(Đồ án hcmute) thiết kế và lập trình nhúng cho mạch điện tử để ứng dụng cho giáo dục stem

TỔNG QUAN

Đặt vấn đề

Nền công nghiệp của các quốc gia phát triển, bao gồm Việt Nam đang phát triển mạnh. Việc tăng cường tự động hoá quá trình sản xuất giúp cải thiện năng suất lao động rất nhiều. Máy móc và hệ thống tự động cho phép hoạt động liên tục mà không cần nghỉ hoặc thay thế nhân công, do đó cải thiện năng suất và thời gian làm việc của dây chuyền sản xuất.

Hiện nay, việc hàn thủ công dễ dẫn đến đường hàn không đẹp và không đồng đều Những sai lệch nhỏ trong quá trình hàn sẽ ảnh hưởng đến chất lượng và độ bền của đường hàn Quá trình hàn thủ công phụ thuộc vào tay nghề và kỹ năng của người thợ hàn Điều này sẽ dẫn đến sự chênh lệch về chất lượng sản phẩm và khó khăn trong việc kiểm soát chất lượng đường hàn Việc hàn thủ công đòi hỏi người lao động phải tiếp xúc thường xuyên với nguồn nhiệt độ cao và các hoá chất gây độc hại khác Điều này tạo ra nguy cơ tai nạn lao động và rủi ro đối với sức khoẻ của người lao động Do thấy được sự cần thiết như vậy nên nhóm đã vận dụng các kiến thức đã tiếp thu được để triển khai nghiên cứu cách thức ứng dụng công nghệ xử lý hình ảnh để khắc phục một phần hạn chế của công nghệ hàn bán tự động, từ đó góp phần hạn chế sự can thiệp của con người vào quá trình sản xuất nhằm nâng cao năng suất và chất lượng sản phẩm.

1.2 Ý nghĩa lý luận và thực tiễn của đề tài

- Cải thiện chất lượng hàn: Sử dụng thiết bị nhận diện mối hàn tự động giúp đảm bảo chất lượng hàn cao hơn và đồng đều hơn Điều này giúp nâng cao chất lượng sản phẩm và đáp ứng yêu cầu kỹ thuật, đồng thời giảm thiểu lỗi hàn và đảm bảo tính đồng nhất của các đường hàn.

- Tăng năng suất: Quá trình hàn tự động giảm thiểu sự can thiệp của con người, làm giảm thời gian và công sức cần thiết cho việc hàn Điều này dẫn đến tăng năng suất và hiệu quả sản xuất trong ngành công nghiệp.

- Tăng tính an toàn: Tự động hóa quá trình hàn giảm nguy cơ tai nạn lao động và tác động đến sức khỏe của người công nhân Điều này mang lại môi trường làm việc an toàn hơn và giảm thiểu rủi ro trong quá trình hàn.

1.3 Mục tiêu nghiên cứu của đề tài

- Tìm hiểu thêm về các thuật toán xử lý ảnh, từ đó phát triển, ứng dụng xử lý ảnh vào lĩnh vực hàn tự động.

- Xây dựng mô hình thiết bị để kiểm chứng nghiên cứu.

- Xây dựng thuật toán điều khiển dựa trên dữ liệu có được từ xử lý ảnh.

1.4 Đối tượng và phạm vi nghiên cứu

- Mối hàn và mẫu hàn: Nghiên cứu tập trung vào việc nhận diện mối hàn và mẫu hàn được đưa vào là tấm kim loại có độ sáng tương thích, các mối hàn có kích thước lớn, không thể xác định bằng phương pháp chụp ảnh một lần.

- Ảnh hàn: Xử lý và phân tích các hình ảnh của mối hàn để tìm ra các đặc trưng và thông tin liên quan đến chất lượng hàn.

- Xây dựng và triển khai các giải pháp xử lí hình ảnh nhằm nhận dạng và phân loại mối hàn trên ảnh thu về bởi camera hoặc cảm biến quang.

- Phân đoạn và trích xuất các đặc trưng của mối hàn, như đường hàn, độ dày, độ rộng, đánh giá mức độ kết nối và các thông số khác.

- Áp dụng các phương pháp nhận diện và phân loại, như học máy, học sâu (deep learning) để xác định chất lượng của mối hàn.

1.5 Cơ sở phương pháp luận

Từ những nguồn tư liệu (sách báo, internet, ) và kết quả nghiên cứu về những sản phẩm đi đầu và những mẫu mã sản phẩm đã từng tiêu thụ trên thị trường qua đó đánh giá ưu cũng như hạn chế nhằm cải tiến và phát huy những ý tưởng của mình.

Tìm kiếm, tổng hợp tài liệu từ nhiều nguồn có liên quan đến đề tài.

- Nghiên cứu và tính lựa chọn thiết bị truyền chuyển động phù hợp cho mô hình giúp thuật toán được hoạt động hiệu quả và độ chính xác.

- Xây dựng lại mô hình trên nền tảng lý thuyết và sau đó thử nghiệm để đối chiếu kết quả với mô hình lý thuyết trước đó đã nghiên cứu.

- Tiếp tục chạy mô hình hoạt động và thử thêm vài lần sau nếu có các thay đổi đối với thuật toán và vận tốc của động cơ điện nhằm có hiệu suất tối ưu.

Mục tiêu nghiên cứu của đề tài

- Tìm hiểu thêm về các thuật toán xử lý ảnh, từ đó phát triển, ứng dụng xử lý ảnh vào lĩnh vực hàn tự động.

- Xây dựng mô hình thiết bị để kiểm chứng nghiên cứu.

- Xây dựng thuật toán điều khiển dựa trên dữ liệu có được từ xử lý ảnh.

Đối tượng và phạm vi nghiên cứu

- Mối hàn và mẫu hàn: Nghiên cứu tập trung vào việc nhận diện mối hàn và mẫu hàn được đưa vào là tấm kim loại có độ sáng tương thích, các mối hàn có kích thước lớn, không thể xác định bằng phương pháp chụp ảnh một lần.

