Khóa luận tốt nghiệp Kỹ thuật máy tính: Ứng dụng phân tích quang phổ cận hồng ngoại trong kiểm định chất lượng sản phẩm thịt

Một trong những phương pháp được sử dụng thì phô hồng ngoại là một trong những phương pháp quang phô hap thụ phân tử.. Nhằm có cái nhìn tổng quan về các phương pháp phân tích cũng như là

Tổng 00600

Tổng quan đề tài -¿-:- 52c S22 2E12E122121127111717121211211 1111111111111 re 1

Thực phẩm đóng vai trò quan trọng trong sự phát triển của con người, vì vậy việc áp dụng các phương pháp kiểm định và đánh giá chất lượng thực phẩm là vô cùng cần thiết.

Hiện nay, thiết bị kiểm định chất lượng sản phẩm trên thị trường có giá thành cao và yêu cầu quy trình phức tạp Sản phẩm cần phải sử dụng các thiết bị lớn, thiếu tính di động, hoặc phải được phân tích trong phòng thí nghiệm, điều này có thể làm hỏng cấu trúc mẫu.

Nhóm nghiên cứu đã nhận thấy sự cần thiết và tiềm năng của việc ứng dụng phân tích quang phổ cận hồng ngoại trong việc kiểm định chất lượng sản phẩm thịt, từ đó lựa chọn đây làm chủ đề nghiên cứu chính.

Bảng 1: Các phương pháp phân tích và kiểm tra chất lượng thực phẩm

Phương pháp Nội dung công nghệ Ưu điềm Nhược điểm

Phân tích dựa trên hình ảnh cấu trúc của mau [1][2]

Các mẫu sé được chụp ảnh phân lớp MRI, sau đó sẽ phân tích thành phần dựa trên điểm ảnh MRI đó

Do được thành phan nhiêu chât

Tôn kém, nhiêu bước rât phúc tạp, tốn thời gian tích dựa trên phân tích quang phổ cần hồng ngoại

(NIRS)[4][5][6] chiêu ánh sáng vào, phân ánh sáng phản xạ ngược lại sẽ được cảm biên thu. nhanh chóng, đơn giản cho người dùng, giá thành rẻ

Phương pháp hóa mẫu giúp giảm chi phí và thời gian so với các phương pháp truyền thống, đồng thời nhấn mạnh tầm quan trọng của yếu tố con người trong quá trình này.

Tách răn và lỏng có thể dẫn đến sai sót trong quá trình phân tích Để khắc phục, cần sử dụng liệu pháp xâm lấn mau trình hóa học phù hợp nhằm xác định chính xác thành phần chất cần đo.

Phương pháp phân | Các mẫu sẽ được | Tốc độ phân tích Chi phí sản phâm trên thị trường hiện tại khá cao

Phân tích dữ liệu hơn, phân tích được thu được từ cảm nhiều chất biến dé định lượng thành phần chất cần đo

Tình hình nghiên cứu trong và ngoài NUGC 5: 5 + + *++sEEsereseeeereseeree 3

1.2.1 Công nghệ NIR trong định lượng, giám sát chất lượng sản phẩm

Trong mẫu thịt, các liên kết hóa học C-H, O-H và N-H hấp thụ bức xạ điện từ ở dải bước sóng nhất định, tạo ra quang phô tương ứng Quang phô này liên quan đến các đặc tính hóa học và vật lý của phân tử hữu cơ trong mẫu, cho phép ước tính thông tin về chỉ số và thành phần Công nghệ này được xem là bước ngoặt trong kiểm định chất lượng sản phẩm trong ngành công nghiệp.

1.2.2 Tình hình nghiên cứu ngoài nước

Ngành công nghiệp chip đang phát triển nhanh chóng tại châu Âu và Mỹ, thu hút sự tham gia của nhiều công ty sản xuất chip lớn trên toàn cầu Những công ty như Texas Instruments đang tích cực phát triển cả phần cứng lẫn phần mềm, nhận thấy tiềm năng ứng dụng cao của công nghệ này trong đời sống hàng ngày.

(Mỹ), Sparkfun, và Adafruit (My).

Nhiều sản phẩm nghiên cứu và có tính ứng dụng cao được đưa vào thị trường phổ biên ở các nước phát triên và đang phát triên

Công nghệ NIR spectroscopy đang trở thành chủ đề quan trọng trong các viện nghiên cứu quốc tế, với nhiều ứng dụng nổi bật Nó được sử dụng để đánh giá chất lượng thực phẩm, kiểm tra nồng độ axit trong đất nông nghiệp, và đo nồng độ đường trong máu một cách không xâm lấn.

Máy phân tích thành phần mẫu NIRS từ tập đoàn Bruker là thiết bị khoa học hàng đầu của Mỹ, chuyên dùng cho nghiên cứu phân tử và vật liệu, cũng như phục vụ cho phân tích ứng dụng và công nghiệp.

Những tính năng của thiết bị: e Kiểm tra nguyên liệu đầu vào e Phân tích đi kèm quy trình e Kiêm tra sản phâm cuôi cùng e Phát hành phân tích

Lĩnh vực ứng dụng của công nghệ này bao gồm ngành công nghiệp thực phẩm và nước giải khát, sản xuất thức ăn chăn nuôi, dược phẩm và công nghệ sinh học, công nghiệp hóa chất và hóa dầu, cũng như ngành công nghiệp polyme Những ưu điểm nổi bật bao gồm ứng dụng đa dạng trong nhiều lĩnh vực và tính chính xác cao trong các phép đo.

1.2.2 Tình hình nghiên cứu trong nước

Gần đây, Near Infrared Spectroscopy (NIRS) đã trở thành một chủ đề nghiên cứu phổ biến trên toàn cầu, nhưng tại Việt Nam, công nghệ này mới được tiếp cận Mặc dù còn mới mẻ, NIRS đã thu hút sự quan tâm từ nhiều doanh nghiệp và trường đại học trong nước nhờ vào tính ứng dụng thực tiễn cao, khiến họ lựa chọn công nghệ này cho các dự án của mình.

Upscience Lab Solution là một trong những công ty hàng đầu cung cấp giải pháp kiểm soát nguyên liệu và thức ăn chăn nuôi, với sự phát triển dịch vụ từ năm 2018 Bên cạnh đó, một số trường đại học tại Việt Nam, như Trường Đại học Công nghệ thông tin, cũng đang bắt đầu nghiên cứu về công nghệ này.

Gần đây, các hội thảo về công nghiệp 4.0 đã thảo luận về cơ hội phát triển các dự án lớn tại Việt Nam với sự đầu tư từ nước ngoài Điều này tạo điều kiện thuận lợi cho công nghệ NIRS tiếp tục mở rộng và phát triển tại thị trường Việt Nam.

Bên cạnh những thuận lợi thì vẫn còn nhiều bat cập về đối tượng nghiên cứu đó là:

- Thiết bị có giá thành cao (thiết bị chủ yếu được nhập khẩu từ nước ngoài)

- Tai liệu và mã nguồn từ các nhà cung cấp phan cứng còn khá hạn chế

- Khan hiếm phan cứng phục vụ cho nghiên cứu ở thị trường Việt Nam

- Tinh cơ động của các thiệt bi còn hạn chê

Mục tiêu, đối tượng và phạm vi nghiÊn CỨU 5 5 + + £++£++vE+s+eeeeeeeeereeessee 6

- _ Thiết kế chế tạo thiết bị với giá thành rẻ

- Khao sát đặc điểm đối với các sản phẩm tại Việt Nam

- Tinh cơ động cua thiét bi cao

1.3 Mục tiêu, đối tượng va phạm vi nghiên cứu

- _ Nghiên cứu sâu về công nghệ Near Infrared Spectroscopy về cơ sở lý thuyết và xây dựng mô hình ứng dụng.

- _ Xây dựng bộ đữ liệu và mô hình dự đoán nồng độ chất béo trong sản phẩm.

- Phan tích hệ thống bao gồm các cảm biến AS7265x, Raspberri Pi 4, nguồn phát, màn hình Oled raspberry PI.

- Nghiên cứu tài liệu, các bài báo về công nghệ NIRs.

