Trí tuệ nhân tạo (AI) đang mở ra hướng tiếp cận mới trong quản lý chuỗi lạnh rau quả tươi, từ giám sát nhiệt độ, dự báo thời hạn bảo quản đến phát hiện sớm nguy cơ suy giảm chất lượng rau quả. Việc kết hợp AI với Internet vạn vật (IoT) và các công nghệ cảm biến có thể góp phần giảm tổn thất sau thu hoạch, nâng cao chất lượng nông sản và tăng năng lực cạnh tranh của rau quả Việt Nam trên thị trường quốc tế.

Chuỗi lạnh thông minh – yêu cầu ngày càng cấp thiết đối với rau quả xuất khẩu

Rau quả tươi là nhóm nông sản có hàm lượng nước cao, cường độ hô hấp cao và mức độ nhạy cảm với điều kiện môi trường khác nhau tùy từng loại sản phẩm. Sau thu hoạch, nếu không được làm lạnh, bảo quản và vận chuyển phù hợp, rau quả có thể nhanh chóng mất nước, giảm độ cứng, biến đổi màu sắc, phát sinh bệnh hại và suy giảm giá trị thương phẩm. Theo Tổ chức Lương thực và Nông nghiệp Liên hợp quốc (FAO), tỷ lệ tổn thất thực phẩm toàn cầu ở nhóm rau quả đạt khoảng 25,4% vào năm 2023, cho thấy những thách thức đáng kể trong bảo quản và quản lý sau thu hoạch.

Đối với Việt Nam, việc duy trì chất lượng rau quả trong suốt quá trình từ thu hoạch, sơ chế, đóng gói, bảo quản lạnh đến vận chuyển bằng đường bộ, đường biển hoặc hàng không có ý nghĩa quan trọng đối với hoạt động xuất khẩu. Theo thông tin của Cổng Thông tin điện tử Chính phủ, trong 10 tháng đầu năm 2025, kim ngạch xuất khẩu rau quả của Việt Nam đạt khoảng 7,09 tỷ USD, tăng 15,1% so với cùng kỳ năm trước. Quy mô xuất khẩu ngày càng lớn đặt ra yêu cầu cao hơn về kiểm soát chất lượng, truy xuất nguồn gốc và duy trì điều kiện bảo quản phù hợp trong suốt hành trình vận chuyển.

Tuy nhiên, chuỗi lạnh truyền thống vẫn có thể gặp những hạn chế như: giám sát nhiệt độ chưa liên tục, dữ liệu phân tán giữa các khâu, phát hiện chậm các sự cố làm lạnh và khó dự báo chính xác thời gian bảo quản còn lại của từng lô hàng. Vì vậy, ứng dụng AI kết hợp với IoT đang trở thành một hướng nghiên cứu và triển khai đáng chú ý nhằm chuyển từ quản lý dựa chủ yếu vào kinh nghiệm sang quản lý dựa trên dữ liệu và dự báo (Wang, D., Zhang và cs, 2024; Lamberty, A., & Kreyenschmidt, J., 2025).   

AI có thể được ứng dụng như thế nào trong chuỗi lạnh rau quả tươi?

1. Giám sát thông minh và cảnh báo sớm các sự cố nhiệt độ

Các cảm biến IoT được bố trí tại kho lạnh, xe lạnh và container lạnh có thể thu thập dữ liệu về nhiệt độ, độ ẩm và tùy hệ thống các thông số môi trường khác. AI phân tích dữ liệu theo thời gian để nhận diện những biến động bất thường, phát hiện nguy cơ vượt ngưỡng bảo quản hoặc dấu hiệu hoạt động không ổn định của thiết bị làm lạnh. Chẳng hạn, khi nhiệt độ container tăng bất thường trong quá trình vận chuyển rau quả xuất khẩu, hệ thống có thể gửi cảnh báo đến người vận hành để kiểm tra thiết bị, cửa container và điều kiện xếp hàng. Nếu được phát triển với dữ liệu phù hợp, mô hình dự báo còn có thể ước tính nguy cơ xảy ra gián đoạn nhiệt độ, hỗ trợ xử lý trước khi chất lượng sản phẩm bị ảnh hưởng nghiêm trọng.

