GIỚI THIỆU TỔNG QUAN
Tính cấp thiết của đề tài
Đề tài “Phân loại cà chua dựa vào màu sắc và khối lượng” rất quan trọng trong bối cảnh hiện nay, đặc biệt trong nông nghiệp công nghệ cao, nhằm đáp ứng nhu cầu ngày càng cao của thị trường về chất lượng sản phẩm nông nghiệp.
Cà chua là một loại trái cây quan trọng và phổ biến trên toàn cầu, tuy nhiên, để đảm bảo chất lượng từ thu hoạch đến tay người tiêu dùng, cần có quy trình phân loại chính xác và hiệu quả Cà chua không chín đúng mức, quá chín, hoặc có màu sắc và khối lượng không phù hợp sẽ ảnh hưởng đến chất lượng tổng thể và giá trị thương mại của sản phẩm.
Việc áp dụng công nghệ trong phân loại không chỉ nâng cao hiệu suất mà còn cải thiện độ chính xác Nhờ vào công nghệ và dữ liệu lớn, chúng ta có thể đạt được mức độ phân loại chính xác vượt trội so với phương pháp thủ công, từ đó tối ưu hóa quy trình sản xuất và đảm bảo chất lượng sản phẩm.
Với sự phát triển của công nghệ 4.0 và xu hướng hiện đại hóa nông nghiệp, nghiên cứu và phát triển các phương pháp phân loại tự động và chính xác là rất cần thiết Điều này không chỉ giúp cải thiện quy trình sản xuất, nâng cao năng suất và chất lượng sản phẩm mà còn hỗ trợ quản lý, kiểm soát chất lượng và giảm thiểu rủi ro trong sản xuất nông nghiệp Do đó, việc phân loại cà chua dựa vào màu sắc và khối lượng trở nên cực kỳ quan trọng trong bối cảnh hiện nay.
Ý nghĩa khoa học và thực tiễn của đề tài
1.2.1 Ý nghĩa khoa học của đề tài Đề tài mang ý nghĩa khoa học quan trọng trong việc nghiên cứu và ứng dụng trong lĩnh vực nông nghiệp, công nghệ tự động hóa và khoa học dữ liệu Phân loại chính xác cà chua theo màu sắc và khối lượng cung cấp nền tảng cho việc xây dựng các phương pháp tự động và các mô hình học máy để đánh giá chất lượng sản phẩm và thuộc tính của sản phẩm nông nghiệp này Đầu tiên, là cơ sở để cung cấp cho nghiên cứu và phát triển phương pháp phân loại tự động trong lĩnh vực nông nghiệp và công nghệ tự động hóa Việc xây dựng các thuật toán và mô hình máy học để phân loại và đánh giá cà chua dựa trên các đặc điểm màu sắc và khối lượng đóng góp vào việc phát triển công nghệ tự động hóa thông minh và nhận dạng hình ảnh trong nông nghiệp
Việc đánh giá chất lượng và thuộc tính của cà chua một cách khách quan và đáng tin cậy là rất quan trọng Màu sắc và khối lượng của cà chua là những thông số chính phản ánh độ chín, chất lượng và giá trị dinh dưỡng Phân loại chính xác giúp đảm bảo sự nhất quán và đồng đều trong chất lượng sản phẩm, từ đó tạo lòng tin cho người tiêu dùng và đảm bảo an toàn thực phẩm.
Cung cấp thông tin quan trọng cho việc quản lý nguồn cung cấp và kiểm soát chất lượng là rất cần thiết Các thông số này hỗ trợ trong việc lập kế hoạch sản xuất, đảm bảo đáp ứng tiêu chuẩn chất lượng và quy trình sản xuất Phân loại chính xác giúp tối ưu hóa quy trình sản xuất, tiết kiệm chi phí và tăng năng suất.
Đề tài phân loại cà chua dựa vào màu sắc và khối lượng có ý nghĩa khoa học quan trọng trong nghiên cứu nông nghiệp, công nghệ tự động hóa và khoa học dữ liệu Nghiên cứu này không chỉ hỗ trợ phát triển công nghệ tự động hóa thông minh và nhận dạng hình ảnh mà còn góp phần vào quản lý chất lượng, nghiên cứu công nghệ thực phẩm và phát triển sản phẩm nông nghiệp chất lượng cao.
1.2.2 Ý nghĩa thực tiễn của đề tài Đề tài “Phân loại cà chua dựa vào màu sắc và khối lượng” mang lại nhiều lợi ích thực tiễn, đặc biệt trong lĩnh vực tự động hóa trong nông nghiệp Những hệ thống tự động phân loại cà chua có thể giúp tăng cường hiệu suất và chất lượng thu hoạch, đồng thời giảm thiểu rủi ro về sức khỏe và an toàn lao động do các hoạt động thu hoạch thủ công Với mô hình phân loại này, người nông dân có thể đảm bảo rằng chỉ những quả cà chua chín đúng mức, có màu sắc và khối lượng phù hợp mới được chọn
Từ đó vừa giúp nâng cao chất lượng sản phẩm, mà còn giúp cải thiện giá trị thương mại của cà chua
Phân loại cà chua theo màu sắc và khối lượng không chỉ mang lại lợi ích cho nông dân mà còn nâng cao chất lượng cuộc sống từ việc thu hoạch Đây là bước tiến quan trọng trong việc thúc đẩy sự phát triển bền vững của ngành nông nghiệp hiện đại.
Mục tiêu nghiên cứu của đề tài
Dựa trên khảo sát và đánh giá nhu cầu thực tế liên quan đến phân loại cà chua, nhóm chúng em đã xác định một số mục tiêu cho đề tài này.
Bảng 1.1 Tiêu chí phân loại
Phân loại Màu sắc Khối lượng
Loại 3 Vàng Không quan tâm
Loại 4 Xanh Không quan tâm
Dựa vào Bảng 1.1 tiêu chí phân loại mục tiêu của nhóm em là quan tâm đến việc phân loại cà chua loại 1 và loại 2
Dựa trên tiêu chí đã đề ra, nhóm chúng em tiến hành thiết kế, tính toán và xây dựng mô hình cơ khí, đồng thời phát triển hệ thống điện điều khiển phù hợp với các yêu cầu đã xác định.
Xây dựng một hệ thống giám sát từ xa thông qua Web Server sẽ giúp việc giám sát trở nên dễ dàng hơn và tiết kiệm thời gian hiệu quả.
Đối tượng và phạm vi của đề tài
1.4.1 Đối tượng nghiên cứu Đối tượng nghiên cứu của đề tài là sự kết hợp giữa quả cà chua và công nghệ phân loại Đầu tiên, quả cà chua, với sự thay đổi màu sắc từ xanh khi non tới đỏ khi chín, đóng vai trò quan trọng trong nghiên cứu này Việc đánh giá và phân loại sự biến đổi màu sắc, từ việc xác định các mức độ màu sắc khác nhau tương ứng với từng giai đoạn chín, đến việc tìm hiểu mối liên hệ màu sắc và chất lượng cà chua, là mục tiêu chính Đồng thời, khối lượng của cà chua, thay đổi từ lúc non tới khi chín, cũng là đối tượng của nghiên cứu Xác định mối quan hệ giữa khối lượng và chất lượng cà chua, cũng như các biến đổi khối lượng phổ biến trong quá trình chín của cà chua, là những điểm quan trọng được nghiên cứu
Phần thứ hai của nghiên cứu tập trung vào công nghệ phân loại, bao gồm việc phát triển công nghệ nhận dạng màu sắc thông qua phần cứng như máy ảnh số và phần mềm với các thuật toán nhận diện màu Đồng thời, công nghệ đo khối lượng cũng đóng vai trò quan trọng, sử dụng cân điện tử và loadcell kết hợp với phần mềm xử lý dữ liệu khối lượng Cuối cùng, việc phát triển và tùy chỉnh các thuật toán phân loại dựa trên màu sắc và khối lượng là yếu tố thiết yếu trong nghiên cứu này.
1.4.2 Phạm vi của đề tài
Nghiên cứu cách đo màu sắc của cà chua bằng thư viện OpenCV và các thuật toán xử lý ảnh để xác định thông số màu sắc qua hệ thống màu RGB và HSV, từ đó phân loại theo ngưỡng màu sắc Sử dụng mô hình học máy như CNN và YoloV5 giúp xác định nhóm phân loại của quả cà chua Đồng thời, nghiên cứu các phương pháp đo lường khối lượng cà chua bằng cân điện tử (loadcell 1kg) để kết hợp giữa khối lượng và màu sắc, từ đó đưa ra quyết định phân loại chính xác.
Xây dựng hệ thống phân loại cà chua hoàn chỉnh bằng cách kết hợp thông tin màu sắc từ xử lý ảnh và khối lượng từ cảm biến loadcell Thiết kế phần cơ khí, giao diện và mạch điều khiển để xử lý dữ liệu và đưa ra quyết định phân loại chính xác Đồng thời, phát triển trang web giám sát từ xa sử dụng Firebase để lưu trữ thông tin, giúp đánh giá chất lượng phân loại hiệu quả nhất.
Phương pháp nghiên cứu
Cơ sở phương pháp luận của đề tài “Phân loại cà chua dựa vào màu sắc và khối lượng” bao gồm sự kết hợp linh hoạt giữa nghiên cứu trường hợp, thống kê mô tả, học máy và ứng dụng các công nghệ tiên tiến.
Nghiên cứu trường hợp yêu cầu thu thập một bộ dữ liệu phong phú về cà chua từ nhiều nguồn như trang trại, vườn cây, chợ địa phương và cửa hàng bách hóa xanh Quá trình này bao gồm việc xây dựng danh mục cà chua đa dạng, ghi nhận thông tin chi tiết về màu sắc, khối lượng, độ chín, loại giống và điều kiện trồng Màu sắc và khối lượng cà chua sẽ được đánh giá để làm rõ các tiêu chí phân loại và chất lượng sản phẩm.
Học máy là một phương pháp quan trọng trong việc phát triển mô hình phân loại cà chua Các thuật toán học máy sẽ được áp dụng để phân tích dữ liệu, từ đó dự đoán chất lượng cà chua dựa trên màu sắc và khối lượng của quả Mô hình này giúp cải thiện quá trình đánh giá chất lượng sản phẩm nông nghiệp.
Công nghệ đóng vai trò quan trọng trong việc tối ưu hóa quá trình thu thập và xử lý dữ liệu, với việc sử dụng các công cụ nhận dạng màu sắc, thiết bị đo khối lượng chính xác, và phần mềm phân tích chuyên dụng Bên cạnh đó, việc áp dụng máy học và trí tuệ nhân tạo sẽ nâng cao độ chính xác và hiệu quả cho mô hình phân loại cà chua.
Kết quả từ mô hình phân loại sẽ được so sánh với thực tế để đánh giá hiệu suất và độ tin cậy, từ đó thực hiện các điều chỉnh cần thiết Mục tiêu cuối cùng là phát triển một phương pháp phân loại cà chua hiệu quả, chính xác và tiện lợi.
1.5.2 Các phương pháp nghiên cứu cụ thể Để thực hiện đề tài “Phân loại cà chua dựa vào màu sắc và khối lượng”, nhóm sẽ tiếp cận qua các phương pháp nghiên cứu sau:
Để thu thập dữ liệu về cà chua, cần một tập dữ liệu lớn bao gồm màu sắc và khối lượng của từng quả, với các giai đoạn chín khác nhau từ xanh đến đỏ chín mọng Màu sắc sẽ được xác định bằng máy quét màu hoặc máy ảnh số, sử dụng phần mềm để chuyển đổi màu sắc thành các giá trị RGB hoặc HSV Khối lượng của cà chua sẽ được đo bằng cân điện tử hoặc loadcell có độ chính xác cao.
Phân tích dữ liệu thu thập từ cà chua sẽ được thực hiện thông qua các phần mềm thống kê chuyên dụng Mục tiêu chính là xác định các mẫu màu sắc và khối lượng liên quan đến từng giai đoạn chín của cà chua.
Xây dựng mô hình phân loại cà chua sẽ được thực hiện bằng cách áp dụng các thuật toán học máy trên dữ liệu đã được phân tích Quá trình này bao gồm việc chia dữ liệu thành hai tập: tập huấn luyện và tập kiểm thử, nhằm đảm bảo rằng mô hình có khả năng hoạt động hiệu quả trên dữ liệu chưa từng gặp trước đó.
Để nâng cao hiệu suất của mô hình, chúng ta cần cải tiến và tinh chỉnh các tham số của thuật toán học máy hoặc thử nghiệm với các thuật toán khác nhằm cải thiện kết quả.
Khi mô hình phân loại đã được kiểm tra và tinh chỉnh, việc triển khai trong môi trường thực tế là bước tiếp theo quan trọng Mô hình có thể được sử dụng để phân loại cà chua tại các nhà máy chế biến thực phẩm hoặc trên các trang trại Đồng thời, việc theo dõi hiệu suất của mô hình và cải thiện nó theo thời gian cũng là điều cần thiết để đảm bảo tính chính xác và hiệu quả.
