Đồ án tốt nghiệp ứng dụng xử lý ảnh trong hệ thống băng truyền phân loại sản phảm

BỘ GIÁO DỤC VÀ ĐÀO TẠO TRƯỜNG ĐẠI HỌC GIAO THƠNG VẬN TẢI PHÂN HIỆU TP HỒ CHÍ MINH ĐỒ ÁN TỐT NGHIỆP CHUYÊN NGÀNH: CƠ ĐIỆN TỬ ĐỀ TÀI: ỨNG DỤNG XỬ LÝ ẢNH TRONG HỆ THỐNG BĂNG TRUYỀN PHÂN LOẠI SẢN PHẨM GVHD: PGS.TS ĐINH THỊ THANH HUYỀN SVTH: LÊ THANH PHONG ĐẶNG HỒI VŨ TP.HỒ CHÍ MINH MSSV: 575104C122 575104C139 NHIỆM VỤ ĐỒ ÁN TỐT NGHIỆP Họ tên sinh viên: Lê Thanh Phong Đặng Hoài Vũ Chuyên ngành: Cơ điện tử Hệ đào tạo: Đại học quy Khóa: K57 MSSV: 575104C122 MSSV: 575104C139 I TÊN ĐỀ TÀI: ỨNG DỤNG XỬ LÝ ẢNH TRONG HỆ THỐNG BĂNG TRUYỀN PHÂN LOẠI SẢN PHẨM II NHIỆM VỤ: Các thiết bị ban đầu: - laptop, Arduino Uno R3, webcam, Hệ thống băng tải, Động DC 12v, Động Servo Nội dung thực hiện: - Tổng quan xử lý ảnh; Tìm hiểu phương pháp nhận dạng phân loại sản phẩm; Tìm hiểu kit Arduino Uno linh kiện liên quan; Viết chương trình python; Viết chương trình Arduino Uno; Thiết kế mơ hình phân loại sản phẩm III NGÀY GIAO NHIỆM VỤ: 19/10/2020 IV NGÀY HOÀN THÀNH NHIỆM VỤ: 16/01/2021 V HỌ VÀ TÊN CÁN BỘ HƯỚNG DẪN: PGS.TS Đinh Thị Thanh Huyền GIÁO VIÊN HƯỚNG DẪN LỜI CẢM ƠN - Để thực hồn thành đề tài này, nhóm xin gửi lời chân thành cảm ơn thầy Khoa Cơ Khí tạo điều kiện tốt cho em hoàn thành đề tài Những kiến thức bổ ích mà Thầy Cơ dạy, áp dụng vào đề tài Đồ Án Tốt Nghiệp nhiều, từ kiến thức nhỏ nhặt học lớn Một lần nhóm xin gửi lời cám ơn đến tất Thầy Cô, Thầy Cơ nhóm khó hồn thành đề tài - Ngồi cố gắng thân, nhóm em khơng thể không nhắc đến công lao vạch hướng cho đề tài hướng dẫn yêu cầu đề tài mà cô PGS.TS Đinh Thị Thanh Huyền truyền đạt cho nhóm em kiến thức bổ ích ứng dụng thực tế Cơ PGS.TS Đinh Thị Thanh Huyền ân cần bảo tận tình Giải thích rõ ràng chỗ mà nhóm em chưa hiểu - Tiếp theo nhóm xin cám ơn tới Anh, Chị khóa bạn sinh viên tạo điều kiện giúp đỡ, từ tài liệu liên quan tới đề tài kinh nghiệm sống thực tế Nhờ họ mà nhóm phát triển - Cuối gửi lời cảm ơn đến Cha, Mẹ khơng có hai đấng sinh thành ngày hơm khơng có diện để thực việc muốn, họ tạo điều kiện để giúp hướng tới tương lai tốt đẹp - Mặc dù nhóm em cố gắng hồn thành tốt đề tài cách hồn chỉnh nhất, khơng thể tránh sai sót định cơng tác nghiên cứu, tiếp cận thực tế, hạn chế kiến thức lẫn thời gian thực Rất mong nhận góp ý q thầy bạn để đề tài hoàn chỉnh Xin chân thành cảm ơn! Nhóm thực đề tài Lê Thanh Phong, Đặng Hoài Vũ Mục Lục LỜI CẢM ƠN…………………………………………………………………… ….I MỤC LỤC………………………………………………….……………………… II LIỆT KÊ HÌNH ẢNH………………………………………………………… ……III LIỆT KÊ BẢNG………………………………………………………….……… IV TÓM TẮT……………………………………………………………….