- Ảnh hàn: Xử lý và phân tích các hình ảnh của mối hàn để tìm ra các đặc trưng và thông tin liên quan đến chất lượng hàn.

- Xây dựng và triển khai các giải pháp xử lí hình ảnh nhằm nhận dạng và phân loại mối hàn trên ảnh thu về bởi camera hoặc cảm biến quang.

- Phân đoạn và trích xuất các đặc trưng của mối hàn, như đường hàn, độ dày, độ rộng, đánh giá mức độ kết nối và các thông số khác.

- Áp dụng các phương pháp nhận diện và phân loại, như học máy, học sâu (deep learning) để xác định chất lượng của mối hàn.

Cơ sở phương pháp luận

Từ những nguồn tư liệu (sách báo, internet, ) và kết quả nghiên cứu về những sản phẩm đi đầu và những mẫu mã sản phẩm đã từng tiêu thụ trên thị trường qua đó đánh giá ưu cũng như hạn chế nhằm cải tiến và phát huy những ý tưởng của mình.

Phương pháp nghiên cứu

Tìm kiếm, tổng hợp tài liệu từ nhiều nguồn có liên quan đến đề tài.

- Nghiên cứu và tính lựa chọn thiết bị truyền chuyển động phù hợp cho mô hình giúp thuật toán được hoạt động hiệu quả và độ chính xác.

- Xây dựng lại mô hình trên nền tảng lý thuyết và sau đó thử nghiệm để đối chiếu kết quả với mô hình lý thuyết trước đó đã nghiên cứu.

- Tiếp tục chạy mô hình hoạt động và thử thêm vài lần sau nếu có các thay đổi đối với thuật toán và vận tốc của động cơ điện nhằm có hiệu suất tối ưu.

TỔNG QUAN VỀ KẾT CẤU VÀ HỆ THỐNG DẪN ĐỘNG CỦA MÁY

Khái niệm công nghệ hàn

Hàn là quá trình ghép nối hoặc liên kết các vật liệu bằng việc sử dụng nhiệt độ cao hoặc áp suất nhằm tạo ra một liên kết cơ học mạnh mẽ giữa chúng Quá trình hàn thông thường được tiến hành bằng cách đun sôi khu vực hỗn hợp của các vật liệu ở nhiệt độ nóng chảy để tạo ra một môi trường lỏng hoặc nóng chảy nhất định và từ đó cho phép chúng làm nguội và đông lại thành một liên kết chặt chẽ.

Quá trình hàn có thể được sử dụng trên nhiều bề mặt vật liệu khác nhau, bao gồm sắt, nhôm, kim loại và gỗ Các phương pháp hàn phổ biến bao gồm hàn điện cực, hàn nóng chảy, hàn với chất lỏng, hàn nhiệt, hàn laser và hàn siêu âm.

Quá trình hàn có nhiều ứng dụng trong nhiều lĩnh vực công nghiệp, bao gồm chế tạo ôtô, hàng không, đóng tàu, xây dựng, điện, hoá dầu và nhiều ngành khác Nó đóng vai trò chính trong quá trình tạo ra những vật liệu hoàn chỉnh, đòi hỏi tính gắn kết chặt chẽ và hiệu suất cao của từng bộ phận

Liên kết hàn được đặc trưng bằng tính nhất quán và nguyên khối Đó là liên kết "cứng" và không tách ra được.

Cho phép giảm thiểu khoảng 10 ÷ 20% khối lượng kim loại So với đúc thì hàn có thể cắt đến khoảng 50% khối lượng kim loại.

Cho phép sản xuất vô số kết cấu phức tạp, siêu trường và siêu trọng, từ những vật liệu cùng chủng loại đến những vật liệu có tính chất đặc thù khác nhau phù hợp với các môi trường và điều kiện sản xuất khác nhau.

Hàn tạo ra các liên kết có độ bền và độ khít cao thích hợp với các điều kiện làm việc của những kết cấu phức tạp như vỏ tàu, bể nước, máy và trang thiết bị áp lực cao

Hàn có tính linh động và hiệu suất cao so với các công nghệ trước nên dễ quản lý và tự động hoá quá trình sản xuất Mức độ đầu tư vào công nghệ hàn không quá cao.

Tuy vậy, nếu trong khi hàn, vật liệu bị tác động của nguồn nhiệt lượng có cường độ cao, liên tục và trong một thời gian ngắn, cho nên những kết cấu hàn thường có những nhược điểm sau: ứng suất nhiệt độ cao là đặc tính tồn tại trong kết cấu hàn, cho nên vật hàn dễ bị biến dạng và cong vênh Khu vực kim loại có bề mặt hàn bị biến dạng nên kết cấu hàn chịu lực thấp

Mặc dù vẫn còn những hạn chế trên, nhưng với tính kinh tế - kỹ thuật cao nên công nghệ hàn vẫn được quan tâm nghiên cứu, triển khai đồng bộ và được ứng dụng rộng rãi trong hầu hết các lĩnh vực sản xuất của nền kinh tế quốc dân.

Có vô số cách phân chia phương thức hàn Tuy nhiên phổ biến nhất là cách phân chia theo kiểu năng lượng hàn dựa theo tình trạng của mối hàn ở vị trí hàn [3].

Theo dạng năng lượng sử dụng:

Các phương pháp hàn điện: bao hàm những phương pháp lấy điện năng biến hoá sang nhiệt độ để hỗ trợ cho quy trình hàn Ví dụ: hàn điện laser, hàn điện plasma

Hình 2 1: Phương pháp hàn điện hồ quang tay

Các phương pháp hàn cơ: bao gồm các phương pháp sử dụng cơ học nhằm gia công biến dạng kim loại tại vị trí muốn hàn nhằm chế tạo ra mối hàn Ví dụ: hàn nhiệt, hàn điện trở, hàn siêu âm

Hình 2 2: Phương pháp hàn ma sát khuấy

(1) Dụng cụ hoạt động bởi thiết bị gắn đầu xoay hay đầu rà vào kim loại; (2) Chuyển động xoay và tuyến tính của đầu xoay đặc biệt cần thiết đối với công việc mài và điều chỉnh tuỳ thuộc đặc

4 tính kim loại; (3) Đầu xoay sinh thêm nhiệt độ và gắn kim loại trở lại với nhau; (4) Tiếp xúc làm mềm kim loại dọc theo mối nối và giúp kim loại trở lại trạng thái mềm mịn mà không tan chảy.

