BỘ LAO ĐỘNG - THƯƠNG BINH VÀ XÃ HỘI
TRƯỜNG ĐẠI HỌC SƯ PHẠM KỸ THUẬT VĨNH LONG

BÁO CÁO HỌC PHẦN

PHÂN LOẠI CHẤT LƯỢNG ĐỒ ĂN
TRÊN ẢNH KHOAI TÂY CHIÊN
BẰNG KỸ THUẬT MÁY HỌC
HỌC PHẦN: TRÍ TUỆ NHÂN TẠO

Sinh viên thực hiện: 20004139 – Nguyễn Hưng
Phát
20004194 – Nguyễn Thanh
Thảo
Lớp: 20004239 – Phạm Khả Tú
Khóa: ĐH CNTT20
Giảng viên hướng 45
dẫn:
TS. Phan Anh Cang


BỘ LAO ĐỘNG - THƯƠNG BINH VÀ XÃ HỘI
TRƯỜNG ĐẠI HỌC SƯ PHẠM KỸ THUẬT VĨNH LONG
Vĩnh Long, 13 tháng 06 năm 2023


BỘ LAO ĐỘNG - THƯƠNG BINH VÀ XÃ HỘI
TRƯỜNG ĐẠI HỌC SƯ PHẠM KỸ THUẬT VĨNH LONG

BÁO CÁO HỌC PHẦN

PHÂN LOẠI CHẤT LƯỢNG ĐỒ ĂN
TRÊN ẢNH KHOAI TÂY CHIÊN
BẰNG KỸ THUẬT MÁY HỌC
HỌC PHẦN: TRÍ TUỆ NHÂN TẠO

Sinh viên thực hiện: 20004139 – Nguyễn Hưng
Phát
20004194 – Nguyễn Thanh
Thảo
Lớp: 20004239 – Phạm Khả Tú
Khóa: ĐH CNTT20
Giảng viên hướng 45
dẫn:
TS. Phan Anh Cang

Vĩnh Long, 13 tháng 06 năm 2023


i

NHẬN XÉT & ĐÁNH GIÁ ĐIỂM CỦA NGƯỜI HƯỚNG DẪN
Ý thức thực hiện:......................................................................................................
..................................................................................................................................
..................................................................................................................................
..................................................................................................................................
Nội dung thực hiên:..................................................................................................
..................................................................................................................................
..................................................................................................................................
..................................................................................................................................
Hình thức trình bày: .................................................................................................

..................................................................................................................................
..................................................................................................................................
..................................................................................................................................
Tổng hợp kết quả: ....................................................................................................
..................................................................................................................................
..................................................................................................................................
..................................................................................................................................
 Tổ chức báo cáo trước hội đồng
 Tổ chức chấm thuyết minh
Vĩnh Long,ngày……tháng……năm…….
Người hướng dẫn

(Ký và ghi rõ họ tên)


ii

LỜI CẢM ƠN
Trước hết chúng em xin bày tỏ lòng biết ơn đối với tất cả các thầy cô trong Khoa
Công nghệ thông tin - Trường Đại học Sư Phạm Kỹ Thuật Vĩnh Long. Đặc biệt nhất là
thầy Phan Anh Cang và cơ Nguyễn Ngọc Hồng Qun, là những người đã dành cho
chúng em rất nhiều thời gian quý báu, trực tiếp hướng dẫn tận tình giúp đỡ, chỉ bảo và
góp ý cho em trong suốt q trình làm đề tài báo cáo môn học này.
Chúng em xin chân thành cảm ơn các thầy cô tham gia giảng dạy và truyền đạt
những kiến thức quý báu về học tập. Thầy, cơ đã tận tình hướng dẫn chúng em, góp ý,
đưa ra những lỗi sai và củng cố lại kiến thức chuyên ngành cho chúng em.
Tuy có nhiều cố gắng trong quá trình học tập cũng như trong quá trình làm đề tài
báo cáo môn học nhưng không thể tránh khỏi những thiếu sót, chúng em rất mong được
sự góp ý quý báu của tất cả các thầy, cô cũng như tất cả các bạn để kết quả của chúng
em được hoàn thiện ngày một tốt hơn.

