GIỚI THIỆU TỔNG QUAN
Tính cấp thiết của đề tài
Đề tài “Phân loại cà chua dựa vào màu sắc và khối lượng” có tính cấp thiết cao trong bối cảnh hiện nay, đặc biệt là trong lĩnh vực nông nghiệp công nghệ cao và nhu cầu ngày càng tăng của thị trường về chất lượng sản phẩm nông nghiệp.
Trước hết, cà chua là một loại trái cây quan trọng, được sử dụng rộng rãi trên toàn cầu Tuy nhiên, việc đảm bảo chất lượng cà chua từ quá trình thu hoạch đến khi đưa đến tay người tiêu dùng đòi hỏi phải có quy trình phân loại chính xác và hiệu quả Cà chua không chín đúng mức hoặc quá chín, cà chua có màu sắc hoặc khối lượng không phù hợp có thể ảnh hưởng đến chất lượng tổng thể và giá trị thương mại của sản phẩm.
Tiếp theo, việc sử dụng công nghệ trong quá trình phân loại giúp tăng cường hiệu suất và chính xác Thông qua việc sử dụng công nghệ và dữ liệu lớn, chúng ta có thể đạt được mức độ phân loại chính xác cao hơn so với phương pháp thủ công, giúp tối ưu hóa quy trình sản xuất và đảm bảo chất lượng sản phẩm.
Cuối cùng, với xu hướng phát triển của công nghệ 4.0 và hướng đi của nền nông nghiệp hiện đại, việc nghiên cứu và phát triển các phương pháp phân loại tự động, chính xác là cần thiết Nó không chỉ góp phần cải tiến quy trình sản xuất, tăng năng suất và chất lượng sản phẩm mà còn hỗ trợ công tác quản lý, kiểm soát chất lượng, và giảm thiểu rủi ro trong sản xuất nông nghiệp Vì những lý do trên, đề tài phân loại cà chua dựa vào màu sắc và khối lượng không chỉ cần thiết mà còn rất cần thiết 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.
Thứ hai, giúp đánh giá chất lượng và thuộc tính của cà chua một cách khách quan và đáng tin cậy Màu sắc và khối lượng của cà chua là các thông số quan trọng thể hiện độ chín, độ chất lượng và giá trị dinh dưỡng Việc phân loại chính xác đảm bảo sự nhất quán và đồng đều trong chất lượng của sản phẩm, tạo lòng tin cho người tiêu dùng và đảm bảo an toàn thực phẩm.
Thứ ba, cung cấp thông tin quan trọng trong việc quản lý nguồn cung cấp và kiểm soát chất lượng Các thông số này giúp quản lý kế hoạch sản xuất, đảm bảo đáp ứng đúng tiêu chuẩn chất lượng và quy trình sản xuất Việc phân loại chính xác giúp tối ưu hóa quá trình sản xuất, tiết kiệm chi phí và tăng năng suất.
Tổng kết lại, đề tài phân loại cà chua dựa vào màu sắc và khối lượng đóng góp ý nghĩa khoa học quan trọng trong nghiên cứu và ứng dụng trong lĩnh vực nông nghiệp, công nghệ tự động hóa và khoa học dữ liệu Nó mang lại giá trị nghiên cứu và ứng dụng rộng rãi, từ việc phát triển công nghệ tự động hóa thông minh và nhận dạng hình ảnh đến việc quản lý chất lượng, nghiên cứu công nghệ thực phẩm và phát triển các 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.
Hơn nữa, việc phân loại cà chua dựa trên màu sắc và khối lượng không chỉ cung cấp lợi ích đối với nông dân mà còn góp phần nâng cao chất lượng cuộc sống của người tiêu dùng Bằng cách đảm bảo rằng chỉ những quả cà chua tốt nhất mới được chọn, chúng ta có thể tăng cường sự an tâm của người tiêu dùng về chất lượng sản phẩm họ mua.
Với những lợi ích to lớn này, đề tài phân loại cà chua dựa trên màu sắc và khối lượng không chỉ mang lại giá trị thực tiễn trong việc cải thiện hiệu suất và chất lượng thu hoạch cà chua, mà còn 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 vào việc khảo sát, đánh giá các nhu cầu thực tế trong các vấn đề liên quan phân loại cà chua nhóm chúng em đưa ra một số mục tiêu của đề tài như sau:
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.
Từ tiêu chí đó nhóm chúng em lên phương án thiết kế, tính toán và xây mô hình cơ khí Xây dựng hệ thống điện điều khiển đáp ứng tiêu chí mà nhóm đã đề.
Cuối cùng, xây dựng một hệ thống giám sát từ xa bằng Web Server Điều này có thể giúp giám sát dễ dàng và giúp tiết kiệm thời gian hơn.
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 đối tượng nghiên cứu tập trung vào công nghệ phân loại Điều này bao gồm việc tìm hiểu và phát triển các công nghệ nhận dạng màu sắc, từ phần cứng như máy ảnh số, đến phần mềm với các thuật toán nhận dạng màu sắc Cùng với đó, công nghệ đo khối lượng, kết hợp phần cứng như cân điện tử, loadcell và phần mềm với thuật toán xử lý dữ liệu về khối lượng, cũng là một yếu tố quan trọng Cuối cùng, việc phát triển hoặc tùy chỉnh các thuật toán phân loại dựa trên màu sắc và khối lượng là một phần không thể thiếu trong nghiên cứu này.
1.4.2 Phạm vi của đề tài
Tìm hiểu về cách đo màu sắc: Nghiên cứu cách sử thư viện OpenCV và các thuật toán xử lý ảnh để xác định các thông số màu sắc của cà chua bằng hệ thống màu (RGB, HSV ) để phân loại theo ngưỡng của màu sắc, và sử dụng mô hình học máy (CNN, YoloV5) từ đó xác định được quả cà chua đó thuộc nhóm phân loại nào. Đo lường khối lượng cà chua: Nghiên cứu về các phương pháp đo lường khối lượng của cà chua, bằng cách sử dụng cân điện tử (loadcell 1kg), từ đó kết hợp giữ khối lượng và màu sắc của cà chua lại tiếp tục đưa ra quyết định phân loại nó thuộc nhóm nào mà nhóm đã xác định từ đầu.
Xây dựng một hệ thống hoàn chỉnh kết hợp thông tin màu sắc nhận được từ phần xử lý ảnh và khối lượng từ cảm biến loadcell để phân loại cà chua từ đó thiết kế phần cơ khí, thiết kế giao diện và mạch điều khiển phù hợp để xử lý dữ liệu và đưa ra quyết định phân loại thuộc nhóm phân loại nào Cùng với đó xây dựng một trang web có thể giám sát từ xa với việc sử dụng Firebase để lưu thông tin để giúp lưu trữ dữ liệu sau khi phân loại để đánh giá chất lượng phân loại một cách tốt nhất.
Phương pháp nghiên cứu
Cơ sở phương pháp luận của đề tài “Phân loại cà chua dựa vào màu sắc và khối lượng” là sự kết hợp linh hoạt của nghiên cứu trường hợp, thống kê mô tả, học máy, cũng như việc ứng dụng các công nghệ tiên tiến.
Nghiên cứu trường hợp: Đầu tiên và quan trọng nhất, đề tài yêu cầu việc thu thập một bộ dữ liệu đáng kể về cà chua từ nhiều nguồn khác nhau, như các trang trại, vườn cây trồng, chợ địa phương cũng như các cửa hàng bách hóa xanh Quá trình này bao gồm việc xây dựng một danh mục cà chua đa dạng, mỗi loại được ghi nhận với thông tin chi tiết về màu sắc và khối lượng, cùng các thông tin khác như độ chín, loại giống,và điều kiện trồng Màu sắc và khối lượng cà chua sẽ được đánh giá thông qua công cụ nhận dạng màu sắc như cảm biến màu, và thiết bị đo khối lượng chính xác như loadcell.
Thống kê mô tả: Sau khi thu thập dữ liệu, thống kê mô tả sẽ được áp dụng để tổng hợp, sắp xếp và phân tích dữ liệu, từ đó xác định các xu hướng, mô hình và mối liên hệ giữa các biến số Thống kê mô tả giúp chúng ta hiểu rõ hơn về mối liên hệ giữa màu sắc, khối lượng và chất lượng cà chua, qua đó làm rõ hơn về các tiêu chí phân loại.
Học máy: Với dữ liệu đã được phân tích, các thuật toán học máy sẽ được ứng dụng để phát triển mô hình phân loại cà chua Dựa trên màu sắc và khối lượng của quả cà chua, mô hình này sẽ học cách dự đoán chất lượng của cà chua.
Công nghệ: Đề tài còn nhấn mạnh việc sử dụng công nghệ để tối ưu hóa quá trình thu thập và xử lý dữ liệu Các công cụ nhận dạng màu sắc, các thiết bị đo khối lượng chính xác, và phần mềm chuyên dụng để phân tích dữ liệu sẽ được sử dụng. Ngoài ra, công nghệ máy học và trí tuệ nhân tạo sẽ được áp dụng để cải thiện độ chính xác và hiệu quả của mô hình phân loại cà chua.