Các phương pháp hàn phản ứng: bao gồm những phương pháp sử dụng năng lượng từ những phản ứng hoá học sinh ra nhằm hỗ trợ cho quá trình hàn Ví dụ: hàn nóng chảy, hàn gia nhiệt,

Hình 2 3: Phương pháp hàn khí

Có nhiều phương pháp kết hợp để thực hiện quá trình hàn, bao gồm việc sử dụng đồng thời các nguồn năng lượng khác nhau.

Trạng thái của kim loại tại thời điểm hàn cũng được chia thành hai loại chính: hàn nóng chảy và hàn áp lực [3].

Hàn nóng chảy bao gồm các phương pháp như hàn khí, hàn điện xỉ, hàn hồ quang và hàn laze Các nguồn nhiệt trong quá trình này cần có công suất đủ lớn để đảm bảo kim loại và vật liệu được làm nóng đến trạng thái chảy [3].

Hình 2 4: Phương pháp hàn nóng chảy

Các thành phần trong cụm cơ khí

2.2.1 Truyền động vít me – đai ốc bi

Vít me – đai ốc bi là gì ?

Vít me – đai ốc bi là bộ phận chuyền động biến chuyển động quay (trục vít me) sang quay (đai ốc me) Truyền động vít me – đai ốc có 2 dạng là vít me – đai ốc bi và vít me đai ốc bi Lực ma sát của trục vít – đai ốc là một lớp bi mỏng do đó sẽ giảm thiểu được ma sát Giúp chuyền động rất nhanh và chính xác giúp hoạt động liên tục trong thời gian dài [8].

Khi vít me quay thì các hạt bi làm đổi hướng trong ống lệch hướng sẽ đi vào ống hồi bi và từ đây các hạt bi di chuyển liên tục đến phía cuối của đai ốc và ra khỏi ống hồi bi đi vào khe của đai ốc và vít me Vòng tuần hoàn bi lặp lại liên tục bảo đảm việc hoạt động ổn định cùng chính xác của vít me Một cỗ vít me đai ốc bi có thể có được một hoặc vài vòng tuần hoàn của bi [8].

Hình 2 10: Chi tiết trong trục vitme đai ốc 2.2.2 Sống trượt, dẫn hướng

Thanh trượt vuông (Square Linear Guide) là một loại cơ cấu dẫn hướng được thiết kế nhằm tạo chuyển động tuyến tính mượt mà và ổn định trong các ứng dụng cơ khí và tự động hoá Thanh trượt dẫn hướng hoạt động dựa trên nguyên lý ma sát giữa trục trượt và bánh răng để tạo nên hệ thống dẫn hướng - kim chỉ nam cho mọi chuyển động của máy, đảm bảo rằng các cơ cấu máy móc vận hành tự động một cách trơn tru, mượt mà và ổn định nhất.

Hình 2 11: Ray và con trượt dẫn hướng vuông

Cấu tạo thanh trượt vuông

Một thanh dẫn hướng vuông bao gồm ray trượt và con trượt.

Hình 2 12: Cấu tạo thanh trượt vuông

Seal: chắn bụi giữ mỡ.

Slide seal: Tấm thép chống va đập.

Ball slide: Block và đầu bi hồi.

Return guide: Rãnh bi hồi. Ưu điểm:

- Có thể hoạt động chính xác ở tốc độ cao.

- Ma sát nhỏ nên lực truyền động yêu cầu cũng nhỏ hơn hệ thống khác, có thể hoạt động ở tốc độ cao mà không sinh ra quá nhiều nhiệt

- Có khả năng chống rung động cao, độ cứng vững tốt, có khả năng chịu tải cao.

- Mặt tiếp xúc có độ chống mài cao nhằm bảo đảm độ chính xác dài lâu.

- Khả năng chống bụi hiệu quả

- Hai tấm thép chống va đập ở 2 đầu con trượt hạn chế rủi ro, sự cố, hư hỏng trong quá trình vận hành, ngay cả khi ở tốc độ cao.

- Dễ dàng lắp đặt, sử dụng và tháo gỡ, tiết kiệm chi phí cho người sử dụng. Ứng dụng

Nhờ những đặc điểm trên nên thiết bị dẫn hướng điện tử có khả năng ứng dụng rộng và đa dạng trong nhiều ngành nghề và lĩnh vực khác nhau Cụ thể:

- Ứng dụng trong ngành sản xuất đồ điện tử: là thiết bị dẫn hướng quan trọng được sử dụng trong các thiết bị và máy móc điện tử như máy gia công vi mạch, máy in 3D hay cánh tay robot.

- Ứng dụng trong ngành sản xuất đồ gỗ mỹ nghệ như thanh trượt dẫn hướng cho các máy gỗ cnc và máy chà nhám.

- Ứng dụng trong các máy hàn cuộn của ngành sản xuất giấy.

- Ứng dụng trong máy chấn cuộn, máy uốn và máy hàn cuộn trong ngành sắt thép.

- Là thiết bị dẫn hướng cho các máy đóng gói tự động, máy in bao bì, máy đóng sách trong ngành in ấn bao bì

2.2.3 Truyền động đai răng Đai răng là một loại đai dẹt được tạo thành một vòng kín, có các răng ở mặt trong Khi hoạt động, các răng trên đai sẽ khớp chính xác với các răng trên bánh đai Hiện nay, đai răng được sử dụng phổ biến trong nhiều lĩnh vực khác nhau.

Kiểu đai này có các răng theo kích thước chuẩn, tạo ra sự khớp chủ động với các răng trên bánh đai Điều này giúp việc di chuyển vào và ra khỏi các rãnh diễn ra một cách trơn tru và không gây ma sát cao.

