LuanVan.vnLuận Văn
Gửi thư

HỆ THỐNG TRUY XUẤT NGUỒN GỐC VÀ PHÂN LOẠI ĐỘ CHÍN SẦU RIÊNG DỰA TRÊN BLOCKCHAIN VÀ THỊ GIÁC MÁY TÍNH

Khoá luận tốt nghiệp · Đại học · năm 2026 · đề tài tham khảo

Loại tài liệuKhoá luận tốt nghiệp
Bậc họcĐại học
NgànhCông nghệ thông tin
Tác giảVõ Quốc Thọ
Người hướng dẫnNguyễn Thanh Hải; Phạm Ngọc Quyền
Cơ sở đào tạoTrường Đại học Cần Thơ
Năm2026
NguồnThư viện số Trường Đại học Cần Thơ · trang gốc

Tóm tắt

Sầu riêng hiện là một trong những mặt hàng nông sản xuất khẩu chủ lực hàng đầu của Việt Nam. Tuy nhiên, chuỗi cung ứng hiện nay vẫn tồn tại nhiều hạn chế về tính minh bạch và khả năng truy xuất nguồn gốc. Luận văn đề xuất một giải pháp tích hợp blockchain và thị giác máy tính nhằm giải quyết đồng thời hai vấn đề cốt lõi là truy xuất nguồn gốc sản phẩm một cách bất biến và phân loại độ chín sầu riêng tự động bằng trí tuệ nhân tạo. Hệ thống được thiết kế theo quy trình khép kín gồm 10 bước, từ đăng ký cây trồng, kiểm duyệt, thu mua, vận chuyển, sơ chế, kiểm nghiệm, nhập kho đến phân phối và truy xuất công khai qua mã QR, đầy đủ 8 vai trò người dùng. Mọi sự kiện quan trọng đều được ghi nhận lên blockchain dưới hai dạng bất biến là giá trị băm Keccak-256 của dữ liệu nghiệp vụ và transaction hash, trong khi dữ liệu chi tiết được lưu song song tại MySQL off-chain để đảm bảo hiệu năng truy vấn. Người tiêu dùng chỉ cần quét mã QR là có thể truy xuất toàn bộ hành trình của quả sầu riêng, từ nguồn gốc cây trồng, lịch sử chăm sóc, kết quả kiểm nghiệm đến lịch trình vận chuyển. Về phân loại độ chín, mô hình EfficientNet-B4 được huấn luyện trên bộ dữ liệu gồm 16.000 ảnh sầu riêng giống Monthong được tăng cường từ 1.000 ảnh gốc thông qua 16 biến thể mỗi ảnh phân thành bốn lớp: Chưa chín, Gần chín, Chín và Quá chín. Pipeline tiền xử lý áp dụng bộ lọc điểm ảnh theo độ sáng theo tiêu chuẩn ITU-R BT.601 với ngưỡng tối ưu τ = 120, loại bỏ 44 - 48% pixel nền trong khi bảo toàn đặc trưng màu sắc gai và cuống. Qua 10 lần chạy độc lập, mô hình đạt độ chính xác trung bình 99,52% ± 0,34%, thời gian suy luận 18,3 ms/ảnh và tỷ lệ lỗi phân loại sai nghiêm trọng (HCER) bằng 0%, đáp ứng tốt yêu cầu xử lý quy mô công nghiệp. Kết quả thực nghiệm khẳng định tính khả thi cao của hệ thống và tiềm năng ứng dụng thực tế trong chuỗi cung ứng sầu riêng xuất khẩu của Việt Nam, góp phần nâng cao giá trị và sức cạnh tranh của ngành. Từ khóa: Truy xuất nguồn gốc, Chuỗi cung ứng nông sản, Blockchain, Sầu riêng, Phân loại độ chín, EfficientNet, Thị giác máy tính. Durian is currently one of Vietnam's leading key agricultural export products. However, the current supply chain still faces significant limitations in transparency and traceability. This thesis proposes an integrated solution combining blockchain and computer vision to simultaneously address two core challenges is immutable product traceability throughout the supply chain and automatic durian ripeness classification using artificial intelligence. The system is designed with a closed-loop 10-step process, spanning crop registration, regulatory inspection, procurement, transportation, primary processing, quality testing, warehousing, distribution, and public QR-based traceability, encompassing 8 user roles. Every important event in the supply chain is recorded on the blockchain in two immutable forms, namely the Keccak-256 hash of business data and the transaction hash, while detailed data is stored in parallel in an off-chain MySQL database to ensure query performance. Consumers can access the complete journey of each durian fruit, from the origin tree, cultivation history, and inspection results to transportation records, simply by scanning a QR code. For ripeness classification, the EfficientNet-B4 model was trained on a dataset of 16,000 images of Monthong durians augmented from 1,000 original images through 16 transformation variants per image, categorized into four classes: Unripe, Sime-ripe, Ripe, and Overripe. The preprocessing pipeline applies luminance pixel filtering based on the ITU-R BT.601 standard with an optimized threshold of τ = 120, removing 44 - 48% of background pixels while preserving discriminative spike and stem color features. Across 10 independent runs, the model achieved an average accuracy of 99.52% ± 0.34%, an inference time of 18.3 ms per image, and a High-Confidence Error Rate (HCER) of 0%, fully meeting industrialscale processing requirements. Experimental results demonstrate the h
Bản toàn văn lưu tại thư viện Trường Đại học Cần Thơ

Thông tin và tóm tắt ở trên lấy từ kho số mở của thư viện trường. Bản toàn văn do thư viện trường quản lý — có nơi cho đọc trực tuyến, có nơi cần tài khoản bạn đọc của trường.

Mở tại thư viện trường ↗
Dùng tài liệu tham khảo cho đúng
  • Đọc để hiểu cách người trước đặt câu hỏi, chọn phương pháp, trình bày số liệu — rồi tự làm với dữ liệu và bối cảnh của bạn.
  • Ý, số liệu, bảng biểu lấy từ tài liệu này phải trích dẫn (tác giả, năm, tên đề tài, cơ sở đào tạo).
  • Đề tài trùng tên vẫn làm được nếu khác đơn vị khảo sát, thời gian hoặc cách tiếp cận — nêu rõ điểm khác trong phần mở đầu.

Hướng dẫn chọn đề tài, cấu trúc và số liệu cho ngành này: Luận văn công nghệ thông tin · Hỏi đáp từng chương với người hướng dẫn số: Học Giả Số · Công cụ số: Luận Văn Số.

Đề tài cùng ngành

Tác giả muốn gỡ, sửa thông tin hoặc bổ sung bản toàn văn: gửi yêu cầu qua trang Liên hệ, kèm đường dẫn trang này.

Tải ứng dụng AI Học Thuật

Tư vấn học thuật, luận văn, công bố quốc tế với chuyên gia — miễn phí trên iPhone, iPad và Android.

Download on the App Store Tải trên Google Play