Cuối cùng chúng em xin kính chúc q thầy, cơ dồi dào sức khỏe và thành công
trong sự nghiệp cao quý.
Một lần nữa, chúng em xin chân thành cảm ơn!

MỤC LỤ


iii

C
NHẬN XÉT & ĐÁNH GIÁ ĐIỂM CỦA NGƯỜI HƯỚNG DẪN.......................................
LỜI CẢM ƠN...........................................................................................................................
MỤC LỤC.................................................................................................................................
DANH MỤC HÌNH ẢNH........................................................................................................
DANH MỤC CÁC BẢNG.......................................................................................................
DANH MỤC CÁC CHỮ VIẾT TẮT......................................................................................
MỞ ĐẦU.................................................................................................................................
1.

TÍNH CẤP THIẾT CỦA ĐỀ TÀI............................................................................1

2.

MỤC TIÊU NGHIÊN CỨU......................................................................................2

3.

ĐỐI TƯỢNG NGHIÊN CỨU..................................................................................3

4.


PHẠM VI NGHIÊN CỨU........................................................................................3

5.

PHƯƠNG PHÁP NGHIÊN CỨU.............................................................................3

6.

Ý NGHĨA KHOA HỌC VÀ THỰC TIỄN...............................................................3

7.

CẤU TRÚC CỦA BÁO CÁO..................................................................................3

CHƯƠNG 1. CƠ SỞ KHOA HỌC CỦA ĐỀ TÀI..........................................................5
1.1. Giới thiệu...................................................................................................................5
Khoai tây bình thường.......................................................................................................6
Khoai tây bị lỗi.................................................................................................................6
1.2. Lý do chọn đề tài.......................................................................................................7
1.3. Cơ sở lý luận.............................................................................................................8
1.4. Cơ sở thực tiễn..........................................................................................................9
1.5. Nghiên cứu liên quan..............................................................................................10
1.6. Vấn đề đặt ra...........................................................................................................11
1.7. Hướng giải quyết.....................................................................................................11
CHƯƠNG 2. CƠ SỞ LÝ THUYẾT...............................................................................13
2.1. Tiêu chuẩn khoai tây khi sản xuất...........................................................................13
2.1.1.

Nguyên nhân và các yếu tố liên quan...............................................................14



iv
2.1.2.

Dấu hiệu............................................................................................................15

2.1.3.

Phương pháp phân loại.....................................................................................15

2.1.4.

Đặc lỗi trên hình ảnh khoai tây chiên...............................................................15

2.2. Khái niệm về trí tuệ nhân tạo..................................................................................16
2.2.1.

Khái niệm..........................................................................................................16

2.2.2.

Một số cơng nghệ Trí tuệ nhân tạo phổ biến....................................................16

2.2.3.

Ứng dụng của trí tuệ nhân tạo trong cuộc sống hiện nay.................................17

2.3. Kỹ thuật máy học (machine learning).....................................................................20
2.3.1.


Khái niệm Machine Learning...........................................................................20

2.3.2.

Machine learning Workflow.............................................................................20

2.3.3.

Phân loại Machine learning..............................................................................21

1.

Supervised learning.................................................................................................22

2.

Unsupervised learning.............................................................................................22

2.3.4.

Một số khái niệm cơ bản...................................................................................22

2.3.5.

Ứng dụng của Machine learning.......................................................................23

2.4. Kỹ thuật học sâu (Deep Learning ).........................................................................24
2.4.1.


Khái niệm Deep Learning.................................................................................24

2.4.2.

Cách thức hoạt động của Deep Learning..........................................................25

2.4.3.

Các ưu điểm nổi bật của Deep Learning...........................................................26

2.4.4.

Ứng dụng của Deep Learning...........................................................................26

2.5. Mạng học sâu và vai trò..........................................................................................27
2.5.1.

Vai trò của học sâu trong phát hiện và dự đốn................................................27

2.5.2.

Mạng nơ-ron tích chập CNN............................................................................27

1.

Trường tiếp nhận cục bộ (local receptive field)......................................................29

2.

Trọng số chia sẻ (Shared weight and bias)..............................................................31


3.

Lớp tổng hợp (pooling layer)..................................................................................32

4.