Bề mặt của các răng được bảo vệ bằng lớp nylon chống mài mòn Sau khi hoạt động trong thời gian ngắn, bề mặt của những chiếc răng này sẽ trở nên láng và smooth hơn do ma sát giảm đi Điều này giúp loại bỏ hiện tượng trượt, tiếp xúc kim loại với kim loại và cung cấp tính kéo dãn và bôi trơn cho hệ thống. Để hoạt động hiệu quả, đai phải đi kèm pulley có cùng kích thước chuẩn.

Hình 2 13: Cơ cấu truyền động đai răng Đặc điểm Đai răng là một dạng đai phẳng nhưng có mặt bên trong được cấu tạo với những cạnh hình vuông, tròn hoặc nhọn Trên các bánh đai cũng có các rãnh tương ứng Bộ truyền của nó hoạt động nhờ vào sự khớp nối giữa đai và các răng của bánh đai Được sử dụng cho công suất từ 100KW, và trong một số trường hợp còn có thể lên tới 500KW, với tốc độ thông thường từ 5 ÷ 50 (m/s), và có thể lên tới 80 (m/s) khi sử dụng loại đai nhẹ Bề rộng của đai có thể lên tới 380

(mm), tỷ số truyền là từ 12 và trong một số trường hợp còn có thể lên tới 30, hiệu suất cao nhất là 98% [ 5 ].

Hình 2 14: Mô tả ăn khớp đai răng

Biên dạng đai răng đã được ứng dụng trên thế giới khá đa dạng về chủng loại Hình 2.14 chỉ ra một số biên dạng răng thường gặp và ưu nhược điểm cụ thể của nó.

Hình 2 15: Các loại biên dạng đai răng a) Răng hình thang, b) Răng hình thang có khía rãnh tại chân răng, c) Răng hình thang chân răng có khía, d) Răng cung tròn, e) Răng cung

Bảng 2.1: Các thông số bộ truyền đai răng

Theo một nhà nghiên cứu và phân tách bởi quang học đàn hồi đã tìm ra được ứng suất phân tán trong chân răng của đai răng cong theo nguyên tắc ăn khớp này khác nhau tuỳ thuộc theo hình thái của răng Trong trường hợp của răng thẳng không có hiện tượng phân bố ứng suất vào chân răng ở những vị trí nhất định ngoại trừ vị trí chân răng có ứng suất thấp Ngược lại, với đai răng cong thì ứng suất có thể phân tán đều và gần như không đổi trên toàn bề dài của răng Tải tập trung cao nhất của lớp chống giãn (tầng xơ sợi) trong hình trên [5].

Răng hình thang Răng cong

Hình 2 16: Mô hình ứng suất trong chân răng Đường ứng lực bên trong đai răng phẳng nằm tại thân răng Trong khi hoạt động, các ứng lực sẽ hạn chế tuổi thọ của đai răng Tuy nhiên, điều này sẽ được bù đắp bởi việc dùng đai răng phẳng để có thể giữ đai răng không bị tuột khi moment quá tải.

Răng đai cong tiếp cận với tất cả diện tích của rãnh trên bánh đai, nhờ vậy tăng khả năng ma sát và giảm thiểu rung và lệch của răng Ngoài ra, sức chịu tải của răng cũng được nâng thêm ít nhất 40%.

Mặc dù có những khó khăn đối với quá trình chế tạo những bộ phận như thanh giây và bánh đai uốn cong tuy nhiên nó sống sót và được dùng rộng rãi nhờ các ưu điểm mà nó đem lại so sánh với răng đai thẳng (tuổi thọ cao hơn).

Hình 2 17: Các thông số của đai răng

Hình 2 18: Kết cấu đai răng

Cơ sở lý thuyết về điện điện tử

2.3.1 Động cơ bước Động cơ bước (stepper motor) có bản chất là một động cơ đồng bộ dùng nhằm biến đổi các tín hiệu truyền dưới dạng các dòng điện rời rạc tiếp nối nhau thành hình các chuyển động góc quay [9].

Về cấu tạo động cơ bước gồm có các thành phần là stato và roto là nam châm vĩnh cửu còn đối với trường hợp của động cơ chuyển đổi từ thì là những thanh răng chế tạo bởi hợp kim không có từ tính Động cơ bước được vận hành bởi bộ điều khiển bên ngoài Động cơ bước và bộ điều khiển được thiết kế để cho động cơ được lắp đặt ở bất kỳ vị trí cố định và cũng có thể quay ở một vị trí bất kỳ khác [9].

Hình 2 20: Động cơ bước và bộ điều khiển Động cơ bước được sử dụng trong hệ điều khiển vòng hở đơn, hoặc vòng kín Với ứng dụng yêu cầu mô men cao thì khi sử dụng điều khiển vỏng hở sẽ gặp rủi ro khi bị mất xung. Tuy nhiên nếu có thêm phản hồi tốc độ tạo thành vòng kín thì động cơ bước sẽ cho tốc độ cao hơn và vận hành êm hơn.

Hình 2 21: Sơ đồ điều khiển vòng kín động cơ bước

Cơ sở lý thuyết về xử lý ảnh

2.4.1 Giới thiệu về xử lý ảnh

Thị giác là giác quan phát triển bậc nhất của con người và điều đó không có gì quá đáng ngạc nhiên vì hình ảnh luôn là nguồn thông tin căn bản trong quá trình hình thành nên nhận thức của nhân loại Khác với con người, máy tính không có khả năng tự xây dựng nên nhận thức qua hình ảnh nếu không có những chỉ dẫn do con người cài đặt sẵn.

Những năm gần đây với tốc độ tăng trưởng của khoa học máy tính, xử lý ảnh và đồ hoạ theo đó cũng phát triển khá mạnh mẽ và có nhiều vai trò trong cuộc sống Xử lý ảnh và đồ hoạ đóng một vai trò quan trọng trong giao tiếp người - máy Quá trình xử lý ảnh có thể hiểu đơn thuần là quá trình xử lý ảnh nhập vào nhằm cho ra đời ảnh thực Kết quả cuối cùng của một quá trình xử lý ảnh đôi khi là một ảnh "tốt hơn" hoặc một kết luận [7].