- Xây dựng bộ dataset cho mô hình dự đoán.

- Thiết bị có tính di động cao.

- Độ chính xác của thiết bị khi dự đoán trên 70%.

- Do mẫu không xâm lắn (không tách ran và lỏng)

1.3.2 Khách thể, đối tượng nghiên cứu

- Ly thuyết mỗi quan hệ giữa phân tử hữu cơ và bức xạ nhiệt

- Cac đối tượng cần cho hệ thống:

- Nghiên cứu thiết kế công suất nguồn phát tạo ra các bức xạ cần thiết

- _ Nghiên cứu quan lí nguôn và cung cap nguôn cho hệ thông

- _ xây dựng bộ dữ liệu cho hệ thống

- Phuong pháp xử lý nhiễu thông số bức xạ của hệ thong Đối tượng nghiên cứu:

- _ Xây dựng mô hình máy hoc dự đoán thành phan phan trăm chat béo trong sản phẩm từ thịt.

- Lap trình mô hình trên máy tính nhúng Raspberry pi.

- _ Nguồn phát xạ halogen có dai bước sóng từ 450nm đến 1000nm.

- Pau thu AS7265x có thé thu được các bước sóng từ 350nm đến 1000nm.

- Kiém nghiệm thiết kế dựa trên thông số trên sản phẩm thị trường.

- Xây dựng dựng hệ thống nhúng định lượng được chất béo của sản phẩm từ thịt gồm: xúc xích, chả lụa, và lạp xưởng.

- _ Xây dụng thiết bị với tốc độ phản hồi đưới 10 giây.

- Khao sát thiết bị với các mẫu sản phâm với độ chính xác lớn hơn 70%

- Tao ra thiết bị có tinh ứng dụng thực tiễn, giá rẻ, có tính kế thừa dé dé dang nghiên cứu và phát triển thêm trên thiết bị.

Phương pháp nghiên CỨU ó6 E121 1911 1191191111 ng ng ng rớt 7 ISWiiuro00oi0‹0‹ 1

Nội dung 1: Tìm hiểu về công nghệ NIRS và cơ sở lý thuyết

- Tim hiểu về cơ sở lý thuyết của bức sóng Near Infrared Spectroscopy

- Tim hiểu về lý thuyết sự tương tác giữa các phan tử hữu cơ đối với các bức xạ có bước sóng khác nhau.

Nội dung 2: Tìm hiểu về nguồn phát xạ dùng cho hệ thống

- Tim hiểu về nguồn phát xa Halogen

- Tim hiểu về nguồn phát xa LED

- So sánh các đặc điểm của 2 nguồn phát xạ

- Tim hiểu về phương pháp điều chỉnh công suất cho nguồn

Nội dung 3: Tìm hiểu về máy tính nhúng Raspberry Pi 4

- _ Hệ điều hành cho Raspberry Pi

- Lap trình nhúng trên Raspberry Pi

Nội dung 4: Tìm hiéu về cảm biến quang AS7265x

- Phuong pháp xử lý dit liệu cảm biến

- _ Các tính năng của cảm biến

Nội dung 5: Phương pháp thu thập dữ liệu

- _ Nghiên cứu cách bồ trí mô hình thu thập dữ liệu

- _ Nghiên cứu các thông số của dữ liệu

Nội dung 6: Mô hình máy học

- _ Tiền xử lý đữ liệu thô

Nội dung 7: Xây dựng giao diện

- _ Nghiên cứu Tinker Python cho xây dựng giao diện hiên thị

- _ Nghiên cứu sử dụng màn hình Oled Raspberry Pi 4 3.5 Inch

- St dụng máy tính nhúng Raspberry Pi với mã nguồn mở được đóng góp rất nhiều từ cộng đông trong nước và quôc tê

- _ Có những giải pháp giải quyết van đề khi được sự góp ý của các giảng viên hướng dân

- Thiếu thiết bị chuẩn để có kết quả đối chiếu và thu thập thông số cho bộ dữ liệu mẫu.

Linh kiện điện tử cho quang phổ hồng ngoại gần (Near Infrared Spectroscopy) tại thị trường Việt Nam hiện đang rất khan hiếm Việc nhập khẩu từ quốc tế không chỉ làm tăng chi phí mà còn tốn nhiều thời gian cho quá trình thông quan đơn hàng.

Là một trong những đề tài nghiên cứu đầu tiên tại trường đại học, nghiên cứu này gặp khó khăn do thiếu kiến thức kế thừa và tốn nhiều thời gian để tìm hiểu.

Cơ sở lý thuy@te ccccccccccccsssessssssessssssecssesssssssssssssecsuessecsuessecsusssscsusssessuessecsseeseeeees 9

Cơ sở lý thuyết về bức xạ quang phô - 2+ 52 £+££E£+EE£EE+EE+EEerkerkerkerxrred 9

Vào năm 1800, William Hershel phát hiện ra bức xạ hồng ngoại (Infrared - IR), một loại bức xạ không nhìn thấy có bước sóng từ 0,75 đến 1000 nm, và chứng minh rằng nó tuân theo các quy luật của ánh sáng nhìn thấy Kể từ đó, lĩnh vực nghiên cứu bức xạ hồng ngoại đã có những bước tiến đáng kể.

Vào nửa đầu thế kỷ 19, các định luật đầu tiên về bức xạ nhiệt đã được phát hiện, và đầu thế kỷ 20, các qui luật về bức xạ không kết hợp đã hoàn thiện Trong những năm 1920-1930, các nguồn hồng ngoại (IR) nhân tạo được phát triển, cùng với việc phát hiện hiệu ứng điện phát quang, đã tạo nền tảng cho sự ra đời của các nguồn phát xa IR như diodes phát quang.

Các detector phát hiện hồng ngoại (IR) đầu tiên được phát triển vào năm 1830 dựa trên nguyên lý cặp nhiệt điện (thermopile) Đến năm 1880, quang trở ra đời, giúp nâng cao độ nhạy phát hiện IR Từ năm 1870 đến 1920, các detector lượng tử đầu tiên xuất hiện, hoạt động dựa trên nguyên lý tương tác bức xạ với vật liệu, cho phép chuyển đổi bức xạ trực tiếp thành tín hiệu điện mà không cần thông qua hiệu ứng nhiệt.

Từ năm 1930 đến 1944, các detector sulfure chì (PbS) được phát triển chủ yếu phục vụ cho nhu cầu quân sự Trong giai đoạn 1930-1950, vùng hồng ngoại (IR) từ 3 đến 5 mm được khai thác bằng các detector Antimonium Indium (InSb) Bắt đầu từ năm 1960, việc khai thác vùng IR từ 8 đến 14 mm được thực hiện bằng các detector mới.

Tellure de Cadmium Mercure (HgTeCd).

Công nghệ hồng ngoại (IR) đã được ứng dụng rộng rãi trên thế giới trong nhiều lĩnh vực, bao gồm chế tạo thiết bị quang điện tử cho đo lường và kiểm tra thực phẩm, thiết bị chẩn đoán và điều trị y tế, hệ thống truyền thông, hệ chỉ thị mục tiêu trong thiên văn, và điều khiển thiết bị vũ trụ Gần đây, IR còn được sử dụng để thăm dò tài nguyên thiên nhiên trên Trái Đất và các hành tinh khác, cũng như trong các nỗ lực bảo vệ môi trường Đặc biệt, công nghệ này đóng vai trò quan trọng trong lĩnh vực quân sự.

Các ứng dụng quân sự của hồng ngoại (IR) yêu cầu các cảm biến có độ nhạy cao và khả năng phản ứng nhanh Để đạt được hiệu quả tối ưu, cần mở rộng dải phổ làm việc của các cảm biến và dải truyền qua của vật liệu quang học Sau chiến tranh thế giới thứ hai, nhờ vào công nghệ IR, đã phát triển được nhiều thiết bị quan trọng như bom quang - điện tự điều khiển, hệ thống điều khiển hỏa lực dựa trên biến đổi quang - điện, thiết bị nhìn đêm cho vũ khí bộ binh, và các bộ điện đàm IR Hơn nữa, sau chiến tranh, nhiều hệ thống điều khiển tên lửa đã được ra đời, bao gồm tên lửa không đối không, không đối đất, và đất đối không.