Cuối cùng, kết quả từ mô hình phân loại sẽ được so sánh với kết quả thực tế để đánh giá hiệu suất và độ tin cậy của mô hình, và thực hiện các điều chỉnh cần thiết. Tất cả những công việc này đều hướng tới mục tiêu tạo ra 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:
Thu thập dữ liệu: Cần một tập dữ liệu lớn về cà chua, bao gồm cả màu sắc và khối lượng của từng quả Cà chua cần được thu thập từ nhiều giai đoạn chín khác nhau, từ xanh đến đỏ chín mọng Màu sắc của mỗi quả cà chua sẽ được xác định bằng cách sử dụng máy quét màu hoặc máy ảnh số, với phần mềm chuyển đổi màu sắc thành các giá trị RGB hoặc HSV Khối lượng sẽ được xác định bằng cân điện tử hoặc loadcell có độ chính xác cao.
Phân tích dữ liệu: Dữ liệu thu thập được sẽ được xử lý và phân tích bằng các phần mềm thống kê và dữ liệu Mục tiêu là xác định các mẫu màu và khối lượng liên quan đến các giai đoạn chín cụ thể của cà chua.
Xây dựng mô hình phân loại: Sử dụng dữ liệu đã được phân tích, ta sẽ xây dựng một mô hình phân loại cà chua bằng cách sử dụng các thuật toán học máy. Quá trình này cũng sẽ bao gồm việc tách dữ liệu thành tập huấn luyện và tập kiểm thử để đảm bảo mô hình hoạt động tốt trên dữ liệu mà nó chưa từng gặp.
Cải tiến và tinh chỉnh mô hình: Nếu hiệu suất của mô hình không đạt yêu cầu, chúng ta sẽ tinh chỉnh các tham số của thuật toán học máy hoặc thử nghiệm với các thuật toán khác để cải thiện mô hình.
Triển khai và kiểm soát mô hình: Khi mô hình phân loại đã được kiểm tra và tinh chỉnh, chúng ta sẽ triển khai nó trong môi trường thực tế Điều này có thể bao gồm việc sử dụng mô hình để phân loại cà chua trong các nhà máy chế biến thực phẩm hoặc trên các trang trại Chúng ta cũng sẽ tiếp tục theo dõi hiệu suất của mô hình và cải thiện nó theo thời gian.
TỔNG QUAN NGHIÊN CỨU CỦA ĐỀ TÀI
Giới thiệu về cà chua
Cà chua, được biết đến khoa học với tên Solanum lycopersicum và thuộc họ Solanaceae, là một loại rau quả có nguồn gốc từ Nam Mỹ và đã lan rộng khắp thế giới sau thế kỉ 16 Trái cà chua ban đầu có màu xanh và khi chín, chúng chuyển từ màu vàng sang màu đỏ Cà chua là một nguồn quan trọng của vitamin C, protein, chất xơ và lycopene, các chất này đóng vai trò quan trọng trong sức khỏe con người. Hiện nay, cà chua được sử dụng trong nhiều món ăn khác nhau, bao gồm ăn tươi, ép thành nước, làm sinh tố và sử dụng trong các món ăn gia đình.
Cây cà chua có thể phát triển trên nhiều loại đất, từ đất sét đến đất cát và đất pha cát, tốt nhất ở độ pH từ 6 đến 6,5 Tuy nhiên, độ ẩm cao hoặc ngập nước kéo dài có thể làm giảm khả năng phát triển của nó Nhiệt độ lý tưởng cho cây cà chua để đạt được năng suất cao là từ 21 đến 24 độ Celsius. Ở Việt Nam, cà chua được coi là một loại rau có giá trị kinh tế cao, với diện tích trồng lên tới hàng chục ngàn hecta, chủ yếu tại đồng bằng và trung du phía Bắc Các giống cà chua chịu nhiệt mới lai tạo và chọn lọc đã cho phép mở rộng diện tích trồng tại miền Trung, Tây Nguyên và Nam Bộ Đà Lạt, Lâm Đồng là nơi phát triển mạnh mẽ nhiều giống cà chua lai ghép chất lượng,và một số giống cà chua chất lượng đã được xuất khẩu ra thị trường quốc tế [1]
Tính cấp thiết của tự động hóa trong sản xuất
2.2.1 Giới thiệu về tự động hóa
Tự động hóa, còn được gọi là hệ thống điều khiển tự động, là việc áp dụng các hệ thống điều khiển vào các thiết bị và máy móc khác nhau Hệ thống tự động hóa có thể được thực hiện bằng nhiều phương pháp khác nhau như cơ khí, thủy lực, khí nén, điện, điện tử,và máy tính Tự động hóa đảm bảo rằng các thiết bị, công cụ và máy móc hoạt động tự động mà không cần sự can thiệp trực tiếp từ con người.
Tự động hóa là một yếu tố quan trọng trong quá trình công nghiệp hóa và hiện đại hóa sản xuất,và được áp dụng ở mọi lĩnh vực sản xuất Với nhu cầu thực tế, hệ thống tự động hóa trong sản xuất công nghiệp ngày càng đa dạng và phong phú, đi kèm với đa dạng các thiết bị và máy móc tự động, mang lại nhiều tiện ích và hiệu suất sản xuất cao.
2.2.2 Ứng dụng tự động hóa trong cuộc sống hiện nay
Quản lý kho: Tự động hóa được áp dụng để phân loại và quản lý hàng hóa trong môi trường kho Sử dụng hệ thống máy quét, cảm biến và robot, hàng hóa được nhận diện và phân loại dựa trên màu sắc, kích thước, trọng lượng và loại sản phẩm Điều này mang lại lợi ích về tốc độ và độ chính xác, giúp quá trình quản lý kho diễn ra nhanh chóng và đáp ứng linh hoạt nhu cầu của khách hàng.
Hệ thống đóng gói và vận chuyển: Tự động hóa được áp dụng để phân loại và đóng gói hàng hóa trong quá trình vận chuyển Máy đóng gói và robot tự động được sử dụng để xác định vị trí và đóng gói sản phẩm theo yêu cầu cụ thể Điều này giúp giảm công sức lao động và đảm bảo tính chính xác và đồng nhất trong quá trình đóng gói và vận chuyển hàng hóa.
Xử lý và phân loại cây trồng, hoa quả sau khi thu hoạch: Tự động hóa được sử dụng trong việc phân loại và xử lý cây trồng và hoa quả trong ngành nông nghiệp Các hệ thống máy quét, cảm biến và robot được sử dụng để phát hiện, phân loại và tách cây trồng và hoa quả dựa trên các yếu tố như kích thước, hình dạng,màu sắc và chất lượng Điều này giúp tăng hiệu suất và đồng nhất trong quá trình phân loại và xử lý cây trồng, hay đóng gói phân loại trái [2]
2.2.3 Vai trò của tự động hóa trong phân loại sản phẩm
Tự động hóa đóng vai trò quan trọng trong quá trình phân loại sản phẩm hoa quả, đảm bảo tính nhanh chóng, chính xác và hiệu quả Dưới đây là những vai trò quan trọng của tự động hóa trong phân loại sản phẩm hoa quả:
Tăng tốc độ và hiệu suất: Tự động hóa giúp tăng tốc độ phân loại sản phẩm hoa quả, giảm thời gian và công sức lao động cần thiết Các hệ thống tự động được trang bị cảm biến và thiết bị nhận dạng để phát hiện và phân loại hoa quả dựa trên các tiêu chí như kích thước, màu sắc, hình dạng và trọng lượng Điều này giúp cải thiện hiệu suất và năng suất của quá trình phân loại. Độ chính xác và đồng nhất: Tự động hóa đảm bảo độ chính xác và sự nhất quán trong quá trình phân loại hoa quả Hệ thống tự động sử dụng các thuật toán và phương pháp nhận dạng để xác định và phân loại hoa quả dựa trên các tiêu chí đã được định sẵn Điều này giúp loại bỏ sai sót và đảm bảo tính đồng nhất trong quá trình phân loại.
