GIỚI THIỆU
TÍNH CẤP THIẾT CỦA ĐỀ TÀI
Thời đại của công nghệ, còn được gọi là "Kỷ nguyên công nghệ", là thời kỳ mà công nghệ điện tử và thông tin phát triển nhanh chóng và ảnh hưởng mạnh mẽ đến hầu hết các khía cạnh của cuộc sống con người Không chỉ đem lại hiệu quả về kinh tế, robot mang lại rất nhiều lợi ích cho đời sống và cho các doanh nghiệp kinh doanh Robot càng ngày càng được xuất hiện ở nhiều nơi, nó được ứng dụng rộng rãi trong các nhà máy, nhà xưởng, xí nghiệp công ty, các kho hàng, bất cứ nơi nào mà con người cần sự giúp đỡ robot đều có mặt Robot ở đây không chỉ nói riêng về các robot có hình dáng giống người mà robot được hiểu là hệ thống tự động có khả năng thực hiện các nhiệm vụ hoặc công việc thông thường do con người thực hiện nhằm giúp giảm các chi phí về vận hành hoạt động, thời gian hoạt động của máy móc và con người, đồng thời sự hỗ trợ của robot sẽ làm nâng cao chất lượng của mỗi sản phẩm và tăng năng suất làm việc cho doanh nghiệp Hơn thế nữa, việc sử dụng robot, hệ thống tự động, sẽ tạo nên sự đồng đều về mặt chất lượng của sản phẩm. Mục đích chính của robot sinh ra là để thay thế con người làm việc, chính vì thế hiện nay những công việc nặng nhọc, nguy hiểm mà con người không thể làm được thì robot có thể thực hiện thay con người Robot hoạt động phải tuân thủ mọi nguyên tắc về an toàn cho xã hội, an toàn lao động mà con người đặt ra cho nó và luôn nghe theo các chỉ thị nào của con người nhưng chỉ thị đó phải là chỉ thị không làm hại đến người khác thì lúc đó việc sử dụng robot mới đúng mục đích ban đầu khi phát minh ra robot Chính vì thế, robot dường như là một thành phần không thể thiếu trong bất kì một nhà máy, nhà xưởng, kho hàng… Robot gắn liền với công nghiệp là điều mà các nước trên thế giới nói chung và Việt Nam nói riêng đang theo đuổi từng ngày Hiện nay, ta thấy nền công nghiệp Logistics đóng vai trò là một bài toán khó cần được các doanh nghiệp đưa ra phương án giải quyết một cách hiệu quả Doanh nghiệp nào có khả năng xây dựng và định hình một hệ thống cho việc quản lý Logistics hiệu quả và chặt chẽ, doanh nghiệp đó chiến thắng Logistics giải quyết các bài toán từ đầu vào là các nguyên vật liệu đến đầu ra là các sản phẩm và trực tiếp đến tay người dùng một cách hiệu quả và nhanh chóng nhất Logistics giúp giảm chi phí vận chuyển, vận hành…,tăng khả năng cạnh tranh giữa các doanh nghiệp lớn Từ đó ta thấy được tầm quan trọng của nền công nghiệp Logistics đối với các doanh nghiệp cung cấp sản phẩm, vì lẽ đó việc ứng dụng robot vào Logistics là điều rất cần thiết nhằm giải quyết các bài toán khó của các doanh nghiệp gặp phải.
Logistics hiểu một cách đơn giản là một quá trình từ giai đoạn sản xuất cho đến khi hàng hóa đến tận tay người dùng Logistics không phải là một hoạt động riêng lẻ mà là một quá trình, một chuỗi các hoạt động liên tục, liên quan mật thiết, có trình tự và tác động qua lại lẫn nhau được thực hiện một cách có kế hoạch, khoa học và có tính hệ thống Thị trường toàn cầu hiện nay phát triển với các tiến bộ về công nghệ, nhất là việc mở cửa thị trường ở các nước đang và chậm phát triển Logistics được đánh giá như là một công cụ, được xem là một phương tiện phát triển, là sợi dây liên kết giữa các lĩnh vực khác nhau trong chiến lược của các doanh nghiệp Phát triển Logistics một cách hiệu quả, tối ưu sẽ góp phần làm tăng năng lực cạnh tranh của doanh nghiệp đối thủ và đồng thời đẩy mạnh phát triển nền kinh tế quốc gia Các nước hiện nay đang trong bối cảnh hội nhập quốc tế ngày càng sâu rộng hơn và nền kinh tế số đang là xu hướng phát triển chủ đạo, các hoạt động Logistics trong doanh nghiệp diễn ra xuyên suốt từ khâu sản xuất cho tới tiêu dùng ngày càng nắm giữ vai trò đặc biệt quan trọng đối với năng lực cạnh tranh của các ngành dịch vụ, sản xuất nói riêng và của toàn nền kinh tế nói chung Thực tế, nếu ta nhìn vào bức tranh chung của ngành Logistics hiện nay ở Việt Nam thì các doanh nghiệp nước ngoài đang nằm ở cửa trên Trình độ ứng dụng công nghệ vào các quy trình ở Việt Nam đang ở mức độ thấp Đây là một trong những yếu tố then chốt khiến cho các doanh nghiệp Việt Nam khó có thể tìm ra được lời giải đáp Vì thế ngành Logistics ở Việt Nam cần có những bước chuyển mình để cùng hội nhập với quốc tế [30]
Những năm phát triển gần đây, thương mại điện tử không còn là một định nghĩa xa lạ với đại đa số trong xã hội hay một lĩnh vực mới mẻ tại nước ta nữa Để đáp ứng những nhu cầu mong muốn ngày càng cao của xã hội, nếu các doanh nghiệp muốn nâng cao năng lực sản xuất, quy trình hiệu quả thì cần áp dụng các công nghệ điều khiển tự động tiên tiến để dần thay thế những công nghệ đã lỗi thời Logistics đóng một vai trò rất quan trọng trong việc đảm bảo yếu tố đúng thời gian, đúng địa điểm, từ đó đảm bảo cho quá trình sản xuất, lưu thông hàng hóa diễn ra theo kế hoạch đã định sẵn mà không bị trì trệ, góp phần nâng cao chất lượng, hạ giá thành sản phẩm, đáp ứng được nhu cầu của khách hàng Đó là những tiêu chí mà những người khách hàng chúng ta luôn đặt lên hàng đầu Quá trình toàn cầu hóa đã làm cho hàng hóa và sự vận động của chúng ta trở nên phong phú và phức tạp hơn rất nhiều, đòi hỏi sự quản lí chặt chẽ từ các khâu hoạt động nhỏ cho đến các hoạt động lớn, đặt ra một thách thức lớn đối với ngành dịch vụ vận tải và giao nhận Một trong những khâu làm cho các doanh nghiệp Logistics luôn đặt ra những câu hỏi cần phải giải quyết đó chính là khâu phân loại, phân phối hàng hóa Đây là quá trình được xem là một trong những tiêu chí đánh giá chất lượng của một doanh nghiệp Phân loại, phân phối hàng hóa được xem là khâu rất quan trọng vì là một trong những khâu gây tốn nhiều thời gian và sử dụng nhiều nhân công nhất Nói đến việc phân loại, vận chuyển hàng hóa chúng ta nhận thấy rằng đây là một trong những công việc được thực hiện hằng ngày với công suất liên tục để đáp ứng được những nhu cầu hàng hóa của con người Và trong bối cảnh hiện nay, nhu cầu về mua hàng của người dùng là rất cao và sẽ ngày càng tăng lên trong tương lai Để đáp ứng được nhanh chóng những nhu cầu về hàng hóa đến người dùng thì các nhà cung ứng cần phải lên kế hoạch, quản lý các hoạt động kho vận, xây dựng một hệ thống phân loại hàng hóa một cách tối ưu nhất Khi hàng hóa được phân loại theo từng tiêu chí cụ thể sẽ mang lại nhiều lợi thế về kinh tế lẫn thời gian hơn.
Từ đó việc quản lý, vận chuyển hàng hóa cũng sẽ trở nên dễ dàng và nhanh chóng, tiết kiệm được nguồn thời gian, giảm thiểu được chi phí thuê nhân công phân loại.
Tuy nhiên để xây dựng một hệ thống phân loại không phải là một chuyện đơn giản.Hiện nay các doanh nghiệp Logistics trên thế giới nói chung và nước ta nói riêng đa phần vẫn còn sử dụng những giải pháp phân loại thủ công Bên cạnh những lợi ích mà giải pháp thủ công mang lại thì nó mang khá nhiều nhược điểm và cần phải được sửa đổi Một hệ thống phân loại lớn cần phải có sự liên kết chặt chẽ với nhau qua từng giai đoạn, không thể chỉ sử dụng nhân công, người lao động để thực hiện công việc mà cần phải có sự hỗ trợ của công nghệ Khi sử dụng quá nhiều người lao động trong một hệ thống sẽ dẫn đến tình trạng lãng phí nguồn nhân lực, chi phí lao động của doanh nghiệp Người lao động làm việc với tần suất liên tục hơn 8 tiếng một ngày cùng với áp lực về thời gian, về hiệu quả làm việc sẽ làm ảnh hưởng rất nhiều đến cảm xúc và sức khỏe của mỗi người lao động Chúng ta biết rằng trong công việc nếu như chúng ta không làm chủ được cảm xúc, không có đủ sức khỏe thì không thể nào tránh khỏi những sai sót trong các khâu hoạt động Logistics là một quá trình gồm một chuỗi các hoạt động liên kết với nhau, nếu như sự liên kết này bị cắt đứt bởi những sự trì trệ về thời gian,những sai sót không đáng có vì lí do sức khỏe, bị cảm xúc chi phối thì sẽ làm ảnh hưởng rất nhiều đến chất lượng của hệ thống, làm mất cân bằng trong việc quản lý các hoạt độngLogistics Những lí do kể trên cũng đủ để chúng ta cần phải tìm ra một giải pháp phân loại mới,một giải pháp phân loại ứng dụng tự động hóa, thay thế con người, không những giải quyết được các vấn đề mà chúng ta đang gặp phải mà còn cải tiến và phát triển hơn rất nhiều.
NHỮNG NGHIÊN CỨU TRONG VÀ NGOÀI NƯỚC
Việc ứng dụng tự động hóa vào hệ thống, dây chuyền phân loại là một giải pháp tối ưu được rất nhiều các công ty, doanh nghiệp nổi tiếng trên thế giới hiện nay đang trong quá trình phát triển và nghiên cứu Dưới đây là một vài giải pháp của các các công ty tự động hóa hàng đầu trên thế giới:
❖ Những nghiên cứu trong nước:
"Mô hình hóa và phân loại sản phẩm bằng máy học" của Trường Đại học Bách Khoa
TP Hồ Chí Minh: Nghiên cứu này tập trung vào việc phát triển các mô hình học máy để phân loại các sản phẩm trong các cửa hàng trực tuyến.
"Ứng dụng của mạng nơ-ron hồi quy trong phân loại sản phẩm" của Trường Đại học Khoa học Tự nhiên TP Hồ Chí Minh: Nghiên cứu này sử dụng mạng nơ-ron hồi quy để phân loại các sản phẩm dựa trên mô tả và hình ảnh.
❖ Những nghiên cứu ngoài nước:
"Product Classification using Machine Learning and Deep Learning" (Stanford University, Hoa Kỳ): Nghiên cứu này tập trung vào sử dụng học máy và học sâu để phân loại các sản phẩm trong các trang thương mại điện tử lớn.
"Product Classification and Categorization using Natural Language Processing" (University of Cambridge, Anh): Nghiên cứu này sử dụng xử lý ngôn ngữ tự nhiên để phân loại các sản phẩm dựa trên các thông tin mô tả.
"Product Categorization using Image Recognition and Convolutional Neural Networks" (Massachusetts Institute of Technology - MIT, Hoa Kỳ): Nghiên cứu này sử dụng các mạng nơ-ron tích chập (CNN) để phân loại các sản phẩm dựa trên hình ảnh.
"Large-Scale Product Classification with Semi-Supervised Learning" (Google Research,Hoa Kỳ): Nghiên cứu này tập trung vào việc áp dụng học máy bán giám sát để phân loại một lượng lớn các sản phẩm từ dữ liệu không có nhãn Những nghiên cứu này chỉ là một phần nhỏ trong lĩnh vực hệ thống phân loại sản phẩm, và lĩnh vực này đang tiếp tục phát triển rất nhanh chóng do tầm quan trọng và ứng dụng rộng rãi của nó trong thương mại điện tử và ngành công nghiệp.
LÝ DO CHỌN ĐỀ TÀI
Các hệ thống phân loại được kể đến đều có điểm chung là sử dụng camera hoặc máy quét mã vạch thông thường để quét mã vạch hoặc tem của nhà sản xuất được dán trên các bưu kiện để phân loại, đưa các bưu kiện đến đúng vị trí phân loại của nó Camera hoặc máy quét mã vạch thường là máy quét 2D sử dụng chùm tia laser tốc độ cao Các loại máy quét này quét rất nhanh, thuận tiện và được sử dụng rất phổ biến Tuy nhiên, để các thiết bị hoạt động một cách hiệu quả và chính xác nhất thì các mã vạch, các tem của bưu kiện phải đặt vuông góc, hoặc tối thiểu là nằm trên đường đi của chùm tia laser phát ra thì khả năng quét mã mới chính xác Các thiết bị này thường được lắp đặt cố định một chỗ nên chúng ta không thể nào quét được các bưu kiện ở xa hoặc các bưu kiện có tem mã vạch nằm ở vị trí mà tia laser không đi tới hoặc bị phản xạ lại khi gặp vật cản.
Chính vì lẽ đó nên chúng ta cần phải thay đổi để giúp cho việc quét mã được chính xác và thuận tiện hơn Và công nghệ xử lí ảnh 3D là giải pháp giúp chúng ta mở rộng vùng quét mã trong không gian 3D Từ những nhược điểm mà nhóm thấy được qua việc nghiên cứu các sản phẩm sẵn có, nhóm sẽ kế thừa, sử dụng lại những nghiên cứu có sẵn từ trước, cải tiến và phát triển nó thêm Để đem lại sự tối ưu, chính xác nhất cho hệ thống phân loại bưu kiện nhóm sinh viên chúng em xin lựa chọn đề tài “HỆ THỐNG PHÂN LOẠI BƯU KIỆN ỨNG DỤNGCÔNG NGHỆ XỬ LÝ ẢNH 3D” làm đề tài nghiên cứu và phát triển.
MỤC TIÊU ĐỀ TÀI
Bên dưới là những mục tiêu ban đầu mà nhóm đặt ra cho đề tài “HỆ THỐNG PHÂN LOẠI BƯU KIỆN ỨNG DỤNG CÔNG NGHỆ XỬ LÝ ẢNH 3D” như sau:
- Phân loại 3 loại bưu kiện với các đặc điểm như sau:
• Có khối lượng tối đa 2kg
• Gồm 3 dạng chính là: phong bì thư, hộp carton có kích thước 15x20x10cm, bưu kiện mềm.
- Xây dựng cơ cấu cơ khí trục cánh tay phương X, Z để nâng, hạ và di chuyển các loại bưu kiện với đầu công tác là các giác hút chân không
- Xây dựng giải thuật điều khiển tối ưu
- Xây dựng giải thuật xử lý ảnh, xử lí dữ liệu từ Camera 3D để nhận dạng được 3 loại bưu kiện và đồng thời tính được khoảng cách từ z từ đầu giác hút đến bề mặt của vật.
GIỚI HẠN ĐỀ TÀI
Nhóm sẽ đi vào nghiên cứu, thiết kế và chế tạo một hệ thống phân loại bưu kiện có khả năng phân loại được 3 bưu kiện kể trên với hiệu suất hoạt động ổn định Hệ thống được đặt cố định một chỗ và là khâu nối tiếp của khâu quét mã QR.
BỐ CỤC QUYỂN BÁO CÁO
Nội dung chính của đề tài được trình bày với 6 chương như sau:
Chương 1.GIỚI THIỆU: Trong chương này giới thiệu sơ lược về hệ thống và đề tài.
Chương 2 TỔNG QUAN NGHIÊN CỨU ĐỀ TÀI: đề cập đến các giải pháp phân loại của các hệ thống hiện nay và các giải pháp khác.