Hình 2 22:Quá trình xử lý ảnh Ảnh được xem là tập hợp n điểm ảnh và mỗi một điểm ảnh được xem như là đặc trưng cường độ sáng hay một dấu hiệu nào đó tại điểm nào đó của ảnh trong không gian và nó được xem như một hàm n biến P (c 1, c2, , cn) Do đó, ảnh trong xử lý ảnh được xem như ảnh n chiều [7].

2.4.2 Các giai đoạn của quá trình xử lý ảnh

Tiếp theo dưới đây, ta xem xét những thao tác cần trong quy trình xử lý ảnh Đầu tiên, ảnh thiên nhiên từ môi trường bên ngoại trừ được thu thông qua những thiết bị nguồn thu như máy chụp ảnh Trước đây, ảnh thu từ máy chụp ảnh là những ảnh tương đương Gần đây, với việc tiến bộ của công nghệ thông tin, ảnh màu sắc hoặc trắng đen từ máy chụp đã được chuyển đổi sang định dạng kỹ thuật số nhằm thuận tiện cho quá trình xử lý tiếp theo Hình 2.24 mô tả những giai đoạn cơ bản trong quy trình xử lý ảnh [4].

Hình 2 23:Các bước cơ bản trong xử lý ảnh

Sơ đồ này bao gồm các thành phần chính là thu nhận ảnh, tiền xử lý, phân đoạn ảnh và biểu diễn ảnh:

- Thu nhận ảnh (Image Acquisition): mô tả quá trình thu nhận hình ảnh qua camera màu sắc hoặc trắng đen Loại camera thông thường được dùng là loại quét luồng cho phép xuất ra những hình ảnh hai chiều Chất lượng của hình ảnh thu nhận phụ thuộc cả camera và máy ảnh [4].

Camera hay sử dụng là dạng scan ngược nên ảnh thu ra có dạng hai chiều Chất lượng một ảnh thu về phụ thuộc cả nguồn thu và môi trường (thời tiết hay cảnh quan) [4].

- Tiền xử lý (Image Processing): có nhiệm vụ làm sạch và cải thiện chất lượng của hình ảnh sau khi được thu nhận Các công việc chính trong tiền xử lý gồm loại bỏ nhiễu và nâng cao độ tương phản để làm cho hình ảnh rõ nét hơn [4].

- Phân đoạn ảnh (Segmentation): mô tả việc tách một hình ảnh thành các vùng thành phần khác nhau để thực hiện các công việc như phân tích và nhận dạng Ví dụ: trong việc nhận dạng chữ từ một bức thư, cần chia câu, từ hay số để nhận dạng Thành phần này là một công đoạn phức tạp và khó khăn, có thể gây lỗi và làm mất đi sự chính xác của hình ảnh [4].

- Biểu diễn ảnh (Image Representation): mô tả việc biến đổi hình ảnh sau khi đã được phân đoạn thành dạng thích hợp để tiếp tục xử lý bằng máy tính Việc chọn các thuộc tính để biểu diễn hình ảnh gọi là trích chọn đặc trưng, giúp phân biệt các vùng khác nhau trong hình ảnh Ví dụ: trong việc nhận dạng ký tự, ta sẽ miêu tả các đặc trưng của từng ký tự để phân biệt chúng [4].

- Nhận dạng và nội suy ảnh (Image Recognition and Interpretation): Có hai loại nhận dạng hình ảnh phổ biến: nhận dạng theo tham số và nhận dạng theo cấu trúc Các đối tượng nhận dạng phổ biến hiện nay bao gồm mã vạch, ký tự, ngón tay, hình ảnh và mặt người [4]:

- Nhận dạng theo tham số.

- Nhận dạng theo cấu trúc.

Một số đối tượng nhận dạng rất phổ biến hiện nay đang được ứng dụng trong khoa học và kỹ thuật là: nhận dạng ký tự (chữ thường, chữ viết tay, ký tự số), nhận dạng chữ viết (Text), nhận dạng chữ viết tay, nhận dạng hình ảnh, nhận dạng khuôn mặt động vật, - Cơ sở tri thức

(Knowledge Base): Cơ sở kiến thức được sử dụng trong quá trình xử lý và phân loại ảnh đã góp phần hoàn thiện quá trình thu nhận và xử lý ảnh theo cách thức con người Trong những giai đoạn xử lý này, những phương pháp trí tuệ con người đã được áp dụng nhằm xử lý những công đoạn khác nhau [4].

- Mô tả (Representation and Description): Sau khi số hoá, hình ảnh được lưu vào bộ nhớ hoặc chuyển sang các khâu tiếp theo để phân tích Tuy nhiên, việc lưu trữ ảnh thô từ các nguồn không hiệu quả do yêu cầu dung lượng bộ nhớ cao Thông thường, để tối ưu công nghệ và ứng dụng, các ảnh thô được đặc trưng lại dựa trên các đặc điểm của ảnh như biên và vùng [4].

2.4.3 Một số khái niệm cơ bản trong xử lý ảnh

- - Điểm ảnh (Pixel Element): Ảnh trong thực tiễn là một ảnh liên tục về thời gian và có giá trị độ sáng Để có thể xử lý ảnh bằng máy tính cần thiết phải tiến hành số hoá ảnh Trong quá trình xử lý ảnh người ta biến đổi tín hiệu liên tiếp sang tín hiệu rời rạc thông qua quá trình lấy mẫu (liên tiếp về không gian) và định lượng các giá trị (đo lường biên độ giá trị) mà theo nguyên lý dùng mắt thông thường không nhận biết giữa hai mức với nhau Trong quá trình sản xuất, người ta sử dụng khái niệm Pixel Element mà ta hay nói là Pixel – điểm ảnh Mỗi điểm ảnh gồm một cặp toạ độ f (x, y) và độ xám hoặc màu nhất định của điểm ảnh [1].

