Các vấn đề đặt ra
Hiện nay, sự phát triển mạnh mẽ của công nghệ và kỹ thuật vi điện tử đã đáp ứng tốt các nhu cầu trong đời sống và sản xuất Lĩnh vực điều khiển tự động không chỉ giúp tiết kiệm chi phí vận hành mà còn nâng cao hiệu suất sản xuất, đồng thời dễ dàng bảo trì và sửa chữa hệ thống khi gặp sự cố Kỹ thuật điều khiển tự động mang lại sự quản lý linh hoạt và ổn định cho hệ thống sản xuất, đảm bảo tiết kiệm và an toàn trước những thách thức của thời đại, đồng thời ứng dụng hiệu quả các thành tựu khoa học toàn cầu.
Trong những năm gần đây, Việt Nam đang trải qua quá trình công nghiệp hóa, hiện đại hóa và hội nhập toàn cầu, với sự phát triển mạnh mẽ của nền công nghiệp Nhiều công ty lớn từ các quốc gia phát triển đã chọn Việt Nam làm địa điểm đặt nhà máy, giúp đất nước có cơ hội tiếp cận sớm hơn các công nghệ kỹ thuật tiên tiến.
Ngành sản xuất hàng hóa tự động đang trải qua sự tăng trưởng mạnh mẽ nhờ vào nhu cầu tiêu thụ vượt trội so với sản lượng sản xuất Điều này thúc đẩy nghiên cứu và phát triển các hệ thống máy phân loại đầu vào và đầu ra cho các dây chuyền sản xuất Sự tự động hóa trong quy trình sản xuất đã trở thành yêu cầu thiết yếu đối với mọi tập đoàn sản xuất.
Tổng quát về đề tài
Hệ thống phân loại sản phẩm là một hệ thống điều khiển tự động hoặc bán tự động, có nhiệm vụ phân chia các sản phẩm theo nhóm thuộc tính tương đồng hoặc khác biệt Chức năng chính của hệ thống này là hỗ trợ việc đóng gói sản phẩm và loại bỏ những sản phẩm không đáp ứng tiêu chuẩn sản xuất.
Dây chuyền phân loại sản phẩm ra đời nhằm khắc phục những hạn chế của phương pháp phân loại truyền thống, như yêu cầu không gian làm việc rộng và thời gian phân loại lâu, dễ dẫn đến sai sót Với nhiều ưu điểm nổi bật, dây chuyền này giúp tối ưu hóa quy trình phân loại và nâng cao hiệu quả công việc.
- Tốc độ phân loại và sắp xếp nhanh chóng lên đến 25.000 sản phẩm / giờ
- Độ chính xác nhanh chóng và tỷ lệ lỗi phân loại cực kỳ thấp 0,01%
- Giảm tỷ lệ hàng hóa bị hư hỏng, rơi vỡ, móp méo, do đó nâng cao mức độ dịch vụ
- Quản lý dữ liệu và thông tin sản phẩm hoàn toàn trên phần mềm và lưu giữ trên một máy chủ duy nhất một cách đơn giản
- Tích hợp thiết kế đầu vào linh hoạt, hệ thống xác minh mã vạch tự động, cân chính xác cao
- Dễ dàng thay đổi và nâng cấp dung lượng theo các phân hệ
Máy phân loại nông sản, nhựa, hạt và sợi hiện nay có thiết kế nhỏ gọn, tích hợp nhiều dây chuyền phân loại hiệu quả Chúng thực hiện các chức năng phân loại và lựa chọn sản phẩm thông qua hệ thống camera và cơ cấu kiểm tra sản phẩm tiên tiến Hiện tại, thị trường cung cấp đa dạng hệ thống phân loại sản phẩm để đáp ứng nhu cầu khác nhau.
- Dựa theo phương thức điều khiển chia hệ thống tự động hay bán tự động, có tham gia người hay không, mức độ tham gia đến đâu
Hình 1.1 Dây chuyền sản xuất bán tự động sử dụng cánh tay robot
Sản phẩm như ớt, cà chua, cà phê, nhựa màu, gạo, mầm chè và các loại hạt có thể được phân loại theo màu sắc nhờ công nghệ camera nhận diện sản phẩm và xử lý hình ảnh tự động Năng suất của hệ thống này đạt từ 0,8 đến 15 tấn mỗi giờ, tùy thuộc vào dòng máy, với tỷ lệ phân loại chính xác vượt quá 99% Công nghệ phân loại màu sắc này được ứng dụng rộng rãi trong các lĩnh vực như nông nghiệp, thực phẩm, xăng dầu, hóa chất, dược phẩm, linh kiện điện tử và thiết bị y tế.
Hình 1.2 Dây chuyền phân loại nông sản xanh- chín bằng xử lí màu sắc
- Theo trọng lượng, hình dáng kích thước bên ngoài nhiều cách phân loại khác tùy vào yêu cầu khác biệt phôi
Hình 1.3 Dây chuyền phân loại và đóng gói quả cam theo trọng lượng
Dây chuyền phân loại sản phẩm sử dụng mã vạch Barcode và mã QR giúp phân loại bưu phẩm, bưu kiện và thành phẩm được đóng gói trong thùng carton hoặc túi Việc dán mã vạch và mã QR lên sản phẩm cho phép hệ thống lưu trữ thông tin, từ đó dễ dàng lọc và chọn lựa sản phẩm khi cần thiết, đồng thời thu thập đến các địa điểm thu gom (hub).
Với sản phẩm điện tử, công nghệ: theo cùng lô sản xuất, ngày sản xuất, model
Đối với bưu kiện, đơn hàng hỏa tốc: theo ngày đặt hàng, phương thức đóng gói, địa điểm nhận hàng, phân loại hàng hóa tiêu chuẩn hỏa tốc
Nông sản đóng gói: theo hạn sử dụng, số lô chế biến, cấp sản phẩm
Trong các nhà máy thông minh hoặc hệ thống AGV, các trường hợp và thùng được phân loại trên băng tải bởi công nhân hoặc cánh tay robot.