Chương 3 CƠ SỞ LÝ THUYẾT: Các lý thuyết, kiến thức liên quan đến phần cứng và phần mềm của đề tài
Chương 4 THIẾT KẾ HỆ THỐNG CƠ KHÍ: Trong chương này nêu ra được các bước tính toán thiết kế, chọn lựa phần cứng, các linh kiện cho hệ thống phù hợp với những yêu cầu đã đặt ra Từ các ý tưởng thiết kế nhóm tiến hành tính toán lựa chọn các linh kiện cho hệ thống. Chương 5 THIẾT KẾ HỆ THỐNG ĐIỆN ĐIỀU KHIỂN: Trình bày về quá trình xây dựng, lựa chọn các thiết bị điện, điều khiển cho hệ thống và thuật toán điều khiển cho hệ thống. Chương 6 XÂY DỰNG THUẬT TOÁN XỬ LÝ ẢNH: Trình bày về quá trình và các bước xây dựng model phân loại và xử lý ảnh 3D
Và cuối cùng là phần kết luận và hướng phát triển của đề tài.
TỔNG QUAN NGHIÊN CỨU ĐỀ TÀI
ĐẶC ĐIỂM CHUNG CỦA CÁC HỆ THỐNG PHÂN LOẠI SẢN PHẨM
Qua các hệ thống kể trên, chúng ta thấy các hệ thống phân loại này thường bao gồm các cấu trúc cơ khí như băng chuyền, hệ thống vận hành tự động, máy phân loại, cần cẩu, robot,hay các công cụ khác để thực hiện quá trình phân loại Các thành phần này được thiết kế để chịu được tải trọng và lực tác động trong quá trình phân loại hàng hóa Các hệ thống phân loại hàng hóa thường sử dụng hệ thống định vị và di chuyển để xác định vị trí và di chuyển hàng hóa từ nơi này đến nơi khác Các cảm biến và thiết bị định vị được tích hợp để đảm bảo chính xác và hiệu quả trong việc xác định vị trí và định hướng hàng hóa Chúng ta thấy rằng, đa số các hệ thống phân loại hiện nay phổ biến tập trung vào phân loại bằng mã vạch, khối lượng,màu sắc, và kích thước Vậy các sản phẩm cần được phân loại theo hình dạng thì sẽ có những phương pháp gì và được thực hiện như thế nào? Mục tiếp theo sẽ đưa ra các phương hướng giải quyết về đề tài của nhóm là phân loại các sản phẩm bưu kiện có hình dạng khác nhau như là bao thư, hình hộp, bưu kiện mềm.
HỆ THỐNG PHÂN LOẠI SẢN PHẨM THEO HÌNH DẠNG
Với mục tiêu phân loại các dạng bưu kiện phổ biến hiện nay gồm: các dạng bưu kiện hình hộp; bưu kiện mềm, xốp; phong bì, bìa thư Về phương pháp phân loại, ta nhận thấy các loại bưu kiện này khác nhau về hình dạng và cấu trúc của từng loại nên chắc chắn rằng ta không thể sử dụng các phương pháp phân loại bình thường như dùng cảm biến, bàn cân điện tử như các hệ thống phân loại khác được mà ta phải ứng dụng xử lý ảnh 3D và trí tuệ nhân tạo để phân loại sản phẩm dựa trên hình dạng của chúng Hệ thống phân loại bưu kiện sử dụng xử lý ảnh 3D là một phương pháp phân loại tự động dựa trên thông tin từ hình ảnh 3D của các bưu kiện Thay vì chỉ sử dụng thông tin từ hình ảnh 2D, hệ thống này sử dụng thông tin đồ họa 3D để phân loại và định vị các bưu kiện Các thuật toán và mô hình học máy có thể được áp dụng để nhận diện và phân loại sản phẩm dựa trên thông tin hình ảnh và đặc trưng hình dạng của mỗi loại.
Với các lý do được liệt kê bên dưới sẽ chứng minh cho việc tại sao cần sử dụng xử lý ảnh 3D mà không phải là một phương pháp nào khác là vì:
• Với thông tin từ hình ảnh 3D, hệ thống có thể thu thập thông tin về hình dạng, kích thước, cấu trúc và đặc điểm khác của bưu kiện Điều này cho phép phân loại chính xác hơn và cung cấp thông tin chi tiết về sản phẩm.
• Hệ thống phân loại bưu kiện sử dụng xử lý ảnh 3D có khả năng phân loại các loại bưu kiện đa dạng, bao gồm cả những sản phẩm có hình dạng phức tạp, không đồng đều hoặc có kích thước lớn.
• Xử lý ảnh 3D cung cấp thông tin rõ ràng và chi tiết về các bưu kiện, giúp tăng độ chính xác trong quá trình phân loại Các đặc trưng 3D cũng có thể được sử dụng để xác định các đặc điểm riêng biệt của từng bưu kiện, giúp đảm bảo độ chính xác trong phân loại.
• Hệ thống phân loại bưu kiện sử dụng xử lý ảnh 3D có khả năng linh hoạt và dễ dàng mở rộng để áp dụng cho nhiều ngành công nghiệp và ứng dụng khác nhau Nó có thể được tùy chỉnh và điều chỉnh để đáp ứng các yêu cầu cụ thể của từng hệ thống phân loại.
• Tự động hóa quy trình: Hệ thống phân loại bưu kiện sử dụng xử lý ảnh 3D giúp tự động hóa quy trình phân loại hàng hóa, giảm thiểu sự phụ thuộc vào con người và tăng hiệu suất làm việc.
Trong những năm gần đây, những yếu tố chính làm thúc đẩy thị trường logistics toàn cầu chính là việc tăng trưởng nhanh chóng của ngành công nghiệp thương mại điện tử và ngành công nghiệp tự động hóa Với sự kết hợp của trí tuệ nhân tạo, thương mại điện tử và tự động hóa đã tạo nên những giải pháp là chìa khóa giúp các doanh nghiệp giải quyết các bài toán khó đang gặp phải Trên thế giới hiện nay, có rất nhiều hệ thống phân loại ứng dụng xử lý ảnh 3D và AI, đặc biệt là robot phân loại thông minh có thể phân loại với tốc độ cao, hiệu quả các lô hàng được xếp chồng lên nhau thông qua những hình ảnh chụp được từ camera 3D lắp sẵn Một trong những sản phẩm ứng dụng và phát triển AI, xử lý ảnh 3D là module phân loại của Ambi Robotics sử dụng cánh tay robot 6 bậc tự do chuyển động linh hoạt Đây được coi là một giải pháp cực kì thông minh, cần được phát triển và sử dụng rộng rãi.
Từ ý tưởng về sử dụng công nghệ xử lý ảnh 3D của Ambi Robotics, hệ thống phân loại bưu kiện của nhóm cũng sẽ được sử dụng công nghệ xử lý ảnh 3D cho việc phân loại nhưng với kết cấu cơ khí đơn giản hơn rất nhiều so với cơ cấu cánh tay robot 6 bậc nhằm giảm chi phí và dễ dàng lắp đặt hơn.
CƠ SỞ LÝ THUYẾT
HỆ THỐNG PHÂN LOẠI BƯU KIỆN HIỆN NAY
Giải pháp sử dụng tay gắp phân loại tự động sử dụng các giác hút chân không của Ambi Robotic, đây là một công ty công nghiệp tự động hàng đầu thế giới có trụ sở chính ở California AmbiSort có thiết kế phần cứng hoạt động nhanh nhằm phục vụ cho các công việc phân loại trong ngành Logistics AmbiSort là một sản phẩm của Ambi Robotics, được xây dựng để hòa hợp cùng với sức mạnh của AI, đây là con robot toàn diện nhất trên thế giới phục vụ cho việc phân loại trong thương mại điện tử AmbiSort có thể phân loại các loại hộp, thùng, bưu kiện dạng mềm, bưu kiện nilon, phong bì từ thùng chứa nhiều loại bưu kiện, AmbiSort là một hệ thống phân loại bao gồm một cánh tay robot 6 bậc tự do với đầu công tác là giác hút chân không, cánh tay robot có nhiệm vụ nâng sản phẩm từ thùng hàng lên, quét mã vạch bằng camera được bố trí lắp đặt ở vị trí phù hợp và chuyển các bưu kiện vào khay vận chuyển Sau đó, khay vận chuyển sẽ vận chuyển bưu kiện đến các thùng phân loại với tốc độ phân loại cao hơn rất nhiều lần so với khi sử dụng nhân công phân loại nhưng lại đảm bảo được tính chính xác cũng như năng suất hoạt động Hệ thống phân loại robot thông minh đảm nhận phân loại hàng triệu bưu kiện mỗi ngày.
Hình 3 1 Cánh tay robot Ambi Robotics 6 bậc tự do
Bên cạnh dùng cánh tay robot của Ambi Robotic, chúng ta có hệ thống phân loại bưu kiện của Berkshire Grey là một giải pháp vô cùng hữu hiệu của ngành thương mại điện tử trên thế giới. Giải pháp phân loại của Berkshire Grey giảm chi phí vận chuyển, chi phí phân phối hơn rất nhiều so với khi sử dụng nhân công để phân loại, tốc độ phân loại bưu kiện được tối ưu hóa bằng công nghệ tự động chính là sử dụng cánh tay robot 5 bậc tự do cùng với sự kết hợp của mobile robot có chức năng vận chuyển hàng hóa đến nơi một cách chính xác và nhanh nhất Sự kết hợp hoàn hảo của cả một hệ thống phân loại đem đến một năng suất phân loại đáng kinh ngạc.
Hình 3 2 Cánh tay robot phân loại 5 bậc tự do của Berkshire Grey
Hệ thống dây chuyền phân loại bưu kiện Cross-belt Sortation là một module hiện nay rất phổ biến, được ứng dụng rộng rãi trong các ngành công nghiệp phân loại hàng hóa, sản phẩm bưu kiện ở đa số các nước phát triển trên thế giới lẫn Việt Nam, với khả năng phân loại tốc độ cao lên tới 24.000 sản phẩm/giờ Hệ thống phân loại các loại bưu kiện từ nhỏ đến các bưu kiện lớn có khối lượng tối đa 30kg Hệ thống băng tải phân loại Cross-belt Sortation phân loại các loại bưu kiện từ nhỏ đến các bưu kiện lớn có khối lượng tối đa 30kg Cấu trúc dựng băng tải thành vòng kín giúp tùy chỉnh cài đặt các vị trí cửa ra của sản phẩm dễ dàng Hệ thống phân loại kiểu này có thể chồng lên nhau thành nhiều tầng để tăng công suất và tiết kiệm diện tích lắp đặt hệ thống Hệ thống phân loại bưu kiện Cross-belt Sortation cho hiệu suất cao, tiêu thụ năng lượng thấp, tiếng ồn nhỏ với độ chính xác cao khi hệ thống vận hành Cấu trúc của hệ thống sử dụng các thành phần cơ khí có độ bền cao và an toàn đã được kiểm chứng Từ đó quá trình lắp ráp, sửa chữa, bảo trì cũng trở nên dễ dàng hơn, đem đến cho các doanh nghiệp, người dụng độ tin cậy cao và giảm chi phí bảo trì, bảo dưỡng trong tương lai khi sử dụng hệ thống Hệ thống băng tải kết hợp với các cửa ra được lắp đặt xung quanh băng tải tạo thành một dây chuyền phân loại khép kín Khi sản phẩm được băng tải đưa đến đúng vị trí cửa ra thì cần gạt đẩy sản phẩm xuống thùng phân loại.
Hình 3 3 Hệ thống phân loại bưu kiện Cross-belt Sortation 3.2 GIỚI THIỆU XỬ LÝ ẢNH
Trước hết ta cần biết xử lý ảnh là một lĩnh vực trong khoa học máy tính và trí tuệ nhân tạo nhằm thực hiện các phép biến đổi, phân tích, và trích xuất thông tin từ hình ảnh hoặc tín hiệu hình ảnh Mục tiêu của xử lý ảnh là cải thiện và hiểu rõ hơn nội dung của hình ảnh, giúp máy tính có thể xử lý và hiểu dữ liệu ảnh tương tự như con người Nó là một lĩnh vực quan trọng trong trí tuệ nhân tạo (AI) và thị giác máy tính Đây là một ngành khoa học còn khá mới mẻ so với nhiều ngành khoa học khác nhưng về tốc độ phát triển của nó trong những năm gần đây là rất nhanh Có rất nhiều ứng dụng đang được ứng dụng rộng rãi trong cuộc sống hàng ngày với nhiều lĩnh vực khác nhau như giao tiếp, y tế, an ninh, tự động hóa, nghệ thuật và giải trí Về cơ bản, trình tự của các bước cần thiết trong quá trình xử lý ảnh bao gồm: Đầu tiên ảnh sẽ từ được thu nhận từ thế giới bên ngoài thông qua các thiết bị thu như camera, máy chụp ảnh, máy scan, Khoảng thời gian trước đây, các tấm ảnh thu nhận được qua máy chụp hình là các bản phim nên nó sẽ không có tác dụng trong việc xử lý ảnh Trong những năm gần đây, với sự phát triển của công nghệ và nhu cầu ngày càng cao của con người, ảnh màu hoặc ảnh trắng được thu nhận từ camera, rồi sau đó nó sẽ được chuyển trực triếp thành ảnh kỹ thuật số tạo thuận lợi cho xử lý tiếp theo, các ảnh kĩ thuật số này được lấy từ máy ảnh số hoặc được chụp qua điện thoại … đây là những ví dụ gần gũi với chúng ta nhất Mặt khác, trong một vài lĩnh vực ảnh cũng có thể tiếp nhận từ vệ tinh ngoài không gian Sau khi tìm hiểu những điều cần biết về ảnh, tiếp đến chúng ta hãy cùng nhau tìm hiểu quy trình bên trong khi xử lý một ảnh Hình bên dưới dây mô tả các bước cơ bản trong xử lý ảnh.
Hình 3 4 Sơ đồ khối các bước cơ bản trong xử lý ảnh
Các phương pháp và kỹ thuật trong xử lý ảnh bao gồm:
- Tiền xử lý: Tiền xử lý là quá trình loại bỏ nhiễu, cân bằng màu sắc, cải thiện độ tương phản và sắc nét của hình ảnh để tăng cường chất lượng và độ tin cậy trong việc phân tích và trích xuất thông tin.
- Trích xuất đặc trưng: Đối với việc phân loại và nhận dạng đối tượng trong hình ảnh, cần trích xuất các đặc trưng đáng chú ý từ hình ảnh, chẳng hạn như các cạnh, điểm đặc trưng, màu sắc, hoặc các khu vực quan trọng.
- Phân đoạn hình ảnh: Phân đoạn hình ảnh là quá trình phân chia hình ảnh thành các vùng riêng biệt, giúp xác định các vị trí và giới hạn của các đối tượng trong hình ảnh.
- Nhận dạng và phân loại: Các thuật toán máy học và học sâu được sử dụng để nhận dạng và phân loại các đối tượng, đối tượng con trong hình ảnh hoặc phân loại cả hình ảnh.
- Khôi phục hình ảnh: Khôi phục hình ảnh là quá trình tái tạo và phục hồi thông tin bị mất trong hình ảnh do nhiễu hoặc định dạng nén.
- Theo dõi đối tượng: Xử lý ảnh cũng có thể sử dụng để theo dõi đối tượng qua các khung hình liên tiếp trong video.
3.3 NHỮNG VẤN ĐỀ TRONG XỬ LÝ ẢNH
3.3.1 Điểm ảnh Điểm ảnh (pixel) là đơn vị cơ bản nhỏ nhất trong một hình ảnh kỹ thuật số Từ "pixel" được tạo ra từ viết tắt của cụm từ "picture element" (yếu tố hình ảnh) Mỗi điểm ảnh đại diện cho một mục lục hình ảnh trên một mảng hai chiều, trong đó mỗi điểm ảnh có một vị trí duy nhất và giá trị màu hoặc cường độ tương ứng. Điểm ảnh như giải thích bên trên nó được gọi là pixel là một phần tử nhỏ nhất của ảnh số tại toạ độ (x, y) với độ sáng hoặc màu nhất định Khoảng cách giữa các điểm ảnh và kích thước đó được chọn để thích hợp sao cho mắt người cảm nhận được sự liên tục về không gian và mức xám của ảnh số gần như ảnh thật Mỗi phần tử trong ma trận được gọi là một phần tử ảnh. Điểm ảnh là thành phần cơ bản của các phép xử lý ảnh và đóng vai trò quan trọng trong việc mô tả và biểu diễn thông tin hình ảnh.
3.3.2 Độ phân giải Độ phân giải của một hình ảnh chỉ số lượng điểm ảnh (pixel) có trong hình ảnh Nó xác định chi tiết và độ rõ nét của hình ảnh Độ phân giải được đo bằng số lượng pixel trên mỗi chiều của hình ảnh, thường là chiều ngang và chiều dọc. Độ phân giải được biểu diễn dưới dạng "số lượng pixel trên chiều ngang x số lượng pixel trên chiều dọc" Ví dụ, một hình ảnh có độ phân giải 1920x1080 tức là có tổng cộng 1920 pixel trên chiều ngang và 1080 pixel trên chiều dọc. Độ phân giải càng cao, hình ảnh càng chi tiết hơn vì nó chứa nhiều điểm ảnh hơn để mô tả thông tin hình ảnh Tuy nhiên, việc có độ phân giải cao cũng đồng nghĩa với việc tăng kích thước của hình ảnh và yêu cầu lưu trữ và xử lý dữ liệu lớn hơn.[31] 3.3.3 Mức xám
Mức xám của một ảnh là một biểu diễn của ảnh chỉ dùng các mức xám, không có thông tin về màu sắc Mức xám được sử dụng trong ảnh đen trắng hoặc ảnh xám để chỉ mức độ sáng tối của mỗi điểm ảnh.