Lớp kết nối đầy đủ (fully connected)......................................................................33


v
2.5.3.

Transfer Learning.............................................................................................33

2.5.3. Kiến trúc mạng VGG-16......................................................................................35
2.5.5. Kiến trúc mạng ResNet........................................................................................37
2.5.6 Kiến trúc mạng InceptionV3.................................................................................39
2.5.4.

Kiến trúc mạng DenseNet121...........................................................................41

2.5.5.

Kiến trúc mạng Vision Transformer.................................................................42

2.5.6.

Đánh giá mơ hình............................................................................................43


2.6. Cơng cụ xây dựng...................................................................................................49
2.6.1.

Sử dụng Google Colab......................................................................................49

2.6.2.

Thư viện máy học Tensorflow..........................................................................51

2.6.3.

Thư viện máy học Keras API...........................................................................53

CHƯƠNG 3. PHƯƠNG PHÁP NGHIÊN CỨU...........................................................54
3.1. Mơ hình đề xuất......................................................................................................54
3.1.1.

Kiến trúc đề xuất phân loại chất lượng đồ ăn...................................................54

3.1.2.

Mơ hình VGG16 phân loại chất lượng đồ ăn dựa trên hình ảnh khoai tây chiên.
..........................................................................................................................54

3.1.3. Mơ hình ResNet50 phân loại chất lượng đồ ăn dựa trên hình ảnh khoai tây
chiên........................................................................................................................55
3.1.4. Mơ hình InceptionV3 phân loại chất lượng đồ ăn dựa trên hình ảnh khoai tây
chiên........................................................................................................................55
3.1.5. Mơ hình DenseNet121 phân loại chất lượng đồ ăn dựa trên hình ảnh khoai tây
chiên........................................................................................................................55

3.1.6.

Mơ hình ViT phân loại chất lượng đồ ăn dựa trên hình ảnh khoai tây chiên...56

3.2. Pha tiền xử lý và tăng cường dữ liệu.......................................................................56
3.2.1

Tiền xử lý ảnh trích xuất hình ảnh áp dụng bằng kỹ thuật cắt ảnh...................56

3.2.2

Tăng cường dữ liệu áp dụng kỹ thuật lật ảnh...................................................56

3.3. Phan huấn luyện......................................................................................................57
3.4. Pha phân loại...........................................................................................................57
CHƯƠNG 4. KẾT QUẢ NGHIÊN CỨU VÀ THỰC NGHIỆM.................................58


vi
4.1. Môi trường thực nghiệm.........................................................................................58
4.2. Kịch bản và tham số huấn luyện.............................................................................59
4.2.1.

Kịch bản 1:........................................................................................................59

4.2.2.

Kịch bản 2:........................................................................................................59

4.2.3.


Kịch bản 3:........................................................................................................59

4.2.4.

Kịch bản 4:........................................................................................................59

4.2.5.

Kịch bản 5:........................................................................................................60

4.3. Kết quả huấn luyện..................................................................................................60
4.3.1.

Độ chính xác.....................................................................................................60

Kịch bản 1:.....................................................................................................................60
Kịch bản 2:.....................................................................................................................61
Kịch bản 3:.....................................................................................................................61
Kịch bản 4:.....................................................................................................................62
Kịch bản 5:.....................................................................................................................62
4.3.2.

Độ mất mác (Loss) Kịch bản 1:........................................................................62

Kịch bản 2:.....................................................................................................................63
Kịch bản 3:.....................................................................................................................63
Kịch bản 4:.....................................................................................................................64
Kịch bản 5:.....................................................................................................................64
4.3.4. Thời gian huấn luyện............................................................................................65