Hệ thống phân loại sản phẩm có khả năng xử lý lên đến 10.000 sản phẩm mỗi giờ, mang lại hiệu suất sản xuất cao gấp 3-5 lần so với phương pháp phân loại truyền thống sử dụng quét mã vạch.
Hình 1.4 Dây chuyền phân loại bưu phẩm, kiện hàng linh kiện bằng mã QR
Ý nghĩa khoa học và thực tiễn đề tài
Việc áp dụng máy móc thiết bị hiện đại trong sản xuất đã giúp giảm thiểu thời gian lao động và sức người Các công việc nguy hiểm và đòi hỏi độ chính xác cao đang dần được tự động hóa, từ đó giảm thiểu rủi ro tai nạn lao động và nâng cao chất lượng sản phẩm đến tay người tiêu dùng.
Hệ thống phân loại sản phẩm đã ra đời và phát triển trong bối cảnh kinh tế toàn cầu, đánh dấu những bước ngoặt quan trọng trong ứng dụng khoa học công nghệ nhằm giải quyết các vấn đề khó khăn của con người Nó có ảnh hưởng lớn đến ngành công nghiệp, đặc biệt là tại Việt Nam, góp phần nâng cao đời sống và phát triển kinh tế Hệ thống này hứa hẹn mang lại sự phát triển ổn định và bền vững, đồng thời tạo nền tảng cho sự hình thành các tập đoàn kinh tế toàn cầu Vai trò của nó trong việc cung cấp và phân phối sản phẩm là rất quan trọng, giúp cải thiện cả số lượng và chất lượng sản phẩm, đồng thời đa dạng hóa mẫu mã và chủng loại Chất lượng sản phẩm được nâng cao sẽ giải quyết hiệu quả các vấn đề sức khỏe của con người.
Trong bối cảnh nhu cầu sử dụng và trải nghiệm của con người ngày càng cao, các nhà máy và đơn vị sản xuất đang nỗ lực rút ngắn quy trình sản xuất và giảm chi phí mà vẫn đảm bảo chất lượng Đề tài "Nghiên cứu, thiết kế hệ thống phân loại sản phẩm theo màu sắc và chiều cao sử dụng cánh tay robot" được thực hiện nhằm cải thiện quy trình sản xuất, giảm thiểu chi phí nhân công, tăng năng suất lao động và tối ưu giá thành sản phẩm để nâng cao khả năng cạnh tranh trên thị trường.
Mục tiêu nghiên cứu của đề tài
Đề tài "Nghiên cứu, thiết kế hệ thống phân loại sản phẩm theo màu sắc và chiều cao" nhằm nâng cao hiệu suất làm việc và phân loại chính xác các sản phẩm dựa trên màu sắc (Đỏ, Vàng, Xanh) cùng với việc nhận diện các sản phẩm không đúng kích thước.
Sử dụng cánh tay Robot để phân loại sản phẩm một cách chính xác và hiệu quả Dự án này được phát triển dựa trên ngôn ngữ lập trình Python, sử dụng thư viện OpenCV, và được thực hiện trên nền tảng Pycharm kết hợp với Arduino.
- Tính toán, thiết kế và gia công các thành phần cơ khí của hệ thống
- Cải tiến và hướng tới ứng dụng hệ thống vào các loại hình sản xuất thực tế.
Phương pháp nghiên cứu
- Tham khảo, tổng hợp kiến thức từ nhiều nguồn khác nhau như sách báo, internet và các tài liệu tham khảo
- Chọn lọc các giải pháp khả thi, hữu ích với đề tài
- Đưa ra ý tưởng xây dựng hệ thống phân loại theo hướng tự động và thông minh
- Quan sát, phân tích các hệ thống phân loại sản phẩm đã được sử dụng trong thực tế
- Nghiên cứu giải bài toán tự động hóa cho dây chuyền
- Xây dựng lưu đồ thuật toán
- Thiết kế, mô hình hóa và mô phỏng quá trình hoạt động của hệ thống trên phần mềm, tối ưu hóa hệ thống trước khi chế tạo.
TỔNG QUAN VỀ HỆ THỐNG PHÂN LOẠI SẢN PHẨM
Nguyên lý làm việc và quy trình công nghệ của hệ thống
2.1.1 Sơ đồ khối của hệ thống
Sơ đồ khối của hệ thống phân loại sản phẩm theo màu sắc và chiều cao sử dụng cánh tay robot được trình bày trong hình vẽ 2.1:
- Khối xử lý bao gồm: Pycham và Arduino Nhận tín hiệu truyền và xuất ra tín hiệu điều khiển toàn bộ hệ thống
- Camera: Thu tín hiệu hình ảnh từ bên ngoài
- Hệ thống cảm biến gồm: Cảm biến siêu âm (xác định chiều cao của sản phẩm), cảm biến tiệm cận (phát hiện phôi)
- Khối động cơ gồm: Động cơ DC12V (vận hành băng tải), động cơ Servo (cơ cấu chấp hành của cánh tay robot, gạt sản phẩm)
- Màn LCD: Hiện số lượng sản phẩm
Màn hình LCD Hình 2.1 Sơ đồ khối của hệ thống
2.1.2 Quy trình công nghệ của hệ thống
2.1.3 Nguyên lý hoạt động của hệ thống
Phôi được đưa vào đầu băng tải và di chuyển đến vị trí của cảm biến tiệm cận 1 Khi cảm biến tiệm cận 1 nhận tín hiệu, cảm biến siêu âm sẽ xác định chiều cao của phôi và gửi thông tin về bộ điều khiển Có hai trường hợp sẽ xảy ra tiếp theo.
Băng tải hoạt động Cánh tay robot trở về vị trí ban đầu
Cấp sản phẩm cần phân loại vào hệ thống Băng tải chuyển sản phẩm đến vị trí xác định chiều cao Xác định chiều cao
Băng tải chuyển sản phẩm đến vị trí xác định màu sắc Xác định màu sắc
Tiến hành phân loại sản phẩm
Hoàn thành Hình 2.2 Quy trình công nghệ của hệ thống
Khi phôi có kích thước chính xác, nó sẽ được chuyển đến vị trí camera để chụp ảnh Camera sẽ gửi hình ảnh về bộ xử lý nhằm xác định màu sắc của phôi.