Trong một ảnh mức xám, mỗi điểm ảnh được biểu diễn bằng một giá trị số duy nhất thể hiện mức độ sáng tối của điểm ảnh đó Giá trị này thường nằm trong khoảng từ 0 đến 255, trong đó 0 biểu thị đen tuyệt đối và 255 biểu thị trắng tuyệt đối Giá trị ở giữa đại diện cho các mức xám nằm giữa đen và trắng.
Cách chuyển đổi một ảnh màu sang mức xám thường dựa trên công thức trung bình hoặc trọng số Công thức trung bình tính trung bình giá trị của các kênh màu RGB để tính toán giá trị mức xám tương ứng Công thức trọng số sử dụng trọng số khác nhau cho từng kênh màu để tính toán giá trị mức xám, đưa ra kết quả chính xác hơn cho một số trường hợp.
Mức xám được sử dụng trong nhiều ứng dụng xử lý ảnh, như trích xuất đặc trưng, phân đoạn, phân loại và xử lý hình ảnh Nó giúp tập trung vào thông tin về độ sáng tối của ảnh và loại bỏ thông tin về màu sắc, thuận tiện cho một số bài toán phân tích và xử lý ảnh đơn giản. Ảnh màu mà chúng ta được biết sẽ nằm trong khuôn khổ lý thuyết ba màu là màu đỏ, xanh dương và xanh lá Để tạo nên một thế giới màu, người ta thường dùng 3 byte để mô tả mức màu, khi đó các giá trị màu sẽ là 16,7 triệu màu.
3.3.4 Ảnh số Ảnh số là một biểu diễn số hóa của một hình ảnh Nó là một tập hợp các điểm ảnh được mã hóa thành các giá trị số để biểu thị thông tin về màu sắc và cường độ ánh sáng của các điểm ảnh trong hình ảnh.
NHỮNG VẤN ĐỀ TRONG XỬ LÝ ẢNH
3.3.1 Điểm ảnh Điểm ảnh (pixel) là đơn vị cơ bản nhỏ nhất trong một hình ảnh kỹ thuật số Từ "pixel" được tạo ra từ viết tắt của cụm từ "picture element" (yếu tố hình ảnh) Mỗi điểm ảnh đại diện cho một mục lục hình ảnh trên một mảng hai chiều, trong đó mỗi điểm ảnh có một vị trí duy nhất và giá trị màu hoặc cường độ tương ứng. Điểm ảnh như giải thích bên trên nó được gọi là pixel là một phần tử nhỏ nhất của ảnh số tại toạ độ (x, y) với độ sáng hoặc màu nhất định Khoảng cách giữa các điểm ảnh và kích thước đó được chọn để thích hợp sao cho mắt người cảm nhận được sự liên tục về không gian và mức xám của ảnh số gần như ảnh thật Mỗi phần tử trong ma trận được gọi là một phần tử ảnh. Điểm ảnh là thành phần cơ bản của các phép xử lý ảnh và đóng vai trò quan trọng trong việc mô tả và biểu diễn thông tin hình ảnh.
3.3.2 Độ phân giải Độ phân giải của một hình ảnh chỉ số lượng điểm ảnh (pixel) có trong hình ảnh Nó xác định chi tiết và độ rõ nét của hình ảnh Độ phân giải được đo bằng số lượng pixel trên mỗi chiều của hình ảnh, thường là chiều ngang và chiều dọc. Độ phân giải được biểu diễn dưới dạng "số lượng pixel trên chiều ngang x số lượng pixel trên chiều dọc" Ví dụ, một hình ảnh có độ phân giải 1920x1080 tức là có tổng cộng 1920 pixel trên chiều ngang và 1080 pixel trên chiều dọc. Độ phân giải càng cao, hình ảnh càng chi tiết hơn vì nó chứa nhiều điểm ảnh hơn để mô tả thông tin hình ảnh Tuy nhiên, việc có độ phân giải cao cũng đồng nghĩa với việc tăng kích thước của hình ảnh và yêu cầu lưu trữ và xử lý dữ liệu lớn hơn.[31] 3.3.3 Mức xám
Mức xám của một ảnh là một biểu diễn của ảnh chỉ dùng các mức xám, không có thông tin về màu sắc Mức xám được sử dụng trong ảnh đen trắng hoặc ảnh xám để chỉ mức độ sáng tối của mỗi điểm ảnh.
Trong một ảnh mức xám, mỗi điểm ảnh được biểu diễn bằng một giá trị số duy nhất thể hiện mức độ sáng tối của điểm ảnh đó Giá trị này thường nằm trong khoảng từ 0 đến 255, trong đó 0 biểu thị đen tuyệt đối và 255 biểu thị trắng tuyệt đối Giá trị ở giữa đại diện cho các mức xám nằm giữa đen và trắng.
Cách chuyển đổi một ảnh màu sang mức xám thường dựa trên công thức trung bình hoặc trọng số Công thức trung bình tính trung bình giá trị của các kênh màu RGB để tính toán giá trị mức xám tương ứng Công thức trọng số sử dụng trọng số khác nhau cho từng kênh màu để tính toán giá trị mức xám, đưa ra kết quả chính xác hơn cho một số trường hợp.
Mức xám được sử dụng trong nhiều ứng dụng xử lý ảnh, như trích xuất đặc trưng, phân đoạn, phân loại và xử lý hình ảnh Nó giúp tập trung vào thông tin về độ sáng tối của ảnh và loại bỏ thông tin về màu sắc, thuận tiện cho một số bài toán phân tích và xử lý ảnh đơn giản. Ảnh màu mà chúng ta được biết sẽ nằm trong khuôn khổ lý thuyết ba màu là màu đỏ, xanh dương và xanh lá Để tạo nên một thế giới màu, người ta thường dùng 3 byte để mô tả mức màu, khi đó các giá trị màu sẽ là 16,7 triệu màu.
3.3.4 Ảnh số Ảnh số là một biểu diễn số hóa của một hình ảnh Nó là một tập hợp các điểm ảnh được mã hóa thành các giá trị số để biểu thị thông tin về màu sắc và cường độ ánh sáng của các điểm ảnh trong hình ảnh.
Trong ảnh số, mỗi điểm ảnh được biểu diễn bằng một giá trị số, thường là một số nguyên hoặc số thực, để đại diện cho thông tin về mức độ sáng tối hoặc màu sắc của điểm ảnh đó Đối với hình ảnh màu, thông thường sử dụng các kênh màu RGB (Red, Green, Blue) để biểu diễn màu sắc của mỗi điểm ảnh Mỗi kênh màu có thể được biểu diễn bằng một giá trị số trong khoảng từ 0 đến 255 hoặc từ 0 đến 1.
3.3.5 Quan hệ giữa các điểm ảnh
Các lân cận của một điểm ảnh (pixel) trong một hình ảnh thường được xác định bằng cách xem xét các điểm ảnh xung quanh nó trong một khu vực cụ thể Các lân cận này có thể được xác định dựa trên mô hình hàng xóm, trong đó xem xét các điểm ảnh hàng xóm trực tiếp hoặc có thể bao gồm cả các điểm ảnh theo đường chéo.
Có hai mô hình hàng xóm phổ biến là mô hình hàng xóm 4 và mô hình hàng xóm 8. Trong mô hình hàng xóm 4, một điểm ảnh có 4 điểm ảnh hàng xóm trực tiếp, bao gồm điểm ảnh phía trên, phía dưới, bên trái và bên phải Trong mô hình hàng xóm 8, một điểm ảnh có 8 điểm ảnh hàng xóm, bao gồm cả các điểm ảnh theo đường chéo (các góc).
Hình 3 5 Lân cận các điểm ảnh của tọa độ (x,y)
Các lân cận của một điểm ảnh quan trọng trong nhiều tác vụ xử lý ảnh Ví dụ, trong xử lý ảnh số, việc xem xét các lân cận của một điểm ảnh cho phép thực hiện các phép biến đổi như làm mờ (blurring) bằng cách tính trung bình giá trị của các điểm ảnh lân cận, làm nổi bật biên (edge detection) bằng cách so sánh giá trị của điểm ảnh với giá trị của các điểm ảnh lân cận, hay phát hiện vật thể bằng cách phân tích sự khác biệt giữa các lân cận.
Các lân cận cũng được sử dụng trong việc xác định các mẫu hoặc cấu trúc trong hình ảnh, như trong việc trích xuất đặc trưng hoặc phân đoạn Thông qua việc xem xét các lân cận của các điểm ảnh, có thể áp dụng các thuật toán như convolution (tích chập) để thực hiện các phép xử lý trên hình ảnh.
Trong xử lý ảnh, lọc nhiễu là một kỹ thuật được sử dụng để giảm thiểu hoặc loại bỏ các hiện tượng nhiễu hoặc biến đổi không mong muốn khác từ hình ảnh Nhiễu có thể xuất hiện trong quá trình thu thập dữ liệu hoặc lưu trữ, quá trình truyền tải hoặc xử lý ảnh và nó làm mờ, làm giảm độ tương phản, hay thay đổi thông tin trong hình ảnh.
Như thông thường, ảnh thu nhận được thường sẽ bị nhiễu nên ta cần phải loại bỏ nhiễu.Đối với hầu hết các ứng dụng xử lý ảnh, việc loại bỏ nhiễu là một bước quan trọng để cải thiện chất lượng và độ tin cậy của hình ảnh Khi ảnh được thu thập hoặc xử lý, nó có thể bị nhiễu do nhiều nguyên nhân, chẳng hạn như điểm nhiễu trong quá trình thu thập, nhiễu môi trường, hoặc nhiễu do các phép biến đổi, nén hoặc xử lý trước đó Để làm trơn nhiễu hay tách nhiễu, người ta sử dụng các bộ lọc phi tuyến hoặc bộ lọc tuyến tính Để lọc nhiễu người ta sẽ thường dùng lọc thống thấp Để làm nổi đường cạnh ứng với tần số cao người ta sẽ thường dùng các bộ lọc thông cao, lọc Laplace.
Dưới đây là một số kỹ thuật lọc nhiều phổ biến:
• Lọc trung bình: sử dụng một mặt nạ (kernel) trung bình để tính trung bình các giá trị pixel xung quanh mối pixel trong ảnh.
• Lọc Gaussian: bộ lọc này sẽ áp dụng một bộ lọc Gaussian để làm mờ ảnh và giảm nhiễu Lọc Gaussian tạo ra hiệu ứng mờ mịt và giữ lại các đặc trưng cơ bản của hình ảnh.
TỔNG QUAN VỀ THỊ GIÁC MÁY TÍNH
3.4.1 Giới thiệu thị giác máy tính 2D
Thị giác máy tính 2D là lĩnh vực của trí tuệ nhân tạo và khoa học máy tính tập trung vào xử lý và hiểu hình ảnh 2D Nó liên quan đến việc giải quyết các vấn đề như nhận diện, phân loại, theo dõi, đo lường và hiểu hình ảnh và video Các phương pháp và kỹ thuật trong thị giác máy tính 2D nhằm giúp máy tính hiểu và tương tác với hình ảnh 2D như con người Thị giác máy tính 2D có rất nhiều ứng dụng trong nhiều lĩnh vực, bao gồm công nghiệp, y tế, an ninh, xe tự hành, nhận dạng khuôn mặt, và thậm chí trong đời sống hàng ngày như ứng dụng nhận dạng ký tự trên biển số xe, ứng dụng tìm kiếm hình ảnh trực tuyến và nhiều hơn nữa Và dưới đây là một số phương pháp phổ biến để giải quyết các bài toán cơ bản của thị giác máy tính
3.4.1.1 Một số phương pháp Deep Learning – bài toán về Object Detection
Object Detection – nhân dạng đối tượng là một trong những bài toán Object Detection, là một trong những bài toán quan trọng trong lĩnh vực xử lý ảnh và trí tuệ nhân tạo Nhiệm vụ của bài toán này là phát hiện và xác định vị trí của các đối tượng trong hình ảnh hoặc video và đồng thời gán nhãn cho chúng Mục tiêu là tìm các đối tượng có vị trí và hình dạng đa dạng trong một bức ảnh hoặc khung hình Các thuật toán nổi tiếng có thể kể đến như là: R-CNN,Fast R-CNN, Faster R-CNN, các phiên bản YOLO, SSD, EfficientDet,…
Hình 3 7 Đầu ra của bài toán Object Detection
Cấu trúc mạng CNN là một loại kiến trúc mạng nơ-ron sâu được thiết kế đặc biệt cho xử lý ảnh và dữ liệu không gian CNN đã đạt được rất nhiều thành công và phổ biến trong nhiều ứng dụng xử lý ảnh, như nhận dạng đối tượng, phân đoạn hình ảnh, nhận diện khuô n mặt, xử lý video…
Cấu trúc CNN bao gồm các thành phần chính sau:
- Lớp Convolutional: Đây là lớp cốt lõi của CNN Lớp tích chập áp dụng các bộ lọc (kernel) nhỏ có kích thước nhỏ trên các vùng nhỏ của hình ảnh để tìm các đặc trưng cục bộ, như cạnh, góc, texture, v.v Khi tiến hành các phép tích chập này, CNN học cách trích xuất các đặc trưng phù hợp với bài toán từ dữ liệu huấn luyện.
- Lớp Activation: Sau khi lớp tích chập, một hàm kích hoạt được áp dụng để thêm tính phi tuyến tính vào mạng Hàm kích hoạt thường là ReLU để giữ lại các giá trị không âm và giảm thiểu hiện tượng mất mát thông tin (vanishing gradient).
- Lớp Pooling: Lớp gộp được sử dụng để giảm kích thước của đặc trưng trích xuất từ lớp tích chập và giảm số lượng tham số Phổ biến nhất là lớp gộp với cơ chế tối đa hay còn được gọi là max-pooling lấy giá trị lớn nhất trong mỗi vùng.
- Lớp Fully Connected: Lớp hoàn chỉnh là lớp nơ-ron thông thường, mỗi nơ-ron ở lớp này kết nối với tất cả các nơ-ron trong lớp trước đó Lớp này có nhiệm vụ phân loại và xử lý thông tin từ các đặc trưng đã được trích xuất từ các lớp trước.
- Lớp Output: Lớp cuối cùng của CNN đưa ra dự đoán hoặc phân loại cho dữ liệu đầu vào Số lượng nơ-ron trong lớp này phụ thuộc vào số lượng lớp đầu ra mà bài toán đang giải quyết.
Cấu trúc mạng CNN được thiết kế để tự động trích xuất và học các đặc trưng từ dữ liệu không gian, giúp mạng tự động học các đặc trưng phù hợp với bài toán và cải thiện hiệu suất cho nhiều tác vụ xử lý ảnh.
Hình 3 8 Ví dụ về cấu trúc mạng CNN
Mạng R-CNN là một trong những kiến trúc mạng nơ-ron sâu đầu tiên đạt được thành công lớn trong bài toán phát hiện đối tượng Được giới thiệu bởi Ross Girshick, et al vào năm
2014, R-CNN đã làm thay đổi cách tiếp cận trong việc phát hiện đối tượng và đã mở ra con đường cho các kiến trúc mạng phát hiện đối tượng tiếp theo.
Mô hình R-CNN là một trong những phương pháp đầu tiên áp dụng CNN cho object detection Nó hoạt động bằng cách đề xuất các vùng tiềm năng chứa đối tượng, rồi áp dụngCNN để trích xuất đặc trưng từ các vùng này và sử dụng các thuật toán máy học để phân loại đối tượng.
Hình 3 9 Ví dụ về cấu trúc mô hình R-CNN
R-CNN trung bình cần khoảng 50s để có thể xử lý một bức ảnh Nếu trong tập ảnh xử lý có ảnh nhiều đối tượng thì thời gian xử lý sẽ lâu hơn rất nhiều.
Vì mỗi vùng đề xuất cần phải trích xuất đặc trưng độc lập, việc tính toán trở nên rất tốn kém và không hiệu quả Điều này đã thúc đẩy sự phát triển của các kiến trúc mạng phát hiện đối tượng tiếp theo như Fast R-CNN, Faster R-CNN, và YOLO, giúp cải thiện hiệu suất và tốc độ của phát hiện đối tượng.