Điều kiện hấp thục bức xạ hồng ngoại . - 2 2 2s x+EE£Et£Ee£EzErxezrerree 10

Phương pháp phân tích theo phố hồng ngoại là một kỹ thuật phân tích hiệu quả, nổi bật với nhiều ưu điểm so với các phương pháp cấu trúc khác như nhiễu xạ tia X và cộng hưởng từ.

10 điện tử) là phương pháp này cung cấp thông tin về cấu trúc phân nhanh, không đòi hỏi các phương pháp tính toán phức tạp

Kỹ thuật này dựa trên hiệu ứng hấp thụ chọn lọc bức xạ hồng ngoại của các hợp chất hóa học Khi các hợp chất này hấp thụ bức xạ hồng ngoại, các phân tử sẽ dao động với nhiều vận tốc khác nhau, tạo ra dải phổ hấp thụ đặc trưng cho hiện tượng hấp thụ bức xạ hồng ngoại.

Các phổ hồng ngoại khác nhau phản ánh các nhóm chức năng và liên kết đặc trưng trong phân tử hóa học Do đó, phổ hồng ngoại của mỗi hợp chất hóa học giống như "dấu vân tay", giúp nhận diện chúng một cách chính xác.

Phổ hấp thụ hồng ngoại là hiện tượng mà khi hấp thụ bức xạ hồng ngoại, cả chuyển động dao động và chuyển động quay của phân tử đều bị kích thích Bức xạ hồng ngoại có độ dài sóng từ 0,8 đến 1000 um và được chia thành ba vùng khác nhau.

Cận hồng ngoại (near infrared) có bước sóng từ 0.76 - 2.5um, trung hồng ngoại (medium infrared) từ 2.5 - 50um, và viễn hồng ngoại (far infrared) từ 50 - 100um Không phải tất cả các phân tử đều có khả năng hấp thụ bức xạ hồng ngoại, và quá trình hấp thụ này mang tính chọn lọc Để một phân tử có thể hấp thụ bức xạ hồng ngoại, nó cần phải đáp ứng các yêu cầu về độ dài sóng chính xác của bức xạ.

Một phân tử chỉ có khả năng hấp thụ bức xạ hồng ngoại khi tần số dao động tự nhiên của nó, bao gồm các nguyên tử hoặc nhóm nguyên tử cấu thành, phù hợp với tần số của bức xạ đến.

Vi dụ: Tần số dao động tự nhiên của phân tử HCL là 8,7.1013 s1

Thực nghiệm cho thấy khi chiếu bức xạ hồng ngoại qua mẫu HCI và phân tích bằng quang phô kế hồng ngoại, bức xạ có tần số 8,7 x 10^13 s^-1 đã bị hấp thụ, trong khi các tần số khác vẫn được truyền qua.

Tần số 8,7 x 10^3 s^-1 là tần số đặc trưng của phân tử HCl Khi hấp thụ bước sóng chính xác của bức xạ hồng ngoại, năng lượng bức xạ này sẽ bị tiêu tốn, dẫn đến việc biên độ dao động của phân tử tăng lên Điều này chỉ áp dụng cho các phân tử thực hiện chuyển động dao động điều hòa.

Một phần tử chỉ hấp thụ bức xạ hồng ngoại khi sự hấp thụ đó làm biến đổi momen lưỡng cực của nó Để được coi là có lưỡng điện, phần tử cần có sự phân bố điện tích (+) và (-) rõ rệt ở các nguyên tử cấu thành.

Khi phân tử lưỡng cực được đặt trong một điện trường, như trong trường hợp của bức xạ hồng ngoại, điện trường sẽ tác động lên các điện tích trong phân tử Các điện tích trái dấu sẽ chịu lực theo hướng ngược nhau, dẫn đến sự tách biệt giữa hai cực của phân tử Do điện trường của bức xạ hồng ngoại làm thay đổi độ phân cực một cách tuần hoàn, khoảng cách giữa các nguyên tử tích điện trong phân tử cũng sẽ thay đổi theo chu kỳ.

Khi các nguyên tử tích điện dao động, chúng hấp thụ bức xạ hồng ngoại Nếu vận tốc dao động của các nguyên tử trong phân tử lớn, sự hấp thụ bức xạ sẽ mạnh và tạo ra đám phổ hấp thụ mạnh Ngược lại, nếu vận tốc dao động nhỏ, đám phổ hấp thụ hồng ngoại sẽ yếu.

Hai nguyên tử giống nhau sẽ không tạo ra phổ dao động, ví dụ như O2 và Na không xuất hiện phổ hấp thụ hồng ngoại Điều này thật may mắn, vì nếu không, việc loại bỏ toàn bộ không khí khỏi máy quang phổ kế hồng ngoại sẽ rất khó khăn Tuy nhiên, trong không khí có CO2 và hơi nước (H2O) có khả năng hấp thụ tia hồng ngoại, nhưng vấn đề này có thể được khắc phục bằng các thiết bị phù hợp.

2.3 Cơ sở lý thuyết về dải bước sóng của chất béo

Hình 2 1: Biểu đồ ti lệ hấp thu của 2 loại xúc xích Chorizo và Salchichon trong dải bước sóng 400 — 2500 nm

Biểu đồ trên thể hiện độ hấp thụ ở các dải bước sóng khả kiến và NIR của hai mẫu xúc xích Chorizo và Salchichon Các thành phần hữu cơ trong hai loại xúc xích này tương tác với dải bước sóng từ 400 đến trên 2000 nm Độ hấp thụ đạt cực đại tại các bước sóng 460 nm, 984 nm, 1210 nm, 1452 nm, 1726 nm, 1760 nm, 1938 nm, 2308 nm và 2348 nm Tuy nhiên, do bước sóng 460 nm tương tác mạnh với tính chất màu sắc của mẫu, nhóm nghiên cứu quyết định không sử dụng các kênh bước sóng trong khoảng này.

Nhóm nghiên cứu 1000nm đang gặp khó khăn trong việc tiếp cận các loại cảm biến có khả năng thu được bước sóng trong khoảng này, dẫn đến những thách thức lớn hơn do hạn chế về lựa chọn bước sóng Do đó, nhóm sẽ lựa chọn các mức bước sóng phù hợp trong khoảng từ 600 đến 1000 nm, vì những bước sóng này có ý nghĩa quan trọng trong việc xác định nồng độ chất béo, nhờ vào độ hấp thụ tương đối của chúng.

2.4 Cơ sở lý thuyết về các giao thức và thành phần trong hệ thống trong hệ thống

Raspberry Pi là máy tính bo mạch đơn có kích thước bằng một thẻ tín dụng, được phát triển bởi Raspberry Pi Foundation tại Anh Mục đích chính của nó là thúc đẩy giảng dạy khoa học máy tính cơ bản trong các trường học, đặc biệt ở những nước đang phát triển.

2.2.1.2 Ưu điểm của Raspberry Pi

Cơ sở lý thuyết về các giao thức và thành phan trong hệ thống trong hệ thống

Raspberry Pi là máy tính bo mạch đơn có kích thước bằng thẻ tín dụng, được phát triển bởi Raspberry Pi Foundation tại Anh Mục tiêu ban đầu của nó là thúc đẩy giảng dạy khoa học máy tính cơ bản trong các trường học và các quốc gia đang phát triển.

2.2.1.2 Ưu điểm của Raspberry Pi

Raspberry Pi là một máy tính nhỏ gọn và giá rẻ, phù hợp cho nhiều giải pháp yêu cầu phần cứng và hệ điều hành Nó được sử dụng phổ biến trong tự động hóa gia đình, hỗ trợ hệ thống mạng và nhiều ứng dụng khác Với hệ thống Linux đầy đủ, người dùng có thể phát triển ứng dụng giống như trên các máy tính xách tay hoặc máy tính để bàn truyền thống.

- Họ có một hệ điều hành, với tất cả những lợi thế mà điều này mang lại.

Chung có các chân đầu vào và đầu ra, cho phép kết nối với các thành phần điện tử khác như cảm biến và đèn LED.