Khi bộ xử lý nhận diện màu sắc và cảm biến tiệm cận nhận được tín hiệu, cánh tay robot sẽ tự động di chuyển để gắp vật về ô phân loại theo màu đã xác định Đồng thời, hệ thống sẽ tăng số lượng phôi lên một và hiển thị kết quả trên màn hình LCD.
Khi bộ xử lý không nhận diện được màu sắc của phôi, phôi sẽ tiếp tục được vận chuyển trên băng tải Cuối băng tải, cữ chặn sẽ mở ra, cho phép phôi trôi xuống máng phôi lỗi.
Trong trường hợp phôi có kích thước sai, phôi sẽ được tiếp tục vận chuyển trên băng tải Khi đến cuối băng tải, cữ chặn sẽ mở ra, cho phép phôi rơi xuống máng phôi lỗi.
Cơ sở toán học
Hình 2.3 Gắn trục tọa độ động học thuận Bảng DH
Bảng 2.1 Bảng DH động học thuận robot
Ma trận chuyển đổi tổng quát i+1 iT = [ cosθ −sinθ cosα sinθ sinα a cosθ sinθ cosθ cosα −cosθ sinα a sinθ
Ma trận chuyển đổi giữa các khâu
1 = [ cosθ2 −sinθ2 0 l2 cosθ2 sinθ2 cosθ2 0 l2 sinθ2
2 = [ cosθ3 −sinθ3 0 l3 cosθ3 sinθ3 cosθ3 0 l3 sinθ3
Ta tìm được phương trình động học tay máy:
=> Vị trí của khâu chấp hành cuối
Phương trình động học nghịch
Hình 2.4 Gắn hệ trục động học nghịch Tính θ1
BP = Pz – L1 Áp dụng pitago trong tam giác ABP
AP 2 2 + BP 2 (2.5) Áp dụng hệ thức lượng trong tam giác ADP
AB => BAP = atan2(BP, AB)
Hệ thống xử lý ảnh
2.3.1 Tổng quan về xử lý ảnh
Xử lý ảnh là một lĩnh vực khoa học và công nghệ đang phát triển nhanh chóng, thu hút sự chú ý của nhiều trung tâm nghiên cứu và ứng dụng Ngành này, mặc dù còn mới mẻ so với các lĩnh vực khoa học khác, đã thúc đẩy sự phát triển của các máy tính chuyên dụng, góp phần nâng cao hiệu quả trong việc xử lý và phân tích hình ảnh.
Xử lý ảnh là kỹ thuật quan trọng được sử dụng để cải thiện và xử lý hình ảnh thu được từ các thiết bị như camera và webcam Kỹ thuật này đã được ứng dụng rộng rãi và phát triển trong nhiều lĩnh vực quan trọng.
- Trong lĩnh vực quân sự: xử lý và nhận dạng ảnh quân sự
- Trong lĩnh vực giao tiếp người máy: nhận dạng ảnh, xử lý âm thanh, đồ họa
- Trong lĩnh vực an, bảo mật: nhận diện khuôn mặt người, nhận diện vân tay, mẫu mắt,
- Trong lĩnh vực giải trí: trò chơi điện tử
- Trong lĩnh vực y tế: Xử lý ảnh y sinh, chụp X quang, MRI, …
Các phương pháp xử lý ảnh chủ yếu tập trung vào hai ứng dụng chính: nâng cao chất lượng và phân tích ảnh Nâng cao chất lượng ảnh đã được áp dụng từ những năm 1920, khi hình ảnh báo được truyền từ Luân Đôn đến New York Vấn đề nâng cao chất lượng liên quan đến việc điều chỉnh phân bố mức sáng và độ phân giải của ảnh, và lĩnh vực này đã có sự phát triển đáng kể trong những năm qua.
Năm 1955, sự phát triển nhanh chóng của máy tính sau Thế chiến thứ hai đã tạo điều kiện thuận lợi cho quá trình xử lý ảnh số.
Năm 1964, máy tính đã bắt đầu có khả năng xử lý và cải thiện chất lượng hình ảnh từ mặt trăng, đặc biệt là từ vệ tinh Ranger 7 của Mỹ, với các tính năng như làm nổi đường biên và lưu trữ ảnh.
Từ năm 1964 đến nay, công nghệ xử lý và nâng cao chất lượng ảnh đã có những bước tiến vượt bậc Các phương pháp trí tuệ nhân tạo như mạng nơ-ron nhân tạo, cùng với các thuật toán và công cụ nén ảnh hiện đại, đang được áp dụng rộng rãi và mang lại nhiều kết quả tích cực Quá trình xử lý ảnh bắt đầu bằng việc thu nhận ảnh từ thế giới bên ngoài thông qua các thiết bị như camera hoặc máy chụp ảnh Trước đây, ảnh thu được là ảnh tương tự, nhưng hiện nay, nhờ vào sự phát triển công nghệ, ảnh màu hoặc đen trắng được chuyển đổi trực tiếp thành ảnh số, tạo điều kiện thuận lợi cho các bước xử lý tiếp theo Bên cạnh đó, ảnh cũng có thể được quét từ vệ tinh bằng máy quét ảnh.
Hình 2.5 Các bước cơ bản trong xử lý ảnh
Sơ đồ bao gồm các thành phần sau:
Ảnh có thể được thu nhận qua camera màu hoặc trắng đen, thường sử dụng camera ống chuẩn CCIR với tần số 1/25 Mỗi ảnh thu nhận sẽ là ảnh tương tự.
Camera số hóa, như CCD (Change Coupled Device), sử dụng photodiot để tạo cường độ sáng tại mỗi điểm ảnh Loại camera này thường quét dòng, cho ra hình ảnh hai chiều Chất lượng ảnh thu được phụ thuộc vào thiết bị thu và môi trường xung quanh, bao gồm ánh sáng và phong cảnh.