Tự động hóa đã có sự tiến bộ đáng kể trong lĩnh vực phân loại sản phẩm hoa quả Nó không chỉ giúp tăng cường tốc độ và độ chính xác, mà còn đảm bảo tính nhất quán trong quá trình phân loại, đóng góp vào nâng cao hiệu suất và chất lượng sản phẩm hoa quả.Giảm lỗ hổng và phân loại không đồng đều: Tự động hóa giúp giảm lỗ hổng và phân loại không đồng đều trong quá trình phân loại hoa quả Các hệ thống tự động được thiết kế để nhận biết và loại bỏ những sản phẩm không đạt tiêu chuẩn hoặc không phù hợp, đảm bảo chỉ những sản phẩm chất lượng cao được phân loại và đóng gói.[2]
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:
Tự động hóa: Hệ thống này được thiết kế để tự động phân loại cà chua mà không cần sự can thiệp của con người Điều này không chỉ tiết kiệm thời gian và công sức lao động mà còn giảm thiểu khả năng sai sót do yếu tố bản năng của con người Hệ thống tự động tiếp nhận cà chua, xác định màu sắc và khối lượng, sau đó phân loại chúng vào các nhóm phù hợp. Đa tiêu chí: Việc sử dụng hai tiêu chí phân loại, màu sắc và khối lượng, giúp hệ thống này có độ chính xác và linh hoạt cao hơn Màu sắc giúp xác định mức độ chín của cà chua, trong khi khối lượng có thể gợi ý về kích thước và mức độ phát triển của cà chua.
Công nghệ Thị Giác Máy Tính: Công nghệ này được sử dụng để xác định màu sắc của cà chua Hình ảnh của cà chua được chụp và phân tích màu sắc thông qua các thuật toán xử lý ảnh Các thuật toán này cũng phân biệt được sự khác biệt nhỏ nhất trong các tông màu, giúp hệ thống phân loại chính xác hơn.
Cảm biến Trọng lượng: Các cảm biến trọng lượng được sử dụng để đo khối lượng của cà chua Những cảm biến này có độ nhạy cao, có thể đo chính xác khối lượng cà chua với sai số rất nhỏ.
Học Máy: Hệ thống sử dụng các thuật toán học máy để phân loại cà chua Các thuật toán này học từ dữ liệu đã thu thập, và sau đó sử dụng kiến thức đã học để phân loại cà chua mới.
Dễ sử dụng: Giao diện người dùng của hệ thống được thiết kế để dễ dàng cài đặt, vận hành và bảo dưỡng Hệ thống cũng cung cấp hướng dẫn chi tiết và hỗ trợ kỹ thuật nếu cần.
Kết cấu của hệ thống
Hệ thống “Phân loại cà chua dựa vào màu sắc và khối lượng” có một kết cấu phức tạp, bao gồm nhiều phần khác nhau làm việc cùng nhau để đạt được mục tiêu. Dưới đây là kết cấu chi tiết:
Hệ thống chụp ảnh và xử lý hình ảnh: Đây là phần đầu tiên của hệ thống, nơi mà cà chua được chụp lại bởi một máy ảnh Các hình ảnh này sau đó được gửi tới hệ thống xử lý hình ảnh, nơi các thuật toán Thị Giác Máy Tính sẽ xác định màu sắc của cà chua.
Cảm biến trọng lượng: Khi cà chua được di chuyển qua hệ thống, chúng cũng sẽ được đặt lên một cảm biến trọng lượng, cho phép hệ thống xác định khối lượng của chúng.
Hệ thống học máy: Hệ thống học máy sẽ đóng một vai trò quan trọng trong quá trình phân loại cà chua Nó nhận dữ liệu về màu sắc và khối lượng từ hai phần trên và sử dụng mô hình đã được huấn luyện trước để phân loại cà chua.
Hệ thống phân loại vật lý: Dựa trên kết quả từ hệ thống học máy, hệ thống phân loại vật lý sẽ di chuyển cà chua vào các hộp hoặc khu vực chứa phù hợp.
Hệ thống điều khiển trung tâm: Hệ thống điều khiển trung tâm quản lý tất cả các phần khác của hệ thống, đảm bảo rằng chúng hoạt động đồng bộ và hiệu quả.Những thành phần này cùng hoạt động để tạo nên một hệ thống phân loại cà chua hiệu quả, chính xác và tự động Từ việc ghi nhận thông tin về cà chua, đến việc phân loại chúng dựa trên thông tin đó, mọi thứ đều được thực hiện một cách liền mạch và nhanh chóng.
Tình hình nghiên cứu
2.5.1 Tình hình nghiên cứu trong nước
Trong nước, việc nghiên cứu đề tài “Phân loại cà chua dựa vào màu sắc và khối lượng” đang nhận được sự quan tâm của cộng đồng khoa học và kỹ thuật trong nước Một số trung tâm nghiên cứu và đại học lớn, như Đại học Bách Khoa và Viện Công nghệ cao, đã bắt đầu tập trung vào việc nghiên cứu này.
Các nghiên cứu ban đầu đã cho thấy kết quả khả quan,với độ chính xác cao trong việc phân loại cà chua Tuy nhiên, việc áp dụng những mô hình này vào thực tế còn gặp một số thách thức, chẳng hạn như việc thu thập dữ liệu huấn luyện đủ lớn và đa dạng,hoặc việc xử lý các biến đổi về hình dạng, kích thước của cà chua trong quá trình phân loại.
Hơn nữa,việc chuyển đổi từ công nghệ truyền thống sang hệ thống tự động cũng cần phải xem xét về mặt kinh tế, đảm bảo rằng các nhà phân phối và đóng gói cà chua có thể chuyển đổi một cách hiệu quả về mặt chi phí.
Tuy nhiên, với sự tiến bộ của công nghệ và nhận thức ngày càng tăng về tầm quan trọng của tự động hóa trong nông nghiệp, cũng như việc ngày càng có nhiều dự án và chương trình hỗ trợ từ chính phủ, việc nghiên cứu và phát triển hệ thống
“Phân loại cà chua dựa vào màu sắc và khối lượng” trong nước đang tiến bộ với tốc độ nhanh chóng và hứa hẹn 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.
Tuy nhiên, cũng như trong nước, việc áp dụng các công nghệ này vào thực tế vẫn gặp phải một số thách thức Việc thu thập dữ liệu đủ lớn và đa dạng là một vấn đề, cũng như việc đảm bảo rằng công nghệ có thể hoạt động hiệu quả trong các điều kiện sản xuất khác nhau.
Tuy nhiên, với sự tiến bộ nhanh chóng trong lĩnh vực công nghệ AI, cùng với sự tăng trưởng của nông nghiệp kỹ thuật số, ngành nghiên cứu quốc tế về “Phân loại cà chua dựa vào màu sắc và khối lượng” đang tiến lên với tốc độ nhanh chóng và khả năng ứng dụng rộng rãi trong tương lai.
Tồn tại hệ thống
Hệ thống phân loại sản phẩm có những tồn tại:
Đa dạng sản phẩm: Một trong những hạn chế chính của phân loại sản phẩm là khi sản phẩm có sự đa dạng cao Khi có quá nhiều sản phẩm cần phân loại, việc tạo ra các nhóm phân loại có thể trở nên rất khó khăn và phức tạp.
Sự thay đổi nhanh chóng: Trong một số ngành công nghiệp, sản phẩm có thể thay đổi nhanh chóng do sự phát triển của công nghệ và thị trường Việc phân loại đúng và hiệu quả trong những trường hợp này có thể trở nên khó khăn và đòi hỏi sự linh hoạt và cập nhật liên tục.
Sự mơ hồ và không chắc chắn: Trong một số trường hợp, sản phẩm có thể không rõ ràng hoặc không chắc chắn thuộc vào nhóm phân loại nào Điều này gây ra nhầm lẫn và khó khăn trong việc quyết định chính xác các nhóm sản phẩm.
Giới hạn định kiểu: Một số hệ thống phân loại sản phẩm có mức giới hạn định kiểu, không thể phân loại đầy đủ mọi loại sản phẩm Điều này có thể dẫn đến việc có các sản phẩm không được phân loại hoặc phân loại không chính xác.
Sự thiếu thông tin: Để phân loại một sản phẩm, chúng ta cần có thông tin chi tiết về sản phẩm đó Tuy nhiên, đôi khi thông tin này không có sẵn hoặc không đầy đủ, điều này có thể làm cho việc phân loại trở nên khó khăn và không chính xác.
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 quan trọng trong thị giác máy và công nghệ, tập trung vào việc biến đổi hình ảnh ban đầu thành một hình ảnh mới với các đặc tính và mục đích được người sử dụng xác định.
Xử lý ảnh số là một phần quan trọng của lĩnh vực tin học ứng dụng và liên quan đến việc xử lý, mã hoá và truyền tải thông tin từ các hình ảnh tự nhiên Nó bao gồm các phương pháp và kỹ thuật để biến đổi và trích xuất thông tin từ ảnh, ví dụ như cạnh, điểm đặc trưng, màu sắc, hình dạng và cấu trúc.
3.1.2 Tìm hiểu về ảnh xám
Tương tự như ảnh màu, ảnh thang độ xám cũng có kích thước 800 pixel * 600 pixel được biểu diễn dưới dạng ma trận kích thước 600 * 800 (được định nghĩa bằng số hàng nhân với cột).
Tuy nhiên, mỗi pixel trong ảnh xám chỉ cần được biểu diễn bằng một giá trị nguyên trong khoảng như trong ảnh màu Do đó, khi biểu diễn ảnh xám trong máy tính, chỉ cần một ma trận là đủ.