NL China M 1904 mweΠaug rxco TRJGO926HE

SPER ER ERR ERR RS

GPIO24 ID_SD and ID_SC PINS:

GPIO25 These pins are reserved for HAT ID EEPROM.

GPIO8 oot time this I2C interface will be ogated to look for an EEPROM lentifes the at hed board and

DO NOT USE these pins for anything other than attaching an I2C ID EEPROM Leave unconnected if ID EEPROM not required.

Hình 2 3 Sơ đô Pinout của Raspberry Pi 4

- Quadcore 64-bit ARM-Cortex A72 chạy ở tốc độ 1.5GHz

- Tuy chon RAM 1, 2 và 4 Gigabyte LPDDR4

- Giai ma phan cứng H.265 (HEVC) (lên đến 4Kp60)

- Giải mã phan cứng H.264 (lên đến 1080p60)

- H6 trợ đầu ra hiển thị HDMI kép lên đến 4Kp60

-_ Công 2xmicro-HDMI hỗ trợ màn hình kép lên đến độ phân giải 4Kp60

- Céng Ethernet 1xGigabit (hỗ tro PoE với PoE HAT bồ sung)

- _ Công camera IxRaspberry Pi (MIPI CSI 2 làn)

- _ Công hiển thị 1xRaspberry Pi (MIPI DSI 2 làn)

The GPIO supports up to 28 users, offering various interface options, including up to 6 UART, 6 I2C, 5 SPI, 1 SDIO interface, 1 DPI for parallel RGB display, 1 PCM, up to 2 PWM channels, and up to 3 GPCLK outputs.

Raspbian là hệ điều hành dựa trên Debian dành cho Raspberry Pi, với các phiên bản như Raspbian Stretch và Raspbian Jessie Kể từ năm 2015, Raspbian đã được Raspberry Pi Foundation chính thức công nhận là hệ điều hành chính cho các máy tính Raspberry Pi Hệ điều hành này được phát triển bởi Mike Thompson.

Peter Green như một dự án độc lập Ban dựng ban đầu được hoàn thành vào tháng 6 năm

2012 Hệ điều hành vẫn đang được phát triển tích cực Raspbian được tối ưu hóa cao cho các CPU ARM hiệu suất thấp của dòng Raspberry Pi.

Lm" | T9) = IM beg @ WfEi@raspberrypi: ~ | all, Games > al Python 3

Hinh 2 4: Hé diéu hanh Raspbian

VNC (Virtual Network Computing) là công nghệ cho phép chia sẻ giao diện màn hình từ xa, giúp người dùng hiển thị và điều khiển máy tính hoặc hệ thống ở xa ngay trên thiết bị của mình Công nghệ này rất hữu ích cho các quản trị viên, cho phép họ truy cập và quản lý máy tính từ xa, ngay cả khi đang di chuyển hoặc du lịch.

17 này chúng tôi dùng VNC để truy cập vào hệ điều hành trên raspberry pi dé tiến hành lập trình cho hệ thống.

VNC hoạt động theo mô hình client/server, sử dụng giao thức VNC đơn giản để truy cập giao diện đồ họa của máy tính từ xa qua mạng Giao thức này phục vụ một mục đích duy nhất, giúp người dùng kết nối và điều khiển máy tính từ xa một cách hiệu quả.

Giao thức VNC được phát triển dựa trên nguyên tắc của Remote Frame Buffer (RFB), cho phép VNC Client (trình xem) chia sẻ các đầu vào như bàn phím, di chuyển chuột và nhấp chuột.

Hình 2 5: Kết nối Raspberry Pi 4 với máy tính bang VNC

PuTTY là phần mềm điều khiển server qua internet, hỗ trợ nhiều giao thức mạng như SCP, SSH, Telnet và rlogin Ban đầu phát triển cho hệ điều hành Windows, PuTTY hiện đã có phiên bản cho Unix, MacOS, Symbian, Windows Mobile và Android Từ "PuTTY" không phải là chữ viết tắt trong tiếng Anh và phần mềm này thường được sử dụng để quản lý VPS.

PuTTY được viết và được duy trì chủ yếu bởi Simon Tatham và hiện đang là phần mềm phiên bản beta.

PuTTY là một công cụ mạnh mẽ hỗ trợ nhiều biến thể trên các thiết bị đầu cuối từ xa, đảm bảo an toàn cho người dùng với khả năng điều khiển SSH thông qua các khóa mã hóa Nó cung cấp các giao thức và thuật toán mã hóa như 3DES, Arcfour, Blowfish, DES, cùng với xác thực bằng khóa công khai Ngoài ra, PuTTY cũng hỗ trợ các lớp giao tiếp mạng IPv6 và cho phép sử dụng các chương trình nén OpenSSH bị trì hoãn, đồng thời có thể kết nối với các thiết bị qua cổng nối tiếp trong mạng LAN.

PuTTY đi kèm với dòng lệnh SCP và SFTP khách hang, được gọi là "PSCP" và

"psftp" tương ứng, và Plink, một công cụ kết nối đòng lệnh, được sử dụng cho các phiên không tương tác.

PuTTY được viết vào cuối năm 1998, và nó đã được công bố cho người dùng chính thức từ năm 2000.

Trong dé tài này, nhóm sử dụng nguồn phát là đèn halogen Philips

Bóng đèn halogen Philips phát xạ các bước sóng trong dải từ 350 đến hơn 3000 nm, bao gồm những bước sóng mà các phân tử hữu cơ trong sản phẩm từ thịt có tỷ lệ hấp thụ cao.

Hình 2 7: Dai bước sóng đèn halogen có thé tạo ra

Bóng đèn halogen phát ra dải bước sóng từ 300 đến hơn 3000 nm, trong đó bao gồm cả phân đoạn 400 đến 1000 nm, như đã đề cập trong mục 2.3.

Chipset AS7265x bao gồm ba cảm biến AS72651, AS72652 và AS72653, cho phép xác định quang phổ trong khoảng từ khả kiến đến NIR Mỗi cảm biến có 6 bộ lọc quang học độc lập, với phản ứng quang phổ từ 410nm đến 940nm và FWHM là 20nm AS72651 kết hợp với AS72652 (phản ứng quang phổ từ 560nm đến 940nm) và AS72653 (phản ứng quang phổ từ 410nm đến 535nm), tạo thành bộ chip cảm biến đa phổ 18 kênh AS7265x.

Bảng 2: Uu điểm của AS7265x

Giải pháp thiết lập chip quang phổ 18 kênh nhỏ gọn

Bộ 3 chip bao gom thiét bi chinh cung cap

18 kênh hiên thi và NIR từ 410nm đên

940nm, mỗi kênh có FWHM 20nm

Giao thức giao tiếp Uart hoặc I2C

Bộ lọc khả kiến được thực hiện bởi bộ lọc nhiều silicon

Không cân bô sung thêm các tín hiệu khác

Khả năng truy cập với bộ kĩ thuật sô ADC

Trình điều khiên LED có thể lập trình

Gói nhỏ, mạnh mẽ, với khẩu độ tích hợp Gói LGA 20 chân 4,5mm x 4,7mm x

2,5mm -40 ° C dén 85 ° C pham vi nhiét độ

Các ứng dụng của AS7265x bao gồm xác thực sản phẩm và thương hiệu, chống hàng giả, quang phổ di động, an toàn sản phẩm và phát hiện tạp nhiễm, cùng với phân tích chất liệu.

Trong dé tài này nhóm dùng AS7267x dé xác thực nồng độ chất béo trong sản phẩm dé đánh giá an toàn sản phẩm.

Hình 2 9: Sơ dé khối cúa cảm biến AS7265x

2 uv c oO a ca wu a mo] œ

2 ooccocoococseo ococsaeo sce ocoeesccaocecococoaeocscmcoccocCcocUCcCOCOCcoclUcCOCULcCS ARHRAMHARGDAMHARTDAMHARGTDAMHARTAMHARTAMHARD mm m s* = = “= tT ưn ưn n NN tD tD (DÔ (D (Ô Bì mm hé h 00 00 G c0 c Ơ Ơ Ơ Ơn Ơn

Hình 2 10: Độ nhạy của cảm biến AS72651 với các dai bước sóng

Cảm biến AS72651 thể hiện độ nhạy cao đối với các bước sóng ở các kênh R, S, T, U, V và W, tương ứng với 610nm, 680nm, 730nm, 760nm, 810nm và 860nm.