4.4. KẾT QUẢ KIỂM THỬ Kịch bản 1:.......................................................................66
Kịch bản 2:.....................................................................................................................67
Kịch bản 3:.....................................................................................................................67
Kịch bản 4:.....................................................................................................................68
Kịch bản 5:.....................................................................................................................68
CHƯƠNG 5. KẾT LUẬN – HƯỚNG PHÁT TRIỂN..................................................69
5.1. Kết luận...................................................................................................................69


vii
5.2. Hướng phát triển.....................................................................................................69
TÀI LIỆU THAM KHẢO...............................................................................................71


viii

DANH MỤC HÌNH ẢNH
Hình 1.1. Khoai tây bình thường vs. Khoai tây bị lỗi.................................................4
Hình 2.1. Hình ảnh phân loại lỗi của khoai tây........................................................13
Hình 2.2. Machine Learning Workflow....................................................................18
Hình 2.3. Minh họa về Supervised learning.............................................................20
Hình 2.4. Minh họa về Unsupervised learning.........................................................20
Hình 2.5. Deep Learning...........................................................................................22
Hình 2.6. Ví dụ về cửa sổ trượt.................................................................................26
Hình 2.7. Ví dụ về mơ hình CNN.............................................................................27
Hình 2.8. Tạo ra Neuron ẩn đầu tiên.........................................................................28
Hình 2.9. Dịch filter qua phải...................................................................................29
Hình 2.10. Các hidden layer.....................................................................................29
Hình 2.11. Max-pooling............................................................................................30
Hình 2.12. Convolutional Neural Network...............................................................31

Hình 2.13. Fully Connected......................................................................................31
Hình 2.14. Transfer Learnings..................................................................................32
Hình 2.15. So sánh độ chính xác và thời gian huấn luyện khi áp dụng....................33
Hình 2.16. Kiến trúc mạng VGG-16.........................................................................33
Hình 2.17. Cộng trực tiếp đầu vào của khối với nhánh cịn lại.................................35
Hình 2.18. Kiến trúc ResNet50 bao gồm 2 khối đặc trưng là...................................36
Hình 2.19. Kiến trúc tổng quan của mạng ResNet50...............................................36
Hình 2.20. Sơ đồ khối của ColonSegNet..................................................................38
Hình 2.21. Kiến trúc mạng InceptionV3...................................................................39
Hình 2.22. Kiến trúc mạng DenseNet121.................................................................39
Hình 2.23. Kiến trúc mạng ViT................................................................................40
Hình 2.24. Cách tính IoU..........................................................................................41
Hình 2.25. Precision và Recall..................................................................................42
Hình 2.26. Minh họa cơng thức Precision và Recall................................................43
Hình 2.27. Sự thay đổi của TPR và FPR..................................................................44
Hình 3.1. Mơ hình đề xuất phát hiện ung thư trực tràng dựa trên............................50
Hình 3.2. Mơ hình VGG16 đề xuất...........................................................................50


ix
Hình 3.3. Mơ hình ResNet50 đề xuất.......................................................................51
Hình 3.4. Mơ hình InceptionV3 đề xuất...................................................................51
Hình 3.5. Mơ hình DenseNet121 đề xuất.................................................................51
Hình 3.6. Mơ hình ViT đề xuất.................................................................................52
Hình 3.7. Tiền xử lý cắt ảnh ....................................................................................53
Hình 3.8. Tiền xử lý lật và xoay ảnh.........................................................................53
Hình 3.9. Thông số huấn luyện được cải thiện sau mỗi epoch.................................53
Hình 4.1. Độ chính xác của mơ hình VGG16...........................................................57
Hình 4.2. Độ chính xác mơ hình ResNet50..............................................................58
Hình 4.3. Độ chính xác của mơ hình InceptionV3...................................................58

Hình 4.4. Độ chính xác của mơ hình DenseNet121..................................................59
Hình 4.5. Độ chính xác của mơ hình ViT.................................................................59
Hình 4.6. Độ mất mác của mơ hình VGG16............................................................60
Hình 4.7. Độ mất mác mơ hình ResNet50................................................................60
Hình 4.8. Độ mất mác mơ hình InceptionV3............................................................60
Hình 4.9. Độ mất mác mơ hình DenseNet121..........................................................61
Hình 4.10. Độ mất mác mơ hình ViT.......................................................................61
Hình 4.11. Biểu đồ so sánh độ chính xác..................................................................62
Hình 4.12. biểu đồ so sánh thời gian huấn luyện......................................................63
Hình 4.13. Kết quả thu được mơ hình VGG16.........................................................63
Hình 4.14. Kết quả thu được mơ hình ResNet50......................................................63
Hình 4.15. Kết quả thu được mơ hình InceptionV3..................................................64
Hình 4.16. Kết quả thu được mơ hình DenseNet121................................................64
Hình 4.17. Kết quả thu được mơ hình ViT ..............................................................65