Giá trị 0 là màu đen, 255 là màu trắng và giá trị pixel càng gần 0 thì càng tối và càng gần 255 thì càng sáng.
Hình 3.2 Ma trận có kích thước 600x800.
3.1.3 Giới thiệu không gian màu RGB và HSV
Không gian màu RGB (Red-Green-Blue) là một hệ thống biểu diễn màu sử dụng ba màu cơ bản là đỏ, xanh và xanh lá cây để tạo ra các màu sắc khác nhau Nó là một trong những không gian màu phổ biến nhất trong công nghệ hiển thị, đồ họa và nhiếp ảnh số.
Trong không gian màu RGB, mỗi màu cơ bản được biểu diễn bằng một giá trị số trong phạm vi từ 0 đến 255 hoặc từ 0 đến 1 Giá trị 0 tượng trưng cho màu tối nhất, trong khi giá trị tối đa (255 hoặc 1) thể hiện màu sáng nhất.
Cách hoạt động của không gian màu RGB là thông qua việc kết hợp các màu cơ bản theo tỉ lệ khác nhau Bằng cách kết hợp các giá trị đỏ, xanh và xanh lá cây, ta có thể tạo ra một loạt các màu sắc khác nhau Ví dụ, màu vàng có thể được tạo ra bằng cách kết hợp giá trị đỏ và xanh trong khi giữ giá trị xanh lá cây là 0.
Hình 3.3 Không gian màu RGB
Không gian màu HSV (Hue-Saturation-Value) là một hệ thống mô tả các màu sắc dựa trên ba thuộc tính chính: Hue (màu sắc), Saturation (độ bão hòa) và Value (giá trị) Nó là một trong những không gian màu phổ biến 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 0 đến 360 độ Hue mô tả màu sắc theo một vòng tròn màu, trong đó màu đỏ, xanh lá cây và xanh lam lần lượt nằm ở các vị trí 0, 120 và 240 độ.
Saturation (Độ bão hòa): Đo lường độ mạnh mẽ hoặc đậm của màu sắc Nó được biểu thị bằng một phần trăm từ 0 đến 100%, trong đó 0% thể hiện màu xám và 100% là màu sắc tươi sáng nhất.
Value (Giá trị): Biểu thị độ sáng hoặc độ tối của màu sắc Giá trị được đo bằng phần trăm từ 0 đến 100%, trong đó 0% tượng trưng cho màu đen tuyệt đối và 100% là màu sáng nhất.
Sự tách biệt của không gian màu HSV so với không gian màu RGB là rõ ràng. HSV tách rời thuộc tính màu sắc, độ bão hòa và độ sáng ra thành các thành phần riêng biệt, điều này có thể hữu ích trong việc điều chỉnh màu sắc và hiệu chỉnh hình ảnh.
Trong không gian màu HSV, việc thay đổi thuộc tính màu sắc, độ bão hòa và độ sáng sẽ tạo ra các hiệu ứng khác nhau trong màu sắc Ví dụ, bạn có thể thay đổi màu sắc của một pixel bằng cách thay đổi giá trị Hue, làm cho màu sắc trở nên tươi sáng hơn bằng cách tăng độ bão hòa hoặc điều chỉnh độ sáng của nó.
Không gian màu HSV thường được sử dụng trong các ứng dụng xử lý ảnh, đồ họa và thiết kế để điều chỉnh và thay đổi màu sắc một cách dễ dàng và trực quan.
Giới thiệu về Yolo
Yolo là một mô hình mạng CNN cho việc phát hiện, nhận dạng, phân loại đối tượng Điểm đặc biệt của YOLO là khả năng nhận diện và phân loại đối tượng trong ảnh chỉ trong một lần thực hiện (one-shot detection) Thay vì chia ảnh thành các vùng nhỏ và áp dụng mô hình nhận diện lên từng vùng đó, YOLO sử dụng mạng neural network để dự đoán vị trí và lớp của tất cả các đối tượng trong ảnh cùng một lúc.
Hình 3.5 Hoạt động của Yolo 3.2.1 Cách hoạt động của Yolo.
Mô hình nhận dạng đối tượng có đầu vào là một bức ảnh và mục tiêu của nó là xác định xem ảnh có chứa đối tượng nào hay không, sau đó định vị vị trí của đối tượng trong ảnh Bức ảnh đầu vào được chia thành các ô nhỏ có kích thước SxS, ví dụ như 3x3, 7x7, 9x9, Việc chia nhỏ này có ảnh hưởng đến khả năng mô hình phát hiện đối tượng.
Hình 3.6 Bản đồ xác suất lớp
Với Input là 1 ảnh, đầu ra mô hình là một ma trận 3 chiều có kích thước SxSxS(5xN+M) với số lượng tham số mỗi ô là (5xN+M)với N và M với N và M lần lượt là số lượng Box và Class mà mỗi ô cần dự đoán Ví dụ với hình ảnh trên chia thành 7x7 ô, mỗi ô cần dự đoán 2 bounding box và 3 object: con chó, ô tô, xe đạp thì output là 7x7x13, mỗi ô sẽ có 13 tham số, kết quả trả về (7x7x2).
Dự đoán mỗi bounding box gồm 5 thành phần : (x, y, w, h, prediction) với (x, y ) là tọa độ tâm của bounding box, (w, h) lần lượt là chiều rộng và chiều cao của bounding box. Với Hình 3.6 trên như ta tính mỗi ô sẽ có 13 tham số, ta có thể hiểu đơn giản như sau tham số thứ 1 sẽ chỉ ra ô đó có chứa đối tượng nào hay khôngP(Object), tham số 2, 3,
4, 5 sẽ trả về x, y ,w, h của Box1 Tham số 6, 7, 8, 9, 10 tương tự sẽ Box2, tham số 11, 12, 13 lần lượt là xác suất ô đó có chứa object1( P(chó|object),object2(P(ô tô|object)), object3(P( xe đạp|object)) Lưu ý rằng tâm của bounding box nằm ở ô nào thì ô đó sẽ chứa đối tượng, cho dù đối tượng có thể ở các ô khác thì cũng sẽ trả về là 0 Vì vậy việc mà 1 ô chứa 2 hay nhiều tâm của bounding box hay đối tượng thì sẽ không thể detect được, đó là một hạn chế của mô hình YOLO1,vậy ta cần phải tăng số lượng ô chia trong 1 ảnh lên đó là lý do vì sao mình nói việc chia ô có thể làm ảnh hưởng tới việc mô hình phát hiện đối tượng [3]
Tổng quan về vi điều khiển và máy tính nhúng
3.3.1 Giới thiệu về vi điều khiển
Vi điều khiển còn được gọi là microcontroller, là một loại vi mạch tích hợp (IC) nhỏ có khả năng được lập trình để điều khiển các hoạt động hoặc thực hiện các chức năng cụ thể trong một hệ thống điện tử Chúng rất phổ biến trong các ứng dụng nhúng, từ các thiết bị gia dụng thông thường như lò vi sóng, tủ lạnh, đến các hệ thống phức tạp hơn như xe hơi, máy bay không người lái,và thiết bị y tế Chúng cũng đóng một vai trò quan trọng trong công nghiệp IoT (Internet of Things - Internet vạn vật), làm cho việc kết nối và điều khiển các thiết bị điện tử từ xa trở nên dễ dàng.
Trong một vi điều khiển, bạn thường sẽ tìm thấy một hoặc nhiều CPU (Central Processing Unit - Đơn vị xử lý trung tâm), bộ nhớ (ROM/RAM), và các giao diện I/
O (Input/Output - Nhập/Xuất), tất cả được hợp nhất vào một IC duy nhất Điều này giúp tiết kiệm không gian, năng lượng và chi phí so với việc sử dụng các thành phần riêng lẻ Vi điều khiển cũng có thể tích hợp các thành phần bổ sung, tùy thuộc vào yêu cầu của hệ thống mà nó được dùng để kiểm soát Những thành phần bổ sung có thể bao gồm các bộ chuyển đổi A/D (Analog/Digital - Tương tự/Số), Timer, bộ giám sát nguồn điện (Power Supervisory Circuit),và giao diện giao tiếp đặc biệt như SPI, I2C, UART,và nhiều hơn nữa.
Vi điều khiển là một công nghệ quan trọng giúp thúc đẩy tiến bộ của công nghệ điện tử và kỹ thuật Dù chúng có thể nhỏ bé, nhưng sức mạnh và khả năng của chúng khiến chúng trở thành linh hồn của rất nhiều hệ thống điện tử hiện đại [4]
Hình 3.7 Giới thiệu vi điều khiển
3.3.2 Giới thiệu về máy tính nhúng
Máy tính nhúng là một hệ thống điện tử tích hợp được thiết kế để thực hiện các chức năng điều khiển và xử lý thông tin trong một thiết bị hoặc hệ thống khác.