1.6 Kết cấu của đồ án tốt nghiệp Ở trong phạm vi tốt nghiệp nhóm chúng em trình bày đồ án tốt nghiệp gồm 8 chương như sau:
Chương 1 của bài viết trình bày tổng quan về đề tài nghiên cứu, nhấn mạnh tính cấp thiết và ý nghĩa khoa học cũng như thực tiễn của nó Bên cạnh đó, chương này cũng xác định rõ mục tiêu nghiên cứu, đối tượng nghiên cứu và phương pháp nghiên cứu được áp dụng.
Chương 2: Tổng quan nghiên cứu đề tài sẽ cung cấp cái nhìn tổng quát về đối tượng nghiên cứu, đồng thời phân tích ảnh hưởng của tự động hóa trong nền công nghiệp hiện đại Ngoài ra, chương này cũng sẽ trình bày tình hình nghiên cứu liên quan trong và ngoài nước, nhằm làm nổi bật sự phát triển và xu hướng hiện tại trong lĩnh vực này.
Chương 3: Cơ sở lý thuyết sẽ trình bày các khái niệm chính về xử lý ảnh, giới thiệu tổng quan về vi điều khiển và hệ thống nhúng Ngoài ra, chương này cũng sẽ đề cập đến thuật toán Yolo, cơ sở lý thuyết về giao thức truyền thông I2C, và tổng quan về cơ sở dữ liệu Firebase.
Chương 4: Phương án thiết kế sẽ trình bày các phương án thiết kế bộ truyền, cơ cấu căng đai cho băng tải, cơ cấu cấp phôi và cơ cấu gạt phôi.
Đặc tính của hệ thống
Hệ thống phân loại cà chua dựa vào màu sắc và khối lượng được thiết kế của nhóm đề ra những tiêu chí như sau:
Hệ thống tự động hóa được thiết kế để phân loại cà chua mà không cần can thiệp của con người, giúp tiết kiệm thời gian và công sức lao động, đồng thời giảm thiểu sai sót do yếu tố con người Hệ thống này tiếp nhận cà chua, xác định màu sắc và khối lượng, sau đó phân loại chúng vào các nhóm phù hợp Việc sử dụng hai tiêu chí phân loại là màu sắc và khối lượng không chỉ nâng cao độ chính xác mà còn tăng tính linh hoạt cho hệ thống, với màu sắc giúp xác định mức độ chín và khối lượng gợi ý về kích thước cũng như mức độ phát triển của cà chua.
Công nghệ Thị Giác Máy Tính được áp dụng để xác định màu sắc của cà chua bằng cách chụp và phân tích hình ảnh thông qua các thuật toán xử lý ảnh Những thuật toán này có khả năng phân biệt sự khác biệt nhỏ nhất trong các tông màu, từ đó nâng cao độ chính xác trong quá trình phân loại.
Cảm biến trọng lượng là thiết bị quan trọng trong việc đo khối lượng cà chua, với độ nhạy cao và khả năng đo chính xác Chúng giúp đảm bảo sai số rất nhỏ, từ đó nâng cao hiệu quả trong quy trình sản xuất và chế biến cà chua.
Hệ thống học máy sử dụng các thuật toán để phân loại cà chua bằng cách học từ dữ liệu đã thu thập Sau khi thu thập thông tin, các thuật toán này áp dụng kiến thức đã học để phân loại các quả cà chua mới một cách chính xác.
Hệ thống được thiết kế với giao diện người dùng thân thiện, giúp việc cài đặt, vận hành và bảo trì trở nên dễ dàng Ngoài ra, hệ thống còn cung cấp hướng dẫn chi tiết và hỗ trợ kỹ thuật khi cần thiết.
Kết cấu của hệ thống
Hệ thống “Phân loại cà chua dựa vào màu sắc và khối lượng” có cấu trúc phức tạp, bao gồm nhiều thành phần phối hợp chặt chẽ nhằm đạt được mục tiêu phân loại hiệu quả Dưới đây là cấu trúc chi tiết của hệ thống này.
Hệ thống chụp ảnh và xử lý hình ảnh là phần đầu tiên của quy trình, nơi cà chua được ghi lại bằng máy ảnh Những hình ảnh này sau đó được chuyển đến hệ thống xử lý, nơi các thuật toán Thị Giác Máy Tính sẽ phân tích và xác định màu sắc của cà chua.
Cảm biến trọng lượng được sử dụng để xác định khối lượng của cà chua khi chúng được di chuyển qua hệ thống, giúp nâng cao hiệu quả quản lý và xử lý sản phẩm.
Hệ thống học máy sẽ đóng vai trò quan trọng trong việc phân loại cà chua bằng cách nhận dữ liệu về màu sắc và khối lượng Nó sử dụng mô hình đã được huấn luyện trước để thực hiện quá trình phân loại hiệu quả.
Hệ thống phân loại vật lý sử dụng kết quả từ hệ thống học máy để tự động di chuyển cà chua vào các hộp hoặc khu vực chứa phù hợp Quá trình phân loại diễn ra nhanh chóng và liền mạch dựa trên thông tin thu thập được.
Tình hình nghiên cứu
2.5.1 Tình hình nghiên cứu trong nước
Nghiên cứu về “Phân loại cà chua dựa vào màu sắc và khối lượng” đang thu hút sự chú ý của cộng đồng khoa học và kỹ thuật tại Việt Nam Các trung tâm nghiên cứu và đại học lớn như Đại học Bách Khoa và Viện Công nghệ cao đã bắt đầu tập trung vào lĩnh vực này.
Các nghiên cứu ban đầu đã chỉ ra rằng các mô hình phân loại cà chua đạt độ chính xác cao Tuy nhiên, việc triển khai những mô hình này trong thực tế vẫn đối mặt với nhiều thách thức, bao gồm việc thu thập dữ liệu huấn luyện đủ lớn và đa dạng, cũng như xử lý các biến đổi về hình dạng và kích thước của cà chua trong quá trình phân loại.
Việc chuyển đổi từ công nghệ truyền thống sang hệ thống tự động cần được xem xét kỹ lưỡng về mặt kinh tế, nhằm đảm bảo rằng các nhà phân phối và đóng gói cà chua thực hiện quá trình chuyển đổi một cách hiệu quả và tiết kiệm chi phí.
Với sự phát triển công nghệ và nhận thức về tầm quan trọng của tự động hóa trong nông nghiệp, nghiên cứu và phát triển hệ thống "Phân loại cà chua dựa vào màu sắc và khối lượng" đang tiến bộ nhanh chóng Nhiều dự án và chương trình hỗ trợ từ chính phủ hứa hẹn sẽ mang lại những ứng dụng rộng rãi trong tương lai gần.
2.5.2 Tình hình nghiên cứu ngoài nước Ở quốc tế, việc nghiên cứu về “Phân loại cà chua dựa vào màu sắc và khối lượng” đã được tiến hành từ vài năm trở lại đây và đã đạt được những kết quả đáng kể Nhiều trường đại học và tổ chức nghiên cứu hàng đầu, như MIT và Stanford, đã phát triển các mô hình học máy phức tạp để phân loại cà chua dựa trên các đặc tính như màu sắc và khối lượng Đặc biệt, nhiều công trình nghiên cứu đã tập trung vào việc sử dụng học sâu (Deep Learning) và mạng lưới thần kinh nhân tạo (Artificial Neural Networks) để huấn luyện các mô hình dựa trên hình ảnh và dữ liệu khối lượng Các kết quả từ những nghiên cứu này cho thấy độ chính xác rất cao, trong một số trường hợp lên đến 95% Bên cạnh đó, các công ty công nghệ lớn như Google và Microsoft cũng đã tham gia vào lĩnh vực này, bằng việc sử dụng công nghệ AI của mình để phân loại và phân biệt giữa các loại cà chua khác nhau Điều này không chỉ giúp nâng cao hiệu quả trong việc phân loại, mà còn cung cấp cho nhà sản xuất công cụ để giám sát chất lượng sản phẩm của mình
Việc áp dụng công nghệ vào thực tế trong nước gặp nhiều thách thức, bao gồm khó khăn trong việc thu thập dữ liệu lớn và đa dạng, cũng như đảm bảo công nghệ hoạt động hiệu quả trong các điều kiện sản xuất khác nhau.
Sự phát triển nhanh chóng của công nghệ AI và nông nghiệp kỹ thuật số đang thúc đẩy nghiên cứu quốc tế về "Phân loại cà chua dựa vào màu sắc và khối lượng", mở ra nhiều khả năng ứng dụng trong tương lai.
Tồn tại hệ thống
Hệ thống phân loại sản phẩm có những tồn tại:
Đa dạng sản phẩm có thể gây khó khăn trong việc phân loại, đặc biệt khi số lượng sản phẩm rất lớn Sự phong phú này làm cho việc tạo ra các nhóm phân loại trở nên phức tạp và thách thức hơn.
Sự thay đổi nhanh chóng trong các ngành công nghiệp do sự phát triển của công nghệ và thị trường khiến việc phân loại sản phẩm trở nên khó khăn Để đáp ứng, cần có sự linh hoạt và cập nhật liên tục trong quy trình phân loại.
Sự mơ hồ và không chắc chắn trong phân loại sản phẩm có thể gây nhầm lẫn, khiến người tiêu dùng khó khăn trong việc xác định nhóm sản phẩm chính xác Điều này ảnh hưởng đến quyết định mua sắm và trải nghiệm của khách hàng.
Một số hệ thống phân loại sản phẩm có giới hạn định kiểu, khiến cho việc phân loại đầy đủ mọi loại sản phẩm trở nên khó khăn Hệ quả là có thể xuất hiện các sản phẩm không được phân loại hoặc bị phân loại không chính xác.
Thiếu thông tin chi tiết về sản phẩm có thể gây khó khăn trong việc phân loại chính xác Khi thông tin không đầy đủ hoặc không sẵn có, quá trình phân loại trở nên phức tạp và không hiệu quả.
CƠ SỞ LÝ THUYẾT
Tìm hiểu về xử lý ảnh
3.1.1 Giới thiệu về xử lý ảnh
Xử lý ảnh (XLA) là một lĩnh vực thiết yếu trong công nghệ và thị giác máy, nhằm chuyển đổi hình ảnh gốc thành hình ảnh mới với các đặc điểm và mục đích cụ thể do người dùng xác định.
Xử lý ảnh số là một lĩnh vực quan trọng trong tin học ứng dụng, liên quan đến việc xử lý, mã hoá và truyền tải thông tin từ hình ảnh tự nhiên Nó bao gồm các phương pháp và kỹ thuật để biến đổi và trích xuất thông tin từ ảnh, chẳng hạn như cạnh, điểm đặc trưng, màu sắc, hình dạng và cấu trúc.
3.1.2 Tìm hiểu về ảnh xám
Ảnh thang độ xám, giống như ảnh màu, có kích thước 800 pixel x 600 pixel và được biểu diễn dưới dạng ma trận kích thước 600 x 800, với số hàng nhân với cột.
Mỗi pixel trong ảnh xám chỉ cần một giá trị nguyên để biểu diễn, tương tự như ảnh màu Vì vậy, khi xử lý ảnh xám trên máy tính, chỉ cần sử dụng một ma trận duy nhất.
Hình 3.2 Ma trận có kích thước 600x800
3.1.3 Giới thiệu không gian màu RGB và HSV
Không gian màu RGB (Đỏ-Xanh-Green) là hệ thống biểu diễn màu sắc dựa trên ba màu cơ bản: đỏ, xanh dương và xanh lá cây Hệ thống này được sử dụng rộng rãi trong công nghệ hiển thị, đồ họa và nhiếp ảnh số, cho phép tạo ra nhiều màu sắc khác nhau.
Trong không gian màu RGB, mỗi màu cơ bản được định nghĩa bằng giá trị số từ 0 đến 255 hoặc từ 0 đến 1 Giá trị 0 đại diện cho màu tối nhất, trong khi giá trị tối đa (255 hoặc 1) biểu thị màu sáng nhất.
Không gian màu RGB hoạt động bằng cách kết hợp các màu cơ bản theo tỉ lệ khác nhau Bằng cách điều chỉnh giá trị của màu đỏ, xanh và xanh lá cây, chúng ta có thể tạo ra nhiều màu sắc phong phú Chẳng hạn, màu vàng được tạo ra từ sự kết hợp giữa giá trị đỏ và xanh, trong khi giá trị xanh lá cây được giữ ở mức 0.
Hình 3.3 Không gian màu RGB
Không gian màu HSV (Hue-Saturation-Value) là một hệ thống mô tả màu sắc dựa trên ba thuộc tính chính: Hue (màu sắc), Saturation (độ bão hòa) và Value (giá trị) Đây là một trong những không gian màu phổ biến được sử dụng trong công nghệ hiển thị, xử lý ảnh và đồ họa.
Các thuộc tính của không gian màu HSV như sau:
Hue (Màu sắc): Đại diện cho màu cơ bản của một pixel và được đo bằng góc từ
Màu sắc được mô tả qua vòng tròn màu Hue từ 0 đến 360 độ, trong đó màu đỏ nằm ở 0 độ, màu xanh lá cây ở 120 độ và màu xanh lam ở 240 độ.