x

DANH MỤC CÁC BẢNG
Bảng 2.1. Thơng số cấu hình mạng ..........................................................................34
Bảng 2.2. Cấu hình phần cứng do Google Colab cung cấp......................................45
Bảng 4.1. Thông số môi trường huấn luyện..............................................................55
Bảng 4.2. Thông số kịch bản 1.................................................................................56
Bảng 4.3. Thông số kịch bản 2.................................................................................56
Bảng 4.4. Thông số kịch bản 3.................................................................................56
Bảng 4.5. Thông số kịch bản 4.................................................................................56
Bảng 4.6. Thông số kịch bản 5.................................................................................57
Bảng 4.7. Bảng so sánh và lựa chọn mơ hình...........................................................62
Bảng 4.8. Thời gian huấn luyện................................................................................62



xi

DANH MỤC CÁC CHỮ VIẾT TẮT
STT

Kí hiệu

Nội dung đầy đủ

1

AI

2

CPU

Central Processing Unit

3

CNN

Convolutional Neural Networks

4

GPU


Graphics Processing Unit

5

mAP

Mean Average Precision

6

IOT

Internet Of Things

7

ViT

Vision Transformer

Artifical Intelligent


MỞ ĐẦU
1. TÍNH CẤP THIẾT CỦA ĐỀ TÀI
Trong thời gian vừa qua, báo đài cũng như trên các phương tiện truyền
thông đã lan truyền về thông tin hai anh em làm nghề vá lốp xe lưu động bị
ngộ độc botulinum, nghi ngờ do chả lụa bên trong ổ bánh mì mà hai người đã
ăn.
Theo trang điều kiện để bào tử

phát triển và sinh độc tố là: “Mơi trường ít hoặc khơng có oxy, lượng axit
thấp, đường, muối thấp, ở một nhiệt độ, lượng nước nhất định. Do đó, ở những
thực phẩm đóng hộp, bảo quản hoặc lên men tại nhà khơng đúng cách có thể
tạo điều kiện thích hợp cho các bào tử phát triển và tạo ra độc tố botulinum.
Khi ăn những thực phẩm này có thể dẫn đến tình trạng ngộ độc.”
Điều này cho thấy việc đảm bảo an toàn cho nguồn thực phẩm được cung
cấp ra thị trường cũng như khi ăn tại nhà là vô cùng cần thiết, nếu khơng có
thể dẫn đến tình trạng nguy hiểm cho tính mạng người tiêu dùng.
Trong bài báo cáo này, em tập trung nghiên cứu phân loại chất lượng của
bánh khoai tây chiên trong bịch, loại trẻ em rất thích, thường được bày bán rất
nhiều ngồi lề đường hay đặc biệt ở trước cổng trường tiểu học. Như chúng ta
thường thấy các lọi thực phẩm bán ngoài lề đường đa số không đảm bảo được
việc bảo quản an toàn và chất lượng đồ ăn. Đối tượng sử dụng phần nhiều là
trẻ em, người chưa có đủ ý thức để phân biệt cái nào nên và không nên ăn. Do
đó, điều này đã cho chúng em nguồn cảm hứng cũng như ý tưởng thực hiện đề
tài PHÂN LOẠI CHẤT LƯỢNG ĐỒ ĂN DỰA TRÊN ẢNH KHOAI TÂY
CHIÊN BẰNG KỸ THUẬT MÁY HỌC.
Phân loại chất lượng đồ ăn trên ảnh khoai tây chiên là một đề tài tương đối
cấp thiết trong thời điểm hiện tại trong lĩnh vực xử lý ảnh và trí tuệ nhân tạo.
Trên thực tế, ngày nay, hình ảnh đồ ăn trở thành một phần quan trọng trong
cuộc sống hàng ngày của chúng ta, đặc biệt là trên các nền tảng truyền thông
xã hội và ứng dụng di động. Tuy nhiên, việc xác định chất lượng của đồ ăn
trên hình ảnh là một cơng việc khá khó khăn đối với con người.

