# Kỹ thuật đếm quả và ước tính kích cỡ sầu riêng tự động bằng thị giác máy tính AI

> Ứng dụng mô hình YOLOv5s và EfficientDet-D0 huấn luyện trên 12.000 ảnh sầu riêng kết hợp camera drone giúp đếm số lượng trái với F1-Score đạt 0,92, sai số dưới 3 quả/cây và tăng 15% năng suất tại mô hình 150 ha ở Bến Tre.

Nguồn: [ainhanong.vn](https://ainhanong.vn/tin-tuc/ky-thuat-dem-qua-sau-rieng-tu-dong-bang-thi-giac-may-tinh-ai/)

Danh mục: Sầu Riêng. Ngày đăng: 08/12/2025.

Trong quản trị các trang trại sầu riêng quy mô lớn, việc ước tính chính xác số lượng trái đang mang trên cây và theo dõi tốc độ tăng trưởng kích cỡ quả trước thu hoạch giữ vai trò then chốt để lập kế hoạch bón phân nuôi trái, bố trí nhân công cắt hái và đàm phán hợp đồng bao tiêu với doanh nghiệp xuất khẩu. Tuy nhiên, phương pháp đi bộ đếm thủ công từng gốc cây vừa tốn nhiều ngày công lao động, vừa dễ xảy ra sai số lớn do tán cây sầu riêng cao rậm và màu vỏ trái xanh trùng với màu lá. Trong chuyên đề phân tích kỹ thuật công bố ngày 4/12/2025 trên cổng thông tin ESG Agri, tác giả Mai Văn Hải đã hệ thống hóa chi tiết kiến trúc công nghệ thị giác máy tính (Computer Vision) ứng dụng học sâu để tự động đếm quả và đo lường kích cỡ trái sầu riêng, xoài ngoài thực địa.

#### 1. Kiến trúc phần cứng và quy trình xử lý ảnh 6 bước của hệ thống đếm quả tự động

Để thu nhận hình ảnh sắc nét trong điều kiện ánh sáng thay đổi liên tục dưới tán vườn cây ăn trái, hệ thống thị giác máy tính được cấu thành từ bốn lớp thiết bị và phần mềm đồng bộ:

- **Hệ thống camera thu nhận dữ liệu đa phổ:** Sử dụng camera màu RGB độ phân giải tối thiểu 12 MP (tốc độ 30 khung hình/giây, góc nhìn rộng 120 độ, khẩu độ lớn f/2.8 để thu sáng tốt trong tán râm) kết hợp cùng camera cận hồng ngoại NIR (5 MP, 20 khung hình/giây, bước sóng 850 nm) giúp tách biệt rõ hình khối trái sầu riêng khỏi nền lá xanh ngay cả trong điều kiện thiếu sáng. Các cụm camera này được gắn trên thiết bị bay không người lái chuyên dụng như DJI Matrice 300 RTK (thời gian bay 55 phút) hoặc các trạm cố định trong vườn.

- **Thiết bị xử lý biên tiết kiệm năng lượng (Edge Compute):** Tích hợp các bộ xử lý nhúng như NVIDIA Jetson Nano (4 GB RAM, công suất tiêu thụ chỉ 10 W) hoặc Raspberry Pi để tiền xử lý hình ảnh ngay tại chỗ, giảm tải băng thông truyền tải và tiết kiệm điện năng.

- **Quy trình xử lý thuật toán 6 bước liên hoàn:** Hình ảnh sau khi thu thập từ camera sẽ trải qua các công đoạn chuẩn hóa kích thước và ánh sáng (Resize, Normalization), đưa qua mạng học sâu nhận diện và đếm số lượng trái, tính toán kích thước thực tế dựa trên khung bao nhận diện (Bounding Box), lưu trữ dữ liệu gắn tọa độ GPS và xuất báo cáo trực quan lên bảng điều khiển quản lý (Dashboard).

#### 2. Đối chiếu mô hình YOLOv5s, EfficientDet-D0 và kết quả thực nghiệm trên 12.000 ảnh sầu riêng

Nhằm bảo đảm mô hình AI nhận diện chính xác trái sầu riêng ở nhiều góc khuất và giai đoạn phát triển khác nhau, nhóm phát triển đã xây dựng bộ dữ liệu huấn luyện thực địa gồm **12.000 hình ảnh sầu riêng** (cùng 9.000 hình ảnh xoài), được gán nhãn tọa độ chi tiết và chia theo tỷ lệ 80% dữ liệu huấn luyện, 20% dữ liệu kiểm thử (huấn luyện qua 50 chu kỳ epochs với kích thước ảnh đầu vào 640x640 pixel).

Kết quả đánh giá giữa hai kiến trúc mạng nhận diện đối tượng tiêu biểu cho thấy: mô hình **YOLOv5s** có dung lượng gọn nhẹ chỉ 14 MB, đạt tốc độ xử lý thời gian thực lên tới 45 khung hình/giây (ở độ phân giải 1080p) với độ chính xác trung bình mAP@0.5 đạt 0,78, rất phù hợp để chạy trực tiếp trên thiết bị biên ngoài vườn rộng; trong khi đó, mô hình **EfficientDet-D0** (dung lượng 22 MB, tốc độ 30 khung hình/giây) đạt độ chính xác mAP@0.5 cao hơn ở mức 0,81.