Nó thường được tích hợp trong các thiết bị di động, thiết bị y tế, ô tô, thiết bị điện tử gia dụng thông minh và nhiều ứng dụng khác.
Máy tính nhúng thường được xây dựng dựa trên một vi xử lý (CPU) nhỏ gọn, bộ nhớ, các giao tiếp và các thành phần phần cứng khác như giao tiếp mạng, cảm biến và bộ điều khiển Tất cả các thành phần này được tích hợp trên một mạch in nhỏ gọn và tiêu thụ ít năng lượng.
Một trong những đặc điểm quan trọng của máy tính nhúng là kích thước nhỏ gọn Điều này cho phép nó được tích hợp vào các thiết bị có kích thước hạn chế và mang lại tính di động cao Với sự phát triển của công nghệ, máy tính nhúng ngày càng nhỏ gọn và mạnh mẽ, cho phép tích hợp trong các thiết bị và hệ thống nhỏ như các cảm biến thông minh, hệ thống IoT và các thiết bị di động.
Máy tính nhúng cũng có khả năng tiêu thụ năng lượng thấp Điều này rất quan trọng trong các thiết bị di động hoặc không dây, nơi tiết kiệm năng lượng là yếu tố quan trọng để tăng thời gian sử dụng và trải nghiệm người dùng tốt hơn.
Với tính toán và xử lý trong thời gian thực, máy tính nhúng có khả năng xử lý các tác vụ phức tạp và đáp ứng nhanh chóng Điều này rất quan trọng trong các ứng dụng yêu cầu điều khiển và giám sát thời gian thực như hệ thống nhúng trong ô tô, thiết bị y tế và hệ thống giám sát công nghiệp.
Máy tính nhúng cũng có tính linh hoạt cao và khả năng kết nối Chúng thường được tích hợp với các giao tiếp như Wi-Fi, Bluetooth, Ethernet, USB và các giao thức khác, cho phép kết nối và tương tác với các thiết bị và mạng khác.
Tuy nhiên, máy tính nhúng cũng có một số hạn chế Do kích thước nhỏ gọn và tài nguyên hạn chế, máy tính nhúng có giới hạn về tính năng và khả năng xử lý so với các hệ thống máy tính truyền thống Ngoài ra, việc phát triển và kiểm thử phần mềm cho máy tính nhúng có thể phức tạp hơn do tính chất nhỏ gọn và tích hợp.
Tóm lại, máy tính nhúng là một hệ thống điện tử tích hợp nhỏ gọn, có khả năng tính toán và giao tiếp Nó có ưu điểm về kích thước nhỏ gọn, tiêu thụ năng lượng thấp, hiệu suất cao và tính linh hoạt,được sử dụng rộng rãi trong các thiết bị và hệ thống điện tử hiện đại [5]
Hình 3.8 Giới thiệu máy tính nhúng
Giao thức I2C
I2C là một giao thức hai dây bao gồm Clock (SCL) và dữ liệu (Data, SDA), được sử dụng để kết nối và giao tiếp giữa vi điều khiển và các thiết bị ngoại vi như cảm biến, EEPROM, mạch điều khiển LCD, và nhiều thiết bị khác.
Giao thức I2C được thiết kế để đảm bảo tính đồng bộ và dễ dàng giao tiếp giữa các thành phần trong hệ thống Trong mạch I2C, có một thiết bị điều khiển gọi là Master và các thiết bị ngoại vi gọi là Slave Master điều khiển quá trình giao tiếp bằng cách tạo ra tín hiệu điều khiển trên dây Clock (SCL) và truyền và nhận dữ liệu qua dây dữ liệu (SDA).
Trong giao thức I2C, quá trình truyền và nhận dữ liệu diễn ra thông qua các khung dữ liệu gọi là truyền nhóm (Frame) có 8 bit dữ liệu Cả quá trình truyền và nhận dữ liệu được thực hiện 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.
Master khởi tạo tín hiệu START bằng cách giữ dây Clock ở mức cao và giảm dây Data từ mức cao xuống mức thấp khi dữ liệu đang được truyền Điều này tạo ra tín hiệu START và bắt đầu quá trình truyền dữ liệu.
Master gửi địa chỉ của Slave và hướng truyền (ghi) thông qua dây Data Địa chỉ Slave được gửi bằng 7 bit đầu tiên của truyền nhóm Bit cuối cùng xác định hướng truyền (ghi) dữ liệu.
Sau khi xác định địa chỉ Slave và hướng truyền, Master gửi từng bit dữ liệu từ MSB (Most Significant Bit) đến LSB (Least Significant Bit) thông qua dây Data. Mỗi bit dữ liệu sẽ được duy trì trong một thời gian Clock, và Slave sẽ đọc dữ liệu tại mỗi thời gian Clock.
Sau khi truyền 8 bit dữ liệu, Master gửi tín hiệu ACK (Acknowledgement) để xác nhận thành công ACK là một tín hiệu mức thấp được gửi bởi Slave bằng cách giảm dây Data từ mức cao xuống mức thấp trong 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.
Sau đó, Slave gửi dữ liệu cho Master từ MSB đến LSB Mỗi bit dữ liệu sẽ được duy trì trong một thời gian Clock, và Master sẽ đọc dữ liệu tại mỗi thời gian Clock.
Sau khi nhận 8 bit dữ liệu, Master gửi tín hiệu NACK để xác nhận không thành công NACK là một tín hiệu mức cao được gửi bởi Master bằng cách giữ dây Data ở mức cao trong thời gian Clock sau khi nhận dữ liệu cuối cùng.
Kết thúc truyền/nhận dữ liệu:
Sau quá trình truyền hoặc nhận dữ liệu, Master tạo tín hiệu STOP bằng cách tăng dây Clock từ mức thấp lên mức cao trong khi dây Data đang ở mức thấp Điều này tạo ra tín hiệu STOP và kết thúc quá trình truyền/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 Tốc độ truyền dữ liệu chậm hơn so các thiết bị với các giao thức khác như SPI hoặc
Cho phép nhiều Slave kết nối với một UART.
Master trên cùng một đường truyền Giới hạn khoảng cách giữa Master và Tích hợp chức năng địa chỉ để xác Slave do yếu tố điện trở dẫn của dây định các Slave khác nhau truyền.
Hỗ trợ truyền dữ liệu nhanh và đáng tin cậy.
PHƯƠNG ÁN THIẾT KẾ
Những mục tiêu cần đạt được trong đề tài
Sau khi tiếp cận được với vấn đề cần làm, nhóm chúng em đã cùng xác định nội dung của một số câu hỏi liên quan đến đề tài như:
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.
Chi phí dự kiến 20.000.000 vnđ.
4.1.2 Yêu cầu của sản phẩm khi phân loại
Kích thước 1 quả cà chua: 3200(2) mm 2000(2) mm
Cà chua được phân loại theo yêu cầu, không bị hư hỏng, bị dập.
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.
Cụm động cơ tại cân đẩy cà chua xuống băng tải.
Cụm động cơ kéo băng tải.
Cụm động cơ đẩy cà chua xuống các máng phân loại.
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.
Bước 2: Miếng gạt được gắn trên động cơ Servo sẽ đẩy cà chua xuống cân.
Bước 3: Khi cân xong trong khoảng 0,5 giây thì 2 động cơ RC servo sẽ đẩy 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.
Từ quy trình vận hành bên trên và các thành phần cơ khí đã đề xuất, ta đưa ra các nội dung cần thiết kế và tính toán cho phần cơ khí như sau:
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 thiết kế bằng thanh thép hình chữ nhật, chứa cơ cấu cấp phôi và cơ cấu phân loại Quy trình thiết kế gồm các bước như sau:
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 phải tương thích hệ thống phân loại trong sản xuất Từ đó tạo ra chuỗi sản xuất từ đó làm tăng năng suất, tạo thuận lợi cho việc nâng cấp, 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
5.3.1 Tính toán thiết kế cụm cấp phôi
Hệ thống cấp phôi có nhiệm vụ đẩy các quả cà chua xuống cân Hệ thống cấp phôi sẽ được thiết kế để đẩy các quả cà chua liên tục Ưu điểm tải trọng nhỏ Nhược 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 ( 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.
Sau khi nhóm chọn được động cơ servo nhóm thiết kế hệ thống cấp phôi như
Hình 5.5 Hệ thống cấp phôi 5.3.2 Tính toán thiết kế cụm cân khối lượng
Hệ thống cân có nhiệm vụ cân khối lượng của cà chua trong 0,5 (s) Sau khi cân khối lượng cà chua xong thì động cơ servo sẽ gạt cà chua xuống băng tải để đem đi phân loại Yêu cầu thiết kế cân phải chính xác, chắc chắn và động cơ servo phải có khả năng đẩy cà chua xuống băng tải Từ những yêu cầu đó nhóm em tính chọn động servo.