1


Vì vậy, sự phát triển của các hệ thống phân loại chất lượng đồ ăn trên ảnh
khoai tây chiên đóng một vai trò quan trọng trong việc tăng cường trải nghiệm
người dùng và đảm bảo sự chính xác trong việc đánh giá sản phẩm. Đối với

ngành công nghiệp bánh kẹo, việc có một hệ thống phân loại chất lượng đồ ăn
chính xác có thể giúp đảm bảo chất lượng và hình ảnh thương hiệu, từ đó thu
hút được nhiều khách hàng.
Tuy nhiên, phân loại chất lượng đồ ăn trên ảnh khoai tây chiên không chỉ
đơn thuần là một vấn đề về nhận dạng và phân loại hình ảnh. Nó bao gồm
nhiều yếu tố như màu sắc, hình dáng, kích thước, độ bóng, vết nứt, và sự đồng
nhất trong từng chi tiết. Hơn nữa, yếu tố cá nhân và tiêu chuẩn chất lượng
cũng có thể thay đổi từ người này sang người khác.
Để giải quyết vấn đề này, các phương pháp tiên tiến trong trí tuệ nhân tạo
đã được áp dụng. Ví dụ, các mơ hình học sâu và mạng nơ-ron tích chập đã
được sử dụng để xây dựng các hệ thống phân loại chất lượng đồ ăn dựa trên
ảnh khoai tây chiên. Các mơ hình này có khả năng học từ dữ liệu lớn và nhận
diện các đặc trưng phức tạp trong hình ảnh, từ đó đưa ra những đánh giá chất
lượng chính xác hơn.
Điều quan trọng là việc phân loại chất lượng đồ ăn trên ảnh khoai tây
chiên có thể đóng góp vào sự tiết kiệm thời gian và cơng sức của con người.
Thay vì phải dành nhiều thời gian để đánh giá và phân loại đồ ăn một cách thủ
cơng, hệ thống tự động có thể hồn thành cơng việc này nhanh chóng và hiệu
quả.
Tóm lại, tính cấp thiết của đề tài phân loại chất lượng đồ ăn khơng chỉ tạo
ra những tiện ích trong việc đánh giá và phân loại sản phẩm một cách tự động,
mà còn mang lại lợi ích về chất lượng và trải nghiệm người dùng. Với sự phát
triển tiếp tục của trí tuệ nhân tạo và công nghệ xử lý ảnh, chúng ta có thể kỳ
vọng rằng hệ thống phân loại chất lượng đồ ăn sẽ trở nên ngày càng chính xác
và phổ biến hơn trong tương lai gần.
2. MỤC TIÊU NGHIÊN CỨU
- Thu thấp dữ liệu hình ảnh đạt tiêu chuẩn và khơng đạt tiêu chuẩn của
khoai tây chiên trong quy trình sản xuất bánh.

2



- Tìm hiểu đặc điểm đánh giá chất lượng khoai tây đạt tiêu chuẩn và chất
lượng khoai tây không đạt tiêu chuẩn.
- Tìm hiểu các mơ hình mạng dùng để phân tích và nhận dạng như VGG16,
InceptionV3, ResNet50, DenseNet121, Vision Transformer.
- Phát hiện và khoanh vùng khoai tây bị hư hại làm giảm chất lượng đồ ăn
theo các mơ hình Deep Learning và các tập dữ liệu đã thu thập.
3. ĐỐI TƯỢNG NGHIÊN CỨU
- Các ảnh khoai tây trong quy trình sản xuất.
- Các tập dữ liệu và các mơ hình học sâu.
4. PHẠM VI NGHIÊN CỨU
- Đề tài nghiên cứu về phương pháp phân loại và khoanh vùng chất lượng
đồ ăn vào nghiên cứu và các dữ liệu khoa học được công bố.
- Phân loại tổn thương đồ ăn đạt chất lượng và không đạt chất lượng.
- Nghiên cứu một số mạng như: VGG16, InceptionV3, ResNet50,
DenseNet121, Vision Transformer.
5. PHƯƠNG PHÁP NGHIÊN CỨU
- Phương pháp lý thuyết: Tìm hiểu, phân tích các vấn đề liên quan về chất
lượng đồ ăn và những nghiên cứu khoa học liên quan về đề tài.
- Phương pháp thực nghiệm đề tài: Xây dựng lập trình bằng ngơn ngữ lập
trình chun về AI là Python kết hợp với các thư viện đã được phát triển và
nguồn mở.
6. Ý NGHĨA KHOA HỌC VÀ THỰC TIỄN
- Tập hợp dữ liệu chất lượng đồ ăn.
- Phân loại và khoanh vùng tự động chất lượng khoai tây trong quy trình
sản xuất.
- Đề xuất cải tiến, so sánh đánh giá giữa các mơ hình.
- So sánh đánh giá một số phương pháp: VGG16, InceptionV3,
ResNet50, DenseNet121, Vision Transformer.