………… V CHƯƠNG CƠ SỞ LÝ THUYẾT 1 TỔNG QUAN 1.1 Đặt vấn đề 1.2 Mục tiêu 1.3 Nội dung nghiên cứu 1.4 Kết đề tài .2 1.5 Giới hạn đề tài 1.6 Ứng dụng thực tiễn đề tài 2 TỔNG QUAN VỀ XỬ LÝ ẢNH 3 CƠ SỞ TOÁN HỌC TRONG XỬ LÝ ẢNH 3.1 Phép tích chập (convolution) 3.2 Tích chập theo chiều sâu (Depthwise Convolusion): .13 3.3 Tích chập theo điểm (Pointwise convolution) 14 3.4 Ghép lớp (Pooling layer) 15 3.5 Fully connected layer .16 3.6 Mạng MobieNet 17 3.7 Phát vật thể (Detect object) sử dụng mô hình SSD (Single Shot Detector) 18 GIỚI THIỆU LAPTOP ĐỂ XỬ LÝ ẢNH 20 4.1 Giới thiệu 20 4.2 Thơng tin cấu hình Laptop: 21 GIỚI THIỆU VỀ WEBCAM: .22 GIỚI THIỆU VỀ ARDUINO UNO R3 23 6.1 Giới thiệu 23 6.2 Thông tin cấu hình Arduino UNO R3 23 GIỚI THIỆU VỀ ĐỘNG CƠ DC 28 7.1 Giới thiệu 28 7.2 Cấu tạo nguyên lý hoạt động .29 GIỚI THIỆU VỀ ĐỘNG CƠ SERVO MG996R 31 8.1 Tổng quan động servo 31 8.2 Giới thiệu động servo MG996R 33 HỆ THỐNG BĂNG TẢI .34 9.1 Giới thiệu 34 9.2 Cấu tạo thông số băng tải: 34 10 GIỚI THIỆU NGÔN NGỮ PYTHON 35 10.1 Giới thiệu ngôn ngữ Python 35 10.2 Đặt điểm nỗi bật Python 36 11 GIỚI THIỆU VỀ CÁC CHUẪN GIAO TIẾP UART 36 11.1 Giới thiệu .36 11.2 Truyền thông UART 37 11.3 Ứng dụng UART 39 12 GIỚI THIỆU VỀ PHẦN MỀM ARDUINO IDE 39 CHƯƠNG TÍNH TỐN VÀ THIẾT KẾ 42 GIỚI THIỆU 42 TÍNH TỐN VÀ THIẾT KẾ HỆ THỐNG 42 2.1 Thiết kế sơ đồ khối hệ thống: 42 2.2 Sơ đồ kết nối hệ thống 43 2.3 Sơ đồ kết nối toàn mạch 46 2.4 Tốc độ xử lý tối thiểu hệ thống 47 CHƯƠNG THI CÔNG HỆ THỐNG 48 GIỚI THIỆU 48 THI CÔNG HỆ THỐNG .49 2.1 Chuẩn bị phần cứng 49 2.2 Lắp ráp kiểm tra 50 LẬP TRÌNH HỆ THỐNG .51 3.1 Lưu đồ giải thuật xử lý ảnh Laptop 51 3.2 Lưu đồ giải thuật arduino 53 3.3 Nạp code vào máy tính .55 3.4 Nạp code vào arduino 60 KẾT QUẢ - NHẬN XÉT - ĐÁNH GIÁ .62 4.1 Kết 62 4.2 Nhận Xét Và Đánh Giá 66 KẾT LUẬN VÀ PHÁT TRIỂN 67 KẾT LUẬN 67 1.1 Kết đạt .67 1.2 Những mặt hạn chế 67 HƯỚNG PHÁT TRIỂN 67 LIỆT KÊ HÌNH ẢNH Hình Trang Hình 1: Mơ tả khơng gian màu RGB Hình 2: Bức ảnh có chiều rộng 600 pixel, cao 800 pixel Hình 3: Ảnh màu tensor bậc Hình 4: Ảnh xám Hình 5: Ma trận viền Hình 6: Stride = .10 Hình 7: Hình ảnh dạng chiều 11 Hình 8: Biểu diễn dạng tensor chiều 11 Hình 9: Chỉ số độ sâu k 12 Hình 10: Lớp tích chập .13 Hình 11: Tích chập theo chiều sâu 14 Hình 12: Tích chập theo điểm 15 Hình 13: Giảm kích thước giữ liệu 15 Hình 14: Ghép lớp 16 Hình 15: Hai loại ghép lớp 16 Hình 16: Làm phẳng liệu .17 Hình 17: Phát vật thể .18 Hình 18: Mơ hình SSD .19 Hình 19: Xác định đối tượng 19 Hình 20: Phát đối tượng 20 Hình 21: Laptop 01 20 Hình 22: Laptop 02 21 Hình 23: Webcam .22 Hình 24: Sơ đồ khối Camera thông thường 23 Hình 25: Arduino Uno R3 25 Hình 26: Sơ đồ chân ATMega 328P ứng với arduino Uno R3 27 Hình 