Mô hình Fast R-CNN là một tiến bộ đáng kể từ mô hình R-CNN gốc, giúp cải thiện hiệu suất và tăng tốc độ trong bài toán phát hiện đối tượng Được giới thiệu bởi Ross Girshick vào năm 2015, Fast R-CNN giải quyết nhược điểm của R-CNN bằng cách thực hiện trích xuất đặc trưng và phân loại đối tượng trên toàn bộ hình ảnh một cách hiệu quả Fast R-CNN là phiên bản cải tiến của R-CNN, giúp tăng tốc quá trình object detection.
THIẾT KẾ HỆ THỐNG CƠ KHÍ
YÊU CẦU KĨ THUẬT
Để tính toán và thiết hệ thống phân loại bưu kiện thì phần cơ khí của hệ thống phân loại cần có những yêu cầu kĩ thuật như sau:
• Hệ thống được đặt cố định trên một mặt phẳng
• Nâng được bưu kiện có trọng lượng tối đa là 2kg
• Phân loại tối đa từ 2 đến 3 bưu kiện trên 1 phút
• Đảm bảo được lực hút, không làm rơi bưu kiện khi đang vận chuyển.
• Phân loại chính xác đến vị trí được xác định
• Hệ thống phân loại hoạt động êm ái, ít tiếng ồn.
PHƯƠNG ÁN THIẾT KẾ
Hiện nay, có nhiều cơ cấu tay máy phổ biến được sử dụng trong nhiều ngành công nghiệp và ứng dụng khác nhau Dưới đây là một số cơ cấu tay máy phổ biến:
Tay máy kiểu tọa độ vuông góc: là một loại robot công nghiệp có cấu trúc và cơ cấu hoạt động để di chuyển trong hệ tọa độ vuông góc (x, y, z) Tay máy kiểu tọa độ vuông góc được thiết kế để di chuyển theo các trục vuông góc với nhau, giúp thực hiện các nhiệm vụ trong không gian 3D Vùng làm việc của tay máy này sẽ có dạng hình hộp chữ nhật Với kết cấu bao gồm các khớp trượt tịnh tiến sẽ dễ dàng lắp đặt và các kiểu cơ cấu kiểu này có độ cứng vững cao, độ chính xác được đảm bảo đồng đều trong toàn bộ vùng làm việc, nhưng nếu so về sự uyển chuyển và khéo léo thì tay máy kiểu tọa độ vuông góc không bằng các kiểu tay máy khác.Tay máy kiểu tọa độ vuông góc thường được sử dụng trong các ứng dụng yêu cầu chuyển động phức tạp, đa hướng và kiểm soát chính xác vị trí và hướng di chuyển Các ứng dụng phổ biến của tay máy kiểu tọa độ vuông góc bao gồm sản xuất ô tô, điện tử, cơ khí, và nhiều lĩnh vực công nghiệp khác.
Hình 4 1 Tay máy kiểu tọa độ vuông góc
Khác với tay máy tọa độ vuông góc, tay máy kiểu tọa độ trụ Kiểu tay máy này sẽ bao gồm thêm một khớp quay Vùng làm việc của nó cũng có sự thay đổi so với tọa độ vuông góc, nó có dạng là một hình trụ Tay máy tọa độ trụ di chuyển xoay quanh trục dọc chính xác, thường được sử dụng để thực hiện các nhiệm vụ xoay và điều khiển góc quét Độ cứng vững cơ học của tay máy trụ tốt, thích hợp với tải nặng, nhưng độ chính xác định vị góc trong mặt phẳng nằm ngang giảm khi tầm với tăng.
Hình 4 2 Tay máy kiểu tọa độ trụ
Tay máy kiểu tọa độ cầu khác kiểu trụ, là một loại robot công nghiệp có cơ cấu và cấu trúc giống như hệ tọa độ cầu trong hệ thống tọa độ ba chiều (r, θ, φ) Tay máy kiểu tọa độ cầu) Tay máy kiểu tọa độ cầu được thiết kế để di chuyển trong không gian 3D bằng cách sử dụng hệ tọa độ cầu thay vì hệ tọa độ Descartes (x, y, z) Hệ tọa độ cầu phủ sóng rộng hơn, giúp robot di chuyển linh hoạt và định vị trong không gian 3D.
Hình 4 3 Tay máy kiểu tọa độ cầu
Tay máy kiểu tay người là một loại robot công nghiệp được thiết kế với cấu trúc và chức năng tương tự như cánh tay của con người Nó nhằm mô phỏng và thực hiện các chuyển động tương tự như tay người trong không gian ba chiều, cho phép thực hiện nhiều nhiệm vụ như cầm nắm, cầm và thả các vật phẩm, thực hiện các thao tác cụ thể, và làm việc trong các môi trường phức tạp Cấu trúc của tay máy kiểu tay người thường bao gồm các khớp cơ bản tương tự như cấu trúc tay người: khớp vai, khớp khuỷu tay, khớp cổ tay, khớp ngón tay Với kết cấu này,không có sự tương ứng giữ khả năng chuyển động của các khâu và số bậc tự do Tay máy kiểu này làm việc rất khéo léo, những độ chính xác vị trí phụ thuộc vị trí của phần công tác trong vùng làm việc Tay máy kiểu tay người thường được sử dụng trong các ứng dụng yêu cầu độ linh hoạt và đa nhiệm, như trong ngành công nghiệp sản xuất, lắp ráp, nghiên cứu và y tế Với kết cấu kiểu tay người này sẽ khá phức tạp trong khâu thiết kế và lắp ráp Để kết hợp cùng khâu phân loại bưu kiện thì việc bố trí các khối cũng sẽ khó khăn hơn.
Hình 4 4 Tay máy kiểu tay người
Với những yêu cầu kĩ thuật được nêu trên, hệ thống có tốc độ phân loại vừa phải, không quá nhanh nhưng độ chính xác phải cao Từ đó, nhóm lên ý tưởng thiết kế cho hệ thống là sẽ bao gồm 3 khối chính đó là khối cấp hàng, khối tay gắp và khối chứa bưu kiện Khối cấp hàng bao gồm tải đưa các bưu kiện vào hệ thống để tiến hành phân loại Khối tay gắp sẽ được thiết kế dựa trên cơ cấu cánh tay robot 2 bậc tự do di chuyển theo hai phương X và Z Trục phương
Z là trục chứa đầu công tác bao gồm các giác hút chân không, có nhiệm vụ nâng hạ các loại bưu kiện Trục phương X có nhiệm vụ đưa các bưu kiện đến khối phân loại sau khi nhận được tín hiệu Trục phương X là phần kết nối giữa hai khối với nhau nên sự chắc chắn của nó phải cần được đảm bảo và có độ chính xác tốt Và cuối cùng là khối chứa bưu kiện, khối này sẽ có ba ô để chứa 3 loại bưu kiện: bìa thư, bưu kiện xốp mềm, bưu kiện hình hộp.
Hình 4 5 Phương án thiết kế hệ cơ cấu phân loại của nhóm lựa chọn
Hình ảnh 3D bên trên được nhóm thiết kế bằng phần mềm SolidWorks, đây là thiết kế mà nhóm tác giả thấy phù hợp với đề tài vì tính thực hiện cơ khí và thuận lợi trong việc điều khiển.
THIẾT KẾ 3D HỆ THỐNG PHÂN LOẠI BƯU KIỆN
Trải qua việc tìm hiểu các phương án thiết kế, sau khi đã tìm ra được phương án thiết kế phù hợp cho hệ thống, dễ dàng lắp đặt, nhóm tiến hành vẽ 3D chi tiết trước khi bắt đầu bước vào quá trình gia công lắp đặt.
Hình 4 6 Khối 1 và 3 của hệ thống
Hình 4 7 Khối 2 của hệ thống
Hệ thống cơ khí bao gồm 3 khối chính như được kể đến ở phần phương án thiết kế:
• Khối 1 là khối cấp hàng: khối này là phần cấp các bưu kiện vào cho hệ thống, các bưu kiện này đã được phân loại theo vùng gửi trước đó.
• Khối 2 là khối tay gắp: bao gồm cơ cấu cánh tay robot 2 bậc tự do theo phương
X, Z có nhiệm vụ vận chuyển các bưu kiện đến khối 3 Cơ cấu truyền động này sử dụng trục vít me để mang lại độ êm ái và chính xác mặc dù tốc độ di chuyển không quá nhanh.
• Khối 3 là khối chứa bưu kiện gồm 3 ô hàng chứa 3 loại bưu kiện mà nhóm đã đề cập đến trong đề tài.
XÂY DỰNG PHẦN KHUNG NHÔM
Câu hỏi đặt ra tại sao nhóm lại chọn nhôm định hình là vật liệu làm khung nhôm cho toàn bộ hệ thống?
Nhôm là một kim loại nhẹ, chỉ chiếm khoảng 1/3 trọng lượng của thép Do đó, các sản phẩm nhôm định hình có trọng lượng nhẹ hơn so với các sản phẩm tương tự được làm từ các vật liệu khác Điều này làm cho nhôm định hình trở thành lựa chọn lý tưởng trong các ứng dụng cần sự nhẹ nhàng Nhôm định hình dễ dàng được cắt, gia công và gia công bằng các công cụ cơ khí thông thường, giúp tiết kiệm thời gian và công sức trong quá trình sản xuất Về độ bền và chống ăn mòn, nhôm có tính chống ăn mòn tự nhiên, không bị rỉ sét như các kim loại khác như thép Nó cũng có khả năng chống tác động từ môi trường và thời tiết khắc nghiệt như nhiệt độ cao, độ ẩm và ánh sáng mặt trời Do đó, các sản phẩm nhôm định hình có t hể được sử dụng trong nhiều môi trường khác nhau mà không bị ảnh hưởng bởi các yếu tố môi trường. Nhôm định hình có bề mặt trơn và có thể được hoàn thiện với nhiều lớp phủ bảo vệ và màu sắc khác nhau Điều này cho phép tạo ra các sản phẩm nhôm định hình với vẻ ngoài hấp dẫn và chất lượng cao, phù hợp với nhiều kiến trúc và thiết kế.
Nhóm sử dụng chủ yếu 2 kích thước nhôm định hình là 20x20mm và 20x40mm cho toàn bộ hệ thống phân loại
Hình 4 8 Các kích thước nhôm định hình nhóm sử dụng
Nhận xét: Với những ưu điểm trên cộng với giá thành khá phù hợp với sinh viên nên nhóm quyết định sử dụng nhôm định hình làm khung và các trục cánh tay cho hệ thống phân loại của nhóm.
XÂY DỰNG PHẦN CẤP BƯU KIỆN
Sau khi chọn lựa được vật liệu cho phần khung hệ thống, tiếp đến nhóm đi vào khối cấp bưu kiện Phần cấp này nói dễ hiểu nó chính là băng chuyển đưa các bưu kiện đến đầu công tác để phân loại.
Trên thị trường hiện nay có các loại băng tải sau:
• Băng tải trục: Loại băng tải này có dạng dài và phẳng, được hỗ trợ bởi trục trục dọc và lăn trục ngang Chúng thường được sử dụng trong các ứng dụng công nghiệp như sản xuất, xử lý vật liệu, và hệ thống vận chuyển hàng hóa.
• Băng tải trục xoắn: Loại băng tải này có dạng xoắn và được sử dụng để vận chuyển các vật liệu như đồng hồ cát, nguyên liệu thức ăn, hoặc sản phẩm tự nhiên như gỗ và cỏ.
• Băng tải PVC: Loại băng tải này được làm từ chất liệu PVC chất lượng cao, có độ bền tốt và chịu được áp lực cao Chúng thường được sử dụng trong ngành công nghiệp thực phẩm và đóng gói, nơi cần sự chống thấm nước và dễ dàng vệ sinh.
• Băng tải cao su: Loại băng tải này được làm từ cao su tổng hợp hoặc cao su thiên nhiên. Chúng có tính đàn hồi tốt, chống mài mòn và chịu được nhiệt độ cao Băng tải ca o su thường được sử dụng trong các ngành công nghiệp như khai thác mỏ, xi măng, và thép.
Hình 4 9 Băng tải PVC Nhận xét: Nhìn qua các ưu và nhược điểm của các loại băng tải Để vận chuyển êm ái, có độ bền cao, chịu được áp lực và mài mòn trong quá trình vận chuyển, có khả năng chịu tải trọng nặng và tuổi thọ lâu dài, tiết kiệm chi phí bảo trì và thay thế, dễ dàng vệ sinh So với một số loại băng tải khác như băng tải cao su, băng tải PVC có chi phí thấp hơn rất nhiều nên nhóm quyết định chọn loại băng tải PVC cho cơ cấu vận chuyển.
Hình 4 10 Khối cấp bưu kiện
❖ Tính toán chọn lựa các chi tiết của băng tải:
Với yêu cầu kĩ thuật đường kính tang băng tải D tg ( mm)
Với yêu cầu kĩ thuật tốc độ quay của tang băng tải là 40 (vòng/phút)
Vận tốc chuyển động thực của băng tải: v .D.n k .0,014.40
60 60 trong đó: v : tốc độ trung bình của bộ phận kéo ( m / s)
D tg : Đường kính tang của băng tải ( m) k: hệ số trượt ( k = 0,98 0,99)
Vì yêu cầu đầu vào là các bưu kiện có kích thước tối đa 15x20x10cm nên để đảm bảo đúng với yêu cầu băng tải nên có chiều rộng B = 200( mm)
Số lớp đệm của băng được chọn là 3
Với yêu cầu phân loại từ 2 đến 3 bưu kiện 1 phút thì trong 1 giờ cần phân loại từ 120 đến 180 bưu kiện
Năng suất tính toán của băng tải z =z yc
.1,1 0.1,1 8(bưu kiện/giờ) trong đó: 1,1 là hệ số nạp liệu không đều
Ta có, thời gian vận chuyển 1 sản phẩm: t 600 z
Vậy khoảng cách giữa các bưu kiện là a = 0, 028.18, 2.1 i : số sản phẩm trong 1 công đoạn làm việc
Trọng lượng vật liệu có ích trên 1 mét dài của băng tải:
=0,5( m) q =G vl a với G là khối lượng tối đa 1 sản phẩm (kg) Chiều dày lớp cao su được chọn dựa theo bảng 3.5 trang 50 của như sau: phía bề mặt làm việc 1 =1( mm) ; phía bề mặt không làm việc
Trọng lượng phân bổ của băng:
Chu tuyến định hướng di chuyển của băng tải được chia thành 4 đoạn riêng biệt bao gồm 4 điểm từ 1 đến 4 Ta sẽ đi lần lượt tính toán từ điểm 1 đến điểm 4
Hình 4 11 Chu tuyến của băng tải
Tại điểm 1 có lực căng tại nhánh ra của tang dẫn động: S 1 = S ra Ở đoạn 1 2 nhánh không tải, lực cản chuyển động:
0 q cl : trọng lượng các bộ phận quay của các gối tựa lăn ở nhánh không tải (kG/m)
L 1−2 : chiều dài đoạn 1 2 của băng tải
= 0, 018 : hệ số cản chuyển động chung của băng tải lên con lăn
Lực kéo căng tại điểm 2:
2 3 được xác định như sau:
Lực kéo căng tại điểm 3:
Lực cản ở đoạn 3 4 được xác định như sau:
3− 4 b vl 3−4 với f = 0, 4là hệ số ma sát của băng lên tấm thép
L 3−4 : chiều dài đoạn 3 4 của băng tải
Tổng lực cản chuyển động trên nhánh băng tải:
Tổng lực căng tải điểm 4:
Ta có: S 4 = S vao = S ra e fa = S 1 e fa
Dựa vào bảng 2.1 trang 28 của TLTK [28] khi = 180 0 ; f = 0,35; e fa = 3
Từ các giá trị bên trên ta có: 3 S 1 = 1, 07 S 1 + 2, 62
Suy ra: S 1 = 1,36( kG ), S 2 = 1,374( kG ), S 3 = 1, 47( kG ), S 4 = 4, 07( kG)
Kiểm tra đồ bền của băng tải: i S max k
S max : lực căng lớn nhất (kG)
9là hệ số dự trữ bền kéo của căng tang dẫn động không tính đến cản trong ổ trục:
Lực kéo chung ở tang dẫn động:
Chọn động cơ có số vòng quay 60 vòng/phút Ta tính được tỉ số truyền của bộ phận dẫn động i = n dc = 60
Vì ta không cần nhất thiết chọn đúng động cơ có tốc độ vòng quay là 60 nên ở phần băng tải này ta có thể dùng bộ truyền đai với tỉ số truyền 1/1.