Nghiên cứu về giám sát nhiệt độ dựa trên IoT trong chuỗi cung ứng rau quả cho thấy dữ liệu nhiệt độ liên tục có thể được sử dụng để xây dựng mô hình dự báo thời hạn bảo quản và hỗ trợ phân phối hàng hóa theo thời gian sử dụng còn lại (Lamberty, A., & Kreyenschmidt, J., 2025). Tuy nhiên, hiệu quả thực tế phụ thuộc vào độ chính xác của cảm biến, chất lượng dữ liệu và khả năng kết nối giữa các mắt xích trong chuỗi lạnh.

leftcenterrightdel
Cảm biến nhiệt độ đặt trong container 

2. Dự báo chất lượng và thời hạn bảo quản còn lại

Một trong những ứng dụng có giá trị của AI là dự báo thời hạn bảo quản còn lại (remaining shelf life) của rau quả. Thay vì chỉ dựa vào số ngày lưu kho hoặc nhiệt độ cài đặt, mô hình học máy có thể kết hợp lịch sử nhiệt độ, độ ẩm, thời gian vận chuyển, đặc điểm nguyên liệu và các chỉ tiêu chất lượng để ước tính tốc độ suy giảm chất lượng. Wang và cộng sự (2024) đã tổng quan các ứng dụng AI trong bảo quản rau quả, trong đó nhấn mạnh tiềm năng đánh giá chất lượng, giám sát môi trường chuỗi lạnh và dự báo thời hạn bảo quản (Zhang và cs, 2024). Đây là cơ sở khoa học quan trọng để phát triển các công cụ hỗ trợ ra quyết định cho doanh nghiệp xuất khẩu, dù mô hình cần được hiệu chỉnh theo từng loại rau quả và điều kiện vận chuyển cụ thể.

leftcenterrightdel
 Chỉ báo thời gian – nhiệt độ trong phân phối và bán lẻ

3. Kiểm tra chất lượng không phá hủy bằng thị giác máy tính

AI kết hợp với camera, xử lý ảnh và các công nghệ hình ảnh tiên tiến có thể hỗ trợ đánh giá màu sắc, độ chín, kích thước, khuyết tật bề mặt và một số dấu hiệu hư hỏng của nông sản. Các hệ thống thị giác máy tính có thể được sử dụng tại dây chuyền phân loại, đóng gói hoặc điểm kiểm tra trước khi xuất khẩu để tăng tính đồng nhất của sản phẩm.

Bên cạnh hình ảnh thông thường, ảnh nhiệt kết hợp với thuật toán học máy cũng đã được nghiên cứu trong đánh giá độ chín, phát hiện tổn thương và phân loại chất lượng một số loại quả (Pathmanaban, P., 2023). Những công nghệ này có tiềm năng giảm sự phụ thuộc vào đánh giá thủ công và tăng tốc độ kiểm tra. Tuy nhiên, không phải mọi dạng hư hỏng bên trong đều có thể được phát hiện chỉ bằng camera thông thường; một số ứng dụng cần kết hợp cảm biến hoặc phương pháp phân tích chuyên biệt.

4. Tối ưu hóa vận chuyển và nâng cao hiệu quả vận hành

Trên cơ sở dữ liệu về nhiệt độ, chất lượng sản phẩm, thời gian giao hàng và điều kiện vận tải, AI có thể hỗ trợ lựa chọn phương án vận chuyển, sắp xếp thứ tự giao hàng, phân bổ hàng hóa theo mức độ nhạy cảm và tối ưu hóa kế hoạch vận hành kho lạnh. Khi tích hợp với hệ thống quản lý logistics, các công cụ dự báo còn có thể giúp doanh nghiệp chủ động hơn trước nguy cơ chậm chuyến, kéo dài thời gian lưu kho hoặc gián đoạn chuỗi lạnh.

Về dài hạn, việc kết hợp AI, IoT và mô hình bản sao số (digital twin) có thể tạo ra một môi trường mô phỏng hoạt động của chuỗi lạnh, cho phép đánh giá các kịch bản vận hành trước khi áp dụng thực tế (Xiaolong Zhong và cs, 2023). Cách tiếp cận này hướng tới quản lý xuyên suốt từ vùng nguyên liệu đến thị trường tiêu thụ, thay vì tối ưu riêng lẻ từng công đoạn.

