2 129,8 120,0 119,3 135,8 142,5 115,7 132,0 118,2 139,8 123,6 121,3 133,5 140,5 140,5 129,8 116,7 132,3 118,0 120,0 133,8 129,8 123,5 129,8 140,0 140,0 132,0 115,5 128,0 120,9 132,0 114,3 128,0 130,0 121,9 STT 47 48 49 50 51 52 53 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68 69 70 71 72 73 74 75 (N/mm ) (N) (mm) 519 490 529 519 480 525 570 523 541 545 537 532 528 534 534 562 519 480 529 543 569 534 562 519 525 529 545 537 532 2,1 123,6 2,1 116,7 2,0 132,3 2,0 129,8 2,1 114,3 2,0 131,3 2,1 135,7 2,0 130,8 1,9 142,4 2,2 123,9 2,0 134,3 2,1 126,7 2,0 132,0 2,0 133,5 2,1 127,1 2,0 140,5 2,0 129,8 2,1 114,3 2,0 132,3 2,1 129,3 2,0 142,3 2,0 133,5 2,2 127,7 2,0 129,8 1,9 138,2 2,2 120,2 2,0 136,3 2,1 127,9 2,0 133,0 Trung bình STT 122 123 124 125 126 127 128 129 130 131 132 133 134 135 136 137 138 139 140 141 142 143 144 145 146 147 148 149 150 (N) (mm) 532 2,0 535 2,0 520 2,1 512 2,0 499 2,0 537 2,1 532 2,0 559 2,2 560 2,0 515 2,0 475 2,1 512 2,0 532 2,0 492 2,1 485 2,0 572 2,0 534 2,1 562 2,0 510 2,3 490 2,1 529 2,0 519 2,2 480 2,0 512 2,0 552 2,0 485 2,1 520 2,0 480 2,0 519 2,1 524,67±25,03 2,04±0.08 120 (N/mm 2) 133,0 133,8 123,8 128,0 124,8 127,9 133,0 127,0 140,0 128,8 113,1 128,0 133,0 117,1 121,3 143,0 127,1 140,5 110,9 116,7 132,3 118,0 120,0 128,0 138,0 115,5 130,0 120,0 123,6 128,81±8,28 Phụ lục 2: Kết xác định hệ số ma sát f STT 10 11 12 13 14 15 16 17 (N) 6,4 6,2 6,8 6,0 6,2 6,4 6,2 6,0 5,8 6,2 6,2 6,4 6,2 6,0 6,0 6,0 5,8 STT 0,65 0,63 0,69 0,61 0,63 0,65 0,63 0,61 0,59 0,63 0,63 0,65 0,63 0,61 0,61 0,61 0,59 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 Trung bình (N) 6,4 6,2 6,4 6,0 6,0 6,2 7,0 6,2 6,4 6,6 6,0 6,2 6,2 5,8 6,2 6,2 6,0 0,65 0,63 0,65 0,61 0,61 0,63 0,71 0,63 0,65 0,67 0,61 0,63 0,63 0,59 0,63 0,63 0,61 STT (N) 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 6,0 6,2 5,8 6,4 6,2 6,6 6,2 6,2 6,0 5,8 6,0 6,4 6,6 5,8 6,0 6,0 6,18±0,26 121 0,61 0,63 0,59 0,65 0,63 0,67 0,63 0,63 0,61 0,59 0,61 0,65 0,67 0,59 0,61 0,61 0,63±0.03 Phụ lục 3: Kết xác định lực tách cuống cần thiết (Đơn vị tính: N) Giống ớt Thời gian bảo quản (giờ) CP1 CP4 Mten 10 12 14 16 18 20 22 24 26 28 30 32 34 36 38 40 42 44 46 48 50 52 54 56 58 60 3,0 3,3 3,4 3,5 3,4 3,4 3,4 3,2 3,5 3,5 3,5 3,4 3,5 3,6 3,8 4,2 4,1 4,4 4,3 4,6 4,5 5,0 4,9 5,1 5,0 5,0 4,8 4,9 4,6 4,8 4,5 3,0 2,8 3,3 3,4 3,0 3,4 3,5 3,3 3,3 3,2 3,6 3,6 3,3 3,4 3,5 3,7 4,3 3,9 4,3 4,2 4,4 4,5 4,8 4,9 4,9 4,8 4,8 4,7 4,4 4,3 4,2 3,1 3,5 3,3 3,3 3,5 3,6 3,6 3,5 3,8 3,6 3,6 3,5 4,0 3,7 3,9 3,7 3,8 3,9 3,7 4,1 3,8 4,2 4,1 4,6 4,6 4,8 4,7 4,7 4,3 4,4 4,2 Giống ớt Thời gian bảo quản (giờ) CP1 CP4 Mten 62 64 66 68 70 72 74 76 78 80 82 84 86 88 90 92 94 96 98 100 102 104 106 108 110 112 114 116 118 120 4,5 4,4 4,3 4,4 4,2 4,3 4,5 4,4 4,3 4,4 4,3 4,3 4,1 4,1 3,9 3,8 3,9 3,9 3,7 3,6 3,6 3,5 3,4 3,3 3,4 3,3 3,2 3,2 3,0 3,1 4,3 4,1 3,9 4,0 4,0 4,1 4,0 4,0 4,1 4,1 4,0 3,8 3,9 4,0 4,1 3,7 3,4 3,3 3,5 3,3 3,4 3,4 3,3 3,3 3,2 3,1 3,1 3,1 3,0 2,9 4,2 4,2 4,0 3,9 4,1 3,9 4,0 4,1 4,2 3,9 4,0 3,6 3,8 4,0 3,5 3,8 3,5 3,2 3,4 3,5 3,4 3,2 3,0 3,1 3,0 3,1 2,9 2,9 3,0 3,0 122