7. CẤU TRÚC CỦA BÁO CÁO
Trong quyển báo cáo tiểu luận bao gồm những nội dung được trình bày từ
cơ sở lý thuyết, nguyên cứu liên quan, phương pháp đề xuất và kết quả thực
nhiệm được trình bày vào các chương theo bố cục sau:

3


MỞ ĐẦU: Trình bày nội dung tính cấp thiết đề tài, mục tiêu, phạm vi, phương
pháp và ý nghĩa thực hiện của đề tài.
CHƯƠNG 1 - CƠ SỞ KHOA HỌC CỦA ĐỀ TÀI: Trình bày nội dung chất
lượng đồ ăn, cơ sở phát hiện, khoanh vùng và phân loại chất lượng khoai tây trong
dây chuyền sản xuất.
CHƯƠNG 2 - CƠ SỞ LÝ THUYẾT: Trình bày nội dung về cơ sở lý thuyết được
sử dụng trong các phương pháp được đề xuất.
CHƯƠNG 3 - PHƯƠNG PHÁP NGHIÊN CỨU: Trình bày cơng việc cụ thể từng
pha xử lý được thực hiện từ kiến trúc đề xuất. Môi trường thực nghiệm và phương
pháp đề xuất cũng được trình bày ở chương này.
CHƯƠNG 4 - KẾT QUẢ NGHIÊN CỨU VÀ THỰC NGHIỆM: Trình bày kết
quả thực nghiệm đạt được.
CHƯƠNG 5 - KẾT LUẬN VÀ HƯỚNG PHÁT TRIỂN: Trình bày tóm tắt về kết
quả đạt được, những đóng góp cũng như hướng phát triển tiếp theo sau khi thực
hiện đề tài.

4


CHƯƠNG 1. CƠ SỞ KHOA HỌC CỦA ĐỀ TÀI
1.1. Giới thiệu
Việc xác định khoai tây chiên bị lỗi và không bị lỗi bằng trí tuệ nhân tạo (AI)