Độ bão hòa là chỉ số đo lường mức độ mạnh mẽ hoặc đậm đặc của màu sắc, được thể hiện dưới dạng phần trăm từ 0 đến 100% Trong đó, 0% biểu thị màu xám, trong khi 100% đại diện cho màu sắc tươi sáng nhất.
Giá trị màu sắc thể hiện độ sáng hoặc độ tối, được đo bằng phần trăm từ 0% đến 100% Trong đó, 0% đại diện cho màu đen tuyệt đối, còn 100% là màu sáng nhất.
Không gian màu HSV tách biệt rõ ràng các thuộc tính màu sắc, độ bão hòa và độ sáng thành các thành phần riêng biệt, điều này rất hữu ích cho việc điều chỉnh màu sắc và hiệu chỉnh hình ảnh.
Trong không gian màu HSV, việc điều chỉnh các thuộc tính như màu sắc, độ bão hòa và độ sáng sẽ tạo ra những hiệu ứng màu sắc đa dạng Bạn có thể thay đổi màu sắc của một pixel bằng cách điều chỉnh giá trị Hue, làm cho màu sắc trở nên tươi sáng hơn bằng cách tăng độ bão hòa, hoặc thay đổi độ sáng để tạo ra các hiệu ứng thị giác khác nhau.
Không gian màu HSV được ứng dụng rộng rãi trong xử lý ảnh, đồ họa và thiết kế, giúp người dùng điều chỉnh và thay đổi màu sắc một cách dễ dàng và trực quan.
Giới thiệu về Yolo
Hình 3.5 Hoạt động của Yolo 3.2.1 Cách hoạt động của Yolo
Mô hình nhận dạng đối tượng nhận đầu vào là một bức ảnh và mục tiêu chính là xác định sự hiện diện của đối tượng trong ảnh, đồng thời định vị vị trí của nó Để thực hiện điều này, bức ảnh được chia thành các ô nhỏ với kích thước SxS, chẳng hạn như 3x3, 7x7, hoặc 9x9 Việc chia nhỏ này có tác động đáng kể đến khả năng phát hiện đối tượng của mô hình.
Hình 3.6 Bản đồ xác suất lớp
Mô hình nhận đầu vào là một bức ảnh và sản xuất đầu ra dưới dạng ma trận 3 chiều có kích thước SxSxS(5xN+M) Trong đó, mỗi ô trong ma trận chứa số lượng tham số là (5xN+M), với N là số lượng bounding box và M là số lượng lớp đối tượng cần dự đoán Ví dụ, nếu hình ảnh được chia thành 7x7 ô, mỗi ô cần dự đoán 2 bounding box và 3 loại đối tượng như con chó, ô tô và xe đạp, thì đầu ra sẽ là ma trận có kích thước 7x7x13, với mỗi ô có 13 tham số và kết quả cuối cùng trả về là (7x7x2).
Mỗi bounding box được dự đoán gồm 5 thành phần: (x, y, w, h, prediction), trong đó (x, y) là tọa độ tâm, và (w, h) là chiều rộng và chiều cao Theo Hình 3.6, mỗi ô có 13 tham số, với tham số đầu tiên P(Object) chỉ ra sự hiện diện của đối tượng Các tham số tiếp theo cung cấp thông tin về vị trí và kích thước của các bounding box Cụ thể, tham số 2, 3, 4, 5 tương ứng với x, y, w, h của Box1, và tham số 6, 7, 8, 9, 10 cho Box2 Tham số 11, 12, 13 lần lượt thể hiện xác suất ô chứa các đối tượng như chó, ô tô, xe đạp Quan trọng là tâm của bounding box nằm trong ô nào thì ô đó được coi là chứa đối tượng, dù đối tượng có thể nằm ở ô khác Điều này dẫn đến hạn chế là nếu một ô chứa nhiều tâm bounding box, mô hình YOLO1 sẽ không phát hiện được, do đó cần tăng số lượng ô chia trong ảnh để cải thiện khả năng phát hiện của mô hình.
Tổng quan về vi điều khiển và máy tính nhúng
3.3.1 Giới thiệu về vi điều khiển
Vi điều khiển, hay microcontroller, là vi mạch tích hợp nhỏ có khả năng lập trình để điều khiển hoạt động trong hệ thống điện tử Chúng được sử dụng rộng rãi trong các ứng dụng nhúng, từ thiết bị gia dụng như lò vi sóng và tủ lạnh đến các hệ thống phức tạp như xe hơi, máy bay không người lái và thiết bị y tế Ngoài ra, vi điều khiển còn đóng vai trò quan trọng trong ngành IoT, giúp kết nối và điều khiển thiết bị điện tử từ xa một cách dễ dàng.
Vi điều khiển thường bao gồm một hoặc nhiều CPU, bộ nhớ (ROM/RAM) và các giao diện I/O, tất cả được tích hợp trong một IC duy nhất, giúp tiết kiệm không gian, năng lượng và chi phí Ngoài ra, vi điều khiển có thể tích hợp thêm các thành phần như bộ chuyển đổi A/D, Timer, bộ giám sát nguồn điện và các giao diện giao tiếp như SPI, I2C, UART, tùy thuộc vào yêu cầu của hệ thống mà nó kiểm soát.
Vi điều khiển là công nghệ quan trọng thúc đẩy sự phát triển của điện tử và kỹ thuật Mặc dù kích thước nhỏ, nhưng sức mạnh và khả năng của chúng làm cho vi điều khiển trở thành linh hồn của nhiều hệ thống điện tử hiện đại.
Hình 3.7 Giới thiệu vi điều khiển
3.3.2 Giới thiệu về máy tính nhúng
Máy tính nhúng là hệ thống điện tử tích hợp, chuyên thực hiện các chức năng điều khiển và xử lý thông tin cho thiết bị hoặc hệ thống khác Nó thường được sử dụng trong các thiết bị di động, thiết bị y tế, ô tô, và thiết bị điện tử gia dụng thông minh, cùng nhiều ứng dụng khác.
Máy tính nhúng được thiết kế với vi xử lý nhỏ gọn, bộ nhớ và các thành phần phần cứng như giao tiếp mạng, cảm biến và bộ điều khiển Tất cả các linh kiện này được tích hợp trên một mạch in nhỏ gọn, giúp tiết kiệm năng lượng hiệu quả.
Máy tính nhúng nổi bật với kích thước nhỏ gọn, cho phép tích hợp vào các thiết bị hạn chế về không gian và nâng cao tính di động Sự phát triển công nghệ đã giúp máy tính nhúng ngày càng nhỏ và mạnh mẽ hơn, thích hợp cho các ứng dụng trong cảm biến thông minh, hệ thống IoT và thiết bị di động.
Máy tính nhúng tiêu thụ năng lượng thấp, điều này rất quan trọng cho các thiết bị di động và không dây Việc tiết kiệm năng lượng giúp tăng thời gian sử dụng và cải thiện trải nghiệm người dùng.
Máy tính nhúng, với khả năng tính toán và xử lý thời gian thực, có thể thực hiện các tác vụ phức tạp một cách nhanh chóng Điều này đặc biệt quan trọng trong các ứng dụng yêu cầu điều khiển và giám sát thời gian thực, như trong hệ thống ô tô, thiết bị y tế, và hệ thống giám sát công nghiệp.
Máy tính nhúng nổi bật với tính linh hoạt và khả năng kết nối cao Chúng thường được trang bị các giao tiếp như Wi-Fi, Bluetooth, Ethernet, USB, cùng nhiều giao thức khác, giúp dễ dàng kết nối và tương tác với các thiết bị và mạng xung quanh.
Máy tính nhúng, mặc dù có nhiều ưu điểm, nhưng cũng gặp phải một số hạn chế Với kích thước nhỏ gọn và tài nguyên hạn chế, máy tính nhúng thường có tính năng và khả năng xử lý hạn chế hơn so với các hệ thống máy tính truyền thống Hơn nữa, việc phát triển và kiểm thử phần mềm cho máy tính nhúng có thể trở nên phức tạp hơn do tính chất tích hợp và nhỏ gọn của chúng.
Máy tính nhúng là hệ thống điện tử tích hợp nhỏ gọn, với khả năng tính toán và giao tiếp Nó nổi bật với kích thước nhỏ, tiêu thụ năng lượng thấp, hiệu suất cao và tính linh hoạt, được ứng dụng rộng rãi trong các thiết bị và hệ thống điện tử hiện đại.
Hình 3.8 Giới thiệu máy tính nhúng
Giao thức I2C
I2C là giao thức hai dây, bao gồm tín hiệu Clock (SCL) và dữ liệu (SDA), được sử dụng để kết nối vi điều khiển với các thiết bị ngoại vi như cảm biến, EEPROM, mạch điều khiển LCD và nhiều thiết bị khác.
Giao thức I2C được phát triển nhằm đảm bảo tính đồng bộ và thuận tiện trong việc giao tiếp giữa các thành phần trong hệ thống Trong mạch I2C, thiết bị điều khiển được gọi là Master, trong khi các thiết bị ngoại vi được gọi là Slave Master có nhiệm vụ điều khiển quá trình giao tiếp bằng cách phát tín hiệu điều khiển trên dây Clock (SCL) và thực hiện việc truyền nhận dữ liệu qua dây dữ liệu (SDA).
Trong giao thức I2C, dữ liệu được truyền và nhận qua các khung dữ liệu 8 bit, gọi là truyền nhóm (Frame) Quá trình này tuân theo nguyên tắc truyền và nhận bit từ trái sang phải.
Hình 3.9 Giao tiếp giữa Master và Slave
3.4.1 Quá trình hoạt động của I2C
Hình 3.10 Khung truyền của một gói Message I2C
Để khởi tạo tín hiệu START, giữ dây Clock ở mức cao và giảm dây Data từ mức cao xuống mức thấp trong quá trình truyền dữ liệu Hành động này sẽ tạo ra tín hiệu START và khởi động quá trình truyền dữ liệu.
Master gửi địa chỉ Slave và hướng truyền dữ liệu qua dây Data Địa chỉ Slave được truyền bằng 7 bit đầu tiên, trong khi bit cuối cùng xác định hướng ghi dữ liệu.
Sau khi xác định địa chỉ Slave và hướng truyền, Master gửi dữ liệu từng bit từ MSB đến LSB qua dây Data Mỗi bit dữ liệu được duy trì trong một khoảng thời gian Clock, và Slave sẽ thực hiện việc đọc dữ liệu tại mỗi thời gian Clock.
Sau khi truyền 8 bit dữ liệu, Master gửi tín hiệu ACK (Acknowledgement) để xác nhận việc truyền thành công Tín hiệu ACK là một tín hiệu mức thấp do Slave gửi, thể hiện bằng cách giảm dây Data từ mức cao xuống mức thấp trong khoảng thời gian Clock sau khi nhận dữ liệu.
Master khởi tạo tín hiệu START và gửi địa chỉ của Slave và hướng truyền (đọc) thông qua dây Data
Sau khi xác định địa chỉ Slave và hướng truyền, Master gửi tín hiệu ACK để xác nhận yêu cầu đọc
Slave gửi dữ liệu cho Master từ MSB đến LSB, với mỗi bit dữ liệu được duy trì trong một khoảng thời gian Clock Master sẽ thực hiện việc đọc dữ liệu tại mỗi thời điểm Clock.
Sau khi nhận 8 bit dữ liệu, Master gửi tín hiệu NACK để xác nhận không thành công Tín hiệu NACK được truyền đi bằng cách giữ dây Data ở mức cao trong khoảng thời gian Clock sau khi dữ liệu cuối cùng được nhận.
Kết thúc truyền/nhận dữ liệu:
Sau khi hoàn tất quá trình truyền hoặc nhận dữ liệu, Master sẽ tạo tín hiệu STOP bằng cách nâng dây Clock từ mức thấp lên mức cao trong khi dây Data vẫn ở mức thấp Hành động này tạo ra tín hiệu STOP, đánh dấu sự kết thúc của quá trình truyền hoặc nhận dữ liệu.
3.4.2 Ưu điểm và nhược điểm của I2C
Bảng 3.1 Ưu nhược điểm của I2C Ưu điểm Nhược điểm
Sử dụng ít dây và đơn giản để kết nối các thiết bị
Cho phép nhiều Slave kết nối với một
Master trên cùng một đường truyền
Tích hợp chức năng địa chỉ để xác định các Slave khác nhau
Hỗ trợ truyền dữ liệu nhanh và đáng tin cậy
Tốc độ truyền dữ liệu chậm hơn so với các giao thức khác như SPI hoặc UART
Giới hạn khoảng cách giữa Master và Slave do yếu tố điện trở dẫn của dây truyền.
PHƯƠNG ÁN THIẾT KẾ
Những mục tiêu cần đạt được trong đề tài
Sau khi nắm bắt vấn đề cần giải quyết, nhóm chúng em đã cùng nhau xác định nội dung của một số câu hỏi liên quan đến đề tài.