Khi kiểm chứng thực nghiệm trên **500 mẫu kiểm tra độc lập**, hệ thống đếm quả sầu riêng đạt chỉ số **F1-Score ở mức 0,92**, sai số tuyệt đối trung bình (MAE) chỉ **2,3 quả mỗi cây** và sai số căn bậc hai trung bình (RMSE) về kích thước là **4,8 mm** (trên cây xoài đạt F1-Score 0,94, MAE 1,8 quả và RMSE 3,5 mm). Mức sai lệch trung bình dưới 3 quả trên mỗi cây hoàn toàn đáp ứng ngưỡng tin cậy khắt khe để dự báo sản lượng thương mại. Đồng thời, thông qua hệ số quy đổi từ điểm ảnh sang milimet (PPM) đo chuẩn bằng thước laser, thuật toán tự động tính toán đường kính và ước lượng trọng lượng từng trái ngay khi còn treo trên cành.

#### 3. Hiệu quả kinh tế và môi trường từ mô hình 150 ha sầu riêng tại Bến Tre

Tính khả thi của công nghệ này đã được kiểm chứng qua dự án triển khai thực tế trên vùng chuyên canh **150 ha sầu riêng với quy mô 30.000 cây tại tỉnh Bến Tre** (song song với mô hình 120 ha xoài gồm 45.000 cây tại Đồng Nai). Camera được lắp đặt trên drone và các trụ giám sát ở độ cao 5 m với góc nghiêng 45 độ, thu thập dữ liệu liên tục trong 3 tháng xuyên suốt các giai đoạn đầu mùa, giữa mùa và cuối mùa vụ.

Số liệu tổng kết đối chiếu trước và sau khi áp dụng hệ thống AI đếm quả và quản trị dinh dưỡng theo sản lượng thực tế ghi nhận những chuyển biến rõ rệt:

- **Tăng trưởng năng suất thu hoạch:** Năng suất bình quân tăng từ 120 quả/ha lên 138 quả/ha (tăng **15%**) nhờ điều tiết lượng phân bón và tỉa trái cân đối theo sức mang của từng cây.

- **Cắt giảm chi phí thu hoạch và nhân công:** Chi phí tổ chức thu hoạch giảm từ 1.200 USD/ha xuống còn 950 USD/ha (giảm **20%**), trong khi tổng số giờ làm việc khảo sát và quản lý vườn giảm từ 250 giờ xuống 190 giờ (giảm **24%**).

- **Tiết kiệm tài nguyên và giảm phát thải khí nhà kính:** Lượng nước tưới tiêu thụ giảm từ 1.800 m3/ha xuống 1.620 m3/ha (giảm **10%**), lượng thuốc bảo vệ thực vật sử dụng giảm tới **15%** và cắt giảm được khoảng **0,5 tấn khí CO2 trên mỗi hecta**.

#### 4. Góc nhìn ứng dụng cho nhà vườn và hợp tác xã trồng sầu riêng

Dù việc đầu tư đồng bộ drone đa phổ và máy chủ xử lý biên phù hợp nhất với các trang trại lớn từ vài chục hecta trở lên hoặc các hợp tác xã liên kết chuỗi, nhưng nguyên lý quản trị cốt lõi của công nghệ này mang lại giá trị ứng dụng cho mọi quy mô vườn sầu riêng. Khi nắm chắc số lượng trái thực tế và tốc độ lớn của trái trên từng lô cây ngay từ giai đoạn trái bằng nắm tay, nhà vườn sẽ tính toán chính xác lượng phân kali và trung vi lượng cần bổ sung cho từng gốc, tránh tình trạng bón thừa gây nứt gai, sượng cơm hoặc bón thiếu khiến trái nhỏ không đạt trọng lượng xuất khẩu. Bên cạnh đó, việc có số liệu dự báo sản lượng minh bạch gắn tọa độ GPS sẽ giúp các hợp tác xã chủ động đàm phán chốt giá bao tiêu sớm với doanh nghiệp xuất khẩu, hạn chế rủi ro bị ép giá khi vào cao điểm thu hoạch. Bạn đọc có thể xem đầy đủ thông tin kỹ thuật và bảng số liệu nghiên cứu tại mục nguồn trích dẫn.

## Nguồn trích dẫn

Mai Văn Hải. (2025, December 4). Kỹ thuật đếm quả sầu riêng - xoài tự động bằng thị giác máy tính: Phân tích độ chính xác, kích cỡ. ESG Agri - Nông nghiệp bền vững, esgagri.io.vn. https://esgagri.io.vn/ky-thuat-dem-qua-sau-rieng-xoai-tu-dong-bang-thi-giac-may-tinh-phan-tich-do-chinh-xac-kich-co/