liên quan đến việc áp dụng các thuật toán máy học và kỹ thuật thị giác máy tính.
Bằng cách tận dụng những cơng nghệ này, AI có thể phân tích các đặc điểm hình
ảnh khác nhau của khoai tây chiên để phân biệt giữa những loại bị lỗi và những loại
khơng có.
Một trong những bước quan trọng trong quy trình là thu thập dữ liệu. Một bộ dữ
liệu đa dạng bao gồm hình ảnh của cả khoai tây chiên bị lỗi và không bị lỗi được
thu thập. Những hình ảnh này đóng vai trị là nền tảng để đào tạo mơ hình AI. Mỗi
hình ảnh được dán nhãn cẩn thận để cho biết nó đại diện cho khoai tây bị lỗi hay
khơng bị lỗi, cho phép mơ hình tìm hiểu các đặc điểm phân biệt giữa hai loại.
Tiếp theo, mơ hình AI trải qua một giai đoạn đào tạo, nơi nó học cách nhận dạng
các mẫu và tính năng giúp phân biệt khoai tây chiên bị lỗi và không bị lỗi. Điều này
đạt được thơng qua việc sử dụng các thuật tốn học sâu, chẳng hạn như mạng thần
kinh tích chập (CNN), đặc biệt hiệu quả trong các nhiệm vụ phân loại hình ảnh. Mơ
hình được cung cấp với tập dữ liệu được gắn nhãn và nó lặp đi lặp lại điều chỉnh các
tham số bên trong của nó để giảm thiểu sự khác biệt giữa nhãn dự đốn của nó và
nhãn thực tế.
Trong q trình đào tạo, mơ hình AI dần dần học cách xác định các dấu hiệu trực
quan cho thấy các khuyết tật trong khoai tây chiên. Những dấu hiệu này có thể bao
gồm sự đổi màu, hình dạng khơng đều, vết nứt hoặc các điểm bất thường khác khác
với vẻ ngồi dự kiến của một miếng khoai tây bình thường. Bằng cách cho mơ hình
tiếp xúc với một loạt các hình ảnh thức ăn bị lỗi và khơng bị lỗi, nó trở nên lão
luyện hơn trong việc nhận ra các biến thể tinh vi và khái quát hóa kiến thức của nó
thành các ví dụ mới, chưa từng thấy.
Sau khi hồn thành giai đoạn đào tạo, mơ hình AI sẽ chuyển sang giai đoạn thử
nghiệm và xác nhận. Trong giai đoạn này, mơ hình được đánh giá bằng cách sử
dụng một bộ hình ảnh riêng biệt mà nó chưa từng được huấn luyện trước đây. Độ
chính xác và hiệu suất của mơ hình được đánh giá dựa trên khả năng phân loại
chính xác các miếng khoai là bị lỗi hoặc không bị lỗi. Đánh giá này giúp đảm bảo
rằng mơ hình đã học được các mẫu cơ bản và có thể đưa ra dự đốn chính xác về dữ
liệu mới.

5


Để triển khai mơ hình AI trong mơi trường thực tế, có thể thiết lập hệ thống kiểm
tra khoai tây chiên. Hệ thống này bao gồm một camera hoặc cảm biến ghi lại hình
ảnh của từng miếng khoai tây khi chúng di chuyển dọc theo băng chuyền. Các hình
ảnh sau đó được mơ hình AI xử lý trong thời gian thực, cho phép nhận dạng chips
bị lỗi một cách nhanh chóng và tự động. Nếu một miếng khoai tây bị lỗi được phát
hiện, nó có thể được phân loại và loại bỏ khỏi dây chuyền sản xuất, đảm bảo chỉ
những miếng chất lượng cao mới đến tay người tiêu dùng.
Phân loại chất lượng đồ ăn trên hình ảnh khoai tây chiên:

Hình 1.0.1. Khoai tây bình thường vs. Khoai tây bị lỗi
Khoai tây bình thường
Khoai tây chiên bình thường, cịn được gọi là khoai tây chiên chất lượng, là loại
khoai tây chiên đáp ứng các tiêu chuẩn mong đợi về hình thức, kết cấu và hương vị.
Những miếng khoai này không có bất kỳ khiếm khuyết hoặc bất thường đáng chú ý
nào. Những miếng không bị lỗi thường được đặc trưng bởi hình dạng đồng nhất,
màu sắc nhất quán và kết cấu giịn. Chúng là kết quả của một quy trình sản xuất
được kiểm sốt chặt chẽ, trong đó các yếu tố như cắt lát, chiên, nêm và đóng gói
được giám sát cẩn thận để duy trì chất lượng mong muốn. Khoai tây chiên không bị
lỗi được coi là phù hợp để tiêu thụ và là lựa chọn ưu tiên cho người tiêu dùng đang
tìm kiếm trải nghiệm ăn vặt thỏa mãn. Việc đảm bảo sản xuất khoai tây chiên không
bị lỗi là rất quan trọng để duy trì sự hài lịng của khách hàng và uy tín thương hiệu
trong ngành thực phẩm.
Khoai tây bị lỗi
Khoai tây chiên bị lỗi là khoai tây chiên có hình dạng bất thường hoặc khơng hồn
hảo, khiến chúng khơng phù hợp để tiêu thụ hoặc bán. Những khiếm khuyết này có thể
biểu hiện dưới nhiều hình thức khác nhau, chẳng hạn như đổi màu, hình dạng không đều,
vết nứt hoặc các điểm bất thường khác khác với vẻ ngoài mong đợi của một miếng khoai

6