Các nhu cầu về thực hiện chức năng: năng suất làm việc, kết quả mong muốn
Nhu cầu có nhân tố của con người: khả năng vận hành máy
Các nhu cầu liên quan đến điều kiện tự nhiên: thời tiết, nơi làm việc
Nhu cầu liên quan đến độ tin cậy: kết quả vận hành
Nhu cầu về thời gian: thời gian làm việc trong ngày
Các nhu cầu liên quan đến chi phí: giá cả chế tạo, chuyên chở, giá bán
Các nhu cầu liên quan đến môi trường: tiếng ồn
Sau khi thu thập, rút gọn thông tin, chúng em rút được các yêu cầu của cơ bản như sau:
Máy phân loại cà chua hoạt động với năng suất 200 quả/1h, ngày làm việc 8 giờ
Máy làm việc trong điều kiện hộ kinh doanh, chỉ cần tối thiểu 2 lao động phổ thông để vận hành
Thiết kế đơn giản, tháo lắp dễ dàng để thuận tiện vệ sinh máy và an toàn cho người lao động
Các quả cà chua đồng nhất về hình dạng, kích thước
Hình 4.1 Sơ đồ khối của quá trình phân loại
Cà chua sau khi cho vào ngăn chứa, nhờ bộ phận cần gạt đẩy cà chua, cà chua được di chuyển từ từ xuống băng tải
Sau khi cà chua di chuyển xuống băng tải, nó tiếp tục được qua buồng xử lý ảnh
Cà chua sau khi được đi qua bộ xử lý ảnh sẽ được các tay quay gạt ra để đạt được yêu cầu mong muốn Ưu điểm:
Tính tự động hóa cao, thay thế sức người
Có thể tạo ra số lượng lớn sản phẩm trong thời gian ngắn một cách ổn định
Hiệu quả công việc cao, tiết kiệm thời gian, nhân lực
Máy làm việc êm ái không phát ra nhiều tiếng ồn
Cơ cấu đơn giản, dễ lắp đặt, vệ sinh, bảo trì và bảo dưỡng
Chi phí đầu tư máy thấp hơn so với các máy có mặt trên thị trường
Kinh phí đầu tư ban đầu khá cao
Cần bảo trì, bảo dưỡng định kỳ.
THIẾT KẾ HỆ THỐNG CƠ KHÍ
Yêu cầu thiết kế
5.1.1 Yêu cầu thiết kế máy phân loại sản phẩm ngoài thị trường
Các máy phân loại sản phẩm ngoài thực tế có những yêu cầu thiết kế:
Tính tự động hóa cao giảm thiểu sức lao động
Thời gian phân loại sản phẩm nhanh Giúp tăng năng suất cho quá trình phân loại
Đảm bảo độ chính xác với tốc độ cao để nâng cao năng suất
Thiết kế cơ khí vững chắc, vật liệu đảm bảo độ bền, không bị gỉ
Chi phí lắp đặt, bảo trì phải phù hợp với thị trường bên ngoài
5.1.2 Yêu cầu về kết cấu cơ khí máy
Từ yêu cầu của các máy ngoài thị trường, khảo sát nhu cầu của các công ty, nhóm đã có các yêu cầu về cơ khí như sau:
Máy phải thiết kế phần khung cơ khí vững chắc, không bị rung lắc khi hoạt động
Dễ dàng thi công và lắp ghép
Bảo trì và thay thế nhanh chóng, các thiết bị sửa chữa có thể mua dễ dàng
Máy được thiết kế rộng rãi, thuận lợi cho vận hành
Không gian làm việc của máy ở nơi khô ráo, ít bụi để tránh bị nhiễu trong quá trình hoạt động
Từ yêu cầu về kết cấu cơ khí bên trên, ta đề xuất những thành phần cơ khí cần có của máy gồm thành phần như sau:
Cụm động cơ Servo đẩy cà chua xuống cân
5.1.3 Quy trình vận hành và các nội dung cần tính toán, thiết kế
Kết hợp giữa phương pháp phân loại và các thành phần cơ khí của máy như trên, ta đưa ra quy trình vận hành như sau:
Bước 1: Người công nhân đưa các quả cà chua vào hệ thống cấp phôi sau đó người điều khiển sẽ kiểm tra và nhấn nút bắt đầu
Miếng gạt gắn trên động cơ Servo sẽ đẩy cà chua xuống cân, hoàn tất quá trình cân trong vòng 0,5 giây Sau đó, hai động cơ RC servo sẽ chuyển cà chua xuống băng tải.
Bước 4: Cà chua được băng tải đưa đến buồng xử lý ảnh
Bước 5: Sau khi xử lý ảnh băng tải sẽ đưa cà chua đến chỗ phân loại
Bước 6: Tại phân loại cà chua sẽ được phân loại như sau Loại 1 cà chua đỏ lớn
10 gam Loại 2 cà chua đỏ nhỏ 10 gam Loại 3 cà chua vàng Loại 4 cà chua xanh
Bước 7: Sau khi phân loại xong các thông số màu sắc và khối lượng sẽ được hiển thị lên LCD
Bước 8: Có thể dùng Web Sever để có thể giám sát cà chua từ xa
Dựa trên quy trình vận hành và các thành phần cơ khí đã đề xuất, chúng ta cần thiết kế và tính toán các nội dung quan trọng cho phần cơ khí.
Thiết kế hình dạng, kích thước của máy
Thiết kế buồng xử lý ảnh
Tính chọn động cơ để cấp phôi
Tính chọn động cơ kéo băng tải
Tính chọn pully cho băng tải
Tính chọn động cơ phân loại cho các máng
Tính bền cho khung máy
Tính chọn động cơ tại cân để đẩy cà chua xuống băng tải.
Thiết kế hình dáng và thiết kế khung máy
5.2.1.Phương án thiết kế khung máy
Khung máy được cấu tạo từ thanh thép hình chữ nhật, bao gồm cơ cấu cấp phôi và cơ cấu phân loại Quy trình thiết kế máy trải qua các bước cụ thể để đảm bảo tính hiệu quả và độ bền.
Thiết kế tổng thể hình dáng, kích thước khung máy thỏa mãn yêu cầu đặt ra của nhóm
Các thanh thép chịu lực uốn, moment xoắn nên thiết kế cùng hình dạng bằng thép vuông
Sau khi thiết kế kích thước khung máy, ta tiến hành kiểm nghiệm bền cho khung máy nhằm tạo hình dáng kích thước khung máy phù hợp
5.2.2 Thiết kế kích thước khung máy
Từ không gian làm việc của máy nhóm thiết kế chiều dài, chiều rộng của máy thỏa mãn các yêu cầu sau:
Không gian làm việc vừa phải không quá cao để người vận hành dễ sử dụng
Không gian làm việc cần phải tương thích với hệ thống phân loại trong sản xuất, từ đó tạo ra chuỗi sản xuất hiệu quả Điều này giúp tăng năng suất và tạo điều kiện thuận lợi cho việc nâng cấp và sửa chữa.
Khung máy chắc chắn, bền, dễ bảo trì, trong quá trình hoạt động không bị rung lắc
Từ đó nhóm em chọn thiết kế chiều dài, chiều rộng như sau:
Bảng 5.1 Thông số kích thước khung máy
Chiều dài (mm) Chiều rộng (mm) Chiều cao (mm)
Tính toán thiết kế cụm cấp cơ khí
điểm cấp được ít quả Từ yêu cầu đó ta sẽ tính toán chọn động cơ servo để đủ lực để đẩy cà chua xuống cân
Tổng khối lượng cà chua bi mà nhóm cấp vào là: M = 24(g) = 0,024 (kg) Đường kính trục của trục quay là D =5 (cm) = 0,05 (m)
Vì quay cần gạt nên ta có moment quán tính được tính bằng công thức:
M là tổng khối lượng cà chua (kg)
D là đường kính trục quay (m)
Từ công thức (5.1) ta có moment quán tính:
Hình 5.2 Thông số miếng gạt
Dựa vào Hình 5.2 ta thấy khối lượng của miếng gạt là 0,018 (lb)
Hình 5.3.Thông số thanh trượt
Dựa vào Hình 5.3 ta thấy khối lượng của thanh trượt là 0,112 (lb)
Từ đó ta suy ra tổng khối lượng của miếng gạt và thanh trượt là:
Ta thấy tổng khối lượng nhỏ 1(kg), moment quán tính 3 10 −5 (𝑘𝑔 𝑚 2 )
Từ đó nhóm chọn động cơ servo MG996R
Hình 5.4 Động cơ servo MG996R Thông số kỹ thuật:
Servo MG996R (nâng cấp MG995) có momen xoắn lớn
Moment làm việc : 11(kg/cm) (tại điện áp 6V) , 9,4 (kg/cm) (tại điện áp 4,8V)
Đây là bản nâng cấp từ servo MG995 về tốc độ, lực kéo và độ chính xác
So với MG946R, MG996R nhanh hơn, nhưng hơi nhỏ hơn
Tốc độ xoay: 0,17 (giây) / 60 độ (4,8 v) 0,14 (giây) / 60 độ (6 v)
Chiều dài dây: 30(cm) , dây nâu đỏ là 2 dây nguồn, dây vàng là dây tín hiệu
Vật liệu bánh răng: Kim loại
Hình 5.5 Hệ thống cấp phôi 5.3.2 Tính toán thiết kế cụm cân khối lượng
Hệ thống cân cà chua cần hoạt động chính xác trong vòng 0,5 giây để đo khối lượng Sau khi hoàn tất việc cân, động cơ servo sẽ tự động gạt cà chua xuống băng tải để tiến hành phân loại Yêu cầu thiết kế hệ thống cân phải đảm bảo độ chính xác và độ bền, đồng thời động cơ servo cần có khả năng đẩy cà chua một cách hiệu quả xuống băng tải Dựa trên những yêu cầu này, nhóm em đã quyết định chọn động cơ servo phù hợp.
Khối lượng của cà chua bi là M$ (g) = 0,024 (kg)
Hình 5.6 Kích thước của cần gạt
Từ Hình 5.6 ta thấy chiều dài kích thước của cần gạt là 80,5 (mm) = 0,0805(m)
Vì quay cần gạt nên ta có moment quán tính được tính bằng công thức(5.1)
Ta có tổng khối lượng của miếng gạt là 0,05(kg)
Ta thấy tổng khối lượng nhỏ hơn 1kg, moment quán tính 8,67 10 −5 (kg m 2 )
Từ đó nhóm chọn động cơ servo như cụm cấp phôi
Sau khi lựa chọn động cơ nhóm em tiến hành thiết kế cụm cân khối lượng như sau:
Hình 5.7 Hệ thống cân 5.3.3 Thiết kế buồng xử lý ảnh
Buồng xử lý ảnh có vai trò quan trọng trong việc xử lý hình ảnh từng quả cà chua khi chúng được đưa vào Thiết kế của buồng cần đảm bảo độ bền, dễ sửa chữa và chắc chắn, đồng thời ngăn chặn ánh sáng lọt vào để camera có thể chụp ảnh chính xác Dựa trên các yêu cầu kỹ thuật này, nhóm đã tiến hành thiết kế buồng xử lý ảnh một cách tối ưu.
Buồng xử lý ảnh được thiết kế hình chữ nhật hở 2 đầu, 2 màn mỏng bằng vải để che kín buồng xử lý ảnh
Buồng xử lý ảnh được làm vật liệu làm bằng thép để đảm bảo độ chắc chắn, đảm bảo độ bền, dễ sửa chữa
Kích thước buồng xử lý ảnh được thiết kế chiều cao 200 (mm), chiều dài 150(mm), chiều rộng 128(mm) so với bề mặt băng tải
Camera được đặt chính giữa trên cùng của buồng xử lý ảnh để dễ dàng chụp cà chua khi đi qua
Sau khi thiết kế ta được buồng xử lý ảnh:
Hình 5.8 Buồng xử lý ảnh 5.3.4 Tính toán thiết kế cụm phân loại
Cụm phân loại có nhiệm vụ phân loại cà chua trên băng tải thành bốn loại: loại 1 là cà chua đỏ lớn hơn 10 gam, loại 2 là cà chua đỏ nhỏ hơn 10 gam, loại 3 là cà chua vàng và loại 4 là cà chua xanh Để thực hiện nhiệm vụ này, các động cơ servo cần có khả năng đẩy cà chua xuống các máng Dựa trên yêu cầu kỹ thuật này, nhóm đã tiến hành tính chọn động cơ servo phù hợp.
Khối lượng cà chua bi mà nhóm cấp vào là M$ (g)=0,024 (kg)
Hình 5.9 Thanh gạt phân loại
Từ Hình 5.9 ta thấy chiều dài của thanh gạt phân loại là 115,24(mm) 0,11524(m)
Vì quay cần gạt nên ta có moment quán tính được tính bằng công thức (5.1)
Từ đó ta có Moment quán tính của thanh gạt phân loại là:
Ta có tổng khối lượng của miếng gạt là 0,05 (kg)
Ta thấy tổng khối lượng nhỏ hơn 1 (kg), moment quán tính 1,6 10 −4 (𝑘𝑔 𝑚 2 )
Từ đó nhóm chọn động cơ servo như cụm cấp phôi
Sau khi chọn động cơ servo nhóm tiến hành thiết kế cụm phân loại như sau:
Tính toán thiết kế hệ thống
Sau khi hệ thống cấp phôi đẩy cà chua xuống hệ thống cân, cà chua sẽ được chuyển tiếp đến băng tải Tại đây, băng tải sẽ đưa cà chua đến các máng phân loại Yêu cầu kỹ thuật đặt ra cho băng tải bao gồm độ bền, khả năng dễ thay thế, và động cơ phải đủ lớn để kéo băng tải với vận tốc 0,065 m/s Dựa trên các yêu cầu kỹ thuật này, nhóm em đã tiến hành tính toán để chọn động cơ kéo băng tải, lựa chọn đai, pully và băng tải phù hợp.