Cơ hội và định hướng triển khai tại Việt Nam

Đối với rau quả xuất khẩu Việt Nam, ứng dụng AI trong chuỗi lạnh có thể bắt đầu từ những giải pháp thiết thực như: lắp đặt cảm biến theo dõi nhiệt độ tại kho và container, xây dựng cơ sở dữ liệu lịch sử bảo quản, thiết lập cảnh báo bất thường và từng bước phát triển mô hình dự báo chất lượng. Những mặt hàng có giá trị xuất khẩu cao hoặc yêu cầu kiểm soát sau thu hoạch nghiêm ngặt như thanh long, xoài, sầu riêng, chuối và bưởi có thể là đối tượng ưu tiên nghiên cứu, tùy theo đặc tính bảo quản và thị trường đích.

Dù vậy, việc triển khai không chỉ là bài toán công nghệ. Các khó khăn cần giải quyết bao gồm chi phí đầu tư thiết bị, sự thiếu đồng bộ dữ liệu giữa nông hộ, cơ sở đóng gói và doanh nghiệp logistics, chất lượng dữ liệu huấn luyện, khả năng kết nối tại vùng nguyên liệu và năng lực nhân sự vận hành. Bên cạnh đó, mô hình AI cần được kiểm chứng bằng dữ liệu thực nghiệm và điều kiện vận chuyển thực tế để tránh đưa ra dự báo thiếu chính xác.

Vì vậy, hướng đi phù hợp là xây dựng các mô hình thí điểm theo từng loại rau quả và tuyến xuất khẩu; chuẩn hóa quy trình thu thập dữ liệu; kết nối hệ thống cảm biến với hồ sơ truy xuất nguồn gốc; đồng thời đánh giá hiệu quả thông qua các chỉ tiêu như tỷ lệ hao hụt, tỷ lệ lô hàng đạt chất lượng, thời gian bảo quản, mức tiêu thụ năng lượng và chi phí logistics.

Có thể khẳng định, AI không thay thế các nguyên tắc bảo quản lạnh và quy trình xử lý sau thu hoạch, mà đóng vai trò công cụ hỗ trợ giám sát, dự báo và ra quyết định. Khi được triển khai trên nền tảng dữ liệu đáng tin cậy và gắn với quy trình quản lý chất lượng, AI có thể góp phần xây dựng chuỗi lạnh rau quả tươi Việt Nam theo hướng thông minh, minh bạch và bền vững hơn, qua đó hỗ trợ nâng cao chất lượng nông sản và năng lực cạnh tranh của hàng xuất khẩu.

Tài liệu tham khảo

Food and Agriculture Organization of the United Nations. (2025). SDG 12 – Indicator of global food losses. FAO SDG Indicators Data Portal. https://www.fao.org/sustainable-development-goals-data-portal/data/indicators/1231-global-food-losses/sdg-12-indicator-of-global-food-losses/

Government News (Viet Nam). (2025, November 10). Fruit, vegetable exports likely to hit US$8.5 billion in 2025. https://en.baochinhphu.vn/fruit-vegetable-exports-likely-to-hit-us85-billion-in-2025-111251110153700892.htm

Wang, D., Zhang, M., Li, M., & Lin, J. (2024). Fruits and vegetables preservation based on AI technology: Research progress and application prospects. Computers and Electronics in Agriculture, 226, 109382. https://doi.org/10.1016/j.compag.2024.109382

Lamberty, A., & Kreyenschmidt, J. (2025). Technical, process-related and sustainability requirements for IoT-based temperature monitoring in fruit and vegetable supply chains. FAO AGRIS.

 https://agris.fao.org/search/en/providers/122436/records/6851510faab9439e79fc2665

Pathmanaban, P., Gnanavel, B. K., Anandan, S. S. (2023). Advancing post-harvest fruit handling through AI-based thermal imaging: Applications, challenges, and future trends. Discover Food, 3, Article 27. https://doi.org/10.1007/s44187-023-00068-2

Xiaolong Zhong, Min Zhang, Tiantian Tang, Benu Adhikari, Yamei Ma,. (2023). Advances in intelligent detection, monitoring, and control for preserving the quality of fresh fruits and vegetables in the supply chain. (2023). Food Bioscience, 56, 103350. https://doi.org/10.1016/j.fbio.2023.103350

TS. Vũ Thị Kim Oanh, Khoa Công nghệ Thực phẩm