Bang 3: Đặc tinh quang hoc của cảm biến AS72651

Symbol | Parameter Test Channel | Min | Typ | Max Unit

R Channel R Soi dét 610 35 count/( W/cm?)

S Channel S Sợi đốt 680 35 count/(u W/cm?)

T Channel T Soi đốt 730 35 count/(u W/cm?)

U Channel U Soi dét 760 35 count/(u W/cm?)

V Channel V Sợi đốt 810 35 count/(u W/cm?)

W Channel W Sợi đốt 860 35 count/(u W/cm?)

Half Max Wacc | Wavelength +10 -10 nm

Accuracy dark Dark GAIN = 5 counts

Mô hình 3D của thiết bị, .-¿ 2-©25£2SE2EEEEEE2112211711211211211211 211.11

| lẽ | | | | | | | | II | II II II ie | pte ee el | | | | sk- | + | | | | ee

Người ve [Hoang Minh Ngkid 06/2022

Trưởng đại học Công Nghệ Thông Tin | KHOA LUẬN TỐT NGHỆ!

Hình 3 13: Thiết kế chỉ tiết của thiết bị

Bản vẽ kỹ thuật của thiết bị bao gồm khung chứa khối nguồn, đèn, không gian lắp đặt các cảm biến, khay chứa máy tính nhúng và phần đặt mẫu.

Thu thập dữ liỆU - - G6 2c 313321311911 351E911 111 1111111 11111 1 1 1H net 44

Phương pháp thu thập mẫu - ¿+ 2 2S SE£SE£E££E£EE£EEEEEEEEEEEEErEerkerxrrerrerxrrs 44

Mẫu dữ liệu bao gồm các loại xúc xích và chả lụa với màu sắc, kích thước và tỷ lệ phần trăm chất béo khác nhau Khi ánh sáng chiếu vào mẫu, một phần ánh sáng sẽ được hấp thụ, trong khi phần còn lại sẽ phản xạ và được cảm biến thu nhận, từ đó tạo ra dữ liệu thô.

Bộ dữ liệu -©2-©222+2E2EE12E1122112211221221127121111.11111 11.11.1111 eee 44

Bộ dữ liệu thu thập gồm 280 mẫu xúc xích với thành phần phần trăm chất béo trên 100g từ nhiều nhãn hàng khác nhau tại thị trường Việt Nam Dữ liệu này có 6 thuộc tính tương ứng với giá trị cảm biến ở 6 kênh quang học: 610 nm, 680 nm, 730 nm, 810 nm, 860 nm, 910 nm, cùng với nhãn thể hiện phần trăm chất béo của từng mẫu.

Khi ánh sáng đi qua vật liệu, nó bị hấp thụ bởi các phân tử, dẫn đến cường độ ánh sáng giảm theo cấp số nhân theo khoảng cách Độ truyền qua dung dịch mẫu có thể đo được bằng cách so sánh cường độ ánh sáng tới và cường độ ánh sáng truyền qua Độ truyền (T) là phép đo lượng ánh sáng truyền qua một chất, với độ truyền càng lớn khi lượng ánh sáng truyền qua nhiều Độ truyền được định nghĩa là tỷ số giữa cường độ ánh sáng tới (I0) và cường độ ánh sáng truyền qua (I).

T= To (phương trình 4.3.1) I Đôi khi, phần này có thé được biểu diễn dưới dạng phần trăm, trong đó nó được gọi là phần trăm truyền qua (% T).

Ti lệ hap thụ (Absorbance) [11] được định nghĩa là:

Theo định luật Beer-Lambert, độ hấp thụ ánh sáng có thể được sử dụng để xác định nồng độ chất trong mẫu Do đó, nhóm nghiên cứu đã áp dụng tỷ lệ hấp thụ này vào bộ dữ liệu để xây dựng mô hình hồi quy tuyến tính.

Chương 5: Mô hình toán học

5.1 Multiple Linear Regression đối với dữ liệu Spectroscospy

Phân tích hồi quy tuyến tính đa biến (MLR) là một trong những phương pháp phổ biến nhất trong quang phổ hồng ngoại gần (NIR) MLR là kỹ thuật đơn giản, dễ hiểu và có khả năng xác định mối quan hệ giữa các đặc trưng phổ NIR và kết quả hiệu chuẩn, đặc biệt hữu ích cho việc thiết kế các thiết bị đo đạc nhỏ gọn và linh hoạt Đề tài này tập trung vào việc sử dụng các thiết bị đơn giản gồm một điốt quang và bốn nguồn sáng mà không cần đến bộ lọc monochromator Tuy nhiên, việc áp dụng các phương pháp phân tích dựa trên nhiều biến số khác có thể gặp khó khăn trong nghiên cứu này.

PCR (Principal Component Regression) and PLS (Partial Least Squares) are utilized due to the presence of only four distinct wavelengths (variables) A significant drawback of MLR (Multiple Linear Regression) is its susceptibility to multicollinearity in NIR spectra, which results in unstable and less effective predictions.

5.2 Toán học về Multiple Linear Regression (MLR)

Biến đáp ứng y phụ thuộc vào n biến độc lập xi, với i = 1 đến n - 1 Phương trình hồi quy của y theo các biến xi được gọi là phương trình hồi quy đa biến.

Mô hình tuyến tính có dạng:

9(x,8) = Oy + 04x, + + On-1%y-1 = OF [| ox (phương trình 5.2.1)

Trong đó: n-1: số thuộc tính

Xi: giá trị thuộc tính thứ I

6¡ là trọng số của thuộc tính thứ i

Kỹ thuật hồi quy đa biến [15] nhằm mục đích thiết lập mối quan hệ giữa vecto n x

Trong nghiên cứu này, chúng tôi tập trung vào các giá trị phản hồi quan sát được từ biến Y, bao gồm hàm lượng chất béo và tỉ lệ hấp thụ của phân tử hữu cơ tại từng bước sóng nhất định Ma trận phô n x N X được sử dụng, trong đó ŒX đại diện cho các biến, với n là số quang phổ và N là số bước sóng.

Hàm mắt mát (Loss Function hay còn gọi bình phương độ chênh lệnh giữa giá trị thực và giá trị dự đoán): m m

Mục tiêu là làm cho hàm Loss Function nhỏ nhất có thé tức là phải tìm các tham số

6 dé thỏa được điều đó.

Tham sô 0 được ước lượng băng giá tri cực tiêu của hàm mat mát:

8 =argming/(@) (phương trình 5.2.3) Đạo hàm hàm mat mát J’(@) = 0 để tim các 0.

5.3 Các bước để phân tích dữ liệu

Các mẫu sản phẩm từ thịt được đưa vào thiết bị, nơi ánh sáng sẽ được hấp thụ một phần và dữ liệu ánh sáng phản xạ sẽ được cảm biến quang thu lại Dữ liệu thu được từ cảm biến này là dữ liệu thô, được gán nhãn phần trăm chất béo dựa trên thông số của nhà sản xuất, tạo thành bộ dữ liệu thô Sau đó, bộ dữ liệu thô sẽ được chia thành bộ dữ liệu huấn luyện và bộ dữ liệu đánh giá, cả hai sẽ được tiền xử lý để cải thiện chất lượng dữ liệu cho mô hình dự đoán Cuối cùng, bộ dữ liệu huấn luyện sẽ được sử dụng trong mô hình toán học Multiple.

Linear Regression như đã đê cập ở cục 5.1 và 5.2 đê tạo ra hàm ánh xạ giữa dau vào là các

Bộ dữ liệu gồm 47 thuộc tính từ cảm biến và đầu ra là hàm lượng chất béo Dữ liệu này sẽ được sử dụng để đánh giá và cải thiện kết quả của mô hình.