Sau khi thu nhận, ảnh có thể bị nhiễu và có độ tương phản thấp, vì vậy cần sử dụng bộ tiền xử lý để cải thiện chất lượng hình ảnh Bộ tiền xử lý có chức năng chính là lọc nhiễu và nâng cao độ tương phản, giúp hình ảnh trở nên rõ nét và sắc sảo hơn.
Phân đoạn hay phân vùng ảnh
Phân vùng ảnh là quá trình tách một ảnh đầu vào thành các vùng thành phần, phục vụ cho việc phân tích và nhận dạng ảnh Chẳng hạn, để nhận diện chữ hoặc mã vạch trên phong bì thư nhằm phân loại bưu phẩm, cần chia các thông tin như địa chỉ và tên người thành từng từ, chữ cái và số riêng biệt Đây là bước phức tạp nhất trong xử lý ảnh, dễ dẫn đến lỗi và ảnh hưởng đến độ chính xác của kết quả nhận dạng Do đó, chất lượng nhận dạng ảnh phụ thuộc rất nhiều vào công đoạn phân vùng này.
Biểu diễn ảnh là quá trình xử lý các điểm ảnh trong vùng ảnh đã phân đoạn, kết hợp với mã liên kết của các vùng lân cận Để tiếp tục xử lý bằng máy tính, cần chuyển đổi các số liệu này thành dạng phù hợp Việc trích chọn đặc trưng (Feature Extraction) là bước quan trọng, giúp tách các đặc tính của ảnh thành thông tin định lượng, từ đó phân biệt các lớp đối tượng khác nhau trong ảnh Chẳng hạn, trong nhận dạng ký tự trên phong bì thư, chúng ta mô tả các đặc trưng của từng ký tự để phân biệt chúng với nhau.
Nhận dạng và nội suy ảnh
Nhận dạng ảnh là quá trình xác định và phân loại hình ảnh bằng cách so sánh với các mẫu đã được học trước đó Quá trình này cho phép nội suy, tức là phán đoán ý nghĩa dựa trên nhận dạng, như việc chuyển đổi các chữ số và nét gạch ngang trên phong bì thành mã điện thoại Theo lý thuyết nhận dạng, các mô hình toán học về ảnh được phân loại thành hai loại cơ bản.
Nhận dạng theo tham số
Nhận dạng theo cấu trúc
Hiện nay, có nhiều phương pháp nhận dạng phổ biến trong khoa học và công nghệ, bao gồm nhận dạng ký tự (chữ in, chữ viết tay, chữ ký điện tử), nhận dạng văn bản, nhận dạng vân tay, nhận dạng mã vạch và nhận dạng khuôn mặt.
Ảnh là một đối tượng phức tạp với nhiều yếu tố như đường nét, độ sáng tối và dung lượng điểm ảnh, dẫn đến sự xuất hiện của nhiễu Trong quá trình xử lý và phân tích ảnh, việc đơn giản hóa các phương pháp toán học là cần thiết để thuận tiện hơn cho việc xử lý Đồng thời, người ta cũng mong muốn mô phỏng quy trình tiếp nhận và xử lý ảnh của con người Hiện nay, nhiều bước trong quy trình xử lý đã áp dụng các phương pháp trí tuệ nhân tạo, từ đó phát huy các cơ sở tri thức trong lĩnh vực này.
Sau khi số hóa, ảnh sẽ được lưu trữ hoặc chuyển đến các giai đoạn phân tích tiếp theo Việc lưu trữ ảnh từ các tệp thô yêu cầu dung lượng bộ nhớ lớn và không hiệu quả về mặt ứng dụng và công nghệ Thay vào đó, ảnh thường được lưu dưới dạng các đặc trưng như biên ảnh và vùng ảnh.
2.3.2 Phương pháp nhận dạng màu sắc
Giới thiệu về các không gian màu:
Phân tích, lựa chọn hệ thống điều khiển
Arduino được coi là bộ não của hệ thống, có nhiệm vụ kết nối các thiết bị để điều khiển hoạt động của chúng Nó nhận tín hiệu từ cảm biến, ra lệnh cho PyCharm hoạt động, sau đó nhận dữ liệu trả về từ PyCharm để phân tích và điều khiển động cơ, đồng thời gửi dữ liệu đến khối hiển thị Nhóm nghiên cứu sử dụng Kit Arduino Uno R3 cho dự án này.
Hình 2.10 Arduino uno R3 Thông số kĩ thuật:
- Vi điều khiển: Atmega328 họ 8bit
- Điện áp hoạt động: 5-12V DC
- Tần số hoạt động: 16 MHz
- Dòng tiêu thụ: Khoảng 30 mA
- Điện áp vào giới hạn: 19V DC
- Số chân Digital I/O: 14 (6 chân PWM)
- Số chân Analog: 6 (độ phân giải 10bit)
- Dòng tối đa trên mỗi chân: 30mA
- Dòng ra tối đa (5V) : 500 mA
- Dòng ra tối đa (3.3V) : 50 mA
Phân tích, lựa chọn các khối chức năng
2.5.1 Camera Đối với một hệ thống xử lý ảnh thì camera được xem như là con mắt của hệ thống Để hệ thống nhận diện đúng màu sắc nhận dạng sản phẩm và độ phân giải ảnh đúng yêu cầu đề ra thì nhóm đã chọn SJCAM SJ4000 trong đề tài nghiên cứu này
Hình 2.11 SJCAM SJ4000 Thông số kĩ thuật:
- Kích thước: dài x rộng z cao = 29.8 x 41 x 59.2 mm
- Tỉ lệ khung hình: 30 fps
- Độ phân giải hình ảnh: 10MP
Có chức năng gửi tín hiệu điện cho khối điều khiển khi có phôi đi qua
Sử dụng cảm biến hồng ngoại E18-D80NK
Hình 2.12 Cảm biến vật cản hống ngoại Thông số kỹ thuật:
- Dạng đóng ngắt: Thường mở (NO - Normally Open)
- Số dây tín hiệu: 3 dây (2 dây cấp nguồn DC và 1 dây tín hiệu)
- Nguồn điện cung cấp: 5VDC - Khoảng cách phát hiện: 3 ~ 80cm
- Có thể điều chỉnh khoảng cách qua biến trở
- Dòng kích ngõ ra: 300mA
Chân tín hiệu ngõ ra sử dụng transistor NPN với nội trở 10k được kéo lên VCC Khi có vật cản, tín hiệu sẽ xuất ra mức thấp (Low-GND), trong khi khi không có vật cản, tín hiệu sẽ ở mức cao (High-VCC).