27: Động DC .29 Hình 28: Pha động DC 29 Hình 29: Pha động DC 30 Hình 30: Pha động DC 30 Hình 31: Động Servo 31 Hình 32: Cấu tạo bên động Servo 32 Hình 33: Động Cơ Servo MG996R 33 Hình 34: Giao tiếp Uart 36 Hình 35: Giao tiếp song song 37 Hình 36: Truyền thơng Uart .38 Hình 37: Giao diện Uart 39 Hình 38: Giao diện phần mềm Arduino IDE 40 Hình 1: Sơ đồ khối hệ thống .42 Hình 2: Sơ đồ kết nối Arduino 43 Hình 3: Giao tiếp Laptop Arduino .44 Hình 4: Kết nối với Webcam thực tế 45 Hình 5: Kết nối Arduino động Servo 46 Hình 6: Mạch cấp nguồn cho động DC 24V-8A 46 Hình 7: Sơ đồ kết nối toàn mạch 47 Hình 1: Khối ngũ giác 48 Hình 2: Kích thước sản phẩm 48 Hình 3: Khối dấu nhân 49 Hình 4: Kích thước sản phẩm 49 Hình 5: Băng tải động DC 51 Hình 6: Nhận diện sản phẩm 62 Hình 7: Nhận diện sản phẩm 63 Hình 8: Nhận diện sản phẩm Webcam 63 Hình 9: Căn chỉnh sản phẩm 64 Hình 10: Cần gạt đẩy sản phẩm ngũ giác 64 Hình 11: Cần gạt đẩy sản phẩm dấu nhân .65 Hình 12: Màn hình hiển thị phân loại sản phẩm 65 LIỆT KÊ BẢNG Bảng Trang Bảng 1: Kiến trúc mạng MobileNet 17 Bảng 2: Bảng thông số Arduino Uno R3 24 Bảng 3: Thông số kỹ thuật: Vi điều khiển Arduino R3 26 Bảng Danh sách linh kiện ……………………………………………………50 CHƯƠNG 1.CƠ SỞ LÝ THUYẾT TỔNG QUAN 1.1 Đặt vấn đề - Ngày nay, xã hội ngày phát triển Cơng nghiệp hóa, đại hóa ngày nâng cao để phát triển đất nước cải thiện sống người dân Vì việc ứng dụng khoa học kỹ thuật ngày rộng rãi, phổ biến mang lại hiệu cao hầu hết lĩnh vực kinh tế, kỹ thuật đời sống xã hội - Xét điều kiện cụ thể nước ta công công nghiệp hóa, đại hóa sử dụng ngày nhiều thiết bị điều khiển tự động trình sản xuất, gia cơng chế biến sản phẩm… Điều dẫn đến việc hình thành hệ thống sản xuất linh hoạt, cho phép tự động hóa mức độ cao sở sử dụng máy CNC, robot cơng nghiệp Trong có khâu quan trọng ảnh hưởng đến chất lượng sản phẩm hệ thống phân loại sản phẩm Hệ thống phân loại sản phẩm nhằm chia sản phẩm nhóm có thuộc tính với để thực đóng gói hay loại bỏ sản phẩm hỏng Hiện để phân loại sản phẩm người ta thường sử dụng loại cảm biến với chức khác để phân loại sản phẩm theo mong muốn cảm biến phân loại theo màu sắc, cảm biến phân loại theo hình dáng… Những cảm biến có ưu điểm chung trình lắp đặt vận hành tương đối đơn giản lại dễ gây nhiễu Do dựa tảng kiến thức học, vốn hiểu biết điện tử công nghệ xử lý ảnh với cho đồng ý giáo viên hướng dẫn – cô Đinh Thị Thanh Huyền, nhóm chúng em chọn đề tài: “Ứng dụng xử lý ảnh hệ thống băng truyền phân loại sản phẩm” 1.2 Mục tiêu - Đề tài “Ứng dụng xử lý ảnh hệ thống băng truyền phân loại sản phẩm” với mục tiêu phân loại sản phẩm theo đặc tính hình ảnh Dựa ngơn ngữ Python xử lý thơng qua máy