Dưới đây là sơ đồ khối giải thuật, sơ đồ này được đúc kết và xây dựng dựa trên mô hình một tiền nghiên cứu [16]

Z———— Định lượng giả trị cho mẫu

Hình 5 1: Sơ đồ giái thuật dự đoán một mô hình

Hình 6 1: Giao diện giữa người dùng và thiết bị

Giao diện bắt đầu trên màn hình OLED Raspberry Pi 3.5 inch cho người dùng tương tác

Hình 6 2: Giao diện hién thị các thông số của mẫu

Giao diện hiển thị thông số đo đạt gồm chi số nồng độ phần trăm chất béo trong mẫu và thời gian đo đạt mẫu.

Bộ dữ liệu huấn luyện bao gồm 223 mẫu ở định dạng CSV, trong đó có 178 mẫu cho tập huấn luyện (Train) và 45 mẫu cho tập đánh giá (Validation) cũng như tập Test, nhằm đánh giá hiệu quả của mô hình trước khi thực hiện thử nghiệm thực tế.

Hình 6 3: Thong kê của bộ dữ liệu

Bảng 6: Thông kế chỉ tiết mẫu dữ liệu

Nông độ Mẫu chất béo Train Validation Tổng cộng

Xúc xích bò Vissan 175g 7.86 16 7 23 Xúc xích heo Vissan 280g 8.43 20 6 26

Xúc xích bò Vissan 280g 9.68 23 2 25 Xúc xích cocktail Vissan 200g 10.9 21 4 25

Gid lua bi Vissan 250g 12 17 8 25 Xúc xích Happy Vissan 500g 12.5 18 4 22

Bộ dữ liệu của chúng tôi bao gồm các mẫu sản phẩm từ thịt với tỷ lệ chất béo từ 7.86% đến 15.3% Trước khi thực hiện thí nghiệm, chúng tôi đã chia sẵn tập train và validation để sử dụng cho quá trình huấn luyện và đánh giá mô hình.

6.3 Mô tả quy trình thực nghiệm Đánh giá độ chính xác của dé tài “ứng dụng phân tích quang phổ cận hồng ngoại trong kiêm định chất lượng sản phẩm thịt” được chúng tôi thực nghiệm qua các quy trình xử lý sau:

Pre-Processing Training Detection Evalution (R2 Score,

Quy trình dự đoán và đánh giá thực nghiệm bắt đầu với bộ dữ liệu bao gồm hai tập train và validation, chứa dữ liệu thu thập từ cảm biến cùng với nhãn tương ứng Bộ dữ liệu này đã được chuẩn bị sẵn dưới dạng file định dạng CSV để phục vụ cho quá trình huấn luyện mô hình.

Sau khi hoàn tất giai đoạn tiền xử lý, chúng tôi chuẩn hóa các giá trị thuộc tính của dữ liệu theo một tỷ lệ gọi là “độ hấp thụ” như đã đề cập trong phần 4.3 Tiếp theo, tập huấn luyện của bộ dữ liệu sẽ được đưa vào các mô hình để huấn luyện, trong khi tập validation sẽ được sử dụng để đánh giá hiệu suất của mô hình như một tập dữ liệu kiểm tra.

Sau đó sử dụng các các độ đo Mean Square Error (MSE), RMSE (Root Mean Square

Error) và R2 Score dé đánh giá độ hiệu quả của mô hình.

Lỗi bình phương trung bình (MSE) là chỉ số đo lường độ phù hợp của đường hồi quy với tập hợp dữ liệu, phản ánh mức độ gần gũi giữa giá trị dự đoán và giá trị thực tế Đây là một hàm rủi ro quan trọng, liên quan đến giá trị kỳ vọng của tổn thất do lỗi bình phương.

Mô hình toán hỌC .- s6 2c + 3231931891191 91 111111911111 1 1 1H ng rệt 46

Toán học về Multiple Linear Regression (MLR) . 5-55 S<£<+ccxssersseesse 46

Biến đáp ứng y phụ thuộc vào n biến độc lập xi, với i = 1, , 2 - 1 Phương trình hồi quy của y theo xi được gọi là phương trình hồi quy đa biến.

Mô hình tuyến tính có dạng:

9(x,8) = Oy + 04x, + + On-1%y-1 = OF [| ox (phương trình 5.2.1)

Trong đó: n-1: số thuộc tính

Xi: giá trị thuộc tính thứ I

6¡ là trọng số của thuộc tính thứ i

Kỹ thuật hồi quy đa biến [15] nhằm mục đích thiết lập mối quan hệ giữa vecto n x

Trong nghiên cứu này, chúng tôi tập trung vào việc phân tích giá trị phản hồi quan sát y (biến Y), bao gồm các thuộc tính chất lượng như hàm lượng chất béo và tỉ lệ hấp thụ của phân tử hữu cơ tại các bước sóng cụ thể Ma trận phô n x N X (ŒX) đại diện cho các biến, trong đó n là số quang phổ và N là số bước sóng, cho phép đánh giá chính xác các thông số này.

Hàm mắt mát (Loss Function hay còn gọi bình phương độ chênh lệnh giữa giá trị thực và giá trị dự đoán): m m

Mục tiêu là làm cho hàm Loss Function nhỏ nhất có thé tức là phải tìm các tham số

6 dé thỏa được điều đó.

Tham sô 0 được ước lượng băng giá tri cực tiêu của hàm mat mát:

8 =argming/(@) (phương trình 5.2.3) Đạo hàm hàm mat mát J’(@) = 0 để tim các 0.

5.3 Các bước để phân tích dữ liệu

Những mẫu sản phẩm từ thịt được đưa vào thiết bị, ánh sáng sẽ được hấp thụ một phần và dữ liệu ánh sáng phản xạ lại sẽ được cảm biến quang thu nhận Dữ liệu thu được từ cảm biến quang là dữ liệu thô, sau đó sẽ được gán nhãn phần trăm chất béo dựa trên thông số của nhà sản xuất, tạo thành bộ dữ liệu thô Bộ dữ liệu này sẽ được phân tách thành bộ dữ liệu huấn luyện và bộ dữ liệu đánh giá, cả hai sẽ được tiền xử lý để tạo ra bộ dữ liệu tốt hơn cho mô hình dự đoán Cuối cùng, bộ dữ liệu huấn luyện sẽ được đưa vào mô hình toán học Multiple.

Linear Regression như đã đê cập ở cục 5.1 và 5.2 đê tạo ra hàm ánh xạ giữa dau vào là các

Bộ dữ liệu bao gồm 47 thuộc tính thu thập từ cảm biến, với đầu ra là hàm lượng chất béo Dữ liệu này sẽ được sử dụng để đánh giá hiệu quả của mô hình.

Dưới đây là sơ đồ khối giải thuật, sơ đồ này được đúc kết và xây dựng dựa trên mô hình một tiền nghiên cứu [16]

Z———— Định lượng giả trị cho mẫu

Hình 5 1: Sơ đồ giái thuật dự đoán một mô hình

Hình 6 1: Giao diện giữa người dùng và thiết bị

Giao diện bắt đầu trên màn hình OLED Raspberry Pi 3.5 inch cho người dùng tương tác

Hình 6 2: Giao diện hién thị các thông số của mẫu

Giao diện hiển thị thông số đo đạt gồm chi số nồng độ phần trăm chất béo trong mẫu và thời gian đo đạt mẫu.

Bộ dữ liệu huấn luyện bao gồm 223 mẫu ở định dạng CSV, trong đó có 178 mẫu cho tập dữ liệu huấn luyện (Train) và 45 mẫu cho tập đánh giá (Validation), đồng thời cũng được sử dụng làm tập Test để đánh giá hiệu quả mô hình trước khi tiến hành thử nghiệm thực tế.

Hình 6 3: Thong kê của bộ dữ liệu

Bảng 6: Thông kế chỉ tiết mẫu dữ liệu

Nông độ Mẫu chất béo Train Validation Tổng cộng

Xúc xích bò Vissan 175g 7.86 16 7 23 Xúc xích heo Vissan 280g 8.43 20 6 26

Xúc xích bò Vissan 280g 9.68 23 2 25 Xúc xích cocktail Vissan 200g 10.9 21 4 25

Gid lua bi Vissan 250g 12 17 8 25 Xúc xích Happy Vissan 500g 12.5 18 4 22

Bộ dữ liệu của chúng tôi bao gồm các mẫu sản phẩm từ thịt với tỷ lệ chất béo từ 7.86% đến 15.3% Trước khi tiến hành thực nghiệm, chúng tôi đã chia sẵn tập train và validation để sử dụng cho quá trình huấn luyện và đánh giá mô hình.