- Chất liệu sản phẩm: nhựa
- Có led hiển thị ngõ ra màu đỏ
- Màu nâu: VCC, nguồn dương 5VDC
- Màu xanh dương: GND, nguồn âm 0VDC
- Màu đen: Chân tín hiệu
Hình 2.13 Cảm biến siêu âm SRF04 Nguyên lý hoạt động:
Chân trig của module cảm biến siêu âm phát ra xung mức cao, kích hoạt loa phát sóng siêu âm với tốc độ 340m/s trong không khí Khi sóng siêu âm gặp vật cản, chúng sẽ phản xạ trở lại và được loa thu nhận Module sau đó tạo ra xung mức cao có độ rộng tương ứng với thời gian sóng truyền từ module đến vật cản và trở lại Bằng cách xác định độ rộng của xung, ta có thể tính khoảng cách từ cảm biến đến vật cản thông qua công thức xác định khoảng cách.
- Điện áp hoạt động: 5VDC
- Tín hiệu giao tiếp: TTL
- Chân tín hiệu: Echo, Trigger
- Tần số phát sóng: 40Khz
Khoảng cách đo được của cảm biến là từ 2 đến 450 cm, với khoảng cách tối đa đạt được trong điều kiện lý tưởng như không gian trống và bề mặt vật thể phẳng Trong điều kiện bình thường, cảm biến cho kết quả chính xác nhất ở khoảng cách dưới 100 cm.
- Sai số: 0.3cm (khoảng cách càng gần, bề mặt vật thể càng phẳng sai số càng nhỏ)
- Kích thước: 43mm x 20mm x 17mm
Sử dụng màn hình LCD16x2 để hiển thị kết quả nhận được từ khối điều khiển
Hình 2.14 Màn hình LCD 16x2 Thông số kĩ thuật
- LCD 16×2 có 16 chân trong đó 8 chân dữ liệu (D0 – D7) và 3 chân điều khiển (RS, RW, EN) - 5 chân còn lại dùng để cấp nguồn và đèn nền cho LCD 16×2
- Các chân điều khiển giúp ta dễ dàng cấu hình LCD ở chế độ lệnh hoặc chế độ dữ liệu
- Chúng còn giúp ta cấu hình ở chế độ đọc hoặc ghi
Khối nguồn
Nguồn cấp cho arduino uno, động cơ servo
Arduino Uno R3 yêu cầu nguồn cung cấp điện áp từ 5-12VDC và dòng điện tối đa ImaxPmA Để đáp ứng nhu cầu này, nhóm đã sử dụng mạch hạ áp LM2596 để giảm điện áp 24VDC từ nguồn tổ ong xuống còn 5VDC với dòng 3A cho Arduino Uno.
Nguồn của động cơ servo cũng được đấu nối với đầu ra của mạch hạ áp LM2596 với mức điện áp 5VDC – 3A
Hình 2.15 Mạch hạ áp LM2596
Nguồn cấp cho động cơ DC
Nhóm sử dụng nguồn tổ ong 24VDC để cấp nguồn cho toàn hệ thống
Sử dụng mạch hạ áp LM2596 hạ còn 12VDC để cấp cho động cơ của băng tải
Hình 2.16 Nguồn tổ ong 24VDC- 5A
Băng tải
Khung băng tải là xương sống của toàn bộ hệ thống, được thiết kế bằng nhôm định hình 400x60x30 Để đảm bảo tính khoa học và thẩm mỹ, nhóm đã lựa chọn kích thước khung với chiều cao 100 mm, chiều rộng 60 mm và chiều dài 520 mm Các kích thước này đã được tinh chỉnh trong quá trình thiết kế để phù hợp với đề tài và yêu cầu của dây chuyền.
Con lăn được tính toán để lựa chọn theo tiêu chuẩn, ở đây, nhóm lựa chọn loại ổ lăn có đường kính trục nhỏ là 6(mm), đường kính ngoài là 30 (mm)
Hình 2.18 Con lăn băng tải
Chọn dây tải có chất liệu nhựa PVC , chiều dày 1 (mm), rộng 60 (mm), chiều dài có thể tiến hành cắt và nối khi tiến hành chế tạo thực
2.7.4 Động cơ DC Động cơ một chiều DC (DC là từ viết tắt của "Direct Current Motors") là động cơ điều khiển bằng dòng có hướng xác định hay nói dễ hiểu hơn thì đây là loại động cơ chạy bằng nguồn điện áp DC, điện áp 1 chiều (khác với điện áp
Động cơ xoay chiều (AC) thường có hai dây đầu ra, bao gồm dây nguồn (VCC) và dây tiếp đất (GND) Trong khi đó, động cơ một chiều (DC motor) là loại động cơ cho phép quay liên tục, mang lại hiệu suất cao trong nhiều ứng dụng.
Cấu tạo: Gồm có 3 phần chính: stator (phần cảm), rotor (phần ứng), và phần cổ góp- chỉnh lưu
- Stator của động cơ điện 1 chiều thường là 1 hay nhiều cặp nam châm vĩnh cửu, hay nam châm điện
- Rotor có các cuộn dây quấn và được nối với nguồn điện một chiều
Bộ phận chỉnh lưu có chức năng đổi chiều dòng điện trong quá trình rotor quay liên tục Thông thường, bộ phận này bao gồm một bộ cổ góp và một bộ chổi than tiếp xúc với cổ góp.