Công suất cần thiết của động cơ là:
Trong đó: kh = 0,92 là hiệu suất các khớp nối gt : hiệu suất toàn bộ các bộ truyền của cơ cấu
Với băng tải chính này, yêu cầu được đặt ra là dừng theo tín hiệu của hệ thống phân loại và chịu được tải có khối lượng nặng nhất là 2,5 kg Theo tính toán bên trên và hệ thống không yêu cầu quá nhiều về độ chính xác của chuyển động băng tải nên nhóm chọn động cơ giảm tốc 24VDC và bộ truyền đai với tỉ số truyền 1/1.
Hình 4 12 Động cơ giảm tốc 24VDC
Bên dưới là bảng thông số của loại động cơ này.
Bảng 4.1 Thông số kỹ thuật của động cơ giảm tốc 24VDC
Thông số kỹ thuật Giá trị Điện áp 24 VDC
Dòng định mức trung bình 1.3 A
Chiều dài trục 17,5 mm Đường kính trục 6 mm
XÂY DỰNG PHẦN TAY GẮP
Trục vít me là một thành phần cơ khí khá phổ biến trong công nghiệp được sử dụng trong nhiều ứng dụng để chuyển đổi chuyển động quay thành chuyển động tịnh tiến Dưới đây là một số ưu điểm của trục vít me mà nhóm đã tìm hiểu:
• Trục vít me cung cấp chuyển động tuyến tính chính xác với độ chính xác cao Với bước vít nhất định và thông số kỹ thuật chính xác, trục vít me cho phép điều chỉnh và kiểm soát chính xác vị trí của các bộ phận trong hệ thống.
• Trục vít me có khả năng chịu tải cao Thiết kế với đường kính lớn và khoảng cách giữa các vòng ren lớn giúp trục vít me chịu được lực ép và lực kéo lớn.
• Trục vít me có hiệu suất truyền động tốt Sự tiếp xúc lớn giữa trục vít và ren giúp truyền động năng lượng một cách hiệu quả, giảm thiểu mất mát năng lượng trong quá trình chuyển động.
• Trục vít me có độ bền và tuổi thọ cao Chúng có khả năng hoạt động ổn định trong thời gian dài và yêu cầu ít bảo trì.
• Trục vít me cung cấp chuyển động ổn định và ít rung động Các vòng ren chặt chẽ và tính cân bằng của trục vít giúp giảm thiểu rung động và đảm bảo sự ổn định trong quá trình vận hành.
Hệ thống phân loại bưu kiện mà nhóm tác giả xây dựng cần độ cứng vứng cao,có độ chính xác và tốc độ phân loại vừa phải Vơi những ưu điểm trên và để tiết kiệm chi phí nhóm tác giả chọn bộ truyền động vít me đai ốc cho cả trục X và trục Z của cơ cấu tay gắp. Đối với cơ cấu trục Z, vít me được gắn dồng trục với động cơ thông qua khớp nối mềm.Khi động cơ quay, đai ốc sẽ di chuyển dọc theo trục vít me Bộ phận công tác là các đầu giác hút được gắn chắc trên đai ốc Động cơ quay sẽ làm cho các đầu giác hút di chuyển theo phương Z, điều này tương ứng với việc nâng và hạ các bưu kiện.
Với cơ cấu trục X, lúc này ta không thể gắn trực tiếp vào động cơ như cơ cấu trục Z Để truyền động từ động cơ cho vít me nhóm sử dụng 2 puly để dẫn động đai cho vít me Tương tự trục Z, đai ốc sẽ di chuyển dọc trục vít me theo phương X Cơ cấu trục Z sẽ được gắn chặt trên đai ốc của trục vít me X Khi động cơ quay, cả cơ cấu trục Z sẽ di chuyển dọc theo phương X, đưa các bưu kiện đến khối phân loại.
Bên dưới đây là cơ cấu mà nhóm thiết kế cho phần tay gắp:
Hình 4 13 Xây dựng phần tay gắp
Tốc độ di chuyển của hệ cơ cấu sẽ phụ thuộc vào tốc độ của động cơ và bước ren của vít me Khi động cơ quay được 1 vòng thì sẽ làm cho đai ốc di chuyển một đoạn bằng với bước ren của vít me Suy ra, để điều khiển với độ chính xác cao thì ta cần các loại động cơ có góc bước và trục ren nhỏ.
Dựa vào lý thuyết, có 3 kiểu lắp trục vít thường được sử dụng trong các cơ cấu đó là kiểu fixed – fixed, fixed – support, fixed – free
Kiểu fixed – fixed là một loại cơ cấu vít me mà cả hai đầu của vít được cố định, không di chuyển Điều này có nghĩa là cả đầu vào và đầu ra của vít me không thể di chuyển trong quá trình vận hành.
Hình 4 14 Kiểu lắp fixed – fixed
Kiểu fixed – support là một loại cơ cấu vít me mà đầu vào của vít cố định trong khi đầu ra được hỗ trợ và di chuyển Điều này có nghĩa là chỉ có một đầu của vít me có thể quay và di chuyển, trong khi đầu còn lại được cố định và không di chuyển.
Hình 4 15 Kiểu lắp fixed – support
Kiểu fixed – support là một loại cơ cấu vít me mà đầu vào của vít cố định trong khi đầu ra được phép tự do di chuyển Điều này có nghĩa là chỉ có một đầu của vít me có thể quay và di chuyển, trong khi đầu còn lại không bị ràng buộc và có thể tự do di chuyển.
Hình 4 16 Kiểu lắp fixed – free
So sánh các kiểu lắp trục vít me bên trên: về độ cứng vững thì fixed – fixed có độ cứng vững cao nhất và fixed – free thấp nhất Về khả năng chịu tải thì fixed – fixed chịu được tải trọng cao hơn, và 2 kiểu còn lại là trung bình Để có độ cứng vững tốt, dễ lắp đặt và phù hợp nhất, nhóm tác giả lựa chọn kiểu lắp fixed – support cho cả 2 cơ cấu trục vít me X và Z Ta sẽ bắt đầu đi vào tính toán từng cơ cấu trục của tay gắp 4.6.1 Trục Z
4.6.1.1 Lựa chọn trục vít me
(m/phút) Khối lượng đặt lên: m = 2 + 2 = 4( kg)
Tốc độ của động cơ: N 00
Gia tốc lớn nhất của hệ thống: a g
Hệ số ma sát bề mặt: = 0,1
Chọn bước vít me: 8 (mm/vòng)
Tính toán lực dọc trục: F = F = 68(N ) a max a 4
L = chiều dài di chuyển + chiều dài đai ốc + chiều dài vùng thoát
Chọn kiểu lắp fixed – support nên ta có f ,2
Bán kính trục vít me: d r = n.L 2
Vậy ta chọn trục vít me có đường kính 10 mm 4.6.1.2 Lựa chọn động cơ
Dựa vào thông số thiết kế:
Chiều dài trục Z: L B = 400( mm) Bước vít me: P B = 8( mm) Đường kính vít me: D B ( mm)
Hệ số ma sát trên bề mặt: = 0,1
Hệ số ma sát khớp nối ren: 0 = 0,3
• Khối lượng riêng của thép: = 7,9.10 3 ( kg m 3 )
Ta có, lực làm bàn máy dịch chuyển:
F A : ngoại lực tác động (N) : góc nghiêng trục Z (độ) Momen chịu tải được tính như sau:
Ta có công thức tính momen gia tốc: T 0 trong đó:
: momen quán tính roto ( kg m 2 )
J L : momen quán tính tải ( kg t 1 : thời gian tăng tốc (giây)
N M : tốc độ quay của trục vít Momen quán tính trục vít me:
Momen quán tính trục vít me:
Momen quán tính tải: J = J + J = 5,1.10 −5 + 3, 2.10 −7 = 5, 2.10 −5 ( kg m 2 )
Ta có công thức tính momen gia tốc:
Vậy ta chọn động cơ bước có mã KV4234-F2B009
Bảng 4.2 Thông số kỹ thuật động cơ bước KV4234-F2B009
Thông số kỹ thuật Giá trị
Chiều dài 48 mm Đường kính trục 5 mm
Momen quán tính rotor 42 g cm 2 Điện trở cuộn dây 5 / pha
4.6.2.1 Lựa chọn trục vít me
Vận tốc lớn nhất: V = 3 (m/phút) Khối lượng đặt lên: m = 6( kg)
Tốc độ của động cơ: N @0
Gia tốc lớn nhất của hệ thống: a g
Hệ số ma sát bề mặt: = 0,1
Chọn bước vít me: 8 (mm/vòng)
Tính toán lực dọc trục:
Tính toán lực dọc trục:
L = chiều dài di chuyển + chiều dài đai ốc + chiều dài vùng thoát
Chọn kiểu lắp fixed – support nên ta có f ,2
Bán kính trục vít me:
Vậy ta chọn trục vít me có đường kính 10 mm 4.6.2.2 Lựa chọn động cơ
Dựa vào thông số thiết kế:
Hệ số ma sát trên bề mặt:
• Hệ số ma sát khớp nối ren: 0 = 0,3
• Khối lượng riêng của thép:
Ta có, lực làm bàn máy dịch chuyển:
Momen chịu tải được tính như sau:
Ta có công thức tính momen gia tốc:
Momen quán tính trục vít me:
Momen quán tính trục vít me:
Ta có công thức tính momen gia tốc:
Momen xoắn cho động cơ bước:
Vậy ta chọn động cơ bước có mã KH42KM2R015D
Bảng 4.3 Thông số kỹ thuật động cơ bước KH42KM2R015D
Thông số kỹ thuật Giá trị
Mã sản phẩm KH42KM2R015D
Kích thước 42x42x50 mm Đường kính trục 5 mm
Dòng điện định mức 1.8 A Điện áp định mức 4.42 V
4.6.3 Lựa chọn thiết bị khí nén
Giác hút chân không thường được thiết kế để có bề mặt mềm và không gây hỏng hoặc làm trầy xước hàng hóa Điều này đảm bảo rằng hàng hóa được vận chuyển một cách an toàn và không bị hư hỏng trong quá trình phân loại Giác hút chân không có thể nâng, hạ các loại sản phẩm đa dạng Theo thiết kế đã trình bày, ta thấy phần công tác tức là phần đầu giác hút của hệ thống luôn vuông góc với mặt đất nên ta có công thức tính toán chọn lựa kích thước giác hút như sau:
• Lực hút chân không cần thiết để giữ vật:
F th = m.( g + a ).S = 4(10 + 5)2, 2 0( N ) Giả sử chọn giác hút có đường kính 40mm, ta có như sau:
• Tiết diện giác hút tiếp xúc với gói bưu kiện:
• Lực nâng mỗi giác hút:
• Số giác hút cần cho đầu công tác: n F
Trường hợp 2: Nâng vật và di chuyển theo phương ngang
• Lực hút chân không cần thiết để giữ vật:
Giả sử chọn giác hút có đường kính 40mm, ta có như sau:
• Tiết diện giác hút tiếp xúc với gói bưu kiện:
• Lực nâng mỗi giác hút:
• Số giác hút cần cho đầu công tác: n = F
Trường hợp 3: Bề mặt giác hút đặt vuông góc với mặt đất
• Lực hút chân không cần thiết để giữ vật:
F = ( m)( g + a ) S = ( 4 )(10 + 5).3 = 360( N ) th 0.5 Giả sử chọn giác hút có đường kính 40mm, ta có như sau:
• Tiết diện giác hút tiếp xúc với gói bưu kiện:
• Lực nâng mỗi giác hút:
• Số giác hút cần cho đầu công tác: n F th F
Như thế, để cho phần đầu công tác hoạt động một cách tốt nhất, nâng được đa dạng các
65 đảm bảo được lực hút mạnh và chính xác, nhóm chọn loại máy bơm hút chân có thông số như bảng bên dưới:
Bảng 4.4 Thông số kỹ thuật của máy bơm chân không Value VE115N
Thông số kỹ thuật Giá trị
Lưu lượng bơm 51 – 57 lít/phút Độ hút chân không 150 Micron
Dung tích dầu 250 ml Điện áp 220V
XÂY DỰNG PHẦN CHỨA BƯU KIỆN
Hình 4 17 Khối chứa bưu kiện
Phần chứa bưu kiện được đặt trên khung nhôm và được bố trí như hình bên trên trong hệ thống Phần này sẽ gồm 3 ô để mô phỏng cho các giỏ hàng phân loại 3 loại bưu kiện được đề cập trong bài Vật liệu để làm phần chứa này là mica Ở đây có thể thay thế bằng các giỏ hàng có đáy sâu, xe đẩy, thùng lớn để có thể đựng được nhiều bưu kiện hơn.
Hình 4 18 Các phần chứa bưu kiện khác có thể thay thế
THI CÔNG CƠ KHÍ
Sau quá trình thiết kế và tính toán để xây dựng cho hệ thống của mình, nhóm tiến hành mua thiết bị, linh kiện và thực hiện việc lắp ráp Bên dưới đâ là kết quả của phần thiết kế mô hình phân loại của nhóm.
Hình 4 19 Hình ảnh thực tế của phần cơ khí
THIẾT KẾ HỆ THỐNG ĐIỆN ĐIỀU KHIỂN
KHỐI NGUỒN
Các thiết bị trong hệ thống hoạt động bằng nguồn điện 24VDC và có một số thiết bị sử dụng nguồn 5VDC Điện lưới chúng ta sử dụng hiện nay là 220VAC, vì vậy ta sử dụng nguồn tổ ong để chuyển đổi từ điện áp 220VAC sang 24VDC và 5VDC Bên dưới là thông số và hình ảnh của nguồn 24VDC và 5VDC.
Bảng 5.1 Thông số kỹ thuật của nguồn tổ ong 24V 10A
Thông số kỹ thuật Giá trị
Công suất 250W Điện áp đầu vào 220VAC
Bảng 5.2 Thông số kỹ thuật của nguồn tổ ong 5V 10A
Thông số kỹ thuật Giá trị
Công suất 50W Điện áp đầu vào 220VAC
KHỐI CẢM BIẾN, CAMERA
5.3.1 Cảm biến hồng ngoại Để phát hiện vị trí của các bưu kiện để dễ dàng cho việc điều khiển chính xác đầu công tác, đồng thời điều khiển băng tải hoặc làm tín hiệu đầu vào cho hệ thống thì nhóm sử dụng cảm biến hồng ngoại để phát hiện được vật thể phía trước với khoảng cách có thể điều chỉnh Độ hoạt động ổn định và đáp ứng nhanh, thời gian trễ rất ngắn Nhóm sử dụng cảm biến hồng ngoại E3F-DS30C4 Loại cảm biến NPN này dùng để phát hiện bưu kiện, đồng thời cũng là tín hiệu đầu vào để điều khiển băng tải Bên dưới là một số thông số cơ bản của cảm biến này.
Hình 5 2 Cảm biến hồng ngoại NPN E3F-DS30C4
Bảng 5.3 Thông số kỹ thuật của cảm biến hồng ngoại E3F-DS30C4
Thông số kỹ thuật Giá trị
Loại cảm biến NPN Điện áp làm việc 6-36VDC
Khoảng cách phát hiện 5 – 30 mm
Cảm biến nhận biết sự thay đổi của môi trường, còn camera như là đôi mắt của hệ thống, giúp cho hệ thống phát hiện, nhận dạng các loại bưu kiện khác nhau. Để nhận dạng được các vật thể khác nhau, đo đạc và nhận dạng chiều sâu của các đối tượng trong không gian Thông qua thông tin về khoảng cách từ camera đến các điểm trong hình ảnh, camera 3D cho phép xác định chiều sâu và tạo ra mô hình 3D của các đối tượng.Camera 3D cung cấp thông tin không chỉ về hình ảnh 2D mà còn về thông tin chiều sâu Điều này giúp tăng độ chính xác và độ tin cậy trong các ứng dụng như đo lường, kiểm tra chất lượng, và phân loại hàng hóa Để tính toán vị trí Z (chiều cao) của đối tượng trong không gian 3D, camera Realsense được sử dụng để thu thập thông tin về độ sâu (depth) của vật thể Camera Realsense cung cấp dữ liệu về khoảng cách từ camera đến đối tượng, cho phép xác định vị trí 3D chính xác của đối tượng Bằng cách kết hợp thông tin về vị trí và độ sâu từ camera Realsense, chúng ta có thể xác định vị trí 3D của đối tượng trong không gian Với yêu cầu nhận dạng phân loại được các loại sản phẩm và tính được khoảng cách đến bề mặt bưu kiện, nhóm sử dụng Camera RealSense D435 cho hệ thống phân loại.
RealSense D435 là một trong những sản phẩm trong dòng RealSense Camera, được thiết kế để cung cấp khả năng nhận dạng và theo dõi đối tượng trong không gian 3D D435 sử dụng công nghệ Active IR Stereo để tạo ra hình ảnh 3D Có hai cảm biến hình ảnh sắc nét và một cảm biến hồng ngoại để phát hiện cấu trúc và khoảng cách của đối tượng trong không gian. Camera hỗ trợ độ phân giải lên đến 1280 x 720 pixel cho cảm biến màu sắc và cảm biến hồng ngoại Điều này cho phép tạo ra hình ảnh chi tiết và chính xác trong không gian 3D Ngoài ra, nó còn được tích hợp cảm biến IMU cho phép đo gia tốc và tốc độ góc, cung cấp thêm thông tin về chuyển động và định vị.