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 nhiệm vụ xử lý ảnh của từng quả cà chua khi cà chua được đưa qua buồng xử lý ảnh Buồng xử lý ảnh được thiết kế phải bền, dễ sửa chữa, chắc chắn, không bị lọt ánh sáng vào để đảm bảo Camera chụp ảnh chính xác Từ những yêu cầu kỹ thuật đó, nhóm tiến hành thiết kế buồng xử lý ảnh như sau:
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 khi cà chua trên băng tải sẽ được đưa đến cụm phân loại Tại đây cụm phân loại có nhiệm vụ phân loại cà chua với loại 1 cà chua đỏ lớn hơn 10 (gam), loại 2 cà chua đỏ nhỏ hơn 10 (gam), loại 3 cà chua vàng, loại
4 cà chua xanh Yêu cầu kỹ thuật đó là các động cơ servo phải có khả năng đẩy cà chua xuống các máng Từ yêu cầu đó nhóm tiến hành tính chọn động cơ servo.
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 ( 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 Sau khi cân cà chua sẽ được đẩy xuống hệ thống cấp băng tải Tại đây băng tải sẽ đưa cà chua đến các máng phân loại Yêu cầu kỹ thuật là băng tải phải bền, dễ thay thế, động cơ băng tải phải đủ lớn để kéo băng tải với vận 0,065 (m/s) Từ những yêu cầu kĩ thuật trên nhóm em tiến hành tính toán chọn động cơ kéo băng tải, tính toán lựa chọn đai, lựa chọn pully, tính toán lựa chọn băng tải.
5.4.1 Tính toán lựa chọn băng tải
Lực ép tạo ra bở rulo F = 30 (N).
Chọn tỷ trọng của vật liệu trung bình: T 0, 6(T / m 3 )
Tiết diện ngang F = 0,032.0,12 = 0,0038 (m 2 ) (cà chua rải đều 1m băng tải).
Chọn tốc độ quay: n 20(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: v D.n.K 0, 053 20.0, 98 0, 054( m / s)
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
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: q vl F..1000 Trong đó:
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: q vl F .1000 0, 0038.0, 6.1000 2, 28( kg / m)
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 ) [10]
Trọng lượng một mét dài của băng: q b 1.0, 012.1 0,12( kg / m)
5.4.2 Tính toán lựa chọn động cơ kéo băng tải
Xác định lực cản chuyển động và kéo căng băng
Chia chiều dài băng thành 4 đoạn riêng biệt từ điểm đầu tới điểm cuối Mỗi đoạn có các dạng lực cản khác nhau Ta bắt đầu tính từ điểm 1, tại đó có lực căng 1 nhỏ nhất, tại điểm 1 có lực căng tại nhánh ra của tang dẫn động: 1 =
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 12 : 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:
W 1 2 q b L 12 0,12.860.0 0( kG)Lực kéo căng tại điểm 2 tính theo công thức:
S 1 : Lực kéo căng tại điểm 1
W 12 : 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 23 : 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
Từ công thức (5.7) ta suy ra lực cản chuyển động ở đoạn 2-3:
W 23 0, 07.S 2 0, 07.S 1 ( kg) 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 23 : 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 3 S 2 W 231.07.S 1 ( kg) Lực cản chuyển động ở đoạn 3-4 là nhánh có tải được tính theo công thức:
Trong đó: 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.
Ta cho rằng 50% trọng lượng của băng và vật liệu tác dụng lên con lăn, còn 50% là lên tấm thép Lấy hệ số ma sát của băng và thép là = = 0,35 q vl : Trọng lượng của băng trên một mét chiều dài.Theo như công thức
(5.4) ta tính được q vl 2.28( kg / m)
L 23 : 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:
W 3 4 ( q b q vl ).L 34 f (0, 012 2, 28).860.0, 35 0, 689( kg) Lực cản của 2 rulo ép được tính công thức như sau:
Ta cho rằng 50% trọng lượng của băng và vật liệu tác dụng lên con lăn, còn 50% là lên tấm thép Lấy hệ số má sát của băng và thép là = = 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:
W ép 2 N f 2.5.0, 35 3, 5( kg) Tổng lực cản trên nhánh tải được tính công thức như sau:
W 34 W ép 0, 689 3, 5 4,189( kg) (5.11) 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 S 3
W 34W ép : 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 1 = 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 :
S vào S 4 S ra e f S 1 e f S 1.3, 51 Kết hợp công thức (5.12) và (5.13) ta có:
Theo công thức (5.6) ta có: S 2 S 11, 717( kg)
Theo công thức (5.8) ta có: S 3 1, 07.S 1 1, 07.1, 7171,837( kg) Theo công thức(5.12) ta có:
Lực cản ở tang dẫn động không tính đến cản trong ổ trục xác định theo công thức:
W dd 0, 03.( S vào S ra ) Trong đó:
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,
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: v 0, 054( 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:
120. h d ol 102.0,94.0,96.0,99 Chọn tỉ số truyền đai: u 2
Số vòng quay của động cơ giảm tốc có sẵn hộp số có công thức: n dc n.u (5.17)
Trong đó: n : Tốc độ quay.Như thông số ban đầu ta đã chọn n 20(vong / phut) u : Tỉ số truyền đai Ta đã chọn u 2
Từ công thức (5.17) ta suy ra số vòng quay của động cơ giảm tốc có hộp số là: n dc n.u 20.2 40(vong / phut) Tra thông tin trên web của hãng WANSHSIN chọn động cơ AC giảm tốc công suất 15W, động cơ kèm hộp giảm tốc và bộ điều chỉnh tốc độ [11]
Số vòng quay thực tế của tang là: n tt 42
2 21(vong / phut) Vận tốc thực tế được tính theo công thức là: v .D.n tt K
D là đường kính tang (m).Theo thông số đầu vào ta chọn D 53( mm) 0, 053m n tt là tốc độ thực tế của tang (vòng/phút).Theo như tính toán ở trên n tt 21(vong / phut)
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: v .D.n tt
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 11, 717( kg)
Theo công thức (5.8) ta có: S 3 1, 07.S 1 1, 07.1, 7171,837( 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
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 1 = 15 (W).
– Tốc độ quay trên trục dẫn 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 110( mm)
– Đường kính trục gắn pully: d 2 12( mm)
Mô đun được xác định theo công thức như sau: m 35 P
1: công suất trên bánh đai chủ động Theo như thông số đầu vào
1 n 1 : số vòng quay của bánh đai chủ động Theo như thông số đầu vào n 1 40(vong / phut)
Từ công thức (5.21) ta suy ra mô đun: m 35 3
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 1 của bánh đai nhỏ được chọn theo bảng dưới nhằm đảm bảo tuổi thọ cho đai Số răng của bánh đai lớn z 1 z 2 (5.22)
Khoảng cách trục a được chọn theo điều kiện: a min a a max (5.23)
Khoảng cách trục a nhỏ nhất được tính theo công thức: a min 0, 5.m.( z 1 z 2 ) 2.m (5.24) Khoảng cách trục a lớn nhất được tính theo công thức a max 2.m.( z 1 z 2 ) (5.25) Kết hợp các công thức (5.22),(5.23),(5.24),(5.25) ta được:
57 a : Khoảng cách trục pully với cốt động cơ Theo thông số đầu vào
Từ (5.26) ta suy ra được: a 128( mm)
Trong đó: a : Khoảng cách từ trục pully tới cốt động cơ Theo thông số đầu vào a 128( mm). z 1 , z 2 : 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 m 3 Dựa vào Bảng 5.6 ta tìm được p 9, 42 (mm).
Từ công thức (5.27) ta suy ra được số đai răng z d : z
Chiều dài đai được tính bằng công thức: l 2.a
Trong đó: a : Khoảng cách từ trục pully tới cốt động cơ Theo thông số đầu vào a 128( mm). d 1 : Đường kính trục motor Theo như thông số đầu d 110( mm) d 2 : Đường kính trục lắp với pully Theo như thông số đầu d 2 12( mm) Từ công thức (5.28) ta suy ra chiều dài đai l 2.a
Dựa vào loại dây đai trên thị trường chọn S5M,chu vi 1886,rộng 16mm. [11]
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
Vật liệu:Thép Vật liệu: Thép.
Chiều dài: 34(mm) Chiều dài: 34(mm).
Số răng: 26(răng) Số răng: 26(răng).
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.
THIẾT KẾ HỆ THỐNG ĐIỆN – ĐIỀU KHIỂN
Thiết kế hệ thống điện
Sau khi tính toán thiết kế cơ khí đưa ra phương hướng thiết kế của hệ thống. Tiếp đến nhóm chúng em sẽ thiết kế hệ thống điện, những thiết bị điện sẽ được dùng, đưa ra những phương án điều khiển cho mô hình Từ đó nhóm sẽ đưa ra những phương pháp điều khiển phù hợp để giải quyết vấn đề của 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 Ở trong khối này sẽ sẽ xử lý màu sắc của cà chua thông qua sử dụng thư viện Open CV và đồng thời dùng thuật toán Yolo để phát hiện được cà chua bị hư.