- Ảnh số: Một ảnh là tập hợp những điểm ảnh Khi được số hoá, nó sẽ được thể hiện bằng bảng hai chiều I (n x p): n dòng và p cột Ta nói ảnh có n x p pixels.

TÍNH TOÁN CHỌN THIẾT BỊ DẪN ĐỘNG

Thông số và các yêu cầu kỹ thuật

- Không gian hoạt động cần thiết: 100x200 mm

- Tốc độ khi làm việc: 1 – 20 mm/s

- Tốc độ tối đa đầu công tác khi không làm việc: 100 mm/s

- Sai lệch đầu công tác: 0,2 mm

Tính toán, thiết kế cơ khí

3.2.1 Tính toán và lựa chọn kết cấu khung máy

Hình 3 1: Sơ đồ khối tổng thể máy

Sau khi tham khảo những mẫu máy hàn tự động đã được phát triển và thương mại hóa trên thị trường cũng như tiếp nhận góp ý của giảng viên hướng dẫn và các thầy/cô trong ngành, nhóm quyết định xây dựng khung mô hình cơ bản gồm 2 trục:

- Trục X: đảm nhiệm đầu công tác chính và camera.

- Trục Y: hướng di chuyển tiến lùi đặt mẫu.

Hình 3 2: Kiểu dáng của mô hình

Kích thước đa phần sẽ là nhôm định hình 20x40 mm để khung máy vừa nhỏ gọn vừa có thể chịu lực ổn định Ngoài ra nhóm còn sử dụng nhôm 20x80 mm cho những vị trí cần độ ổn định và 20x20 mm cho những vị trí chịu lực ít.

Hình 3 3: Kích thước nhôm định hình 20x40 [11] 3.2.2 Kết cấu trục vít me đai ốc

Hình 3 4:Quy trình tính chọn trục vitme đai ốc bi Để có thể chuyển động ổn định trên những biên dạng của trục truyền dẫn không được phép có khe hở quá lớn và cũng không được phép có hiệu ứng Sick-Slip - hiện tượng tụt lùi bởi sức cản ma sát quá lớn Bộ vit me-đai ốc bi là giải pháp hiệu quả có thể khắc phục được vấn đề đó.

Bên cạnh đó bộ vit me đai ốc bi có tác dụng biến đổi truyền dẫn (xoay thành di chuyển) tốt vì ít ma sát lại không có khe hở quá lớn khi truyền dẫn với vận tốc cao dẫn đến nó cũng là ưu điểm để sử dụng vitme ốc bi. a) Kết cấu chung:

Bộ truyền vitme – bánh răng thường được dùng trong truyền chuyển động trục của máy công cụ NC hoặc CNC và dùng trong các máy công cụ chính bao gồm máy mài, máy doa vận tốc và các loại máy khác Đôi khi được dùng trong máy tiện và máy tổ hợp hoặc dùng trong truyền dẫn chuyển động thanh, trục và bánh răng máy công cụ hạng nặng Ngoài ra cũng dùng trong bộ truyền chính của các loại máy có bánh răng như máy bào phay và dao chuốt.

Khắc phục độ rơ khớp khi có lực ma sát với vật có độ cứng vững chiều trục cao.

Giảm tổn lượng ma sát với năng suất bộ truyền là 0,9 và với vít me chống ma sát là 0,2 ÷ 0,4.

Gần như độc lập tuyệt đối với tải trọng ma sát (đổi theo gia tốc) cùng ma sát trượt cực bé giúp chuyển động ổn định.

Hình 3 5: Kết cấu sơ bộ của vit me đai ốc bi [12]

Kết cấu hệ truyền vít me – đai ốc bi hình trên bao gồm vít me – đai ốc đảm bảo dòng bi chạy trong vít me - đai ốc – ống dẫn bi đảm bảo dòng bi tuần hoàn liên tục. b) Các dạng profil ren của vitme và đai ốc:

Dạng chữ nhật (hình b) và dạng hình thang (hình c) hoặc dạng nửa cung tròn và dạng chữ nhật (dạng cung bán nguyệt) Dạng bán nguyệt và dạng prôfin ren hình thang có khả năng chịu tải thấp và chỉ dùng khi máy có khả năng chịu tải một chiều trục bé và độ cứng vững không cao.

Dạng nửa cung tròn (hình d) được sử dụng phổ biến nhất và bán kính rãnh r2 gần bằng bán kính viên bi R1 sẽ giảm được ứng suất tiếp xúc và có thể lựa chọn r 2/r 1 = 0,95 ÷ 0,97 và giá trị r 2/r 1 sẽ giảm thiểu hao mòn bởi ma sát 1 cách rõ rệt Tại góc tiếp xúc bé thì bộ truyền có độ cứng vững bé và khả năng chịu tải bé do đó lực hướng kính sẽ lớn Do tại góc tiếp xúc bé khả năng chịu tải và độ cứng của truyền động tăng và hạ thấp tổn thất do ma sát cho nên khe hở đường kính ∆d được chọn tại góc tiếp xúc là 45 ° ∆d = 4 (r 2 − r 1) (1 − cos α).

Hình 3 6: Các dạng profin ren vít me và ổ bi

Dạng rãnh cung nhọn (a) có nhiều ưu thế hơn dạng cung tròn bởi nó còn cho phép truyền động không rơ hoặc giảm bớt độ dôi của viên bi Còn với dạng cung tròn muốn giảm độ rơ và tăng độ dôi cần dùng thêm đai ốc thứ hai để hiệu chỉnh.

