Page 240 - SDMD CNKT va CNTT trong tien trinh CNH_HDH DBSCL

Phương
Loại trái Thiết bị
Công trình Ứng dụng pháp sử Độ chính xác
cây sử dụng
dụng
4
Ripardo Dưa lưới Phân loại Thị giác R = 0,95
Calixto et al. dựa vào máy
(2022) ngưỡng độ
ngọt
Ripardo Dưa lưới Phân loại Thị giác R = 0,95
4
Calixto et al. dựa vào máy
(2022) ngưỡng độ
ngọt
Zeb et al. Dưa lưới Phân loại Phổ NIR Máy đo phổ Độ chính xác phân
(2021) dựa vào độ cầm tay (F750, loại: 88,12%
ngọt Felix)
Li et al. Dưa lưới Đo độ ngọt Phổ Máy đo phổ R = 0,78 ;
2
(2019) Vis/NIR USB2000+ RMSEP = 0,71 (độ
(Ocean Optics Brix)
Inc.)
Zhang et al. Dưa lưới Đo độ ngọt Phổ Máy đo phổ R = 0,9134;
(2019a) Vis/NIR USB2000+ RMSEP = 0,8958
(Ocean Optics
Inc.)
Sun et al. Dưa lưới Đo độ ngọt Phổ NIR Camera siêu R 2 =0,795
(2017) phổ
1 RMSEP: căn bậc hai sai số bình phương trung bình trong dự đoán (root mean square error
of prediction);
R
2 p : hệ số tương quan (coefficient of correlation) tính từ kết quả dự đoán
2
3 R : hệ số xác định (coefficient of determination)
4 R : hệ số tương quan tính từ kết quả huấn luyện
Với sự phát triển mạnh mẽ của công nghệ cảm biến siêu phổ trong thời
gian qua, giá thành các cảm biến siêu phổ đã dần thấp hơn, cho thấy tiềm năng
ứng dụng cao trong việc phát triển các thiết bị cầm tay và các hệ thống đánh
giá phân loại tự động. Tuy nhiên, kết quả khảo sát cho thấy việc phát triển hệ
thống tích hợp thị giác máy (như Hình 11.6) với các cảm biến đa phổ/siêu phổ
(như Hình 11.7) chưa được quan tâm. Như vậy, đây là hướng nghiên cứu đáng
được đầu tư để có thể đánh giá toàn diện chất lượng bên ngoài nhờ vào thị
giác máy tính và chất lượng bên trong thông qua phân tích dữ liệu phổ khả
kiến/cận hồng ngoại.

Kết quả khảo sát cũng cho thấy nhiều giải pháp đánh giá chất lượng
xoài đã được đề xuất. Tuy nhiên, các giải pháp đánh giá chất lượng để nâng

226