5.4.1 Tính toán lựa chọn băng tải
Chọn tốc độ quay: n20(vong phut/ )
Ta có vận tốc chuyển động của băng tải:
N là tốc độ quay (vòng/phút)
K là hệ số tải trọng của băng tải mặc định là 0,98
Từ công thức (5.2) ta suy ra vận tốc chuyển động của băng tải là:
Trong đó: v: vận tốc chuyển động băng tải (m/s)
Theo như công thức (5.2) ta tính được v = 0.054 (m/s)
:tỷ trọng vật liệu rời (T m/ 3 )
Bảng 5.2 Tỷ trọng vật liệu rời
Nhóm chọn vật liệu tro khô nên chọn 0.6( / T m 3 )
Theo như thông số đầu vào ta có tiết diện ngang F = 0.0038 (m 3 )
Từ công thức (5.3) ta suy ra năng suất:
Ta có trọng lượng vật liệu trên 1 mét dài của băng tải được xác định bằng công thức:
Theo như thông số đầu vào ta có tiết diện ngang F = 0.0038(m 3 )
:tỷ trọng vật liệu rời(T m/ 3 ) Theo Bảng 5.2 nhóm chọn vật liệu tro khô nên chọn 0.6( / T m 3 )
Từ công thức (5.4) ta suy ra trọng lượng vật liệu trên 1 mét dài của băng tải là:
Từ đó ta chọn băng tải có thông số như sau:
– Tấm băng tải PU 1(mm)
– Khối lượng riêng băng tải PVC dày 1mm dành cho thực phẩm là 1(kg m/ 2 )
5.4.2 Tính toán lựa chọn động cơ kéo băng tải
Xác định lực cản chuyển động và kéo căng băng
Chiều dài băng được chia thành 4 đoạn riêng biệt từ điểm đầu đến điểm cuối, mỗi đoạn có các dạng lực cản khác nhau Bắt đầu từ điểm 1, tại đây lực căng 𝑆1 là nhỏ nhất, và lực căng tại nhánh ra của tang dẫn động được xác định là 𝑆1 = 𝑆𝑟𝑎.
Lực cản chuyển động ở nhánh không tải được tính theo công thức:
:Hệ số ứng của con lăn Do không có con lăn nên hệ số cản chuyển động bằng
0 q b : Trọng lượng phân bố của băng(kg/m) Như ở trên ta tính trọng một mét dài của bằng là 0.12 (kg/m)
L 1 2 : Chiều dài hình chiếu theo phương ngang của đoạn băng thẳng (mm)
Hình 5.13 Kích thước của đoạn băng
Theo Hình 5.13 ta có chiều dài hình chiếu theo phương ngang của đoạn băng thẳng là 860(mm)
Từ công thức (5.5) ta suy ra lực cản chuyển động ở nhánh không tải:
Lực kéo căng tại điểm 2 tính theo công thức:
S 1: Lực kéo căng tại điểm 1
W 1 2 : Lực cản chuyển động ở nhánh không tải Theo như công thức (5.5) ta tính bằng 0
Từ công thức (5.6) ta suy ra lực căng tại điểm thứ 2:
Lực cản chuyển động ở đoạn 2-3 tính theo công thức như sau:
W 2 3 : Lực cản chuyển động ở đoạn 2-3
S 2: Lực kéo căng tại điểm thứ 2 Theo như công thức (5.6) ta tính được S 2 S 1
Từ công thức (5.7) ta suy ra lực cản chuyển động ở đoạn 2-3:
Lực kéo căng tại điểm 3 được tính theo công thức như sau:
S 3: Lực kéo căng tại điểm 3
S 2: Lực kéo căng tại điểm thứ 2 Theo như công thức (5.6) ta tính S 2 S 1
W 2 3 : Lực cản chuyển động ở đoạn 2-3 Theo như công thức(5.7) ta tính:
Từ công thức (5.8) ta suy ra lực kéo căng tại điểm 3:
S S W S kg q b : Trọng lượng phân bố của băng(kg/m) Như ở trên ta tính trọng một mét dài của bằng là 0,12kg/m
Theo phân tích, trọng lượng của băng và vật liệu tác dụng lên con lăn chiếm 50%, trong khi 50% còn lại tác động lên tấm thép Hệ số ma sát giữa băng và thép được xác định là 𝜔 = 𝑓 = 0,35 Để tính trọng lượng của băng trên một mét chiều dài, theo công thức (5.4), ta có kết quả q vl = 2,28 (kg/m).
L 2 3 : chiều dài hình chiếu theo phương ngang của đoạn băng thẳng Theo như
Từ công thức (5.9) ta suy ra lực cản chuyển động ở đoạn 3-4:
Lực cản của 2 rulo ép được tính công thức như sau: ép 2 .
Trong quá trình tác động của băng tải, 50% trọng lượng của băng và vật liệu sẽ tác động lên con lăn, trong khi 50% còn lại tác động lên tấm thép Hệ số ma sát giữa băng và thép được xác định là 𝜔 = 𝑓 = 0,35.
N: phản lực rulo tác dụng.Theo như đã tính toán N=5(N)
Từ công thức (5.10) ta suy ra lực cản của 2 rulo:
Tổng lực cản trên nhánh tải được tính công thức như sau:
Lực kéo căng tại điểm 4 tính theo công thức:
S 3: Lực kéo căng tại điểm thứ 3 Theo như công thức (5.8) ta tính được
W W : Tổng lực cản trên nhánh tải Theo như công thức (5.11) ta tính được
Từ công thức (5.12) ta suy ra lực căng tại điểm 4:
Ta có công thức S vao :
S 1: Lực căng tại điểm nhỏ nhất Mà ta có 𝑆 1 = 𝑆 𝑟𝑎 f : trị số hệ số ma sát
Bảng 5.3 Trị số của hệ số ma sát f và e f
Loại tang và điều kiện khí hậu mà nhóm chọn là tang bọc cao su, khí hậu khô nên: f 0, 4;180 ;e f 3,51
Từ công thức (5.13) ta suy ra S vào :
Kết hợp công thức (5.12) và (5.13) ta có:
Lực cản ở tang dẫn động không tính đến cản trong ổ trục xác định theo công thức:
Theo công thức (5.13) ta tính được: S vào S 1 3,51 3,51.1, 717 6, 026(kg)
Từ công thức (5.14) ta suy ra lực cản ở tang dẫn động:
Lực kéo tính theo công thức:
Theo công thức (5.14) ta có W dd 0, 2322(kg)
Theo công thức (5.12) ta có S 4 1, 07.S 1 4,189 1, 07.1, 717 4,189 6, 026(kg)
Từ công thức (5.15) ta suy ra lực kéo:
Công suất cần thiết của động cơ theo công thức:
W t : Lực kéo băng tải.Theo như công thức (5.15) ta đã tính được W t 4,512(kg) v: Vận tốc chuyển động của băng tải Theo như công thức (5.2) ta tính được: 0,054( / ) v m s
Bảng 5.4 Trị số hiệu suất của các loại bộ truyền và ổ
d : Hiệu suất của bộ truyền đai Theo như Bảng 5.3 ta chọn d 0, 96
ol : Hiệu suất của ổ lăn Theo như Bảng 5.3 ta chọn ol 0,99
h : Hiệu suất của hộp số Ta chọn hiệu suất của hộp số 0,94
Từ công thức (5.16) ta suy ra công suất cần thiết của động cơ:
Chọn tỉ số truyền đai: u2
Số vòng quay của động cơ giảm tốc có sẵn hộp số có công thức: dc n n u (5.17)
Trong đó: n: Tốc độ quay.Như thông số ban đầu ta đã chọn n20(vong phut/ ) u: Tỉ số truyền đai Ta đã chọn u2
Từ công thức (5.17) ta suy ra số vòng quay của động cơ giảm tốc có hộp số là:
20.2 40( / ) n dc n u vong phut Tra thông tin trên web của hãng WANSHSIN chọn động cơ AC giảm tốc công
Số vòng quay thực tế của tang là:
Vận tốc thực tế được tính theo công thức là:
D là đường kính tang (m).Theo thông số đầu vào ta chọn D53(mm)0,053m n tt là tốc độ thực tế của tang (vòng/phút).Theo như tính toán ở trên
K là hệ số tải trọng của băng tải mặc định là 0,98
Từ công thức (5.18) ta suy ra vận tốc thực tế:
Lực kéo ở trạm kéo căng xác định theo công thức như sau, cho rằng các nhánh băng song song:
Theo công thức (5.6) ta có: S 2 S 1 1,717(kg)
Theo công thức (5.8) ta có: S 3 1,07.S 1 1,07.1,717 1,837( kg)
Sơ bộ lấy tổn thất do chuyển động của con trượt trong vít kéo căng là T (kg) k: hệ số tính đến các tổn thất ở các tang nghiêng chọn k1
Từ công thức (5.19) ta suy ra lực kéo ở trạm kéo căng:
Lực kéo trong 1 vít được xác định theo công thức:
Theo như công thức (5.9) ta đã tính được S keo 18, 554(kg)
: hệ số tính đến sự phân bố lực không đều giữa các vít.Thường thì 1,5 1,8 Nhóm chọn 1,5
Từ công thức (5.20) ta suy ra lực kéo trong 1 vít:
5.4.3 Tính toán lựa chọn đai
Bộ truyền đai từ động cơ đến trục rullo
– Công suất trên trục dẫn 𝑃 1 = 15 (W)
– Tốc độ quay trên trục dẫn 𝑛 1 = 40 (vòng/phút)
– Tỉ số truyền cho bộ truyền đai u = 2
– Khoảng cách trục pully với cốt động cơ a128(mm)
– Đường kính trục motor: d 1 10(mm)
– Đường kính trục gắn pully: d 2 12(mm)
𝑃 1 : công suất trên bánh đai chủ động Theo như thông số đầu vào
P W KW n 1: số vòng quay của bánh đai chủ động Theo như thông số đầu vào
Từ công thức (5.21) ta suy ra mô đun:
Bảng 5.5 Tiêu chuẩn chọn chiều rộng đai
Trị số của m tính phải theo tiêu chuẩn
Với m=2.52 ta chọn m=3 Tra Bảng 5.5 ta được chiều rộng đai răng b= 16mm
Xác định thông số của bộ truyền
Với tỉ số truyền của bộ truyền đai u = 2
Số răng 𝑧 1 của bánh đai nhỏ được chọn theo bảng dưới nhằm đảm bảo tuổi thọ cho đai Số răng của bánh đai lớn
Khoảng cách trục a được chọn theo điều kiện: min max a a a (5.23)
Khoảng cách trục a nhỏ nhất được tính theo công thức: min 0,5 .( 1 2) 2. a m z z m (5.24)
Khoảng cách trục a lớn nhất được tính theo công thức max 2 .( 1 2) a m z z (5.25)
Kết hợp các công thức (5.22),(5.23),(5.24),(5.25) ta được:
3.z 6 a 12.z (5.26) Trong đó: a: Khoảng cách trục pully với cốt động cơ Theo thông số đầu vào a128(mm)
Từ (5.26) ta suy ra được:
Số đai răng z d được tính theo công thức:
Trong đó: a: Khoảng cách từ trục pully tới cốt động cơ Theo thông số đầu vào 128( ). a mm
1, 2 z z : Số răng bánh đai nhỏ,số răng bánh đai lớn Ta có z 1 z 2 58(răng) p: Bước đai (mm)
Bảng 5.6 Thông số của đai
Ta đã chọn được m3.Dựa vào Bảng 5.6 ta tìm được p9, 42(mm)
Từ công thức (5.27) ta suy ra được số đai răng z d :
Khoảng cách từ trục pully tới cốt động cơ được xác định là a = 128 mm Đường kính trục motor là d1 = 10 mm, trong khi đường kính trục lắp với pully là d2 = 12 mm.
Từ công thức (5.28) ta suy ra chiều dài đai
Dựa vào loại dây đai trên thị trường chọn S5M,chu vi 1886,rộng 16mm
5.4.4 Tính toán lựa chọn pully
Dựa vào việc đã tính toán bộ truyền động bằng đai răng với tỉ số truyền u=1/2 ta tiến hành chọn pully với các thông số phù hợp:
Bảng 5.7 Bảng thông số Pully 1 và Pully 2
Khoảng cách bước răng: 5(mm)
Khoảng cách bước răng: 5(mm)
Sau khi tính chọn băng tải, động cơ, bộ truyền động đai, pully ta tiến hành thiết kế cụm băng tải và động cơ
Hình 5.17: Cụm băng tải 5.5 Tính sức bền khung máy
Việc xác định hình dáng và tiết diện của các thanh thép chịu lực trong khung máy là rất quan trọng Để đơn giản hóa quá trình tính toán, ta cần chọn lựa các thành phần sơ bộ phù hợp.