3.2.3 Tính toán chọn thông số:

+ Tính toán, thiết kế cơ cấu truyền động đầu công tác (trục X) Thông số dầu vào trục X:

- Khối lượng đầu máy làm việc: m = 5 kg

- Vận tốc dịch chuyển tối đa: V1 = 100 mm/s

- Vận tốc chuyển động khi làm việc: V2 = 20 mm/s

- Gia tốc tốc làm việc cao nhất của hệ thống: a = 50 mm/s2

- Tốc độ vòng quay của động cơ: N = 1200 vòng/phút

- Thời gian làm việc: Tl = 20000 h (khoảng 6,8 năm)

Hình 3 7: Sơ đồ đặt lực

Trong đó là hệ số ma sát trượt ( = 0,1 … 0,15)

3 = − + = 0,15.5.10 − 5.50 + 7,5 = −235( ) Lực dọc trục lớn nhất

Lực dọc trục trung bình :

Chọn đường kính cho trục:

ℎ - giới hạn chảy của vật liệu, với vật liệu của trục là thép CF53 ta có ℎ = 390

Chọn các thông số khác của bộ truyền Đường kính bi: d b = (0,08 ÷ 0,15)d 1 (3.8)

Từ các tính toán trên và dựa trên thông số của hãng SFU, ta chọn vít me SFU01605-3.

Loại trục vit me : SFU01605-3 Đường kính trục : 16 mm

Hình 3 8: Thông số vít me kiểu SFU

Hình 3 9: Bản vẽ vít me đai ốc bi

Tính chọn cụm ổ lăn, khớp nối

Hình 3 10: Qui trình chọn ổ lăn

Trong cơ cấu bàn X tải trọng được tác động lên 2 ray chỉ hướng, vì thế nên lực tác dụng theo chiều dọc của cơ cấu trục vit me là không quan trọng hay nói cách khác khi tính chọn ổ đỡ trục vitme phải chú ý đến tải trọng dọc trục tác dụng trên trục vit me Tuy nhiên trong khi làm việc xảy ra tình trạng rung động trong cơ cấu, thì yếu tố rung cũng cần thiết, do đó

=> Chọn ổ đỡ chặn 1 dãy đối với tình huống trên (có thể chọn 1 cụm trục là 4 cái ổ đỡ chặn).

Hình 3 11: Ổ bi đỡ chặn 1 dãy

Tính toán chịu tải động:

Tính toán chịu tải tĩnh:

34 m = 3 đối với ổ bi m/3 với ổ đũa.

L: tuổi thọ của ổ lăn được tính theo công thức:

Q: tải trọng động của ổ lăn được tính:

Qo: tải trọng tĩnh của ổ lăn được tính:

= 1,1 (chịu va đập nhẹ, chịu tải ngắn hạn và tới 125% so với tải trọng tính toán: máy cắt kim loại, động cơ công suất nhỏ và trung bình)

Lực dọc trục trung bình: Fmx = 256N

Xét trường hợp bàn Y chạy về phía ổ bi C,D

Dựa vào đường kính trục vitme và tốc độ quay của động cơ ta chọn sơ bộ thông số của ổ lăn mã 7201 BEP theo hãng SKF (www.skf.com ) như sau :

Hình 3 12: Thông số ổ lăn hãng SKF

Khả năng tải động:= 7,61 kN

Khả năng tải tĩnh:= 3,8 kN

Nội lực dọc trục Fsi của 4 ổ là như nhau:

Lực dọc trục tác dụng lên các ổ bi:

Hình 3 13: Bảng tra tìm hệ số X, Y

Khả năng tải động: đ = 93,907 1800 3 = 1,14 N max : tốc độ định mức của động cơ lớn hơn tốc độ yêu cầu.

T rate > T m : momen định mức động cơ lớn hơn momen cần thiết.

0.5 < J m ≤ 2 : trong đó J m là momen quán tính định mức của động cơ

Dựa vào các tiêu chí trên và thêm vào đó là việc tăng độ chính xác cũng như giá cả giữa các loại motor, nhóm quyết định lựa chọn động cơ bước LC57H280

Hình 3 15: Thông số động cơ + Tính toán, thiết kế cơ cấu truyền động bàn máy (trục Y) Bảng 3.2: Thông số đầu vào trục Y

Khối lượng bàn trượt và phôi (m) 3 (kg)

Vận tốc tối đa (V 2 ) 2 (mm/s)

Thời gian tăng tốc/giảm tốc (t 1 ) 0,2 (s)

 Tính toán chọn động cơ: Để lựa chọn động cơ bước phù hợp ta cần căn cứ vào: moment xoắn, moment quán tính, số vòng quay tối đa cần cung cấp cho hệ.

Moment quán tính cần thiết

Trong đó: o J L : Tổng moment quán tính o J M : Moment quán tính của động cơ o J S : Moment quán tính của pulley

Trong đó: o m: khối lượng của bàn trượt và phôi (kg) o D p : đường kính pulley dẫn động tính từ tâm đến mặt răng ăn khớp (mm)

Trong đó: o M p : khối lượng pulley (kg/pc) o D p : đường kính pulley dẫn động tính từ tâm đến mặt răng ăn khớp (mm) o n: số pulley truyền động chính

Hình 3 16: Cặp pulley truyền động [13]

Trong đó: o T: moment xoắn cần thiết cho động cơ o T A : moment xoắn cần thiết khi tăng tốc o T L : moment xoắn cần thiết cho tải

Trong đó: o J L : tổng moment quán tính (kg.m 2 ) o V m : vận tốc quy đổi (vòng/phút) o t 1 : thời gian tăng tốc/giảm tốc (s)

Trong đó: o m: khối lượng của bàn trượt và phôi (kg) o D p : đường kính pulley dẫn động tính từ tâm đến mặt răng ăn khớp (mm) o η: hiệu suất bộ truyền đai

Trong đó: o V 2 : vận tốc tối đa (mm/s) o D p : đường kính pulley dẫn động tính từ tâm đến mặt răng ăn khớp (mm)

Qua tính toán ta được các thông số cần thiết: o Moment quán tính cần thiết: J L = 6,6535.10 -5 (Kg.m 2 ) o Moment xoắn cần thiết: T = 2,6214 10 -4 (N.m) o Số vòng quay tối đa: V = 4,064 (vòng/phút)

Thiết kế hệ thống điều khiển

3.3.1 Xây dựng sơ đồ khối hệ thống điều khiển

Hình 3 18: Sơ đồ khối hệ thống Đề tài xây dựng với mô hình nhỏ và gọn nhằm mục đích kiểm chứng tính chính xác của thuật toán xử lý ảnh, không làm thành thiết bị có khả năng thực hiện hàn hoàn chỉnh Mô hình gồm: khối xử lý trung tâm là máy vi tính, khối điều khiển là một board Arduino, khối thu nhận ảnh là một camera, khối động cơ với driver và động cơ bước cho từng trục, khối cảm biến với các công tắc hành trình, cuối cùng là khối nguồn cung cấp năng lượng cho hệ.