6.3 Mô tả quy trình thực nghiệm Đánh giá độ chính xác của dé tài “ứng dụng phân tích quang phổ cận hồng ngoại trong kiêm định chất lượng sản phẩm thịt” được chúng tôi thực nghiệm qua các quy trình xử lý sau:

Pre-Processing Training Detection Evalution (R2 Score,

Quy trình dự đoán và đánh giá thực nghiệm bắt đầu với bộ dữ liệu, bao gồm hai tập train và validation, được thu thập từ cảm biến cùng với nhãn tương ứng Bộ dữ liệu này đã được chuẩn bị sẵn dưới định dạng file csv để phục vụ cho việc huấn luyện mô hình.

Sau khi hoàn tất quá trình xử lý trước, chúng tôi sẽ chuẩn hóa các giá trị thuộc tính của dữ liệu theo tỷ lệ "độ hấp thụ" được đề cập trong phần 4.3 Tiếp theo, tập huấn luyện của bộ dữ liệu sẽ được sử dụng để đào tạo các mô hình, trong khi tập validation sẽ được dùng để đánh giá hiệu suất như một tập dữ liệu kiểm tra.

Sau đó sử dụng các các độ đo Mean Square Error (MSE), RMSE (Root Mean Square

Error) và R2 Score dé đánh giá độ hiệu quả của mô hình.

Lỗi bình phương trung bình (MSE) là một chỉ số quan trọng để đo lường độ chính xác của đường hồi quy so với tập hợp các điểm dữ liệu Nó phản ánh mức độ gần gũi giữa giá trị dự đoán và giá trị thực tế, đồng thời đóng vai trò là một hàm rủi ro liên quan đến giá trị kỳ vọng của tổn thất do lỗi bình phương gây ra.

Sai số trung bình bình phương (MSE) được tính bằng cách lấy giá trị trung bình của các lỗi đã được bình phương từ dữ liệu Đây là một chỉ số quan trọng liên quan đến các hàm số trong phân tích dữ liệu.

MSE lớn hơn cho thấy các điểm dữ liệu phân tán rộng rãi xung quanh giá trị trung bình, trong khi MSE nhỏ hơn cho thấy sự phân tán chặt chẽ hơn MSE nhỏ được ưa chuộng vì nó chỉ ra rằng các giá trị dữ liệu tập trung gần nhau, không bị lệch và có ít lỗi hơn, điều này phản ánh sự ổn định và độ chính xác cao trong phân tích dữ liệu.

MSE nhỏ hơn => Sai số càng nhỏ => Công cụ ước lượng tốt hơn.

N là kích thước mẫu y; là giá trị thực tế

9; là giá trị dự đoán được

R-Squared (R2 hoặc hệ số xác định) là một thước đo thống kê trong mô hình hồi quy xác định tỷ lệ phương sai trong biến phụ thuộc có thê được giải thích băng biến độc lập. Nói cách khác, bình phương r cho thấy dit liệu phù hợp với mô hình hồi quy như thế nào

Bình phương R có thể nhận bất kỳ giá trị nào trong khoảng từ 0 đến 1, với giá trị càng gần 1 thì mô hình càng có ý nghĩa Tuy nhiên, một giá trị bình phương R cao không phải lúc nào cũng chỉ ra rằng mô hình hồi quy là tốt Chất lượng của thước đo thống kê phụ thuộc vào nhiều yếu tố, bao gồm bản chất của các biến trong mô hình, đơn vị đo lường của chúng và cách dữ liệu được chuyển đổi Do đó, đôi khi bình phương R cao có thể chỉ ra các vấn đề trong mô hình hồi quy.

SSegression la éng binh phuong do hồi quy là tổng bình phương

SStotat là là tổng số bình phương

Sai số tuyệt đối trung bình (MAE) là một hàm quan trọng trong hồi quy, giúp đánh giá độ chính xác của mô hình MAE phù hợp khi bạn muốn giảm thiểu ảnh hưởng của các yếu tố ngoại lai trong quá trình phân tích dữ liệu.

Loss là giá tri trung bình của sự khác biệt tuyệt đối giữa giá trị thực và giá trị dự đoán, độ lệch theo cùng một cách.

Dữ liệu huấn LSM ceccesescecsessecsessecsecsuesuesscsssssessessessecsessessessesssssesssessesseeseeseess 51

Bộ dữ liệu huấn luyện bao gồm 223 mẫu ở định dạng CSV, trong đó có 178 mẫu dành cho tập huấn luyện (Train) và 45 mẫu cho tập đánh giá (Validation), đồng thời cũng sử dụng làm tập Test để đánh giá hiệu quả mô hình trước khi thực hiện thử nghiệm thực tế.

Hình 6 3: Thong kê của bộ dữ liệu

Bảng 6: Thông kế chỉ tiết mẫu dữ liệu

Nông độ Mẫu chất béo Train Validation Tổng cộng

Xúc xích bò Vissan 175g 7.86 16 7 23 Xúc xích heo Vissan 280g 8.43 20 6 26

Xúc xích bò Vissan 280g 9.68 23 2 25 Xúc xích cocktail Vissan 200g 10.9 21 4 25

Gid lua bi Vissan 250g 12 17 8 25 Xúc xích Happy Vissan 500g 12.5 18 4 22

Bộ dữ liệu của chúng tôi bao gồm các mẫu sản phẩm từ thịt với tỷ lệ chất béo dao động từ 7.86% đến 15.3% Để đánh giá mô hình trước khi thực nghiệm, chúng tôi sử dụng tập huấn luyện (train) và tập đánh giá (test) đã được chia sẵn.

Mô tả quy trình thực nghiỆm - - - G6 22 222113111531 E951 5111 1119 11v ng hư 53

Chúng tôi đã thực hiện đánh giá độ chính xác của đề tài "ứng dụng phân tích quang phổ cận hồng ngoại trong kiểm định chất lượng sản phẩm thịt" thông qua các quy trình xử lý cụ thể.

Pre-Processing Training Detection Evalution (R2 Score,

Quy trình dự đoán và đánh giá thực nghiệm bắt đầu với bộ dữ liệu bao gồm hai tập train và validation, chứa dữ liệu thu thập từ cảm biến cùng với nhãn tương ứng Bộ dữ liệu này đã được chuẩn bị sẵn dưới định dạng file csv để phục vụ cho việc huấn luyện mô hình.

Sau khi hoàn tất quá trình xử lý trước dữ liệu, chúng tôi sẽ chuẩn hóa các giá trị thuộc tính về một tỷ lệ gọi là “độ hấp thụ” như đã đề cập trong phần 4.3 Tiếp theo, tập dữ liệu huấn luyện sẽ được đưa vào các mô hình để đào tạo, trong khi tập dữ liệu xác thực sẽ được sử dụng để đánh giá hiệu suất của mô hình như một tập dữ liệu kiểm tra.

Sau đó sử dụng các các độ đo Mean Square Error (MSE), RMSE (Root Mean Square

Error) và R2 Score dé đánh giá độ hiệu quả của mô hình.

Phương pháp đánh Gia oo eee eeceeeseeeeeeseeeceeseeeeeseeseeeseeseceseeseceeeeseceeeeaeeeeeeaeeees 54

Lỗi bình phương trung bình (MSE) là chỉ số đo lường độ chính xác của đường hồi quy so với tập hợp điểm dữ liệu Nó thể hiện mức độ gần gũi giữa giá trị dự đoán và giá trị thực tế, đồng thời phản ánh rủi ro liên quan đến giá trị kỳ vọng của tổn thất từ lỗi bình phương.

Sai số trung bình bình phương (MSE) được xác định bằng cách tính giá trị trung bình của các lỗi đã được bình phương từ dữ liệu, nhằm phản ánh mức độ sai lệch giữa giá trị dự đoán và giá trị thực tế.

