Công nghệ sau thu hoạch giúp nông sản Việt gia tăng giá trị trên thương trường

Trong bối cảnh rau quả Việt Nam ngày càng tham gia sâu vào thị trường quốc tế, công nghệ sau thu hoạch không chỉ có nhiệm vụ kéo dài thời gian bảo quản mà đang chuyển sang quản lí chất lượng dựa trên trạng thái thực của sản phẩm. Phóng viên Một Thế Giới đã có cuộc phỏng vấn với TS. Nguyễn Văn Phong, Trưởng bộ môn Công nghệ sinh học và Công nghệ sau thu hoạch, Viện nghiên cứu cây ăn quả Miền Nam.

- Thưa TS. Nguyễn Văn Phong, ông đánh giá như thế nào về thực trạng công nghệ sau thu hoạch và bảo quản nông sản Việt Nam hiện nay?

- TS. Nguyễn Văn Phong: Việt Nam đã hình thành nền tảng nghiên cứu tương đối rộng về công nghệ sau thu hoạch và bảo quản nông sản qua nhiều thập niên. Các nghiên cứu đã được triển khai trên nhiều nhóm nông sản, đặc biệt là những loại trái cây chủ lực phục vụ tiêu dùng trong nước và xuất khẩu.

Các nhóm công nghệ từ xác định độ chín và thời điểm thu hoạch, kĩ thuật thu hái, sơ chế, làm mát, xử lí bệnh, bảo quản, bao gói đến vận chuyển và duy trì chất lượng đã được nghiên cứu khá đầy đủ. Đối với cây ăn quả, các kết quả nghiên cứu của Viện Cây ăn quả miền Nam trong giai đoạn 1994 - 2024 cho thấy quá trình tích lũy liên tục về giống, canh tác, thu hoạch và công nghệ sau thu hoạch trên nhiều đối tượng cây ăn quả chủ lực.

Các công nghệ như bảo quản lạnh, xử lí nhiệt, bao gói, bao màng và kiểm soát bệnh vẫn giữ vai trò quan trọng. Tuy nhiên, hiệu quả ứng dụng giữa các ngành hàng và giữa nghiên cứu với sản xuất thực tế còn khác nhau.

Điểm hạn chế hiện nay không chủ yếu nằm ở việc thiếu các giải pháp kĩ thuật riêng lẻ, mà ở khả năng kết nối các công nghệ và dữ liệu thành một hệ thống thống nhất. Các công đoạn thu hoạch, sơ chế, đóng gói, bảo quản và vận chuyển thường do những tác nhân khác nhau quản lí, trong khi dữ liệu giữa các công đoạn chưa được liên thông. Vì vậy, quyết định quản lí nhiều khi vẫn dựa trên kinh nghiệm hoặc quy trình chung thay vì trạng thái thực của sản phẩm.

- Vậy công nghệ số, cảm biến và trí tuệ nhân tạo có thể tạo ra thay đổi như thế nào trong quản lí chất lượng nông sản sau thu hoạch?

- TS. Nguyễn Văn Phong: Công nghệ số đang mở ra hướng tiếp cận mới, chuyển công nghệ sau thu hoạch từ kiểm soát điều kiện bảo quản sang quản lí chất lượng dựa trên dữ liệu.

Các phương pháp đánh giá không phá mẫu như NIR, HSI, RGB và thị giác máy tính có thể cung cấp thêm thông tin về trạng thái bên ngoài và bên trong của sản phẩm. NIR có khả năng cung cấp thông tin liên quan đến thành phần hóa học và một số chỉ tiêu chất lượng bên trong. HSI kết hợp thông tin phổ và không gian, có thể hỗ trợ phát hiện sự không đồng nhất, khuyết tật hoặc dấu hiệu biến đổi trên bề mặt và bên trong sản phẩm. Khi kết hợp với thị giác máy tính, các hệ thống này có thể hỗ trợ phân loại và kiểm tra tự động.