Lựa chọn vật liệu thép CT3 và hình dạng thép ống vuông cho các thanh đứng và thanh nằm ngang trong khung trên giúp thuận tiện cho việc hàn với thép tấm.
Chọn vật liệu CT3 và sử dụng thép góc gân cho các thanh nằm ngang ở khung dưới giúp dễ dàng khoan và cố định bằng bu-lông.
Hình 5.18 Kết cấu khung máy
Từ kết cấu khung máy, ta thấy được cần tính bền cho ba phần:
Những thanh thép nằm ngang của khung trên chịu uốn và xoắn
Những thanh thép thẳng đứng chịu kéo, nén và uốn
5.5.1 Tính sức bền thanh thép nằm ngang
Trong số các thanh thép nằm ngang, thanh AB và thanh CD có hai đầu tự do, trong khi các thanh khác đều được kết nối với các ngàm Cả hai thanh AB và CD đều chịu lực cắt và moment uốn, nhưng thanh AB chịu moment xoắn lớn hơn do khoảng cách từ các điểm đặt lực đến thanh AB dài hơn, tạo ra cánh tay đòn dài hơn Vì lý do này, thanh AB được chọn là thanh nguy hiểm để làm cơ sở tính toán Khi di chuyển lực song song, các lực và moment tác dụng lên thanh AB được xác định như sau:
P1 là lực phản lực từ thanh đứng của khung máy, tác động lên khung trên với điểm đặt tại vị trí tiếp xúc của khung đứng Lực này có độ lớn là 100 N.
P2 là lực phản kháng từ thanh đứng của khung máy, tác động lên khung trên và được đặt tại vị trí tiếp xúc của khung đứng Lực này có độ lớn là 100 N.
P3 là là lực từ gối đỡ hướng từ trên xuống và, có điểm đặt tại trọng tâm khung trên máy và có độ lớn là 150 (N)
P4 là phản lực của động cơ lên khung máy có hướng từ trên xuống, có điểm đặt tại vị trí tiếp xúc với khung máy Có độ lớn là 48 (N)
W1 là hợp lực của phần hệ thống đẩy cà chua có hợp lực từ trên xuống theo phương thẳng đứng có lực là 0.12 (N/mm)
M1 là moment xoắn tại điểm A1 do hệ quả của việc dời lực P1 song song về thanh AB, ngược chiều kim đồng hồ và có độ lớn là 50 (N.m)
M2 là moment xoắn tại điểm A2 do hệ quả của việc dời lực P3 song song về thanh AB, ngược chiều kim đồng hồ và có độ lớn là 60 (N.m)
M3 là moment xoắn tại điểm A3 do hệ quả của việc dời lực P2 song song về thanh AB, cùng chiều kim đồng hồ và có độ lớn là 110 (N.m)
Sử dụng phần mềm MD Solid để vẽ biểu đồ nội lực:
Hình 5.20 Moment xoắn khung AB
Hình 5.21 Biểu đồ momen xoắn trên AB
Theo biểu đồ moment uốn và moment xoắn nội lực ta thấy:
Moment uốn lớn nhất (M x ) tại P3 có giá trị là 32,6 (Nm), moment xoắn tại ngàm
B có giá trị là 110 (Nm)
Vậy có hai mặt cắt nguy hiểm cần phải được tính toán là mặt cắt tại điểm đặt lực P3 và mặt cắt tại ngàm B
Theo thuyết bền 4, để mặt cắt nguy hiểm tại điểm đặt P3 không bị phá hủy thì:
Vật liệu CT3 có ứng suất cho phép là: σ = 380 (Mpa)
Tại điểm đặt P3 ta có moment uốn M x = 32,6 (Nm) và moment xoắn M z = 110 (Nm)
Từ công thức (5.29) ta suy ra moment chống uốn tại điểm đặt P3 tối thiểu:
Vậy moment chống uốn W x tại điểm đặt P3 phải tối thiểu bằng 0, 2646(cm 3 ) Tính toán tương tự với mặt cắt nguy hiểm tại ngàm B ta có moment chống uốn
W x phải tối thiểu bằng 10,5(cm 3 )
Sau khi tính toán moment chống uốn tại điểm đặt P3 và ngàm B ta kết luận:
Theo tài liệu tham khảo,ta chọn thép ống dạng chữ C 68x30x3 (mm) cho những thanh thép nằm ngang ở phần khung trên của máy
Hình 5.22 Mặt cắt thép ống dạng chữ C 68x30x3(mm) 5.5.2 Tính sức bền thanh thép thẳng đứng
Theo cấu trúc khung máy, các thanh thép thẳng đứng SP và TQ đều có chiều dài đồng nhất, tuy nhiên, thanh SP và TQ phải chịu tải cho toàn bộ khung phía trên.
Lực NB, có điểm đặt tại B và hướng xuống, bao gồm lực từ khung máy và trọng lực của cụm cấp phôi, có độ lớn 30 N.
NF là lực nén có điểm đặt tại F, chiều hướng lên, là hợp lực của phần thân máy và lực ghép ngang từ thanh ngang , có độ lớn là 55(N)
Lực nén NK, với điểm đặt tại K và hướng xuống dưới, đại diện cho trọng lực của phần khung máy cùng với trọng lượng của đầu máy, có độ lớn đạt 70 N.
MxB là mô men uốn theo phương X tại điểm B, xuất phát từ việc dịch chuyển các lực ở khung trên của máy song song về điểm B, theo hướng ngược chiều kim đồng hồ với độ lớn 1800 Nm.
THIẾT KẾ HỆ THỐNG ĐIỆN – ĐIỀU KHIỂN
Thiết kế hệ thống điện
Sau khi hoàn thành tính toán thiết kế cơ khí, nhóm chúng em sẽ tiến hành thiết kế hệ thống điện, lựa chọn các thiết bị điện cần thiết và đề xuất các phương án điều khiển cho mô hình Dựa trên đó, nhóm sẽ xác định những phương pháp điều khiển phù hợp để giải quyết các vấn đề liên quan đến đề tài.
6.1.1 Sơ đồ khối của hệ thống
Hình 6.1 Sơ đồ khối điều khiển
Thành phần từng khối được trình bày trong Hình 6.1 với:
Khối nguồn: Sử dụng nguồn 24V cấp nguồn cho cảm biến Nguồn 5V cấp nguồn cho động cơ servo, cảm biến loadcell,sử dụng nguồn 220V cấp cho động cơ băng tải
Khối xử lý trung tâm sử dụng máy tính nhúng Raspberry Pi 4 để phân tích màu sắc của cà chua Qua việc áp dụng thư viện OpenCV và thuật toán YOLO, hệ thống có khả năng phát hiện cà chua bị hư hỏng một cách hiệu quả.
Khối điều khiển nhận dữ liệu từ khối trung tâm để điều chỉnh các cơ cấu chấp hành nhằm phân loại cà chua, đồng thời truyền đạt giá trị khối lượng về khối xử lý trung tâm.
Khối cơ cấu chấp hành bao gồm cảm biến loadcell để đo khối lượng của quả cà chua và cảm biến hồng ngoại để phát hiện cà chua Tín hiệu từ các cảm biến này sẽ được gửi đến vi điều khiển, từ đó điều khiển động cơ để phân loại cà chua một cách hiệu quả.
Khối hiển thị: Sử dụng LCD 16x2, các nút nhấn điều khiển, hệ thống Web Server để quản lý từ xa
6.1.2 Giới thiệu thiết bị điện
Bảng 6.1 Các thiết bị điều khiển được dùng
STT Tên thiết bị Thông số kỹ thuật Hình ảnh
1 Raspberry Pi 4 Thông số kỹ thuật:
Vi xử lý (CPU): Broadcom BCM2711, 64-bit Quad-core ARM Cortex-A72, tốc độ xung nhịp 1.5 GHz
Kết nối không dây: Wi-Fi 802.11 b/g/n/ac (2.4GHz và 5GHz) và Bluetooth 5.0
Cổng USB: 2 cổng USB 3.0 và
Kết nối video: 2 cổng Micro HDMI hỗ trợ độ phân giải lên đến 4K 60Hz
Nguồn điện: Micro USB-C hỗ trợ cấp nguồn 5V/3A
Kích thước: 85mm x 56mm x 17mm
2 STM32F407VE Thông số kỹ thuật:
The ARM 32-bit Cortex-M4 CPU features a Floating Point Unit (FPU) and an adaptive real-time accelerator (ART Accelerator), enabling zero-wait state execution from Flash memory It operates at frequencies of up to 168 MHz and includes a memory protection unit (MPU) for enhanced security.
Nguồn điện: Từ 1.8 đến 3.6 volt
Clock, reset và cung cấp điện: Độc lập lõi, I/O supply và backup domain
3 Loadcell 1kg Thông số kỹ thuật:
Cảm biến loại: Điểm đơn, single point load cell
Điện áp biến đổi (2 ± 0.002) mV/V
Điện trở cách điện: ≥ 5000 (ở 50VDC) MΩ
4 HX711 Thông số kỹ thuật:
Tốc độ lấy mẫu : 10 - 80 SPS ( tùy chỉnh )
Độ phân giải : 24 bit ADC
Độ phân giải điện áp : 40mV
Số dây tín hiệu: 3 dây (2 dây cấp nguồn và 1 dây tín hiệu)
Chân tín hiệu ngõ ra của cấu trúc cực thu hở Transistor NPN - Open Collector yêu cầu sử dụng một trở kéo từ 1 đến 10K kết nối với chân nguồn dương VCC để tạo ra tín hiệu mức cao (High).
Nguồn điện cung cấp: 6 ~ 36VDC
Khoảng điều chỉnh phát hiện vật cản của cảm biến: 0~10cm
Điện áp hoạt động là 5V
Chữ trắng, nền xanh dương
Khoảng cách giữa hai chân kết nối là 0.1 inch tiện dụng khi kết nối với Breadboard
Tên các chân được ghi ở mặt sau của màn hình LCD hỗ trợ việc kết nối, đi dây điện
Có thể được điều khiển với 6 dây tín hiệu
Điện áp đầu vào: 180VAC- 240VAC chỉnh bằng công tắc gạt
Dòng đầu ra tối đa: 10A
Nhiệt độ làm việc: -10 ~ 60 độ
Điện áp đầu vào: 110V/ 220V – 50/60Hz.
Độ phân giải tối đa:
Loại tiêu cự: tiêu cự cố định
Micrô tích hợp: Đơn hướng
Phạm vi của mic: Lên tới 1 m
Sử dụng điện áp nuôi DC 5V Relay mỗi Relay tiêu thụ dòng khoảng80mA
Điện thế đóng ngắt tối đa:
Có thể chọn mức tín hiệu kích
Quy trình nhận diện quả và xử lý cà chua
6.2.1 Quy trình xử lý ảnh
Quy trình nhận diện và xử lý cà chua được thể hiện trong Hình 6.2
Hình 6.2 Sơ đồ quy trình nhận diện và xử lý cà chua
6.2.2 Xử lý ảnh tìm trái hư
Nhóm chúng em sẽ áp dụng thuật toán Yolo để huấn luyện mô hình nhận diện trái cà chua hư, cụ thể là những trái bị dập và bị móc Để thực hiện, chúng em sẽ tạo một tập dữ liệu bao gồm cả cà chua bình thường và hư, sau đó chia thành hai phần: tập training để huấn luyện mô hình và tập validation để kiểm thử hiệu quả của mô hình sau quá trình huấn luyện.
Tập Training bao gồm cà chua loại hư và loại bình thường
Hình 6.3 Dữ liệu tập training
Tập validation bao gồm cà chua loại hư và loại bình thường
Hình 6.4 Dữ liệu tập validation
Thứ hai, ta sẽ tiến hành sử dụng label đánh nhãn cho cà chua để xác định được vật thể và tạo ra file.txt
Hình 6.5 Đánh nhãn cà chua hư
Vào thứ ba, chúng ta sẽ tiến hành đào tạo mô hình trên Colab Mục tiêu của việc đào tạo là tạo ra file best.py, file này sẽ được sử dụng để chạy kết quả nhận diện cà chua hư.
Hình 6.6 Training model trên google colab
Sau quá trình training model ta đánh sẽ giá mô hình dựa vào Precision và Recall ở Hình 6.7 và Hình 6.8
Hình 6.7 Đường cong Precision – Confidence Curve
Precision là chỉ số đo lường độ chính xác của mô hình dự đoán, được tính bằng tỷ lệ số phân loại đúng Theo Hình 6.7, giá trị Precision đạt 0,97, cho thấy mô hình này có 97% số phân loại đúng.
Hình 6.8 Đường cong Precision – Recall Curve
Recall là chỉ số thể hiện khả năng của mô hình trong việc phân loại chính xác các đối tượng positive Theo Hình 6.8, mô hình đã nhận diện đúng 98,9% số cà chua và 95,1% số cà chua hỏng.