tính kit Arduino Uno R3 1.3 Nội dung nghiên cứu - Đề tài “Ứng dụng xử lý ảnh hệ thống băng truyền phân loại sản phẩm” Có nội dung sau: CHƯƠNG 1: Cơ sở lý thuyết CHƯƠNG 2: Tính tốn thiết kế CHƯƠNG 3: Thi công hệ thống - Lặp lại q trình kiểm tra tính hiệu từ laptop đến có lệnh kết thú Bắt đầu Băng tải chạy Khởi tạo giá trị ban đầu S Kiểm tra tính hiệu từ laptop Đ Đẩy cần gạt ` ` S Đẩy cần gạt Đ Đ Servo 1Đgạt Servo gạt Delay 2000ms Delay 2000ms Servo vị trí ban đầu Servo vị trí ban đầu S Kết thúc 54 3.3 Nạp code vào máy tính import time import cv2 import argparse import numpy as np from imutils.video import VideoStream import imutils import serial from time import sleep ser = serial.Serial('COM4',9600) dem1=0 dem2=0 # Cai dat tham so doc weight, config va class name ap = argparse.ArgumentParser() ap.add_argument('-c', ' config', default='yolov3-tiny.cfg', help='path to yolo config file') ap.add_argument('-w', ' weights', default='yolov3tiny_obj_6000.weights', help='path to yolo pre-trained weights') ap.add_argument('-cl', ' classes', default='yolo-tiny.names', help='path to text file containing class names') args = ap.parse_args() # Ham tra ve output layer def get_output_layers(net): layer_names = net.getLayerNames() output_layers = [layer_names[i[0] - 1] for i in net.getUnconnectedOutLayers()] return output_layers # Ham ve cac hinh chu nhat va ten class 55 def draw_prediction(img, class_id, x, y, x_plus_w, y_plus_h, center_x, center_y): label = str(classes[class_id]) color = COLORS[class_id] cv2.rectangle(img, (x, y), (x_plus_w, y_plus_h), color, 2) cv2.putText(img, label, (x - 10, y - 10), cv2.FONT_HERSHEY_SIMPLEX, 0.5, color, 2) cv2.circle(img,(center_x,center_y), 5, (0,0,255), -1) cap = cv2.VideoCapture(0) # Doc ten cac class classes = None with open(args.classes, 'r') as f: classes = [line.strip() for line in f.readlines()] COLORS = np.random.uniform(0, 255, size=(len(classes), 3)) net = cv2.dnn.readNet(args.weights, args.config) # Bat dau doc tu webcam i=1 cg1_counter=0 cg2_counter=0 while (True): # Doc frame ret,frame = cap.read() image = imutils.resize(frame, width=720) i+=1 Width=720 Height=540 TL_cg1 = (int(Width*0.1),int(Height*0.1)) BR_cg1 = (int(Width*0.4),int(Height*0.7)) 56 #Draw boxes defining "san pham 1" location cv2.rectangle(image,TL_cg1,BR_cg1,(20,20,255),3) cv2.putText(image,"can gat 1",(TL_cg1[0]+10,TL_cg1[1]10),cv2.FONT_HERSHEY_SIMPLEX,1,(20,20,255),3,cv2.LINE_ AA) TL_cg2 = (int(Width * 0.6), int(Height * 0.1)) BR_cg2 = (int(Width * 0.9), int(Height * 0.7)) # Draw boxes defining "san pham 2" location cv2.rectangle(image, TL_cg2, BR_cg2, (20, 255, 20), 3) cv2.putText(image, "can gat 