Tuy nhiên, dữ liệu cảm biến hoặc hình ảnh tự thân chưa phải là giải pháp. Giá trị thực sự xuất hiện khi dữ liệu được liên kết với các chỉ tiêu chất lượng như độ cứng, chất rắn hòa tan, màu sắc, hàm lượng chất khô, tỉ lệ bệnh và thời gian bảo quản. Khi đó, AI và dữ liệu có thể xây dựng mô hình liên hệ giữa tín hiệu đo được với trạng thái chất lượng thực của sản phẩm.

IoT cho phép ghi nhận liên tục nhiệt độ, độ ẩm, thời gian và các điều kiện vận chuyển hoặc lưu trữ. Khi dữ liệu môi trường được kết hợp với dữ liệu chất lượng, có thể hình thành “lịch sử sau thu hoạch” của từng lô hàng. Đây là tiền đề để phát triển các mô hình dự báo chất lượng và thời gian bảo quản còn lại.

Mục tiêu cuối cùng không chỉ là biết sản phẩm đang ở trạng thái nào, mà còn dự báo sản phẩm sẽ thay đổi ra sao và hỗ trợ lựa chọn thị trường, phương thức vận chuyển hoặc thời điểm chế biến phù hợp.

- Theo TS, Việt Nam cần ưu tiên những giải pháp nào để công nghệ sau thu hoạch phát triển theo hướng thông minh và nâng cao giá trị nông sản?

- TS. Nguyễn Văn Phong: Trước hết, cần tiếp tục hoàn thiện các công nghệ nền tảng. Bảo quản lạnh, xử lí nhiệt, bao gói, bao màng, kiểm soát bệnh và các phương pháp sơ chế vẫn giữ vai trò quan trọng. AI không thay thế các quá trình sinh lí và công nghệ bảo quản mà chỉ phát huy giá trị khi được đặt trên nền tảng công nghệ sau thu hoạch đã được chuẩn hóa.

Thứ hai, cần xây dựng hệ thống đánh giá không phá mẫu phù hợp với điều kiện Việt Nam. Không nhất thiết mọi dây chuyền đều phải sử dụng HSI có chi phí cao. Tùy đối tượng và mục tiêu cụ thể, có thể lựa chọn RGB/CV, NIR, multispectral hoặc HSI theo yêu cầu về chỉ tiêu, tốc độ và chi phí.

Thứ ba, cần xây dựng các cơ sở dữ liệu chất lượng nông sản có tính chuẩn hóa. Dữ liệu cần được thu thập đồng thời về vùng nguyên liệu, giống, mùa vụ, điều kiện sản xuất, thời điểm thu hoạch, hình ảnh, phổ, các chỉ tiêu sinh lí - hóa sinh, điều kiện bảo quản và kết quả chất lượng theo thời gian. Nếu dữ liệu được xây dựng theo một chuẩn thống nhất, có thể phát triển các mô hình AI có khả năng sử dụng xuyên suốt chuỗi thay vì chỉ phục vụ một thí nghiệm đơn lẻ.

Một hướng rất quan trọng là phát triển mô hình dự báo thời gian bảo quản còn lại. Thay vì chỉ phân loại sản phẩm thành “tốt” hoặc “không tốt”, hệ thống cần hướng tới việc trả lời sản phẩm còn duy trì chất lượng thương mại trong bao lâu dưới một điều kiện nhất định. Khi đó, thông tin chất lượng có thể trực tiếp hỗ trợ logistics, phân phối và quyết định thị trường.

Cuối cùng, cần phát triển các hệ thống tích hợp cảm biến – IoT – AI – quản lí chuỗi, có khả năng phân tích và cảnh báo. Mục tiêu dài hạn là chuyển từ “bảo quản sản phẩm” sang “quản lí vòng đời chất lượng”, từ giảm tổn thất sang bảo toàn và tối ưu hóa giá trị nông sản Việt Nam.