Hình 6.9 cho thấy kết quả sau khi huấn luyện mô hình bằng Yolo V5 Các quả cà chua được gán nhãn 0 là những quả có hình dạng bình thường, trong khi những quả được gán nhãn 1 là những quả bị dập, với các khu vực lỗi được khoanh vùng Những quả này không đạt yêu cầu chất lượng.
6.2.3 Phân loại màu sắc cà chua
Môi trường lập trình xử lý ảnh
Dùng ngôn ngữ Python để xử lý màu sắc của cà chua
Dùng các thư viện như : Opencv, Numpy để tạo ra chương trình tốt
Kết nối với STM32 qua giao thức I2C, gửi kết quả đi để điều khiển
Lưu đồ xử lý ảnh
Để xử lý ảnh, trước tiên cần khai báo thư viện và cấu hình Camera cùng với giao tiếp GPIO trên STM32 Sau khi nhận ảnh từ Camera, ảnh sẽ được chuyển đổi từ không gian màu RGB sang HSV Chương trình sẽ sử dụng các ngưỡng màu đã được thiết lập để nhận diện từng loại trái cây, đồng thời dò tìm các contour dựa trên mặt nạ của các ngưỡng này Khi phát hiện màu sắc đạt yêu cầu, Raspberry Pi sẽ gửi tín hiệu đến STM32.
Hình 6.10 Lưu đồ xử lý ảnh
Quy trình thực hiện và tính toán Đọc ảnh từ Camera
Chuyển ảnh từ không gian màu RGB sang HSV
Tìm các ngưỡng màu giới hạn tương ứng
Dò tìm các contour với mặt nạ là các giới hạn màu khác nhau
Cân khối lượng
Loadcell là cảm biến chuyên dụng để đo lực, bao gồm khối lượng và mô-men xoắn Khi lực tác động lên loadcell, nó sẽ chuyển đổi lực này thành tín hiệu điện Loadcell còn được gọi là "đầu dò tải" (load transducer) vì khả năng chuyển đổi tải trọng thành tín hiệu điện Cấu trúc của loadcell bao gồm hai thành phần chính: "Strain gauge" và "Load".
Strain gauge là một loại điện trở nhỏ, có kích thước tương đương với móng tay, có khả năng thay đổi điện trở khi bị nén hoặc kéo dãn Thiết bị này cần được cấp nguồn điện ổn định và thường được dán cố định lên bề mặt của vật thể cần đo lực.
Hình 6.12 Một loại Strain gauge [15]
R : Điện trở strain gauge (Ohm)
L : Chiều dài của sợi kim loại strain gauge (m)
S : Tiết diện của sợi kim loại strain gauge (m 2 )
𝜌 : Điện trở suất vật liệu của sợi kim loại strain gauge
Load một thanh kim loại chịu tải có tính đàn hồi
Bốn Strain gauge được kết nối thành cầu điện trở Wheatstone và dán vào bề mặt Loadcell Điện áp kích thích 10V được cấp vào mạch ở hai điểm, cho phép đo điện áp đầu ra tại hai điểm còn lại Ở trạng thái cân bằng, điện áp đầu ra gần bằng 0 khi các điện trở được gắn đúng giá trị Khi có tải trọng tác động lên Loadcell, nó gây biến dạng, dẫn đến thay đổi chiều dài và tiết diện của sợi kim loại trong Strain gauge, từ đó làm thay đổi điện áp đầu ra, thường chỉ khoảng 20 mV khi đạt tải tối đa.
Hình 6.14 Sự thay đổi điện áp của Loadcell khi có tải
Do trái cà chua bi có khối lượng nhỏ, khoảng 10g – 20g, nhóm đã sử dụng Loadcell có giới hạn đo nhỏ, cụ thể là Loadcell 1kg, nhằm tăng độ chính xác trong quá trình đo lường.
Hình 6.16 Kích thước loadcell 1kg
HX711 là vi mạch chuyển đổi analog-to-digital (ADC) chất lượng cao, thường được sử dụng trong các ứng dụng cân và đo lường Nó có khả năng chuyển đổi tín hiệu analog từ cảm biến trọng lượng hoặc cảm biến tải thành dữ liệu kỹ thuật số, giúp vi điều khiển dễ dàng xử lý.
Hình 6.17 Mạch chuyển đổi loadcell HX711
Hình 6.18 Cấu tạo của HX711 Nguyên lý hoạt động :
Kênh A của đầu vào Analog là đầu vào vi sai, thiết kế để kết nối trực tiếp với đầu ra vi sai của cảm biến, và có thể lập trình với hệ số khuếch đại 128 hoặc 64 Các hệ số khuếch đại này giúp điều chỉnh tín hiệu đầu ra nhỏ từ cảm biến Khi sử dụng nguồn cấp 5V tại chân AVDD, các hệ số khuếch đại tương ứng với điện áp đầu vào nhiễu động toàn phạm vi ±20mV hoặc ±40mV.
Kênh B của đầu vào Analog có hệ số khuếch đại cố định là 32, với phạm vi điện áp đầu vào toàn phần là ±80mV khi sử dụng nguồn cấp 5V tại chân AVDD Tùy chọn nguồn điện linh hoạt cho phép điều chỉnh hiệu suất của hệ thống.
Nguồn cấp Digital (DVDD) cần thiết phải tương tự như nguồn cấp của MCU Khi áp dụng bộ điều chỉnh nguồn cấp tương tự nội bộ, điện áp rơi của bộ điều chỉnh sẽ phụ thuộc vào loại transistor ngoại vi được sử dụng Kết quả là, điện áp đầu ra sẽ bằng VAVDD.
= VBG.(R1 + R2) / R2 Điện áp này nên được thiết kế với một giá trị tối thiểu là 100mV thấp hơn điện áp VSUP
Nếu không sử dụng bộ điều chỉnh nguồn cấp tương tự trên chip, chân VSUP cần được kết nối với chân AVDD hoặc DVDD, tùy thuộc vào điện áp cao hơn Chân VFB nên được nối với mặt đất, trong khi chân BASE sẽ không được kết nối (NC).
Các chân PD_SCK và DOUT đóng vai trò quan trọng trong việc truy xuất dữ liệu, lựa chọn đầu vào, khuếch đại và điều khiển nguồn Khi dữ liệu đầu ra chưa sẵn sàng, chân DOUT sẽ ở mức cao, trong khi đầu vào đồng hồ PD_SCK cần duy trì ở mức thấp Khi DOUT chuyển sang mức thấp, điều này báo hiệu rằng dữ liệu đã sẵn sàng để được truy xuất.
Hình 6.19 Đồng bộ thời gian điều khiển đầu vào, đầu ra và lựa chọn khuếch đại dữ liệu 6.3.2 Quy trình thực hiện
Cấu hình GPIO cho STM32 trên MXCube
Hình 6.20 Cấu hình GPIO cho STM32
Cấu hình chân SCK là OUTPUT
Cấu hình chân DOUT là INPUT
Đọc giá trị từ HX711 trả về
Lấy trung bình cộng giá trị đọc từ HX711 trả về để tăng tính ổn định
Chọn Offset khi trạng thái không có tải
Chọn Calib khi trạng thái khi biết trước khối lượng của tải
Bắt đầu cân khối lượng
Kết quả quá trình sử dụng loadcell để cân:
Điều khiển động cơ cho cơ cấu cấp phôi và cơ cấu gạt
Như đã đề cặp và tính toán ở chương 5, nhóm chúng em sử dụng động cơ MG996R:
6.4.1 Giới thiệu động cơ servo
Điều khiển Động cơ Servo bằng PWM
Trong động cơ Analog Servo, tín hiệu PWM với chu kỳ 20ms được sử dụng để điều khiển hoạt động của động cơ, tương ứng với tần số 50Hz Độ rộng xung PWM có thể thay đổi từ 1 đến 2 ms để điều chỉnh vị trí trục động cơ, trong đó độ rộng xung 2 ms sẽ đưa trục servo đến vị trí 180 độ.
Thời gian động cơ Servo quay liên tục Động cơ RC servo quay liên tục, gửi tín hiệu PWM giống nhau sẽ khiến động cơ hoạt động khác nhau
Để điều khiển động cơ servo, độ rộng xung là yếu tố quan trọng Cụ thể, độ rộng xung 1,5ms sẽ khiến servo ngừng quay, trong khi độ rộng xung 1ms sẽ làm cho servo quay tối đa theo chiều ngược kim đồng hồ Ngược lại, độ rộng xung 2ms sẽ làm cho trục servo quay với tốc độ tối đa theo chiều kim đồng hồ.
Lập trình STM32 để điều khiển RC Servo :
Bước 1: Khởi tạo PWM cho STM32 trên phần mềm MXCube
Hình 6.24 Khởi tạo PWM trên MXCube
Bước 2 : Cấu hình Clock, ở đây STM32 đang sử dụng Clock nội tần số max là
Hình 6.25 Cấu hình tần số Clock Bước 3: Cấu hình các thông số:
Ta có công thức tính tần số PWM : timerClock
Chương trình điều khiển
Hình 6.26 Sơ đồ điều khiển
Khi nhấn nút Start, Servo 1 sẽ quay để đưa phôi lên cân và sau đó quay về vị trí ban đầu Sau khi nhận được giá trị cân nặng, Servo 2 và Servo 3 sẽ đẩy phôi lên băng tải, kích hoạt hoạt động của băng tải.
Khi cảm biến 1 được kích hoạt, băng tải sẽ dừng lại nếu phát hiện đúng loại Camera sẽ chụp ảnh để phân loại cà chua, sau đó Raspberry sẽ gửi tín hiệu cho STM32 để tiếp tục chương trình Nếu phát hiện sai, quy trình sẽ kết thúc và băng tải sẽ ngừng hoạt động.
Khi cảm biến 2 được kích hoạt, băng tải sẽ ngừng hoạt động STM32 sẽ phân tích loại cà chua đã được phân loại từ Raspberry Nếu cà chua màu đỏ nặng hơn 10g, Servo 4 sẽ đẩy nó xuống máng phân loại 1; nếu màu đỏ nhẹ hơn 10g, nó sẽ được đẩy xuống máng phân loại 2 Các loại cà chua màu vàng và xanh sẽ bị bỏ qua Nếu phân loại sai, băng tải sẽ tiếp tục hoạt động.
Khi cảm biến 3 được kích hoạt, nếu băng tải ngừng hoạt động, STM32 sẽ xác định màu sắc của cà chua là xanh hay vàng Nếu cà chua có màu vàng, Servo 5 sẽ đẩy nó xuống máng phân loại 3; ngược lại, nếu màu xanh, Servo 5 sẽ đẩy cà chua xuống máng phân loại 4 Nếu quy trình không đúng, hệ thống sẽ kết thúc.
Sơ đồ mạch điện
Hình 6.27 Sơ đồ mạch điện
Nhóm em sử dụng ba nút nhấn chính: Calib, Offset và Start Nút nhấn Start có chức năng khởi động hệ thống, trong khi nút nhấn Offset dùng để xác định giá trị ban đầu của cân Cuối cùng, nút nhấn Calib được sử dụng để điều chỉnh giá trị tương ứng với 1 gam.
Nhóm đã phát triển một hệ thống phân loại cà chua sử dụng 4 động cơ RC servo, được điều khiển bằng tín hiệu PWM từ STM32 Hệ thống sử dụng 3 cảm biến tiệm cận, nhưng do cảm biến yêu cầu nguồn 9-36V trong khi STM32 chỉ hỗ trợ nguồn 5V, nhóm đã tích hợp Relay để chuyển đổi nguồn Cảm biến đầu tiên dừng băng tải để camera có thể chụp và xử lý ảnh, trong khi cảm biến thứ hai và thứ ba được sử dụng để phân loại cà chua thành loại 1, 2 và loại 3, 4 STM32 đóng vai trò quan trọng trong việc đọc dữ liệu từ các cảm biến và điều khiển toàn bộ hệ thống.
Thiết kế hệ thống giám sát từ xa
6.7.1 Sơ đồ khối tổng quát hệ thống giám sát từ xa
Hình 6.28 Sơ đồ khối của hệ thống giám sát
Vi điều khiển STM32F407VG, như thể hiện trong sơ đồ khối Hình 6.28, có chức năng điều khiển động cơ, nhận tín hiệu từ cảm biến và thông tin từ cân loadcell Do đó, STM32 đóng vai trò quan trọng trong việc đảm bảo hệ thống hoạt động ổn định và hiệu quả.
Máy tính Raspberry Pi 4, với khả năng xử lý ảnh vượt trội, đã được ứng dụng hiệu quả trong hệ thống xử lý hình ảnh Để đảm bảo hình ảnh chụp bởi Raspberry Pi chính xác và ít nhiễu, cần thiết phải có một buồng xử lý ảnh có khả năng điều chỉnh ánh sáng mà không làm ảnh hưởng đến chất lượng hình ảnh nhận được.