Bảng 5.4 Thông số kỹ thuật của Camera RealSense D435
Thông số kỹ thuật Giá trị Độ phân giải 1280x720 pixels
Tốc độ khung hình 30 khung hình/giây
Phạm vi đo đạc 0.1m đến 10m Độ chính xác 2%
Giao tiếp USB 3.0 Độ dài cáp 2m
Hệ điều hành Windows, Linux, macOS
KHỐI CƠ CẤU CHẤP HÀNH
5.4.1 Động cơ bước và driver động cơ bước
Như đã trình bày ở chương 4, nhóm sử dụng động cơ bước cho hệ thống của mình Động cơ bước là một loại động cơ điện được điều khiển bằng cách cung cấp các xung điện xác định để di chuyển rotor một góc nhất định Điểm đặc biệt của động cơ bước là nó di chuyển theo các bước và giữ vị trí một khi nguồn điện được cung cấp Cơ chế hoạt động của động cơ bước dựa trên nguyên lý của các cực nam châm và định luật Fleming Động cơ bước bao gồm hai phần chính là stator và rotor.
• Stator có thể là một cấu trúc từ từ (dạng trục) hoặc từ dẹt (dạng phẳng), được bao quanh bởi cuộn dây đúc trong một thứ tự xác định Khi dòng điện chạy qua các cuộn dây, nó tạo ra các cực từ trên stator.
• Rotor bao gồm một loạt nam châm có cực từ tương ứng với cấu trúc stator Khi cuộn dây stator được kích hoạt, các cực nam châm của rotor sẽ tương tác với cực nam châm của stator, tạo ra lực từ để di chuyển rotor.
Vậy làm sao để chúng ta điều khiển được khối động cơ này? Để có thể điều khiển động cơ bước, chúng ta cần sử dụng driver động cơ bước Driver động cơ bước giúp điều chỉnh và cấp nguồn cho động cơ bước theo một cách chính xác và điều chỉnh được Các driver động cơ bước thường được điều khiển thông qua các tín hiệu đầu vào như STEP (xung bước), DIR
(hướng quay), và các tín hiệu khác như ENABLE (cho phép hoạt động) và MSx (điều chỉnh độ phân giải) Điều chỉnh các tín hiệu này sẽ điều khiển chuyển động và tốc độ của động cơ bước. Nhóm lựa chọn sử dụng loại driver thông dụng đó chính là driver TB6600 Đây là một driver dùng cho động cơ bước với nguồn cấp cao hơn, từ 9V đến 42V Nó hỗ trợ điều chỉnh dòng định mức, tốc độ và chế độ định vị TB6600 có khả năng chịu được dòng điện lớn và thích hợp cho ứng dụng yêu cầu công suất cao.
Hình 5 4 Driver TB6600 điều khiển động cơ bước
Cơ chế hoạt động: cung cấp các xung điện xác định để điều khiển và điều chỉnh cuộn dây của động cơ bước Mỗi xung điện sẽ làm di chuyển rotor (cơ cấu quay) của động cơ bước một bước nhất định Driver sẽ nhận tín hiệu điều khiển từ bộ điều khiển như các xung điện, và chuyển đổi chúng thành các xung điện xác định để điều khiển động cơ bước.
Chức năng chỉnh vi bước của driver động cơ bước là một tính năng quan trọng để điều chỉnh chính xác vị trí và tốc độ quay của động cơ Thay vì di chuyển rotor theo các bước diskret như trong chế độ bước đơn, chức năng chỉnh vi bước cho phép driver tạo ra các bước trung gian nhỏ hơn, gọi là bước nhỏ, để cải thiện độ mịn và độ chính xác của chuyển động.Chức năng chỉnh vi bước thường được thực hiện bằng cách điều chỉnh dòng điện chạy qua các cuộn dây của động cơ bước Thay vì cung cấp các xung điện chỉ có hai trạng thái (ON hoặcOFF) như trong chế độ bước đơn, chức năng chỉnh vi bước cho phép driver cung cấp các xung điện ở trạng thái trung gian giữa ON và OFF Điều này tạo ra dòng điện biến đổi liên tục, giúp rotor di chuyển một khoảng cách nhỏ hơn so với bước đơn.
Các chế độ chỉnh vi bước phổ biến bao gồm bước đơn, bước nửa, bước tức, các chế độ microstep như 1/4, 1/8, 1/16, 1/32, và nhiều hơn nữa Mỗi chế độ chỉnh vi bước tạo ra một số lượng bước trung gian khác nhau giữa hai vị trí bước diskret, cung cấp độ mịn và độ chính xác cao hơn trong chuyển động Chức năng chỉnh vi bước có thể giúp giảm rung động và tiếng ồn trong quá trình hoạt động của động cơ bước Nó cũng cải thiện độ mượt và độ chính xác của chuyển động, đặc biệt trong các ứng dụng yêu cầu vị trí chính xác và chuyển động mềm mại.
Bảng 5.5 Thông số kỹ thuật của Driver TB6600
Thông số kỹ thuật Giá trị
Cơ cấu khí nén điều khiển chân không để nâng hạ các loại bưu kiện Để đóng ngắt việc hút chân không đúng với quy trình hoạt động, nhóm sử dụng loại van điện từ 2 cổng 2 vị trí để điều khiển việc đóng mở van Cấu trúc cơ bản của van điện từ 2/2 bao gồm một cuộn dây và một cơ cấu van Cuộn dây là một cuộn dây dẫn điện được cung cấp điện qua để tạo ra một lực từ Cơ cấu van bao gồm một piston và một van để điều khiển dòng khí.
Cơ chế hoạt động: Khi điện được cấp cho cuộn dây, năng lượng điện từ tạo ra một lực từ mạnh kéo cuộn dây và piston vào trong, làm mở van và cho phép dòng khí đi qua van. Trong trạng thái này, van được kích hoạt và dòng khí được chuyển qua van Khi điện không được cấp cho cuộn dây, lực từ mất đi và lực phục hồi từ ngoại vi hoặc lực lò xo đưa piston và van trở lại vị trí ban đầu, đóng van và ngăn chặn dòng khí.
Bảng 5.6 Thông số kỹ thuật của van điện từ 2/2
Thông số kỹ thuật Giá trị
Chất liệu Đồng thau Áp suất 0 – 0.8 MPa
Relay là một thiết bị điện tử có chức năng chuyển đổi hoặc điều khiển luồng dòng điện trong mạch điện Nó hoạt động bằng cách mở hoặc đóng mạch dựa vào tín hiệu hoặc điều kiện cụ thể Dòng điện chạy qua cuộn dây của relay tạo ra một từ trường hút lõi sắt non làm thay đổi công tắc chuyển mạch Relay thường được sử dụng để cách ly hoặc điều khiển mạch cao áp thông qua mạch điện áp thấp, hoặc để tạo ra một sự kết nối hoặc ngắt kết nối trong mạch điện.
Trong một vài cơ cấu chấp hành, vi điều khiển không thể nào trực tiếp điều khiển được mà phải thông qua relay chẳng hạn như việc đóng mở van khí nén Vì dòng qua van khí nén khá lớn, nó sẽ không đảm bảo an toàn cho hệ thống điều khiển của chúng ta, đặc biệt là với con vi điều khiển STM32F407 Lúc này, vi điều khiển sẽ tương tác với relay thông qua các chân điều khiển Các chân này được cấu hình là chân đầu ra để điều khiển relay Vi điều khiển tạo ra các tín hiệu điều khiển, chẳng hạn như tín hiệu điện áp hoặc tín hiệu logic, để điều khiển relay mở hoặc đóng.
Hình 5 6 Module relay 2 kênh 24VDC
Hệ thống sử dụng 3 kênh relay cho 3 cơ cấu chấp hành: đèn báo hoạt động, van khí nén và băng tải 3 cơ cấu chấp hành này sẽ hoạt động thông qua tín hiệu đóng cắt từ STM điều khiển relay.
Bảng 5.7 Thông số kỹ thuật module relay 2 kênh 5V 10A
Thông số kỹ thuật Giá trị
77 Điện áp hoạt động 24VDC
Bên dưới đây là sơ đồ đi dây từ vi điều khiển ra relay đến các cơ cấu chấp hành:
Hình 5 7 Sơ đồ đi dây relay
Các chân PB3, PD7, PD6 là các chân điều khiển được cấu hình cho con STM32.
KHỐI ĐIỀU KHIỂN
Khối điều khiển có nhiệm vụ nhận tín hiệu, thông tin từ camera và cảm biến để điều khiển các cơ cấu chấp hành có trong hệ thống Khối điều khiển bao gồm vi điều khiển STM32F407 nhận lệnh từ khối xử lý dữ liệu bao gồm: thông tin về loại bưu kiện; tọa độ x, y, z của bưu kiện trong không gian 3D Khối điều khiển sẽ tính toán và điều khiển các cơ cấu chấp hành trong hệ thống.
STM32F407 sử dụng vi xử lý ARM Cortex-M4, với tốc độ xử lý lên đến 168 MHz Vi
78 điều khiển nhận lệnh từ máy tính thông qua giao tiếp UART, xử lý thông số và gửi lệnh cho các cơ cấu chấp hành thực thi.
Cấu hình các chân giao tiếp nhóm sử dụng để điều khiển hệ thống:
• Sử dụng UART2 để nhận dữ liệu xử lý từ máy tính
• Chân PE7, PE8: Cảm biến 1 và cảm biến 2
• Chân PE9, PE10: Công tác hành trình X và công tắc hành trình Z
• Chân PB3: Đèn hoạt động
• Chân PD7: Van điện từ
• Chân PD0 – PD5: các chân của driver động cơ bước
Hình 5 8 Cấu hình các chân điều khiển được sử dụng 5.6 KHỐI XỬ LÝ DỮ LIỆU
Khối xử lý dữ liệu trong hệ thống đó chính là máy tính, nó là bộ não của cả hệ thống Nó nhận dạng được các loại bưu kiện đầu vào, xác định được vị trí của vật thể trong không gian 3D so với đầu công tác nhờ các dữ liệu từ camera Realsense Sau khi tính toán, các biến giá trị về loại bưu kiện, thông số tọa độ khoảng cách của bưu kiện trong không gian 3D được truyền xuống STM32 qua chuẩn giao tiếp UART.
Hình 5 9 Sơ đồ khối kết nối của khối xử lý dữ liệu
5.7 LỰA CHỌN CÁC THIẾT BỊ ĐIỆN KHÁC
CB được thiết kế để ngắt mạch điện khi có sự cố như quá tải hoặc ngắn mạch xảy ra. Khi xảy ra sự cố, CB sẽ tự động ngắt mạch để ngăn chặn sự tổn thương cho người sử dụng và thiết bị Khi dòng điện vượt quá mức cho phép, CB sẽ ngắt mạch trong khoảng thời gian rất ngắn để ngăn chặn sự tổn thương và thiệt hại Việc chọn lựa và sử dụng CB trong tủ điện là cần thiết để bảo vệ mạch điện và thiết bị, đảm bảo an toàn cho người sử dụng và ngăn chặn các sự cố nguy hiểm xảy ra Nó cũng cung cấp tính linh hoạt, tiện ích và khả năng điều khiển trong vận hành hệ thống điện Tiếp theo, ta cùng đi tính toán để chọn lựa CB phù hợp với hệ thống.
Ta sử dụng nguồn tổ ong 24V 10A và 5V 10 A
I TK = 5.I TT = 5.2, 2 ( A)Với 5 là hệ số an toàn đối với các thiết bị có trong hệ thống trong đó:
I là cường độ dòng điện (A)
P là công suất tiêu thụ (W)
P other tổng công suất tiêu thụ của các thiết bị trong hệ thống (W) cos = hệ số công suất
I TT : dòng điện lớn nhất khi các thiết bị làm việc bình thường (A)
I : dòng điện để chọn Aptomat phù hợp (A)
Vì thế, nhóm sử dụng CB Aptomat Chint 2 pha 20A Thông số của aptomat được thể hiện ở bảng bên dưới.
Bảng 5.8 Thông số kỹ thuật của Aptomat Chint 20A
Thông số kỹ thuật Giá trị
Tiêu chuẩn sản xuất IEC60898-1
Khả năng cắt ngắt mạch I cu = I cs = 6000 A
Opto cách ly được sử dụng để cách ly điện giữa hai mạch điện khác nhau Opto cách ly bao gồm một đèn LED phát sáng và một bộ cảm biến ánh sáng được đặt cạnh nhau nhưng không tiếp xúc vật lý Để ngăn chặn sự truyền dẫn trực tiếp của điện áp, dòng điện và nhiễu từ mạch này sang mạch kia, đảm bảo an toàn và bảo vệ thiết bị trong trường hợp sự cố xảy r a nên nhóm quyết định sử dụng một mạch opto cách ly 8 kênh để cách ly điện giữa các mạch điện và bảo vệ thiết bị, đồng thời cung cấp tính linh hoạt và độ tin cậy cao trong các ứng dụng điện tử và điều khiển Bên dưới là hình ảnh và thông số của mạch cách ly opto 8 kênh.
Hình 5 11 Opto cách ly PC817 8 kênh
Bảng 5.9 Thông số kỹ thuật của opto cách ly 8 kênh PC817
Thông số kỹ thuật Giá trị
Cổng tín hiệu điện áp điều khiển 3.6 – 24V
Sau khi tính toán để chọn lựa toàn bộ các thành phần điện điều khiển cho hệ thống, nhóm tiến hành lắp đặt và đi dây tủ điện Mặt ngoài tủ điện sẽ bao gồm 2 nút nhấn Start và Stop, 1 nút nhấn khẩn cấp và 2 đèn báo Tủ điện có kích thước 30x50cm Bên trong tủ điện được đi dây như hình bên dưới.
Hình 5 12 Tủ điện đấu nối thực tế
84 Đánh giá và nhận xét: Trong quá trình thi công tủ điện, không có bất kì một sự cố nào xảy ra Dây điện được đi gọn và không nằm bên ngoài quá nhiều giúp cho tủ điện được đẹp mắt hơn Khi có sự cố xảy ra, đóng CB ngay lập tức để đảm bảo cho hệ thống được an toàn.
5.9 XÂY DỰNG GIẢI THUẬT ĐIỀU KHIỂN
Trường hợp: Bưu kiện đơn
• Ban đầu, hệ thống ở trạng thái nghỉ Sau đó, bât nguồn hệ thống bằng CB, lúc này toàn bộ các thiết bị được cấp điện và trong trạng thái sẵn sàng chuẩn bị hoạt động Đèn Xanh báo nguồn sáng lên khi được gạt CB.
• Nhấn Start, hệ thống bắt đầu hoạt động, đèn Vàng sáng lên trong lúc hệ thống hoạt động
• Cảm biến 1 kiểm tra đầu vào cấp bưu kiện, khi nhận thấy có bưu kiện, băng tải chính hoạt động đưa bưu kiện đến đầu giác hút Bố trí Camera ở giữa cảm biến 1 và phần đầu giác hút để khi bưu kiện đi qua Camera sẽ nhận dạng được loại bưu kiện và tiến hành quá trình phân loại.
• Cảm biến 2 đặt song song với cảm biến 1 và ngang với phần đầu công tác, để khi bưu kiện đến cảm biến 2, băng tải sẽ dừng để phần đầu giác hút hạ xuống hút và nâng bưu kiện lên và tiến hành phân loại qua các thùng phân loại đã bố trí sẵn.
• Băng tải dừng, khi cảm biến 2 phát hiện vật, qua xử lí ảnh 3D ta có được khoảng cách từ đầu giác hút đến bề mặt của bưu kiện, trục Z đi xuống đưa đầu giác hút đến bưu kiện.
• Đầu giác hút đến bề mặt của bưu kiện, cuộn coil của van hút được kích làm mở van, không khí ở giữa bưu kiện và phần đầu giác hút sẽ được hút ra bên ngoài, tạo môi trường chân không làm bưu kiên được dính chặt vào giác hút.
• Sau khi nâng được bưu kiện, trục X sẽ đưa bưu kiện đến ô phân loại Ô 1 sẽ là bưu kiện có dạng bìa thư, ô thứ 2 là bưu kiện mềm và ô thứ 3 là bưu kiện có dạng hình hộp
• Khi đưa bưu kiện đến được đúng ô phân loại, trục Z sẽ đi xuống đúng với hành trình đã đi xuống khi nâng bưu kiện, van điện mở thả vật xuống ô phân loại.