MSE lớn cho thấy các điểm dữ liệu phân tán rộng rãi xung quanh giá trị trung bình, trong khi MSE nhỏ hơn cho thấy sự phân tán chặt chẽ hơn MSE nhỏ hơn được ưa chuộng vì nó chỉ ra rằng các điểm dữ liệu gần gũi với trung tâm, phản ánh sự phân phối tập trung và không bị lệch, đồng thời cho thấy ít lỗi hơn, được đo bằng sự phân tán của các điểm dữ liệu so với giá trị trung bình.

MSE nhỏ hơn => Sai số càng nhỏ => Công cụ ước lượng tốt hơn.

N là kích thước mẫu y; là giá trị thực tế

9; là giá trị dự đoán được

R-Squared (R2 hoặc hệ số xác định) là một thước đo thống kê trong mô hình hồi quy xác định tỷ lệ phương sai trong biến phụ thuộc có thê được giải thích băng biến độc lập. Nói cách khác, bình phương r cho thấy dit liệu phù hợp với mô hình hồi quy như thế nào

Bình phương R có thể nhận giá trị từ 0 đến 1, với giá trị càng gần 1 thì mô hình càng có ý nghĩa Tuy nhiên, một bình phương R cao không luôn luôn đồng nghĩa với một mô hình hồi quy tốt Chất lượng của thước đo thống kê phụ thuộc vào nhiều yếu tố như bản chất của các biến, đơn vị đo lường và cách chuyển đổi dữ liệu Do đó, một bình phương R cao có thể chỉ ra các vấn đề tiềm ẩn trong mô hình hồi quy.

SSegression la éng binh phuong do hồi quy là tổng bình phương

SStotat là là tổng số bình phương

Sai số tuyệt đối trung bình (MAE) là một hàm toán học quan trọng trong hồi quy MAE được sử dụng khi bạn thực hiện hồi quy và muốn giảm thiểu ảnh hưởng của các yếu tố ngoại lai.

Loss là giá tri trung bình của sự khác biệt tuyệt đối giữa giá trị thực và giá trị dự đoán, độ lệch theo cùng một cách.

MAE (Mean Absolute Error) không bị ảnh hưởng bởi các giá trị ngoại lai, và trong một số ví dụ với giá trị tính năng đầu vào tương tự, dự đoán tối ưu sẽ là giá trị mục tiêu trung bình So với sai số trung bình bình phương (MSE), trong đó dự đoán tối ưu là giá trị trung bình, MAE thể hiện sự ổn định hơn khi xử lý các dữ liệu có ngoại lệ.

MAE = men TE (phuong trinh 6.4.3)

Trong do: y; là giá tri dự đoán x; là giá trị thực n là tông sô mau dữ liệu

6.5.1 Kết quả đo đạt với bộ dữ liệu validation chia trước

Bảng 7: Thống kê chỉ tết kết quả dự đoán của mô hình với bộ dữ liệu validation

Giá trị Giá trị | Độ sai số phần trung bình | tương đối

trăm | Giá trị phần trăm chất | phân trăm | giữa giá

STT Loại chất béo | béo dự đoán (g/100g) | châtbéo | trị dự thực tế dự đoán đoán so

Bảng 7 thể hiện chi tiết kết quả dự đoán của 45 mẫu dữ liệu thuộc 9 loại xúc xích và chả lụa, so sánh với giá trị hiệu chuẩn phần trăm chất béo do nhà phân phối sản phẩm cung cấp.

Bang 8 1a tri số RMSE, MAE, R2 score trên toàn bộ 45 mẫu dữ liệu này

Dữ liệu dự đoán có thể cao hơn hoặc thấp hơn giá trị thực tế, nhưng luôn dao động quanh giá trị này.

58 Điểm MSE, MAE và R2 Score:

Bang 8: Điển R2_Score, MAE, RMSE chung cho bộ dữ liệu validation

Hình 6 6: Độ twong quan giữa giá tri thật và giá trị dw đoán của bộ dữ liệu validation

Mô hình dự đoán thể hiện độ chính xác tương đối tốt, như được minh họa trong hình 6.6 và 6.7 Mặc dù mô hình hiện tại chưa quá phức tạp, nhưng khả năng áp dụng các thuật toán phức tạp hơn để tối ưu hóa và nâng cao tỉ lệ chính xác là hoàn toàn khả thi.

Kiểm thử bằng dữ liệu kiểm thử

Xúc xích 7.86 Xúc xích 8.43 Xúc xích 9 và Xúc xích 10.9 Xúc xích 12 Xúc xích 12.5 Xúc xích 13.9 Xúc xích 15.3

Hình 6 7: RMSE và MAE của các loại mẫu khác nhau cia bộ dữ liệu validation

Hình 6.7 thể hiện chi tiết về chi số RMSE và MAE của bộ dé liệu validation

6.5.2 Kết quả đo đạt trên các mẫu dữ liệu thực tế

Bảng 9: Thống kê chỉ tiết kết quả dự đoán của mô hình với dữ liệu thực tế

Giá trị độ sai phần trăm giữa các trạm đo lường chất béo là một yếu tố quan trọng trong việc xác định độ chính xác của các dự đoán về phần trăm chất béo thực tế Bảng số liệu sẽ trình bày các loại chất béo cùng với giá trị dự đoán phần trăm và giá trị thực tế tính theo gam trên 100 gam Việc phân tích những sai số này giúp cải thiện độ tin cậy của các phương pháp đo lường chất béo.

Xúc xích boom mai vàng 190g

Gio lụa issan 500g dac biét

Xúc xích gold five star 200g

Bảng 10: Điểm R2_Score, MAE, RMSE chung cho bộ dữ liệu thực tế

Y-Actual vs ¥-Predicted: Yj vs Yj

Hình 6 8: Độ twong quan giữa gid trị thật va giá trị dự đoán của bộ dữ liệu thực tế

Bảng 9 trình bày chi tiết kết quả dự đoán từ 93 mẫu dữ liệu thuộc 7 loại xúc xích và chả lụa, so sánh với giá trị hiệu chuẩn phần trăm chất béo do nhà phân phối sản phẩm cung cấp.

Vissan đã cung cấp một bộ dữ liệu kiểm thử thực tế gồm 5 loại xúc xích đã được sử dụng để huấn luyện và 2 loại khác chưa từng xuất hiện trong dữ liệu huấn luyện.

Bảng 10 là trị số RMSE, MAE, R2 score trên toàn bộ 93 mẫu dữ liệu này

Dữ liệu thực tế cho thấy rằng dự đoán có thể đạt được độ chính xác tương tự như khi sử dụng tập dữ liệu kiểm thử Những sai số trong dự đoán thường dao động từ -2 đến +2 đơn vị nguyên, cho thấy sự gần gũi với giá trị thực tế.

Kết quả đo đạt trên dữ liệu thực tế

Xúc xich 8.43 Xúc xích8.44 Xúc xích 9 Xúc xích9.68 Xúc xích 10.9 Xúc xích 11.5 Xúc xích 13.9

Hình 6 9: RMSE và MAE của các loại mẫu khác nhau của bộ dữ liệu thực tế

Trong hình 6.9, có sự khác biệt rõ rệt giữa các mẫu sản phẩm có giá trị phần trăm chất béo cao hơn và các mẫu có giá trị thấp hơn, với sai số lớn hơn ở nhóm sản phẩm cao Phần giải thích chi tiết sẽ được trình bày ở mục 6.6.2.

Hình 6 10: Giao điện bắt dau trên thiết bị thực tế

Giao diện bắt đầu quy trình đo dữ liệu

Tiên hành đặt mau vào vi trí

Mẫu sẽ được đặt vào trong khuôn mẫu được thiết kế sẵn trong thiết bị Bề mặt mẫu phải song song phương ngang.

66 Đóng nắp thiết bị để tránh ánh sáng bên ngoài môi trường có thê gây nhiễu cho thiết bị.

Sau 1.04 giây kế từ lúc nhắn nút do, ta đã có kết quả hiện trên màn hình là 9.34%

6.5.4 Tốc độ đo đạt của thiết bị

Biểu đồ thời gian đo đạt của thiết bị với 7 loại sản phẩm thực tế

Hình 6 14: Thời gian do đạt ngoài thực tế