Firebase như đã nói ở trên thì mục đích chính là lưu trữ dữ liệu, đưa những dữ liệu đó ra ngoài phạm vi nội bộ
User Web là giao diện tùy chỉnh giúp người dùng theo dõi thông tin từ hệ thống một cách từ xa mà không cần phải có mặt tại máy Tuy nhiên, để giao diện này hoạt động hiệu quả, cần phải lập trình bằng ngôn ngữ JavaScript (JS) để cập nhật thông tin từ Firebase theo thời gian thực.
Hình 6.29 Sơ đồ quy trình thực hiện của hệ thống
Khi vi điều khiển nhận thông tin về cân nặng quả cà chua từ loadcell, dữ liệu được truyền qua giao thức I2C đến Raspberry Pi Tại đây, Raspberry Pi chụp hình ảnh cà chua từ băng tải và sử dụng mặt nạ màu để xác định màu sắc của nó Sau khi hoàn tất xử lý, Raspberry Pi gửi thông tin về màu sắc của quả cà chua trở lại vi điều khiển.
Raspberry Pi sẽ thu thập và gửi dữ liệu về cân nặng, màu sắc và loại cà chua lên đám mây Firebase để lưu trữ Sau khi dữ liệu được tải lên, người dùng có thể truy cập thông tin từ bất kỳ đâu có kết nối Internet với độ chính xác cao.
Trong quá trình xử lý thời gian thực, cơ sở dữ liệu tạo ra các nút con được đánh số từ 0, nhằm lưu trữ thông tin về các mẫu vật đã được phân loại, bao gồm cân nặng, màu sắc, loại, tên tệp hình nhị phân và tên tệp hình thực tế.
Cân nặng của quả cà chua được xác định bằng khối lượng khi được cân trên loadcell, với giá trị tối đa không vượt quá 1 kg, tùy thuộc vào loại cân loadcell sử dụng.
Tên tệp hình nhị phân và tên tệp hình thực tế là thông tin quan trọng để tra cứu trong kho dữ liệu hình ảnh của các mẫu vật đã được phân loại.
Do cơ sở dữ liệu không lưu trữ được hình ảnh, việc giám sát qua web cần có kho dữ liệu (storage) để phục vụ cho việc truy cứu và lưu trữ thông tin một cách hiệu quả.
Dữ liệu trong Firebase được tổ chức dựa trên các số định danh cho mẫu vật, tương ứng với tên tệp lưu trong cơ sở dữ liệu Tuy nhiên, nếu gặp vấn đề về đường truyền hoặc tốc độ xử lý của Raspberry Pi không đạt yêu cầu, hình ảnh trên web có thể không cập nhật chính xác Trong trường hợp này, người dùng chỉ cần làm mới trang để xem thông tin đúng theo thời gian thực Để thực hiện cập nhật lên cơ sở dữ liệu, cần sử dụng các API mà Firebase cung cấp.
Child dùng để tạo nút con
Set dùng để thiết lập thông tin trong cơ sở dữ liệu trong nút con
Remove dùng để xóa tất cả thông tin trong cơ sở dữ liệu
Phần User Web sẽ chờ một sự kiện trước khi gửi dữ liệu lên, nhằm cập nhật thông tin trong Firebase Thư viện Firebase cung cấp giao diện cho phép người dùng bắt sự kiện và nhận dữ liệu theo thời gian thực.
Sau khi lên ý tưởng, nhóm chúng em tạo ra một giao diện web gồm có 3 vùng:
Vùng hiển thị các thông số như cân nặng, màu sắc và loại mẫu vật
Vùng hiển thị hình ảnh bao gồm hai phần: phần hình nhị phân để kiểm tra hiệu quả của mặt nạ màu và phần hình thực tế để theo dõi mẫu vật trong buồng xử lý ảnh.
Khi chạy trên máy chủ nội bộ, giao diện trên web sẽ hiển thị mà chưa có dữ liệu sẽ như sau:
Sau khi nhận dữ liệu từ Raspberry Pi, ngôn ngữ Java scipt sẽ dùng thư viện của Firebase mà tự cập nhật thông tin lên màn hình web:
Hình 6.31 Kết quả phân loại trên web
Như ở hình trên, màu sắc và khối lượng được hiển trên web sẽ được hiển thị đúng với firebase lưu trữ:
Hình 6.32 Firebase lưu trữ kết quả phân loại
KẾT QUẢ VÀ THỰC NGHIỆM
Thực nghiệm
Sau khi hoàn thành thiết kế và thi công hệ thống cơ khí cùng với việc lập trình điện điều khiển, nhóm chúng em đã tiến hành thực nghiệm với tổng cộng 200 quả trái, được kiểm tra trong các khoảng thời gian nửa tiếng và một tiếng.
Bảng 7.1 Năng suất phân loại thực tế mô hình
Bảng 7.2 Biểu đồ thống kê phân loại trong 1 giờ
Năng suất làm việc trong 1 giờ
Sau khi thực nghiệm 200 quả trong 1 tiếng nhóm chúng em thu được kết quả
Trong tổng số 200 quả, có 133 quả đã được phân loại và 67 quả chưa được phân loại Cụ thể, trong số 133 quả đã phân loại, có 60 quả cà chua đỏ loại 1 với trọng lượng lớn hơn 10g, 34 quả cà chua đỏ loại 2 nhỏ hơn 10g, 30 quả cà chua vàng loại 3 và 9 quả cà chua xanh loại 4.
Nhận xét từ Bảng 7.1 và Bảng 7.2 cho thấy năng suất hoạt động của máy chưa đạt yêu cầu mong muốn Nguyên nhân chủ yếu là do hạn chế trong thiết kế cơ khí và phần điều khiển chưa được xử lý nhanh chóng và ổn định Nhóm em sẽ tiến hành thực nghiệm hệ thống lưu trữ kết quả phân loại để cải thiện tình hình.
Hình 7.2 Firebase lưu trữ kết quả
Theo Bảng 7.2, trong 1 tiếng thử nghiệm với 200 quả cà chua, kết quả lưu trữ phân loại cho thấy có 60 quả cà chua đỏ loại 1 lớn hơn 10g, 34 quả cà chua đỏ loại 2 nhỏ hơn 10g, 30 quả cà chua vàng loại 3 và 9 quả cà chua xanh loại 4.
Kết quả lưu trữ trên Firebase cho thấy sự trùng khớp với kết quả phân loại từ thực nghiệm 200 quả trong 1 tiếng, chứng minh rằng hệ thống lưu trữ Firebase hoạt động ổn định và chính xác.
Trong quá trình phân loại 200 trái nhóm chúng em chọn ngẫu nhiên quả cà chua để kiểm nghiệm được màu sắc và khối lượng của quả cà chua
Bảng 7.3 Kiểm nghiệm màu sắc và khối lượng của cà chua
Nhận xét từ Bảng 7.3 cho thấy màu sắc của cà chua được xử lý chính xác, trong khi khối lượng cà chua vẫn có sai số Tuy nhiên, sai số này là chấp nhận được do quá trình hoạt động của loadcell có thể bị nhiễu.
Quy trình vận hành hệ thống
Quy trình vận hành hệ thống tự động cà chua:
Bước 1: Người công nhân bỏ cà chua vào hệ thống cấp phôi bấm nút start
Hình 7.3 Bấm nút start để bắt đầu hệ thống
Bước 2: Sau đó hệ thống cấp phôi sẽ đẩy cà chua xuống cân Cà chua sẽ
Hình 7.4 Cà chua được cân
Hình 7.5 Giá trị cân hiển thị LCD
Bước 3: Sau khi cân xong thì động cơ servo sẽ đẩy cà chua xuống băng tải
Cà chua sẽ được đưa vào buồng xử lý ảnh để phân loại theo màu sắc Màu sắc của cà chua sẽ được hiển thị trên màn hình LCD, trong khi khối lượng và màu sắc cũng sẽ được cập nhật trên Web Server.
Hình 7.6 Màu sắc và khối lượng hiển thị lên web
Hình 7.7 Màu sắc hiển thị lên LCD
Bước 4 Cà chua sẽ được đưa đến các máng phân loại Tại đây cà chua sẽ được động cơ RC servo đẩy xuống các máng
Hình 7.8 Cà chua được đẩy xuống máng
Quy trình tự động phân loại cà chua được chia thành bốn loại: Loại 1 là cà chua lớn hơn 10g, Loại 2 là cà chua nhỏ hơn 10g, Loại 3 là cà chua vàng, và Loại 4 là cà chua xanh.
Kết quả
Hoàn thành kết cấu khung máy cứng cáp, đảm bảo các tiêu chuẩn về lực, bền
Hệ thống các cụm cơ khí hoạt động ổn định và trơn tru đáp ứng được khả năng vận hành
Ngoại hình máy được thiết kế tối ưu nhằm đảm bảo điều kiện vận hành máy Máy được thiết kế thẩm mỹ, đẹp
7.3.2 Hệ thống điện – điều khiển
Hệ thống dây dẫn điện được chọn kỹ lưỡng, thiết kế hợp lý, đáp ứng yêu cầu an toàn điện
Các thiết bị điện được chọn có cơ sở, tối ưu khả năng chi phí, đáp ứng yêu cầu khả năng điều khiển
Hệ thống điều khiển được lập trình chính xác, bao gồm các chức năng như xử lý ảnh, cân khối lượng và điều khiển động cơ servo, nhằm phân loại và đáp ứng hiệu quả các yêu cầu của đề tài.
Nguồn điện cấp cho hệ thống máy là nguồn điện 220V có tính ổn định và an toàn cao
Hệ thống lưu trữ dữ liệu kết quả màu sắc và khối lượng ổn định, đầy đủ để giám sát
Hình 7.9 Sơ đồ mạch điện
Hình 7.10 Bảng điện hệ thống 7.3.5 Kết quả sau khi phân loại
Sau khi phân loại, nhóm thu được kết quả: loại 1 màu đỏ với trọng lượng lớn hơn 10 gram, loại 2 màu đỏ nhỏ hơn 10 gram, loại 3 màu vàng, và loại 4 màu xanh Các kết quả phân loại này sẽ được lưu trữ trong Firebase.
Hình 7.11 Loại 1 được phân loại hiện thị trên Web Server lưu trữ trên Firebase
Hình 7.12 Loại 2 được phân loại hiện thị trên Web Server lưu trữ trên Firebase
Hình 7.14 Loại 4 được phân loại hiện thị trên Web Server lưu trữ trên Firebase
Hình 7.15 Kết quả phân loại lưu trữ Firebase
TỔNG KẾT VÀ HƯỚNG PHÁT TRIỂN
Những mặt đạt được
Sau một khoảng thời gian triển khai làm đồ án, nhóm chúng em đã hoàn thành được các công việc:
Thiết kế chế tạo mô hình máy phân loại cà chua tự động thực tế
Mô hình sử dụng chủ yếu là thép hộp 40x80x1.8mm
Xây dựng bảng hệ thống điện, cảm biến, điều khiển và hoàn thiện kết nối các mô đun
Hệ thống nhận dạng và phân loại sản phẩm theo màu sắc bằng ngôn ngữ Python dựa vào thư viện OpenCV
Cà chua được phân loại thành 4 loại chính: loại 1 là cà chua đỏ với khối lượng lớn hơn 10 gam, loại 2 là cà chua đỏ có khối lượng nhỏ hơn 10 gam, loại 3 là cà chua vàng, và loại 4 là cà chua xanh.
Khối lượng cà chua được cân tương đối chính xác
Mô phỏng thành công trên proteus để điều khiển động cơ, hiển thị LCD
Giao tiếp được Raspberry Pi với Camera
Giao tiếp được Raspeberry Pi với STM32
Giao tiếp được STM32 với LCD, cảm biến hồng ngoại, động cơ Servo, Relay
Thiết kế thành công hệ thống Web Sever để giám sát khối lượng và màu sắc trên máy tính
Thiết kế thành công mô hình phân loại sản phẩm theo màu sắc và khối lượng.
Những mặt hạn chế của đề tài
Qua quá trình thực hiện đề tài,nhóm nhận thấy đề tài còn một số hạn chế như sau:
Hệ thống cơ khí hiện tại chưa tối ưu cho tất cả các loại cà chua, đặc biệt là những loại cà chua lớn hơn, khiến máy không thể thực hiện phân loại hiệu quả.
Hệ thống hiện tại gặp phải vấn đề về tốc độ xử lý chậm và khả năng thu nhận ánh sáng chưa tối ưu, dẫn đến việc chỉ phân loại sản phẩm dựa trên màu sắc mà không thể phát hiện các sản phẩm bị lỗi.
Chưa có cơ hội thực hiện ngoài doanh nghiệp
Độ thẩm mĩ của đề tài chưa được đẹp.
Hướng phát triển
Nhóm em nhận thấy cần phát triển đề tài về chất lượng và màu sắc của cà chua, bao gồm việc kiểm tra tình trạng của quả cà chua để phân biệt giữa các màu sắc như cà chua xanh, vàng và quá trình chuyển đổi từ xanh sang vàng Đề tài cần được nâng cấp để hoạt động hiệu quả hơn và có thể ứng dụng thực tiễn Đồng thời, cần thiết lập giao diện người dùng để cho phép người dùng tương tác với hệ thống và điều chỉnh các tham số hoạt động.