Khối điều khiển: Lấy data từ khối trung tâm để điều khiển các cơ cấu chấp hành để phân loại cà chua Đồng thời gửi giá trị khối lượng cho khối xử lý trung tâm.
Khối cơ cấu chấp hành: gồm có cảm biến loadcell để đọc giá trị khối lượng của quả cà chua, đồng thời dùng cảm biến hồng ngoại để có thể phát hiện cà chua từ đó gửi tín hiệu về vi điều khiển để điều khiển động cơ cho phân loại cà chua.
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 4Thông 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
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:
Vi xử lý: ARM 32-bit Cortex-M4 CPU với FPU, adaptive real- time accelerator (ART Accelerator) cho phép 0-wait state execution từ Flash memory, tần số lên tới 168 MHz, quyền truy cập memory protection unit (MPU), 210 DMIPS/1.25 DMIPS/MHz (Dhrystone 2.1).
Bộ nhớ: STM32F407VE có 512 KB Flash, 192+4 KB
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
5 Cảm biến hồng Thông số kỹ thuật: ngoại E3F-
Số dây tín hiệu: 3 dây (2 dây cấp nguồn và 1 dây tín hiệu).
Chân tín hiệu ngõ ra: cấu trúc cực thu hở Transistor NPN - Open Collector nên sẽ cần phải có trở kéo (khoảng 1~10K) lên chân nguồn dương VCC để tạo thành tín hiệu mức cao (High).
Nguồn điện cung cấp: 6 ~ 36VDC
Khoảng điều chỉnh phát hiện vật cản của cảm biến: 0~10cm.
6 Màn hình LCD Thông số kỹ thuật:
16x2 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.
7 Nguồn tổ ong Thông số kỹ thuật:
5V Điện áp đầu vào: 180VAC-
240VAC chỉnh bằng công tắc gạt.
Dòng đầu ra tối đa: 10A.
Nhiệt độ làm việc: -10 ~ 60 độ C.
8 Nguồn tổ ong Thông số kỹ thuật:
Điện áp đầu vào: 110V/ 220V – 50/60Hz.
Theo tiêu chuẩn an toàn: CCC/
9 Camera logitech Thông số kỹ thuật: c270 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.
10 Module Relay Thông số kỹ thuật:
5VDC 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
Từ cơ sở lý thuyết đã được đề cặp ở chương 3, nhóm chúng em sẽ tiến hành sử dụng thuật toán Yolo để training model để nhận diện trái hư Ở đây, tiêu chí đánh giá loại cà chua hư của nhóm em là những loại cà chua bị dập, bị móc Đầu tiên, ta sẽ tiến hành tạo một tập data dữ liệu gồm những trái cà chua loại bình thường và hư Chia tập data gồm tập training dùng để training model và tập validation dùng để kiểm thử sau quá trình train model.
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
Thứ ba, tiến hành training model trên Colab Mục đích training ta sẽ được file best.py và dùng file này để tiến hành 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 đại diện cho độ chính xác khi dự đoạn Model và nó bằng số phân loại đúng Trong Hình 6.7 ta thấy Precision đang ở 0,97 đồng nghĩa số phân loại đúng ở mô hình này được 97%
Hình 6.8 Đường cong Precision – Recall Curve
Recall chính là độ phủ dùng thể hiện được việc model đã phân loại được bao nhiêu đối tượng positive trong số những đối tượng positive đã có Dựa vào Hình
6.8 ta thấy số cà chua nhận diện đúng là 0,989 và số cà chua hỏng là 0,951.
Cuối cùng đánh giá kết quả sau quá trình training model bằng Yolo V5.
Hình 6.9 Kết quả sau khi train model bằng Yolo V5 Ở kết quả hình trên Hình 6.9 ta thấy sau khi training Model những quả cà chua được gán bằng 0 là những quả có hình dạng cà chua bình thường Những quả bằng 1 là những quả đang được phát hiện có hình dạng bị dập, được khoanh vùng lại những chỗ bị lỗi và những quả đó không đạt yêu cầu.
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
Với chương trình xử lý ảnh, đầu tiên chúng ta cần khai báo thư viện sử dụng cấu hình Camera , GPIO giao tiếp STM32 Sau khi đọc ảnh từ Camera về , ảnh sẽ được chuyển từ không gian màu RGB sang HSV Từ các ngưỡng màu đã đặt sẵn để nhận biết từng loại trái chương trình sẽ dò các contour với mặt nạ là các ngưỡng đã đặt sẵn để nhận biết từng loại, chương trình sẽ dò các contour với mặt nạ là các ngưỡng đã đặt, khi phát hiện ngưỡng màu đạt, Raspberry sẽ gửi tín hiệu qua choSTM32.
Hình 6.10 Lưu đồ xử lý ảnh
Quy trình thực hiện và tính toán Đọc ảnh từ Camera
Tìm các ngưỡng màu gian màu RGB sang HSV. giới hạn tương ứng.
Dò tìm các contour với mặt nạ là các giới hạn màu khác nhau
Cân khối lượng
Loadcell là những cảm biến dùng để đo lực (khối lượng, mô-men xoắn, ). Khi lực được tác dụng lên một loadcell, loadcell sẽ chuyển đổi lực tác dụng thành tín hiệu điện Các loadcell cũng được biết đến như là "đầu dò tải" (load transducer) bởi vì nó cũng có thể chuyển đổi một tải trọng (lực tác dụng) thành tín hiệu điện. Loadcell được cấu tạo bởi hai thành phần, thành phần thứ nhất là “Strain gauge” và thành phần còn lại là “Load”.
Strain gauge là một điện trở đặc biệt chỉ nhỏ bằng móng tay, có điện trở thay đổi khi bị nén hay kéo dãn và được nuôi bằng một nguồn điện ổn định, được dán chết lên “Load”.
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 ).
: 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 một cầu điện trở Wheatstone như hình trên và được dán vào bề mặt thân Loadcell Một điện áp kích thích thường là 10V được cấp vào mạch cầu ở 2 điểm (2), (3) và chúng ta sẽ đo được một điện áp đầu ra ở 2 điểm (1) và (4) như hình Tại trạng thái cân bằng (không tải), điện áp tín hiệu đầu ra là số 0 hoặc gần như bằng 0 khi 4 điện trở được gắn phù hợp về giá trị Khi có tải trọng hoặc lực tác dụng lên thân Loadcell làm cho thân Loadcell bị biến dạng (giãn hoặc nén) điều đó dẫn tới sự thay đổi chiều dài và tiết diện của các sợi kim loại của điện trở Strain gauge Sự thay đổi này dẫn tới sự thay đổi điện áp đầu ra (thường rất nhỏ khoảng 20 mV khi full tải).
Hình 6.14 Sự thay đổi điện áp của Loadcell khi có tải
Do trái cà chua bi có khối lượng nhỏ (dao động từ 10g – 20g) nên nhóm sử dụng Loadcell c ó giới hạn đo nhỏ (ở đây là Loadcell 1kg) để tăng độ chính xác trong quá trình đo.
Hình 6.16 Kích thước loadcell 1kg
HX711 là một vi mạch chuyển đổi analog-to-digital (ADC) chất lượng cao, được sử dụng phổ biến trong các ứng dụng cân và đo lường Nó được thiết kế để chuyển đổi tín hiệu analog từ các cảm biến trọng lượng hoặc cảm biến tải khác thành dữ liệu kỹ thuật số mà các vi điều khiển có thể 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 một đầu vào vi sai được thiết kế để kết nối trực tiếp với đầu ra vi sai của cảm biến Nó có thể được lập trình với một hệ số khuếch đại là 128 hoặc 64 Các hệ số khuếch đại lớn này được sử dụng để điều chỉnh tín hiệu đầu ra nhỏ từ cảm biến Khi sử dụng nguồn cấp 5V tại chân AVDD, các hệ số khuếch đại này tương ứng với một điện áp đầu vào nhiễu động toàn phạm vi ±20mV hoặc ±40mV.
Kênh B của đầu vào Analog có một hệ số khuếch đại cố định là 32 Phạm vi điện áp đầu vào toàn phạm vi là ± 80mV khi sử dụng nguồn cấp 5V tại chân AVDD.
Nguồn cấp Digital (DVDD) nên là nguồn cấp tương tự như nguồn cấp của MCU. Khi sử dụng bộ điều chỉnh nguồn cấp tương tự nội bộ, điện áp rơi của bộ điều chỉnh phụ thuộc vào transistor ngoại vi được sử dụng Điện áp đầu ra 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 nên được kết nối với chân AVDD hoặc DVDD, tùy thuộc vào điện áp nào cao hơn. Chân VFB nên được kết nối với mặt đất và chân BASE trở thành NC (không được kết nối).