Cánh tay robot
Nguyên liệu nhựa PLA là lựa chọn phổ biến trong gia công in 3D nhờ vào tính chất nhiệt dẻo và khả năng phân hủy sinh học từ nguồn tái tạo Với chi phí thấp, dễ dàng trong quá trình in và đa dạng màu sắc rực rỡ, nhựa PLA đang trở thành một trong những vật liệu in 3D FDM được ưa chuộng trên thị trường.
2.8.2 Động cơ của các khớp Động cơ servo là một thiết bị tự động có sử dụng lõi cảm biến phản hồi âm để điều chỉnh hành động của một cơ cấu Trong đó RC Servo là một loại động cơ của servo được ứng dụng rất nhiều trong công nghiệp Động cơ RC servo là loại động cơ có tốc độ thấp, mô - men xoắn cao và có nhiều kích thước to nhỏ khác nhau tùy vào thiết bị Khác hẳn với động cơ DC và Stepper, động cơ RC servo không xoay ở góc 360 độ như bình thường mà loại động cơ này bị giới hạn trong phạm vi ở góc 180, 270 và 90 độ
Phân loại động cơ RC servo dựa trên các tiêu chí:
- Phân loại dựa trên nguồn cấp
- Phân loại dựa trên vật liệu làm hộp giảm tốc
- Phân loại dựa trên phương pháp điều khiển
Cấu tạo của một động cơ RC servo bao gồm 10 phần cơ bản:
- Động cơ chính Board điều khiển tín hiệu hồi tiếp
- Dây tín hiệu vào (Yellow or White)
TÍNH TOÁN, THIẾT KẾ HỆ THỐNG PHÂN LOẠI SẢN PHẨM THEO MÀU SẮC VÀ CHIỀU CAO
Tính toán, thiết kế hệ thống cơ khí
3.1.1 Thiết kế hệ thống cơ khí
3.1.1.1 Thiết kế cánh tay robot ba bậc tự do
Hình 3.1 Bản vẽ lắp cánh tay robot
Hình 3.2 Mô hình cánh tay robot ba bậc tự do
Hình 3.3 Bản vẽ lắp băng tải
Hình 3.4 Mô hình băng tải
Hình 3.5 Bản vẽ module chặn
Hình 3.6 Mô hình module chặn
3.1.1.4 Thiết kế module xác định chiều cao
Hình 3.7 Bản vẽ module xác định chiều cao
Hình 3.8 Mô hình module xác định chiều cao
3.1.1.5 Bản vẽ thiết kế toàn hệ thống
Hình 3.9 Hệ thống phân loại sản phẩm
3.1.2 Tính toán hệ thống cơ khí
3.1.2.1 Tính toán lựa chọn động cơ robot
Thông số tính toán lựa chọn động cơ:
- Chiều dài khâu L1, L2, L3: 40 mm, 120 mm, 140 mm
- Khối lượng các khâu m1, m2, m3: 0.21 kg, 0.11 kg 0.3 kg
- Khối lượng của vật là m𝑣 = 0.2 kg
Tính toán thông số động cơ: Động cơ khâu 3 (DC3)
Momen quay của động cơ trên cả khâu 3 là:
M3= F𝑀3 L3= (m3+ m𝑣).g L3 (N.m) (3.1) Trong đó: F𝑀3: Lực tác dụng lên khâu 3 g : Gia tốc = 9.8 (𝑚/𝑠 2 )
L 3 : Chiều dài khâu 3 Thay 𝑚 3 = 0.3 kg, 𝑚 𝑣 =0.2 kg, L 3 = 0.14 m
=> M 3 = 0.686 N.m = 6.99 kgf.cm Động cơ khâu 2 (DC2)
Vì khâu 2 ngoài trọng lực của nó còn mang theo cả trọng lực của khâu 3 Momen quay của cả động cơ trên cả khâu 2 là:
F𝑀3 : Lực tác dụng lên khâu 3
F𝑀2 : Lực tác dụng lên khâu 2
=> M2= 0.717 N.m = 7.311 Kgf.cm Động cơ khâu 1 (DC1)
Vì khâu 1 ngoài trọng lực của nó còn mang theo cả trọng lực của khâu 2 và 3 Momen quay của cả động cơ trên cả khâu 1 là:
F𝑀3 : Lực tác dụng vào khâu 3
F𝑀2 : Lực tác dụng vào khâu 2
F𝑀1 : Lực tác dụng vào khâu 1
Thay m3=0.3 kg, m2=0.11 kg, m1=0.21 kg, m𝑣=0.2 kg, L1= 0.04 m
Dựa vào thông số đã tính nhóm lựa chọn sử dụng động cơ servo MG996R với lực kéo 9.4 kgf cm (4.8V), 11kgf.cm (6V)
Hình 3.10 Động cơ servo MG996R Thông số kỹ thuật:
- Kích thước sản phẩm: 40.7 × 19.7 × 42.9mm
- Lực kéo: 9.4kg / cm (4.8V), 11kg / cm (6V)
- Tốc độ xoay: 0.17 giây / 60 độ (4.8 v) 0.14 giây / 60 độ (6 v)
- Vật liệu bánh răng: Kim loại
3.1.2.2 Lựa chọn thông số băng tải
- Đường kính rulo D = 30 mm, đường kính trục 6mm
- Khối lượng phôi mphôi = 0.2 kg
- Khối lượng băng tải m= 2kg (bao gồm khối lượng rulo, băng tải, phôi)
3.1.2.3 Tính toán, lựa chọn động cơ băng tải
Tính toán công suất động cơ
Pdc: Công suất định mức động cơ
Pct: Công suất cần thiết trên trục động cơ
P: Công suất làm việc trên trục công tác
Trong đó: k = 1: hệ số ma sát lăn à = 1: hệ số ma sỏt trượt
Fmst: lực ma sát trượt
Fmsl: lực ma sát lăn g = 9,8 (m/s2): gia tốc trọng trường
Trong đó: η: hiệu suất của hệ truyền động η1 = 0.995: hiệu suất ổ lăn η2 = 0.75: hiệu suất của băng tải η3 = 0.999: hiệu suất khớp nối
Bảng 3.1 Hiệu suất của các bộ truyền
Tên gọi Hiệu suất η Được che kín Để hở
Bộ truyền bánh răng trụ
Bộ truyền bánh răng côn
Bộ truyền bánh ma sát