• Đầu giác hút sẽ được đưa về vị trí HOME ban đầu Kết thúc một chu trình phân loại Trường hợp: Bưu kiện chồng lên nhau
• Tương tự với các bước đầu của trường hợp trên
• Khi chồng hàng đi qua Camera, nó sẽ phát hiện ra được các loại bưu kiện và tính được khoảng cách đến các bưu kiện Nếu bưu kiện nào có khoảng cách ngắn hơn thì sẽ thực hiện phân loại cho bưu kiện đó trước.
• Lúc này băng tải dừng, khi cảm biến 2 phát hiện vật, qua xử lí ảnh 3D ta có được khoảng cách từ đầu giác hút đến bề mặt của bưu kiện, trục Z đi xuống đưa đầu giác hút đến bưu kiện.
• Nâng bưu kiện lên thông qua đóng mở van điện từ.
• Sau khi nâng được bưu kiện, trục X sẽ đưa bưu kiện đến ô phân loại.
LỰA CHỌN CÁC THIẾT BỊ ĐIỆN KHÁC
CB được thiết kế để ngắt mạch điện khi có sự cố như quá tải hoặc ngắn mạch xảy ra. Khi xảy ra sự cố, CB sẽ tự động ngắt mạch để ngăn chặn sự tổn thương cho người sử dụng và thiết bị Khi dòng điện vượt quá mức cho phép, CB sẽ ngắt mạch trong khoảng thời gian rất ngắn để ngăn chặn sự tổn thương và thiệt hại Việc chọn lựa và sử dụng CB trong tủ điện là cần thiết để bảo vệ mạch điện và thiết bị, đảm bảo an toàn cho người sử dụng và ngăn chặn các sự cố nguy hiểm xảy ra Nó cũng cung cấp tính linh hoạt, tiện ích và khả năng điều khiển trong vận hành hệ thống điện Tiếp theo, ta cùng đi tính toán để chọn lựa CB phù hợp với hệ thống.
Ta sử dụng nguồn tổ ong 24V 10A và 5V 10 A
I TK = 5.I TT = 5.2, 2 ( A)Với 5 là hệ số an toàn đối với các thiết bị có trong hệ thống trong đó:
I là cường độ dòng điện (A)
P là công suất tiêu thụ (W)
P other tổng công suất tiêu thụ của các thiết bị trong hệ thống (W) cos = hệ số công suất
I TT : dòng điện lớn nhất khi các thiết bị làm việc bình thường (A)
I : dòng điện để chọn Aptomat phù hợp (A)
Vì thế, nhóm sử dụng CB Aptomat Chint 2 pha 20A Thông số của aptomat được thể hiện ở bảng bên dưới.
Bảng 5.8 Thông số kỹ thuật của Aptomat Chint 20A
Thông số kỹ thuật Giá trị
Tiêu chuẩn sản xuất IEC60898-1
Khả năng cắt ngắt mạch I cu = I cs = 6000 A
Opto cách ly được sử dụng để cách ly điện giữa hai mạch điện khác nhau Opto cách ly bao gồm một đèn LED phát sáng và một bộ cảm biến ánh sáng được đặt cạnh nhau nhưng không tiếp xúc vật lý Để ngăn chặn sự truyền dẫn trực tiếp của điện áp, dòng điện và nhiễu từ mạch này sang mạch kia, đảm bảo an toàn và bảo vệ thiết bị trong trường hợp sự cố xảy r a nên nhóm quyết định sử dụng một mạch opto cách ly 8 kênh để cách ly điện giữa các mạch điện và bảo vệ thiết bị, đồng thời cung cấp tính linh hoạt và độ tin cậy cao trong các ứng dụng điện tử và điều khiển Bên dưới là hình ảnh và thông số của mạch cách ly opto 8 kênh.
Hình 5 11 Opto cách ly PC817 8 kênh
Bảng 5.9 Thông số kỹ thuật của opto cách ly 8 kênh PC817
Thông số kỹ thuật Giá trị
Cổng tín hiệu điện áp điều khiển 3.6 – 24V
THI CÔNG TỦ ĐIỆN
Sau khi tính toán để chọn lựa toàn bộ các thành phần điện điều khiển cho hệ thống, nhóm tiến hành lắp đặt và đi dây tủ điện Mặt ngoài tủ điện sẽ bao gồm 2 nút nhấn Start và Stop, 1 nút nhấn khẩn cấp và 2 đèn báo Tủ điện có kích thước 30x50cm Bên trong tủ điện được đi dây như hình bên dưới.
Hình 5 12 Tủ điện đấu nối thực tế
84 Đánh giá và nhận xét: Trong quá trình thi công tủ điện, không có bất kì một sự cố nào xảy ra Dây điện được đi gọn và không nằm bên ngoài quá nhiều giúp cho tủ điện được đẹp mắt hơn Khi có sự cố xảy ra, đóng CB ngay lập tức để đảm bảo cho hệ thống được an toàn.
XÂY DỰNG GIẢI THUẬT ĐIỀU KHIỂN
Trường hợp: Bưu kiện đơn
• Ban đầu, hệ thống ở trạng thái nghỉ Sau đó, bât nguồn hệ thống bằng CB, lúc này toàn bộ các thiết bị được cấp điện và trong trạng thái sẵn sàng chuẩn bị hoạt động Đèn Xanh báo nguồn sáng lên khi được gạt CB.
• Nhấn Start, hệ thống bắt đầu hoạt động, đèn Vàng sáng lên trong lúc hệ thống hoạt động
• Cảm biến 1 kiểm tra đầu vào cấp bưu kiện, khi nhận thấy có bưu kiện, băng tải chính hoạt động đưa bưu kiện đến đầu giác hút Bố trí Camera ở giữa cảm biến 1 và phần đầu giác hút để khi bưu kiện đi qua Camera sẽ nhận dạng được loại bưu kiện và tiến hành quá trình phân loại.
• Cảm biến 2 đặt song song với cảm biến 1 và ngang với phần đầu công tác, để khi bưu kiện đến cảm biến 2, băng tải sẽ dừng để phần đầu giác hút hạ xuống hút và nâng bưu kiện lên và tiến hành phân loại qua các thùng phân loại đã bố trí sẵn.
• Băng tải dừng, khi cảm biến 2 phát hiện vật, qua xử lí ảnh 3D ta có được khoảng cách từ đầu giác hút đến bề mặt của bưu kiện, trục Z đi xuống đưa đầu giác hút đến bưu kiện.
• Đầu giác hút đến bề mặt của bưu kiện, cuộn coil của van hút được kích làm mở van, không khí ở giữa bưu kiện và phần đầu giác hút sẽ được hút ra bên ngoài, tạo môi trường chân không làm bưu kiên được dính chặt vào giác hút.
• Sau khi nâng được bưu kiện, trục X sẽ đưa bưu kiện đến ô phân loại Ô 1 sẽ là bưu kiện có dạng bìa thư, ô thứ 2 là bưu kiện mềm và ô thứ 3 là bưu kiện có dạng hình hộp
• Khi đưa bưu kiện đến được đúng ô phân loại, trục Z sẽ đi xuống đúng với hành trình đã đi xuống khi nâng bưu kiện, van điện mở thả vật xuống ô phân loại.
• Đầu giác hút sẽ được đưa về vị trí HOME ban đầu Kết thúc một chu trình phân loại Trường hợp: Bưu kiện chồng lên nhau
• Tương tự với các bước đầu của trường hợp trên
• Khi chồng hàng đi qua Camera, nó sẽ phát hiện ra được các loại bưu kiện và tính được khoảng cách đến các bưu kiện Nếu bưu kiện nào có khoảng cách ngắn hơn thì sẽ thực hiện phân loại cho bưu kiện đó trước.
• Lúc này băng tải dừng, khi cảm biến 2 phát hiện vật, qua xử lí ảnh 3D ta có được khoảng cách từ đầu giác hút đến bề mặt của bưu kiện, trục Z đi xuống đưa đầu giác hút đến bưu kiện.
• Nâng bưu kiện lên thông qua đóng mở van điện từ.
• Sau khi nâng được bưu kiện, trục X sẽ đưa bưu kiện đến ô phân loại.
• Khi đưa bưu kiện đến được đúng ô phân loại, trục Z sẽ đi xuống đúng với hành trình đã đi xuống khi nâng bưu kiện, van điện mở thả vật xuống ô phân loại Nếu tín hiệu UART được truyền qua STM có nhiều hơn hoặc bằng 2 giá trị và cảm biến 2 vẫn phát hiện được vật khi đã nâng bưu kiện lên rồi thì thực hiện lại các bước trên cho đến khi cảm biến 2 không còn phát hiện được vật
• Đầu giác hút sẽ được đưa về vị trí HOME ban đầu Kết thúc một chu trình phân loại Trong quá trình hoạt động
• Đầu giác hút sẽ được đưa về vị trí HOME mỗi khi phân loại xong, 2 công tắc hành trình được bố trí để khi chạm vào sẽ được mặc định là vị trí HOME của hệ thống
• Nhấn nút EMERGENCY, ngừng cấp điện, toàn bộ hệ thống dừng lại ngay lập tức khi có sự cố xảy ra Khi muốn hoạt động lại, ta cần reset lại nút.
• Nhấn nút STOP, hệ thống sẽ dừng hoạt động tạm thời.
Hình 5 13 Lưu đồ quy trình hoạt động của hệ thống
Hình 5 14 Lưu đồ giải thuật điều khiển
XÂY DỰNG THUẬT TOÁN XỬ LÝ ẢNH
NHIỆM VỤ THUẬT TOÁN
Module xử lý ảnh có các nhiệm vụ chính sau đây:
Một trong những nhiệm vụ quan trọng của module xử lý là phân loại các bưu kiện Quá trình này đảm bảo rằng chúng ta có khả năng xác định loại bưu kiện đang được xử lý Các loại bưu kiện có thể bao gồm hình hộp, bìa thư, gói mềm và các loại khác Trong đề tài, này chỉ thực hiện phân loại 3 loại bưu kiện chính là hình hộp, gói mềm và bìa thư Thông qua việc phân loại bưu kiện, chúng ta có thể xác định các thông tin liên quan đến loại bưu kiện, đồng thời đảm bảo tính chính xác và hiệu suất trong việc phân loại.
- Xác định vị trí của vật trong không gian 3D:
Một nhiệm vụ quan trọng khác của module xử lý là xác định vị trí của các bưu kiện trong không gian 3D Thông qua việc sử dụng dữ liệu từ camera 3D, chúng ta có thể xác định tọa độ x, y, z của các bưu kiện trong không gian 3D Việc xác định vị trí chính xác của bưu kiện trong không gian 3D là cần thiết để đảm bảo tính chính xác và đáng tin cậy trong quy trình xử lý.
- Thống kê số lượng sản phẩm và điều phối bưu kiện tới địa chỉ đã chỉ định:
Sau khi đã phân loại bưu kiện và xác định vị trí bưu kiện, chúng ta có thể thống kê số lượng sản phẩm cho mỗi loại bưu kiện Thông qua việc đếm số lượng bưu kiện tương ứng với mỗi loại, chúng ta có thể cung cấp thông tin về số lượng sản phẩm hiện có Đồng thời, thông tin về địa chỉ đơn hàng đã được cung cấp cũng được sử dụng để điều phối các bưu kiện tới địa chỉ tương ứng đã chỉ định Quá trình điều phối bao gồm xác định địa chỉ đích cho từng bưu kiện dựa trên yêu cầu đã được chỉ định, đảm bảo việc phân phối bưu kiện đúng địa chỉ và đạt được sự hiệu quả và đáng tin cậy trong việc thực hiện quy trình giao hàng.
- Dữ liệu thu thập từ camera 3D, bao gồm hình ảnh và thông tin về bưu kiện.
- Thông tin về địa chỉ đơn hàng đã được chỉ định.
- Loại bưu kiện: hình hộp, bìa thư, gói mềm và các thông tin phân loại liên quan Điều này cung cấp thông tin về loại bưu kiện mà chúng ta đang xử lý.
- Vị trí của bưu kiện trong không gian 3D, được biểu diễn bằng tọa độ x, y, z Thông qua thông tin về vị trí, chúng ta có khả năng xác định vị trí chính xác của bưu kiện trong không gian 3D.
- Tracking bưu kiện cho biết bưu kiện cần giao tới địa chỉ nào và thống kê số lượng cho mỗi loại Thông qua quá trình này, chúng ta có khả năng xác định địa chỉ giao hàng cho từng bưu kiện và thống kê số lượng sản phẩm cho mỗi loại.
Module xử lý này cung cấp khả năng phân loại bưu kiện, xác định vị trí trong không gian 3D và thực hiện quy trình thống kê và điều phối bưu kiện tới địa chỉ đã chỉ định Qua đó, chúng ta có khả năng tự động xử lý và quản lý việc phân phối bưu kiện, cung cấp thông tin quan trọng về loại bưu kiện, vị trí và số lượng sản phẩm để đáp ứng nhu cầu của ứng dụng.
Hình 6 1 Đầu vào và đầu ra của module xử lý ảnh
THIẾT LẬP NODE “XỬ LÝ NHẬN DIỆN BƯU KIỆN TRONG KHÔNG GIAN 2D”
Các bước tiến hành xử lý node:
Bước 1 Thu thập dữ liệu
Thu thập xây dựng tập dữ liệu và đa dạng chứa hình ảnh của các vật thể cần phân loại. Tập dữ liệu này có thể được thu thập từ nhiều nguồn, bao gồm việc chụp ảnh từ các góc độ và môi trường khác nhau Ở bước này, việc thu thập rất quan trọng vì nó sẽ ảnh hưởng rất nhiều đến kết quả của mô hình Nhóm đã sử dụng 3 loại bưu kiện chính là các loại: hình hộp, bưu kiện mềm và loại cuối là bìa thư.
Hình 6 2 Hình ảnh các loại bưu kiện được nhóm thu thập Bước 2 Chuẩn bị dữ liệu
Dữ liệu thu thập được cần được tiền xử lý để chuẩn bị cho quá trình huấn luyện Các bước tiền xử lý bao gồm đánh dấu các đối tượng trong ảnh (labelling), tạo bộ dữ liệu huấn luyện (training data) chứa thông tin về vị trí và nhãn của các đối tượng Chia dữ liệu thành các thư mục con theo đúng định dạng của YOLOv5 và được cấu hình trong file data.yml Sử dụng các công cụ đánh label để đánh nhãn và tạo bounding box cho vật thể cần nhận dạng Sau đó chuyển các file đã đánh nhãn sang định dạng của YOLOv5.
Hình 6 3 Bộ dữ liệu các đối tượng nhóm thu thập
Sau khi chuẩn bị dữ liệu thì bộ dữ liệu thu được:
- Nhãn khối hộp (box): 717 ảnh
- Nhãn bìa thưa (envelop): 545 ảnh
- Nhãn khối mềm (soft): 630 ảnh Được chia theo tỉ lệ train:val=8:2 Như vậy tập dữ liệu sẽ có các số mẫu như sau:
- Tập dữ liệu huấn luyện (training set): 1513 ảnh
- Tập dữ liệu đánh giá (validate dataset): 379 ảnh Để đánh giá được đúng chất lượng model Ta sẽ tự xây dựng bộ dữ liệu kiểm tra (test set) với 648 ảnh bao gồm cả box, envelop và soft.
Hình 6 4 Bộ dữ liệu kiểm tra bao gồm 648 ảnh cho cả 3 loại Bước 3 Xây dựng model huấn luyên
Tiếp theo, sau khi đã có một tập dữ liệu, ta sử dụng tập dữ liệu đã chuẩn bị này và tiến hành huấn luyện mô hình YOLOv5 Bước này bao gồm đưa dữ liệu vào mô hình, tối ưu hóa các tham số và thực hiện quá trình lan truyền ngược để điều chỉnh trọng số của mô hình Mục tiêu là tối thiểu hóa hàm mất mát để mô hình có thể nhận dạng và phân loại vật thể một cách chính xác Trong đề tài này, nhóm tác giả sẽ sử dụng mô hình YOLOv5s, một phiên bản của YOLOv5 với kiến trúc nhỏ hơn nhưng vẫn giữ được độ chính xác và hiệu suất cao.
Các bước cụ thể được mô tả như sau:
- Xác định kiến trúc mô hình YOLOv5s: Đầu tiên, ta cần xác định kiến trúc của mô hình YOLOv5s Mô hình này đã được thiết kế để xử lý các tác vụ phát hiện đối tượng và định vị vị trí của chúng YOLOv5s sử dụng một mạng nơ-ron tích chập CNN với nhiều tầng và khối để trích xuất đặc trưng từ ảnh đầu vào và dự đoán các bounding box và nhãn tương ứng cho các đối tượng.