2", (TL_cg2[0] + 10, TL_cg2[1] 10), cv2.FONT_HERSHEY_SIMPLEX, 1, (20, 255, 20), 3,cv2.LINE_AA) cv2.putText(image, 'so luong san pham 1: '+str( dem1), (int(0.1*Width), int(0.85*Height)), cv2.FONT_HERSHEY_SIMPLEX, 1, (20,0,200),2) cv2.putText(image, 'so luong san pham 2: ' + str(dem2), (int(0.1 * Width), int(0.95 * Height)),cv2.FONT_HERSHEY_SIMPLEX, 1, (20, 200, 0), 2) if i%1==0: # Resize va dua khung hinh vao mang predict Width = image.shape[1] Height = image.shape[0] #print(Width,Height,'w,h') scale = 0.00392 blob = cv2.dnn.blobFromImage(image, scale, (416, 416), (0, 0, 0), True, crop=False) net.setInput(blob) outs = net.forward(get_output_layers(net)) # Loc cac object khung hinh 57 class_ids = [] confidences = [] boxes = [] conf_threshold = 0.5 nms_threshold = 0.4 for out in outs: for detection in out: scores = detection[5:] class_id = np.argmax(scores) confidence = scores[class_id] if (confidence > 0.5): center_x =detection[0] #print(center_x) center_x = int(detection[0] * Width) center_y = int(detection[1] * Height) w = int(detection[2] * Width) h = int(detection[3] * Height) x = center_x - w / y = center_y - h / class_ids.append(class_id) confidences.append(float(confidence)) boxes.append([x, y, w, h, center_x, center_y]) indices = cv2.dnn.NMSBoxes(boxes, confidences, conf_threshold, nms_threshold) # Ve cac khung chu nhat quanh doi tuong for i in indices: i = i[0] box = boxes[i] x = box[0] y = box[1] 58 w = box[2] h = box[3] center_x = box[4] center_y = box[5] draw_prediction(image, class_ids[i], round(x), round(y), round(x + w), round(y + h), round(center_x), round(center_y)) if ( class_ids[i] == int(1)) and ((center_x > TL_cg1[0]) and (center_x < BR_cg1[0]) and (center_y > TL_cg1[1]) and (center_y < BR_cg1[1])): cg1_counter = cg1_counter + if cg1_counter ==1: #hieu chinh vitri(lenh='day can gat1', TL=TL_cg1, string='Servo1 On\r', dem=dem1, cg_counter=cg1_counter) print (cg1_counter) cv2.putText(image,'day can gat 1',(TL_cg1[0]+10,TL_cg1[1]20),cv2.FONT_HERSHEY_SIMPLEX,1,(30,255,30),2,cv2.LINE_ AA) string='Servo1 On\r' string='Led On\r' ser.write(string.encode()) dem1+=1 sleep(1) print(dem1) cg1_counter=0 if (class_ids[i] == int(0)) and ((center_x > TL_cg2[0]) and (center_x < BR_cg2[0]) and (center_y > TL_cg2[1]) and (center_y < BR_cg2[1])): cg2_counter = cg2_counter + if cg2_counter == 1: # hieu chinh cv2.putText(image, 'day can gat 2', 59 (TL_cg2[0]+10,TL_cg2[1]-20), cv2.FONT_HERSHEY_SIMPLEX, 1, (30, 255, 30), 2, cv2.LINE_AA) string = 'Servo2 On\r' string='Led On\r' ser.write(string.encode()) dem2 += sleep(2) cg2_counter = cv2.imshow("object detection", image) if cv2.waitKey(1) & 0xFF == ord('q'): break