Tính toán tốc độ quay của động cơ
Do động cơ và rulo của băng tải được kết nối với nhau bằng khớp nối cứng nên
Ta có : ndc = nrulo= 60.𝑣 π.𝐷 = 25.477 (vòng/ phút) (3.9) Trong đó: v=0.04 (m/s) (vận tốc băng tải)
Trong đó: Mrulo: Momen của rulo
Mdc: Momen của động cơ Thay F" (N), D= 0.03 (m)
Nhóm đã chủ động tính toán và chọn các động cơ có sẵn hộp giảm tốc được bán ngoài thị trường Mã động cơ GM37 – 550 – S550
Hình 3.11 Động cơ GM37- 550- S550 Thông số kĩ thuật:
- DC mô-men xoắn cao: 550 vòng / phút
- Sử dụng điện áp: DC12.0V
- Tối đa công suất đầu vào: 40W
- Mô-men xoắn: 9.0Kg.cm
- Chiều dài bộ giảm tốc Mô-men xoắn tốc độ hiện tại: 21.5L
Thiết kế hệ thống điện điều khiển
Hình 3.12 Sơ đồ nguyên lý của hệ thống Khối xử lý trung tâm:
- Cảm biến tiệm cận E18 – D80NK
- Cảm biến siêu âm SRF04
Khối điều khiển tốc độ động cơ:
- LCD1602 có tích hợp mạch I2C
Kết nối giữa các thành phần trong sơ đồ nguyên lý
- Kết nối khối nguồn với thành phần của hệ thống:
Nguồn 220VAC được đưa vào nguồn tổ ong, biến đổi thành 24VDC Mạch hạ áp LM2596 được sử dụng để giảm điện áp xuống 5VDC với dòng 3A, cung cấp nguồn cho Arduino và động cơ servo, trong khi 12VDC được sử dụng để cấp nguồn cho động cơ băng tải.
- Kết nối giữa vi điều khiển arduino uno r3 với các cảm biến và động cơ servo
Cảm biến siêu âm: Chân Trig được kết nối với D7, chân Echo được kết nối với D4
Cảm biến tiệm cận 1: Chân data được kết nối với D2
Cảm biến tiệm cận 2: Chân data được kết nối với D13
Động cơ servo khâu 1: Chân pwm được kết nối với D8
Động cơ servo khâu 2: Chân pwm được kết nối với D9
Động cơ servo khâu 3: Chân pwm được kết nối với D10
Động cơ servo kìm kẹp: Chân pwm được kết nối với D11
Động cơ servo module chặn: Chân pwm được kết nối với D12
- Kết nối giữa vi điều khiển arduino với lcd
Chân SCL và SDA của I2C kết nối với hai chân tương ứng của arduino là A4, A5
Chân VCC của I2C được kết nối với chân đầu ra 5V của arduino
Chân GND của I2C được kết nối với chân GND của arduino
- Kết nối khối điều chỉnh tốc độ băng tải
Chân tín hiệu của triết áp đấu nối với chân B của transistor NPN D718 và nối vào dương nguồn 12V
Chân GND của triết áp đấu nối với chân C của transistor
Chân E của transistor đấu với nguồn dương của động cơ DC
Nguồn âm của nguồn đấu nối với nguồn âm của động cơ DC
Lưu đồ thuật toán
3.3.1 Lưu đồ thuật toán của hệ thống
Giải thích lưu đồ thuật toán :
- Cài đặt đưa hệ thống về trạng thái ban đầu
- Khi khởi động hệ thống thì băng tải được bật
Chờ tín hiệu từ cảm biến tiệm cận 1 để xác định sự hiện diện của phôi, đồng thời sử dụng cảm biến siêu âm để đo chiều cao của phôi khi nó đi qua.
Khi chiều cao của phôi đạt tiêu chuẩn, phôi sẽ di chuyển đến vị trí camera để thực hiện chụp ảnh và chuyển đổi dữ liệu Sau đó, phôi tiếp tục tiến đến cữ chặn và chờ tín hiệu từ cảm biến tiệm cận 2.
Khi dữ liệu đỏ của Pycham gửi đến Arduino và cảm biến tiệm cận
Khi nhận được tín hiệu, cánh tay robot sẽ bắt đầu quá trình gắp phôi Đầu tiên, cánh tay di chuyển từ vị trí ban đầu đến vị trí gắp phôi để thực hiện thao tác gắp Sau khi gắp phôi, cánh tay nâng lên vị trí an toàn, quay sang vị trí thả phôi đỏ đã được lập trình và thả phôi vào thùng chứa Cuối cùng, cánh tay quay trở về vị trí ban đầu.
Khi dữ liệu từ Pycharm được gửi đến Arduino và cảm biến tiệm cận 2 nhận tín hiệu, cánh tay robot sẽ nhận lệnh gắp phôi Đầu tiên, cánh tay di chuyển từ vị trí ban đầu đến vị trí gắp phôi và thực hiện quá trình gắp Sau khi gắp, cánh tay được nâng lên vị trí an toàn, quay sang vị trí thả phôi vàng đã được lập trình trước, thả phôi vào thùng chứa và quay trở lại vị trí ban đầu.
Khi dữ liệu từ PyCharm gửi đến Arduino và cảm biến tiệm cận nhận được tín hiệu, cánh tay robot sẽ thực hiện lệnh gắp phôi Đầu tiên, cánh tay di chuyển từ vị trí ban đầu đến vị trí gắp phôi và tiến hành gắp Sau khi gắp phôi, cánh tay được nâng lên đến vị trí an toàn, quay sang vị trí thả phôi xanh đã được lập trình trước, thả phôi vào thùng chứa và quay trở lại vị trí ban đầu.