PD_SCK và DOUT là các chân được sử dụng để truy xuất dữ liệu, lựa chọn đầu vào, lựa chọn khuếch đại và điều khiển tắt nguồn Khi dữ liệu đầu ra chưa sẵn sàng để truy xuất, chân đầu ra kỹ thuật số DOUT sẽ ở mức cao Đầu vào đồng hồ liên tục PD_SCK phải ở mức thấp Khi DOUT ở mức thấp, điều này cho biết rằng dữ liệu đã sẵn sàng để 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 các động cơ Analog Servo, tín hiệu PWM có cho kỳ 20ms được sử dụng để điều khiển động cơ Một tín hiệu 20ms có tần số 50Hz Độ rộng của xung được thay đổi trong khoảng từ 1 đến 2 ms đề điều khiển vị trí trục động cơ.
Hình 6.22 Điều chế độ rộng xung để điều khiển góc quay động cơ Độ rộng xung 1,5 (ms) sẽ làm cho trục servo nằm ở vị trí 90 (độ). Độ rộng xung 1 (ms) sẽ làm cho trục servo nằm ở vị trí 0 (độ). Độ rộng xung 2 (ms) sẽ làm cho trục servo nằm ở 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.
Hình 6.23 Thời gian động cơ quay liên tục Độ rộng xung 1,5ms sẽ làm cho servo ngừng quay. Độ rộng xung 1ms sẽ làm cho servo quay với tốc độ tối đa theo chiều ngược kim đồng hồ. 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 :
Từ công thức (6.1), ta có thể chọn Prescale = 1999 và Counter Period = 999.
Chương trình điều khiển
Hình 6.26 Sơ đồ điều khiển
Khi nhấn nút Start, Servo 1 sẽ quay để đưa phôi lên cân, sau đó quay về trị ban đầu Khi lấy được giá trị cân nặng, Servo 2 và Servo 3 sẽ đẩy phôi lên băng tải Lúc này, băng tải hoạt động.
Khi chạm cảm biến 1,nếu đúng băng tải sẽ dừng hoạt động Lúc này Camera sẽ chụp ảnh để phân loại cà chua, sau đó Raspberry sẽ gửi tín hiệu xuống cho
STM32 để tiếp tục chương trình Băng tải tiếp tục chạy, nếu sai quy trình kết thúc
Khi chạm cảm biến 2, nếu đúng băng tải ngưng hoạt động Lúc này STM32 sẽ xem xét loại đã được phân loại từ Raspberry Nếu là màu đỏ mà lớn hơn 10g Servo
4 sẽ đẩy cà chua xuống máng phân loại 1, nếu là màu đỏ nhỏ hơn 10g Servo 4 sẽ đẩy cà chua xuống máng phân loại 2, còn màu vàng và màu xanh thì sẽ được bỏ qua Nếu sai băng tải tiếp tục chạy.
Khi chạm cảm biến 3,nếu đúng băng tải ngưng hoạt động, STM32 sẽ tiếp tục xem cà chua màu xanh hay vàng Nếu màu vàng Servo 5 sẽ đẩy cà chua xuống máng phân loại 3 Nếu màu xanh Servo 5 sẽ đẩy cà chua xuống máng phân loại 4.
Nếu sai quy trình kết thúc.
Sơ đồ mạch điện
Hình 6.27 Sơ đồ mạch điện
Nhóm em sử dụng 3 nút nhấn gốm nút nhấn Calib,Offset,Start.Nút nhấn Start có nhiệm vụ bắt đầu hệ thống Nút nhấn Offset có nhiệm vụ là xác định giá trị trị ban đầu của cân Nút nhấn Calib dùng để Calib giá trị tương ứng với 1gam.Nhóm sử dụng 4 động cơ RC servo để phân loại RC được STM32 xuất xung PWM điều khiển.Nhóm sử dụng 3 cảm biến tiệm cận Do 3 cảm biến sử dụng nguồn 9-36V mà STM32 chỉ sử dụng nguồn 5V nên nhóm em sử dụng Relay với đầu vào 5V đầu ra từ 0-30VDC.Cảm biến thứ nhất dùng để dừng băng tải để Camera chụp xử lý ảnh.Cảm biến thứ 2 phát hiện cà chua để phân loại loại 1 và loại 2 Cảm biến thứ 3 phát hiện cà chua để phân loại 3 và 4.STM32 để đọc cảm biến để điều khiển.
KẾT QUẢ VÀ THỰC NGHIỆM
Thực nghiệm
Sau khi thiết kế thi công cơ khí và hoàn thành điện điều khiển lập trình nhóm chúng em tiến hành thực nghiệm với số lượng trái trong từng mốc thời gian nửa tiếng và một tiếng Tổng cộng là 200 quả.
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
133 quả đã được phân loại và 67 quả chưa được phân loại Trong 133 quả được phân loại có 60 quả cà chua đỏ loại 1 lớn hơn 10g, 34 quả cà chua quả cà chua đỏ loại
2 nhỏ hơn 10g, 30 quả cà chua vàng loại 3, 9 quả cà chua xanh loại 4.
Nhận xét: Dựa vào Bảng 7.1 và Bảng 7.2 nhóm chúng em rút ra là năng suất hoạt động của máy chưa đáp ứng được yêu cầu ra mong muốn do quá trình thiết kế cơ khí nhóm em còn hạn chế và phần điều khiển chưa được xử lý nhanh và ổn định. Nhóm em sẽ thực nghiệm hệ thống lưu trữ kết quả phân loại.
Hình 7.2 Firebase lưu trữ kết quả
Dựa vào Bảng 7.2 ta thấy được kết quả lưu trữ phân loại là 60 quả cà chua đỏ loại 1 lớn hơn 10g, 34 quả cà chua quả cà chua đỏ loại 2 nhỏ hơn 10g, 30 quả cà chua vàng loại 3, 9 quả cà chua xanh loại 4 trong 1 tiếng thử nghiệm 200 quả.
Nhận xét: Kết quả lưu trữ trên Firebase trùng hợp với kết quả phân loại khi thực nghiệm 200 quả trong 1 tiếng Từ đó ta thấy hệ thống lưu trữ Firebase hoạt động một cách ổn định, 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: Dựa vào Bảng 7.3 nhóm chúng em rút ra được là màu sắc của cà chua được xử lý một cách chính xác còn khối lượng của cà chua thì vẫn sai số nhưng sai số này cho phép vì trong quá trình hoạt động 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 được cân trong 0,5 Giá trị cân sẽ được hiển thị lên LCD.
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 vào buồng xử lý ảnh để phân loại màu.Màu sắc của cà chua sẽ được hiển thị lên LCD Đồng thời trên Web Server sẽ hiển thị khối lượng và màu sắc.
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 này tự động phân loại phân loại cà chua thành 4 loại: Loại 1 cà chua lớn hơn 10g Loại 2 cà chua nhỏ hơn 10g Loại 3 cà chua vàng Loại 4 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 một cách chính xác như xử lý ảnh, cân khối lượng, điều khiển động cơ servo để phân loại đáp ứng được 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 lớn hơn 10 gram, loại
2 màu đỏ nhỏ hơn 10gram, loại 3 màu vàng, loại 4 màu xảnh Kết quả phân loại 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 7.13 Loại 3 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.
Phân loại đúng 4 loại cà chua: cà chua đỏ loại 1 có khối lượng lớn hơn 10gam, cà chua đỏ loại 2 có khối lượng nhỏ hơn 10gam,loại 3 cà chua vàng,loại 4 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 chưa hoàn toàn phù hợp với tất cả các loại cà chua, đối với các loại cà chua lớn hơn thì máy không thể phân loại được.
Tốc độ xử lý chậm, hệ thống buồng ảnh chưa đáp ứng ánh sáng tốt nhất, chỉ phân loại sản phẩm theo màu sắc, không phát hiện được sản phẩm bị lỗi.
Chưa có cơ hội thực hiện ngoài doanh nghiệp.
Độ thẩm mĩ của đề tài chưa được đẹp.
Thiết kế cơ khí còn hạn chế chưa phân loại được nhiều loại cà chua khác nhau.
Hệ thống điều khiển lập trình chưa ổn định cần được cải tiến thêm.
Hệ thống chưa phân loại hàng loạt.
Hướng phát triển
Dựa vào kiến thức của mình, tài liệu tham khảo kết hợp những gì chưa làm được, nhóm em nhận thấy đề tài nên phát triển về chất lượng và màu sắc Chẳng hạn như có thể kiểm tra quả cà chua bị hư hay không, có khoảng màu sắc phù hợp để không nhầm lẫn cà chua xanh, vàng, cà chua xanh chuyển thành vàng Nâng cấp để đề tài hoạt động tốt hơn và có thể áp dụng vào thực tế.Thiết lập giao diện người dùng cho phép tương tác với hệ thống, thiết lập các tham số hoạt động.
![Hình 5.14. AC Motor [12] - (Đồ án hcmute) thiết kế và chế tạo hệ thống phân loại cà chua tự động theo màu sắc và khối lượng](https://media.store123doc.com/figures/004/842/hinh-ac-motor-4842311.webp)