cap.stop() cv2.destroyAllWindows() 3.4 Nạp code vào arduino #include Servo servo1; Servo servo2; int pos1 = 180; int pos2 = 180; String buff; //Biến dùng để lưu liệu từ Laptop void setup() { Serial.begin(9600); //Bật cổng Serial Baudrate 9600 servo1.attach(9); servo2.attach(10); servo1.write(pos1); 60 servo2.write(pos2); } void loop() { if (Serial.available()) //Nếu có tín hiệu { buff = Serial.readStringUntil('\r'); //Đọc vào đến gặp \r (xuống dòng) if (buff == "Servo1 On") {if(pos1==180){ for(pos1 = 180; pos1 >=120; pos1 -= 1){ servo1.write(pos1); delay(5);} delay(1000); pos1=180; servo1.write(pos1); } }else if (buff == "Servo2 On") {if(pos2==180){ for(pos2 = 180; pos2 >=120; pos2 -= 1){ servo2.write(pos2); delay(5);} delay(1000); pos2=180; servo2.write(pos2); } }} } 61 KẾT QUẢ - NHẬN XÉT - ĐÁNH GIÁ Mục tiêu ban đầu đề tài “Ứng dụng xử lý ảnh hệ thống phân loại sản phẩm” phân loại sản phẩm theo đặc tính hình ảnh Dựa phương pháp xử lý ảnh sử dụng model ssdlite mobilenet v2 coco viết ngôn ngữ Python thực máy tính Arduino Uno Sau q trình nghiên cứu thực đề tài, nhóm rút nhiều vấn đề khác nhau, từ việc sử dụng phần mềm, phương pháp giải thuật, sử dụng phần cứng Thời gian thực khoảng thời gian 14 tuần Trong đó, gồm vấn đề sau: Đối với phần cứng: Sử dụng máy tính, Kit Arduino Uno, cách điều khiển động Servo Đối với phần mềm: Biết cách lập trình Python , lập trình Arduino IDE ngơn ngữ C, giải thuật liên quan đến đề tài như: phương pháp nhận dạng, phân loại hình ảnh 4.1 Kết Về chương trình nhận diện sản phẩm: Hình 6: Nhận diện sản phẩm 62 Hình 7: Nhận diện sản phẩm - Tốc độ xử lý cao đáp ứng tốc độ vận chuyển sản phẩm băng tải Hình 8: Nhận diện sản phẩm Webcam - Khi sản phẩm dấu nhân tới vị trị truyền tín hiệu đẩy cần gạt 2, đồng thời tăng số lượng sản phẩm thêm 63 Hình 9: Căn chỉnh sản phẩm - Tuy phát sản phẩm dấu nhân nằm ngồi vị trị nên khơng thực thêm lệnh *Tiến hành chạy mơ hình hệ thống phân loại sản phẩm dựa vào đặc tính hình ảnh ta thu kết quả: Hình 10: Cần gạt đẩy sản phẩm ngũ giác 64 Hình 11: Cần gạt đẩy sản phẩm dấu nhân Hình 12: Màn hình hiển thị phân loại sản phẩm - Tốc độ xử lý hệ thống trình hoặt động đo từ 13.36 ÷ 19.03 FPS Sản phẩm Ngũ giác Lần thử Dấu nhân Đạt Đạt Đạt Đạt Đạt Đạt Đạt Đạt Đạt Đạt 65 4.2 Nhận Xét Và Đánh Giá  Kết đạt tốt hệ thống hoạt động ổn định đáp ứng yêu cầu phân loại sản phẩm dựa đặc tính hình ảnh băng tải - Tốc độ xử lý hệ giống 13.36 ÷ 19.03 FPS gấp 3.5 ÷ 5.0 lần so với tốc độ xử lý tối thiểu Giao tiếp máy tính với camera Giao tiếp máy tính với arduino - Giao tiếp arduino với hệ thống động servo - Độ xác chương trình nhận diện đủ đạt để nhận diện phân biệt sản