Khi dữ liệu của Pycham không gửi đến Arduino thì cần gạt giữ phôi ở cuối mở ra và phôi được vào thùng chứa phôi lỗi
- Nếu chiều cao phôi không đạt yêu cầu thì cần gạt giữ phôi ở cuối mở ra và phôi được vào thùng chứa phôi lỗi
3.3.2 Lưu đồ xử lý ảnh trên Pycham
- Khai báo các thư viện cần sử dụng trong lập trình, thiết lập các lệnh cần thiết cho Camera, gán các giá trị HSV của 3 màu
- Sau đó chờ tín hiệu ra từ kit Arduino truyền qua, nếu đúng thì xử lý tiếp chương trình Ngược lại là sai thì tiếp tục chờ
Hình 3.13 Lưu đồ xử lý ảnh
Khai báo thư viện Thiết lập camera Khởi tao giá trị ban đầu
Nhận dữ liệu từ Arduino
Camera chụp ảnh Chuyển đổi ảnh RGB sang HSV
Gửi dữ liệu màu đỏ sang
Gửi dữ liệu màu xanh sang Arduino
Gửi dữ liệu màu vàng sang Arduino
- Khi có tín hiệu từ Arduino, Camera sẽ tiến hành chụp ảnh và xử lý chuyển đổi ảnh màu chụp được từ hệ màu RGB sang hệ màu HSV
- Tiến hành so sánh ảnh HSV vừa chuyển đổi với các giá trị HSV đã được gán giá trị ở trên :
Nếu giá trị nằm trong khoảng Hue_value < 9 và Hue_value > 174 thì sẽ tiến hành gửi dữ liệu màu đỏ sang Arduino
Nếu giá trị nằm trong khoảng Hue_value > 9 và Hue_value < 45 thì sẽ tiến hành gửi dữ liệu màu vàng sang Arduino
Nếu giá trị nằm trong khoảng Hue_value > 95 và Hue_value < 120 thì sẽ tiến hành gửi dữ liệu màu xanh sang Arduino
- Kết thúc quá trình, Pycham tiếp tục chờ thực hiện lệnh tiếp theo.
CHẾ TẠO HỆ THỐNG PHÂN LOẠI SẢN PHẨM THEO MÀU SẮC VÀ CHIỀU CAO
Chế tạo hệ thống cơ khí
4.1.1 Chế tạo, lắp ráp hệ thống băng tải
Chân và giá đỡ con lăn được chế tạo bằng công nghệ in 3D, trong khi khung băng tải được làm từ thanh nhôm định hình với kích thước 400x60x30 mm Nhóm đã thực hiện lắp ráp theo hình 4.1.
Hình 4.1 Lắp ráp băng tải
Hình 4.2 Băng tải lắp ráp hoàn chỉnh
4.1.2 Chế tạo, lắp ráp cánh tay robot
Khung cánh tay robot được chế tạo bằng công nghệ in 3D với kích thước chiều dài các khâu lần lượt là L1, L2, L3 = 40, 120, 140 mm Quá trình này bao gồm việc lắp đặt các động cơ servo vào các khớp quay và lắp ghép các bộ phận của kìm kẹp.
Hình 4.3 Lắp ráp cánh tay robot
Hình 4.4 Cánh tay robot hoàn chỉnh
4.1.3 Chế tạo hệ thống chặn phôi
Nguyên liệu chính được sử dụng là nhựa mica, được cắt và lắp ráp trực tiếp vào khung băng tải Động cơ servo được trang bị một thanh chặn để điều khiển việc đóng mở module chặn Cảm biến tiệm cận được sử dụng để phát hiện phôi khi chúng đi vào module chặn.
Hình 4.5 Chế tạo, lắp đặt hệ thống chặn phôi
Hình 4.6 Module chặn hoàn chỉnh
4.1.4 Chế tạo giá đỡ cảm biến siêu âm, hộp đựng sản phẩm đã phân loại
Sử dụng nguyên liệu nhựa mica để gia công Sau khi gia công sản phẩm như hình 4.7:
Hình 4.7 Giá cảm biến siêu âm
Hình 4.8 Khay đựng sản phẩm đã phân loại
Chế tạo hệ thống điện điều khiển
Dây nguồn của động cơ servo được kết nối với đầu ra của mạch hạ áp LM2596, cung cấp điện áp 5VDC – 3A Các dây tín hiệu được nối vào mạch điều khiển Arduino, trong khi nguồn cấp cho Arduino được cung cấp qua jack DC với điện áp 5VDC – 3A.
Hình 4.9 Lắp đặt hệ thống điện điều khiển robot
Hình 4.10 Mạch điện điều khiển toàn hệ thống
Lắp đặt hệ thống phân loại sản phẩm
Sau khi hoàn thành quá trình lắp đặt thì hệ thống phân loại sản phẩm theo chiều cao và màu sắc được hoàn thiện như hình 4.11:
Hình 4.11 Hệ thống phân loại sản phẩm theo chiều cao và màu sắc
Thử nghiệm hệ thống
Nhóm đã sử dụng PyCharm để lập trình và xử lý dữ liệu từ camera nhằm phân biệt màu sắc sản phẩm Phần mềm thực hiện việc so sánh ảnh HSV đã chuyển đổi với các giá trị HSV đã được gán trước đó.
Nếu giá trị nằm trong khoảng Hue > 9 và Hue < 45 thì sẽ tiến hành gửi dữ liệu màu vàng sang Arduino
Hình 4.12 Nhận biết màu vàng Nếu giá trị nằm trong khoảng Hue > 95 và Hue < 120 thì sẽ tiến hành gửi dữ liệu màu xanh sang Arduino
Hình 4.13 Nhận biết màu xanh Cánh tay robot tiến hành phân loại sản phẩm
Sau khi nhận được dữ liệu màu từ pycham gửi về, arduino sẽ xuất ra tín hiệu điều khiển cho các động cơ servo để tiến hành phân loại
Dữ liệu truyền về arduino là màu vàng, robot sẽ gắp và phân loại về ô màu vàng
Hình 4.14 Sản phẩm được xác định là màu vàng
Hình 4.15 Cánh tay robot tiến hành phân loại
Dữ liệu truyền về arduino là màu xanh
Hình 4.16 Xác định sản phẩm có màu xanh
Hình 4.17 Robot tiến hành phân loại về ô màu xanh