Hình 6 5 Cấu trúc mô hình YOLOv5s
- Huấn luyện mô hình YOLOv5s: Tiếp theo, ta sẽ tiến hành quá trình huấn luyện mô hình YOLOv5s trên tập dữ liệu đã chuẩn bị Quá trình này bao gồm đưa dữ liệu vào mô hình, tính toán giá trị mất mát (loss) và tối ưu hóa mô hình để giảm thiểu giá trị mất mát Trong quá trình huấn luyện, ta sử dụng thuật toán tối ưu như Adam để cải thiện hiệu suất của mô hình.
Hình 6 6 Đồ thị hàm mất mát trên tập validate lúc training Bước 4 Đánh giá và kiểm tra mô hình
Sau khi huấn luyện, mô hình cần được đánh giá và kiểm tra để đảm bảo tính chính xác và hiệu suất của nó Quá trình này bao gồm sử dụng tập dữ liệu kiểm tra (test dataset) để đo lường độ chính xác, độ phủ (recall) và độ chính xác (precision) của mô hình Ở bước này, ta có thể tùy chỉnh các thông số và tiến hành huấn luyện lại để cải thiện hiệu suất Ta sử dụng công cụ monitor Optuna để tối ưu các hyperparameters cần thiết Kết quả sau khi monitor mAP_0.5:0.95 tăng 1.08 lần từ 85% tăng đến 91.7% trên tập đánh giá (validate dataset) và sau khi đã tinh chỉnh và tối ưu để cải thiện độ chính xác của mô hình Ta có thể đem mô hình để dự đoán các mẫu nằm trong tập dữ liệu (test dataset) đã chuẩn bị và đạt 90%.
Sau khi đã tinh chỉnh và chỉnh sửa để cải thiện độ chính xác của mô hình Ta có thể đem mô hình để dự đoán các bưu kiện không nằm trong tập dữ liệu huấn luyện để kiểm tra độ chính xác thêm trước khi lấy mô hình đưa vào hệ thống phân loại.
Như đã giới thiệu ở trên, mô hình YOLOv5 được sử dụng cho bài toán object detection(node detection hình 6.1) Với dữ liệu huấn luyện hơn 1000 tấm ảnh cho mỗi loại, kết hợp với các thuật toán augment để làm giàu dữ liệu Kết quả thu được khi thực hiện huấn luyện mô hình với mAP.5 (mean average precision) đạt 0.92, và FPS đạt 20.
Hình 6 7 Đồ thị Mean Average Precision
Tuy vậy, để cải thiện hiệu xuất mô hình nhóm em có tìm hiểu thêm về các bước TensorRT và TFLite và các kỹ thuật chuyển đổi model sang dạng chạy realtime Nhưng để tận dụng tối đa tài nguyên liên quan tới GPU của NVidia trên thiết bị nên nhóm em quyết định thực hiện thêm bước chuyển model thành định dạng TensorRT (.engine) với sự hỗ trợ mạnh mẽ của NVIDIA thay vì sử dụng cấu hình định dạng mặc định weight của YOLO là định dạng Torch (.pt) Với định dạng này model đạt hiệu xuất khoảng 30fps.
Hình 6 8 Thư viện tối ưu hóa dành cho các mô hình học sâu dựa trên nền tảng GPU
Nhưng để có thể đem ra chạy được trên các sản phẩm thực tế và giảm tải thêm được chi phí thì nhóm em tích hợp thêm các kỹ thuật chạy song song (parallel), với kỹ thuật này cho phép mô hình thực hiện các phép tính đồng thời trên nhiều luồng (thread), tận dụng tối đa khả năng xử lý đồng thời của GPU Điều này giúp tăng tốc độ chạy và cải thiện hiệu suất của mô hình.
Sau bước này, các ẩn số đầu ra liên quan tới loại bưu kiện (classes), tọa độ x và y đã được xử lý Với việc sử dụng mô hình YOLOv5 trong module xử lý của chúng tôi, chúng tôi có thể đạt được khả năng phát hiện và phân loại bưu kiện hiệu quả, đồng thời tích hợp nó với các công nghệ khác như camera 3D RealSense2 để xác định vị trí 3D và thực hiện các tác vụ thống kê và điều phối bưu kiện.
THIẾT LẬP NODE “XỬ LÝ VỊ TRÍ CỦA BƯU KIỆN TRONG KHÔNG GIAN 3D”
Sau khi thu thập thông tin về x và y thông qua bài toán object detection ở node detection trước đó và sử dụng camera 3D Realsense, chúng ta có thể tiếp tục xử lý để xác định vị trí của bưu kiện trong không gian 3D Bước này nhằm tìm ra thông tin về chiều cao và độ sâu của bưu kiện.
Hình 6 9 Ảnh đầu vào của node xử lý vị trí của bưu kiện trong không gian
Quá trình xử lý vị trí của bưu kiện trong không gian 3D có thể bao gồm các bước sau:
Bước 1: Lấy dữ liệu ảnh depth từ camera 3D.
Trong bước này, camera 3D được sử dụng để lấy dữ liệu về độ sâu (depth) của các điểm trong không gian Thông thường, camera 3D sẽ tạo ra một ảnh depth map, trong đó mỗi điểm ảnh tương ứng với một giá trị độ sâu.
Bước 2: Chuyển ảnh về dạng point-cloud.
Sau khi có ảnh depth map, các điểm ảnh với thông tin độ sâu có thể được chuyển đổi thành một dạng dữ liệu điểm (point-cloud) trong không gian 3D Mỗi điểm trong point-cloud sẽ chứa thông tin về tọa độ XYZ và có thể chứa một số thông tin khác như màu sắc của điểm đó (nếu camera hỗ trợ).
Hình 6 10 Toàn bộ khung hình
Bước 3 Loại bỏ nền và xác định khối hộp:
Sau khi có dữ liệu độ sâu và màu sắc và tọa độ khối bưu kiện trong không gian 3D (x, y, z), ta tiến hành việc đồng bộ hóa hai khung hình này bằng cách sử dụng bộ chuyển đổi (align). Điều này giúp đảm bảo rằng thông tin depth và color tương ứng với nhau, và ta có thể sử dụng chúng để tạo ảnh Point Cloud chính xác.
Tiếp theo, chúng ta chuyển đổi dữ liệu từ các khung hình thành mảng các điểm ảnh (array of points) để tiện cho việc xử lý Đối với khung hình depth, chúng ta có thể lấy thông tin về độ sâu của từng điểm ảnh Đối với khung hình màu sắc, ta có thể lấy thông tin về màu sắc của từng điểm ảnh.
Sau khi có thông tin về độ sâu và màu sắc của từng điểm ảnh, chúng ta tiến hành tạo ảnh Point Cloud từ dữ liệu này Để làm điều này, ta sử dụng các thuật toán tính toán để biến đổi từng điểm ảnh thành một điểm trong không gian 3D Quá trình này bao gồm việc gán tọa độ (x, y, z) cho mỗi điểm ảnh dựa trên thông tin độ sâu và đặt màu sắc tương ứng cho mỗi điểm. Kết quả là một ảnh Point Cloud, trong đó mỗi điểm đại diện cho một điểm trong không gian 3D Ảnh Point Cloud có thể được sử dụng để hiển thị và phân tích đối tượng 3D, từ việc xác định hình dạng và kích thước đến khám phá các đặc trưng không gian của đối tượng.
Trong không gian 3D, ta chỉ quan tâm đến một vùng cụ thể trong point-cloud, ví dụ như chỉ quan tâm đến một phần của bưu kiện Bước này nhằm cắt (crop) và lấy ra vùng point-cloud cần thiết để tiếp tục xử lý trong bước tiếp theo, điều này đồng nghĩa với việc là ta loại bỏ đi những background không mong muốn Để cắt được vùng ảnh quan tâm ta ít nhất phải có được tọa độ (x, y, width, height) của khối bưu kiện đã được xử lý ở bước detection ở trên.
Hình 6 11 Ảnh sau khi cắt vùng quan tâm
Bước 4: Tính toán khoảng cách z cùng với sự hỗ trợ của camera 3D Intel Realsense.
Trong quá trình xử lý, chúng ta phải biết được khoảng cách z của khối bưu kiện để xác định vị trí của vật trong không gian Khoảng cách z từ camera đến mỗi điểm trong point-cloud có thể dễ dàng được trích xuất từ dữ liệu depth map thông qua sự hỗ trợ của camera 3D realsense.
Hình 6 12 Kết quả thực tế vị trí của bưu kiện
Như hình trên, ý nghĩa tham số cuối cùng trong bounding box ở trên là khoảng cách z của khối bưu kiện đã tính được Qua node "xử lý vị trí của bưu kiện trong không gian 3D" này, chúng ta có thể thu được thông tin chi tiết về vị trí của từng bưu kiện trong không gian 3D, bao gồm tọa độ x, y và z Các thông tin này có thể được sử dụng để thực hiện các nhiệm vụ thống kê, điều phối và quản lý bưu kiện theo yêu cầu của ứng dụng.
THIẾT LẬP NODE “TRACKING BƯU KIỆN”
Để có thể phân phối bưu kiện đã được xử lý tới những địa chỉ đã được chỉ định, chúng tôi sử dụng mô hình YOLOv5 tracking Đặc biệt, chúng tôi sử dụng mô hình SORT được cung cấp trong repository sau: https://github.com/abewley/sort.
Mô hình SORT là một mô hình tracking đơn giản và thời gian thực, được thiết kế để theo dõi các đối tượng trong các tác vụ nhận dạng và theo dõi Mô hình này sử dụng phương pháp theo dõi trực tuyến và cung cấp kết quả theo thời gian thực.
Việc sử dụng mô hình YOLOv5 tracking (SORT) để thực hiện node "tracking bưu kiện" bao gồm các bước sau:
Bước 1 Chuẩn bị dữ liệu
• Sử dụng đầu ra từ mô hình YOLOv5 phân loại và xác định vị trí 3D của bưu kiện.
• Dữ liệu này bao gồm các thông tin như tọa độ x, y, z của bưu kiện và các thông tin phân loại liên quan.
• Sử dụng mô hình SORT từ repository được cung cấp, chúng tôi áp dụng thuật toán theo dõi để theo dõi và đánh dấu các bưu kiện trong các khung hình streaming.
• Mô hình SORT sử dụng thông tin về tọa độ và các đặc trưng của bưu kiện để xác định các đối tượng và theo dõi chúng theo thời gian.
Bước 3 Định vị và điều phối:
• Khi các bưu kiện được theo dõi và đánh dấu, chúng tôi có thể xác định vị trí hiện tại của chúng trong không gian và thực hiện điều phối dựa trên yêu cầu đã được chỉ định.
• Các thông tin về vị trí và đặc trưng của bưu kiện có thể được sử dụng để xác định địa chỉ đích và thực hiện việc phân phối bưu kiện tới địa chỉ đó.
Hình 6 13 Kết quả thực tế vị trí của bưu kiện trong không gian có id tracking
Thông qua node "tracking bưu kiện" này, chúng tôi sử dụng mô hình YOLOv5 tracking(SORT) từ repository https://github.com/abewley/sort để thực hiện việc theo dõi bưu kiện trong thời gian thực và đánh dấu chúng Mô hình SORT sử dụng các thông tin về tọa độ và đặc trưng của bưu kiện để xác định và theo dõi các đối tượng theo thời gian Từ đó, chúng tôi có thể xác định vị trí hiện tại của bưu kiện và thực hiện quyết định điều phối dựa trên yêu cầu đã được chỉ định Sử dụng mô hình YOLOv5 tracking (SORT) trong node "tracking bưu kiện" giúp chúng tôi đạt được tính chính xác và đáng tin cậy trong việc theo dõi và điều phối bưu kiện.
KẾT LUẬN VÀ KIẾN NGHỊ
Trong đồ án tốt nghiệp “HỆ THỐNG PHÂN LOẠI BƯU KIỆN ỨNG DỤNG CÔNG NGHỆ XỬ LÝ ẢNH 3D”, dưới sự giúp đỡ của TS Bùi Hà Đức kết hợp với sự tìm tòi và khám phá của các thành viên trong nhóm, chúng em đã thành công trong việc thu thập, xử lý và xây dựng một model có khả năng phân loại được 3 loại sản phẩm Kết hợp với đó là hệ thống cơ khí có khả năng nâng được bưu kiện có khối lượng tối đa là 2.5kg, hệ thống tuy nhỏ nhưng có khả năng góp phần tạo nên nguồn cảm hứng cho sinh viên thế hệ sau và góp một phần nhỏ vào việc phát triển cho khả năng ứng dụng của camera 3D cho việc phân loại bưu kiện nói riêng và phân loại sản phẩm khác nói chung Bên cạnh các lợi ích trên thì đồ án chúng em còn đề cao tầm quan trọng của việc ứng dụng công nghệ phân loại sản phẩm 3D trong mảng logistics, vận chuyển sản phẩm do khi sử dụng phân loại bằng 3D có thể cho ra kết quả chính xác hơn khi phân loại bằng 2D bên cạnh đó khi phân loại được bằng 3D bạn có thể biết được chính xác khoảng cách từ camera đến vật và việc đó đôi khi có thể giúp chúng ta giảm thiểu đi một số thiết bị như cảm biến, công tắc do có thể biết được khoảng cách di chuyển của các thiết bị gắp nhằm giảm đi sự cồng kềnh cũng như hao phí điện năng của các hệ thống cơ khí quen thuộc và giúp tăng hiệu quả cũng như giúp tăng lợi nhuận của các hệ thống tự động.
Trong quá trình nghiên cứu, thiết kế và chế tạo đồ án nhóm chúng em đã thu được những kết quả quan trọng và đáng chú ý như: khi phân loại cần phải chú tâm vào việc xử lý những tín hiệu đầu vào trước, độ chính xác của hệ thống phụ thuộc rất lớn vào việc train data đầu vào của xử lý ảnh, nhóm chúng em đã bỏ ra rất nhiều thời gian để tập trung vào việc tạo ra nguồn ảnh đầu vào chất lượng sau đó mới bắt đầu xây dựng hệ thống cơ khí để phân loại, tuy nhiên do thời gian hạn hẹp nên nhóm chỉ kịp xây dựng hệ thống cơ khí là tay gắp decat để nâng lên và hạ vật xuống sau khi đã phân loại nhưng nhóm cũng khá hài lòng khi hệ thống này có thể nâng được khối lượng tối đa là 2kg Hệ thống sử dụng động cơ step nhưng mà khi hệ thống hoạt động thì sai số là rất nhỏ. Đồ án tốt nghiệp đợt này do giới hạn về thời gian cũng như do một số lý do bên ngoài tác động nên chúng em chỉ có thể phân loại được 3 loại bưu kiện, hệ thống vẫn chỉ mới xử dụng động cơ step nên khi hoạt động thì độ chính xác chưa lên mức tuyệt đối và sẽ phát ra tiếng động lớn gây ảnh hưởng đến môi trường xung quanh bên cạnh đó do chưa có đủ thời gian để tối ưu hóa nên hệ thống vẫn chưa phân loại sản phẩm được với tốc độ cao đủ cho việc đưa ra thương mại hóa Trong tương lai, nhóm sẽ bổ xung thêm cho model phân loại để có thể phân loại được nhiều loại hàng hóa hơn, xây dựng một hệ thống cơ khí mới với khả năng gắp nghiêng để xử lý được tình huống đầu vào là một thùng hàng hỗn độn không được định vị riêng biệt như là ở trên băng truyền và khi hệ thống cơ khí có nhiều khả năng hơn thì nhóm sẽ tiến tới việc phân loại các loại hàng đang nằm chồng lên nhau tiếp theo đó sẽ là tối ưu hóa hệ thống để tạo ra hệ thống vừa có khả năng phân loại được nhiều bưu kiện xếp chồng lên nhau với tốc độ cao và đặc biệt là không phát ra tiếng ồn hoặc hao phí quá nhiều điện năng Nhóm hy vọng trong tương lai hệ thống nhóm xây dựng sẽ đi tiên phong trong lĩnh vực phân loại 3D cũng như có khả năng áp dụng được trong nhiều lĩnh vực công nghệ hiện tại.
Thông qua đồ án này nhóm chúng em đã học hỏi thêm được rất nhiều thứ, chuẩn bị thêm nhiều kiến thức để có thể bước tiếp sau khi ra trường Nhóm xin gửi lời cảm ơn chân thành đến
TS Bùi Hà Đức vì đã giúp đỡ nhóm rất nhiều trong đồ án tốt nghiệp lần này Nhóm hy vọng rằng không chỉ riêng nhóm mà các sinh viên sau này có thể cùng chung tay để tiếp tục phát triển đề tài này đi lên cho tới lúc đề tài được xướng tên trên cái bài báo quốc tế về việc có khả năng ứng dụng cao trong nhiều lĩnh vực.