phẩm Tốc độ xử lý cao đạt yêu cầu nhận diện sản phẩm tốc độ dịch chuyển băng tải Để khử nhiễu tính hiệu sau đẩy sản phẩm cho dừng chương trình 1,5s đủ đảm bảo trình hoạt động liên tục băng tải 66 KẾT LUẬN VÀ PHÁT TRIỂN KẾT LUẬN 1.1 Kết đạt - Sau tổng hợp kết đạt đem so sánh với yêu cầu mục tiêu thiết kế cho thấy hệ thống đáp ứng tương đối đầy đủ, xác - Mơ hình phần cứng hoạt động tốt, thiết bị nhỏ gọn, lắp đặt dễ dàng, có tính kinh tế, thuận tiện cho việc học tập phát triển thành dây chuyền sản xuất - Nhận dạng tốt tốt sản phẩm, có đếm sản phẩm 1.2 Những mặt hạn chế *Ngồi kết đạt hệ thống cịn hạn chế sau: - Độ xác nhận diện hình ảnh chưa cao cịn bị nhận diện nhầm từ vật có gần giống đặc tính hình ảnh - Cường độ ánh sáng kém, không ổn định ảnh hưởng đến độ xác q trình nhận diện sản phẩm - Cần có thiết bị máy tính đủ mạnh để xử lý đảm bảo tốc độ xử lý ảnh không đủ mạnh không theo kịp tốc độ băng tải bỏ qua sản phẩm HƯỚNG PHÁT TRIỂN * Từ mặt hạn chế đề tài, để đề tài hoạt động tốt áp dụng vào thực tế sau nhóm đề hướng phát triển sau: - Lắp thêm hệ thống ổn định cường độ ánh sáng - Làm thành dây chuyền sản xuất với cấu hình mạnh hơn, - Tìm hiểu phát triển thêm chức vận hành giám sát từ xa 67 TÀI LIỆU THAM KHẢO [1] Sách Deep learning – Nguyễn Thanh Tuấn [2] Sử dụng thư viện Tensorflow để nhận diện vật thể https://github.com/EdjeElectronics/TensorFlow-Object-Detection-APITutorial-Train-Multiple-Objects-Windows-10 [3] Sử dụng thư viện Tensorflow lite thiết bị hạn chế phần cứng https://github.com/EdjeElectronics/TensorFlow-Object-Detection-on-theRaspberry-Pi [4] Cấu trúc mạng MobilenetV1 https://towardsdatascience.com/reviewmobilenetv1-depthwise-separable-convolution-light-weight-modela382df364b69 [5] Sơ lược động DC, khái niệm – phân loại điều khiển tốc độ http://motor2hand.com/, 2017 [6] Động Servo ứng dụng nguyên lý hoạt động, https://www.vincss.org/, 2018 [7] MG996R_Tower-Pro, Datasheet [8] Cấu tạo phân loại ứng dụng băng tải, http://www.cokhimha.com/, 2018 [9] Khái niệm truyển thông UART, https://advancecad.edu.vn, 2019 68 ... chọn đề tài: ? ?Ứng dụng xử lý ảnh hệ thống băng truyền phân loại sản phẩm” 1.2 Mục tiêu - Đề tài ? ?Ứng dụng xử lý ảnh hệ thống băng truyền phân loại sản phẩm” với mục tiêu phân loại sản phẩm theo... - Đồ án ? ?Ứng dụng xử lý ảnh hệ thống phân loại sản phẩm” với mục tiêu phân loại sản phẩm phương pháp xử lý ảnh Dựa ngôn ngữ Python ứng dụng model ssdlite mobilenet_v2_coco , thực với xử lý trung... xử lý đồ họa  Trong lĩnh vực y tế: Xử lý ảnh chụp X-quang, MRI, xử lý ảnh y sinh,…  Trong lĩnh vực AI: nhận dạng xử lý ảnh robot, giao tiếp robot với người, xử lý đồ họa - Các phương pháp xử