Khối xử lý: Máy vi tính có chức năng nhận hình ảnh từ khối thu nhận ảnh và tiến hành xử lý, phân tích hình ảnh nhận dạng và trả lại kết quả trực tiếp trên máy vi tính dưới dạng G- Code Máy vi tính tiếp tục xử lý các lệnh G-Code để tính toán xung cần thiết dùng để điều khiển động cơ bước.

Khối thu nhận ảnh: Có khả năng thu nhận tín hiệu ảnh từ môi trường rồi truyền sang tín hiệu điện tử sau đó chuyển về các bộ xử lí Ở đây sử dụng camera Bysameyee USB Digital Microscope 1000X.

Khối điều khiển: Đóng vai trò cầu nối giữa khối xử lý và khối động cơ, khối cảm biến.

Khối điều khiển có nhiệm vụ đọc tín hiệu từ khối cảm biến và chuyển đến khối xử lý cũng như nhận các dữ liệu từ khối xử lý để tạo các xung gửi đến khối động cơ Khối điều khiển sử dụng một board mạch “breakout” Arduino R3.

Khối động cơ: Thực thi các lệnh từ khối điều khiển Sử dụng hai cặp driver và động cơ bước cho hai trục.

Khối cảm biến: Có khả năng truyền tín hiệu điện về bảng mạch khi các cơ cấu chấp hành vượt mức giới hạn Sử dụng bộ công tắc hành trình KW 11 - N KW12 5a.

Khối nguồn: Cung cấp năng lượng cho (một phần) hệ thống Sử dụng một bộ nguồn tổ ong 24 VDC.

Camera là cách gọi khác của loại thiết bị ghi hình tĩnh hoặc động Ghi hình di động khi nhắc đến những loại máy ảnh tĩnh và chuyển động ta dễ dàng mường tượng đến những loại máy quay phim Thời đại công nghệ số thì 2 loại camera ghi hình tĩnh và động đều đã được gộp vào một nhưng ở camera smartphone cho phép vừa quay phim và ghi hình thì những loại máy ảnh chuyên nghiệp cũng cho phép quay phim (và dù ngày nay chức năng quay phim trên dòng máy ảnh DSLR đang được dùng nhiều hơn chức năng quay phim chuyên dụng do chất lượng cao hơn cùng tính linh hoạt cao của thiết bị) Với cách thức ghi hình của máy ảnh trong thời đại công nghệ số còn được biết đến với những hình ảnh được thu vào một cảm biến điện tử thông qua ống kính đã được xử lí điện tử một cách tinh vi và ống kính có độ nhạy sáng (ISO) linh động.

Ở hệ thống này, nhóm sử dụng một camera có khả năng phóng đại hay còn gọi là kính hiển vi điện tử Thiết bị này giúp phóng đại ảnh của vật thể gấp nhiều lần mà vẫn giữ được độ nét của hình ảnh Loại camera nhóm lựa chọn có tên gọi là kính hiển vi điện tử 1000x 2.0 MP.

Hình 3 19: Camera Bysameyee USB Digital Microscope 1000X [14]

Một vài thông số của camera:

Cảm biến CMOS HD 0.3M (Digital

2M) Lấy nét bằng tay từ 0 ~ 200mm Độ phân giải Video Capture: 640x480

Tốc độ khung hình: Max 30f / s Dưới Độ sáng 600 Lux

Nguồn sáng: 8 LED ánh sáng trắng (với điều chỉnh điều khiển trên cáp USB)

Chuẩn giao tiếp: USB2.0 & USB1.1

Arduino Uno R3 là một bo mạch điện tử phổ thông được ứng dụng nhiều trong lĩnh vực điều khiển và lập trình nhúng Được thiết kế bởi Arduino.cc, Uno R3 là bản cải tiến của Arduino Uno với nhiều ưu điểm và cải.

Giao diện lập trình arduino

Hình 3 20: Giao diện lập trình Arduino

Arduino Uno R3 được thiết kế dựa trên vi điều khiển ATmega328P, một vi điều khiểnAVR mạnh mẽ với tốc độ xử lý 16 MHz Bo mạch có 14 chân số và 6 chân analog, cung cấp đủ các chân để kết nối và điều khiển các linh kiện, cảm biến và thiết bị ngoại vi.

Uno R3 có sẵn các chân GPIO ( tức General Purpose Input/Output) dùng để kết nối với các thành phần điện tử khác nhau như đèn LED, nút nhấn, cảm biến, màn hình hiển thị, servo motor, v.v Ngoài ra, nó cũng hỗ trợ giao tiếp I2C, SPI và UART, cho phép kết nối với các module và cảm biến thông qua giao thức này.

Driver của động cơ bước là bộ phận giúp chuyển đổi xung tín hiệu từ bộ điều khiển trung tâm sang động cơ bước, nhằm vận hành động cơ bước Trong một số trường hợp, driver động cơ bước còn đảm bảo cho động cơ bước vận hành chính xác vị trí thông qua một vòng hồi tiếp (driver động cơ bước hồi tiếp vòng kín).

Với hai loại động bước đã chọn như ở bước tính toán động cơ, nhóm lựa chọn sử dụng hai loại động cơ bước là driver HBS57 (hồi tiếp vòng kín) và driver DM542 (hồi tiếp vòng hở).

Thông số kỹ thuật DM542: Điện áp hoạt động: 20 ~ 50VDC

Dòng điện ngõ ra tối đa: Max 4.2 A

Bộ tuỳ chỉnh số vòng: 1/2, 1/4, 1/8, 1/16, 1/32, 1/64, 1/12 8; or 1/5, 1/10, 1/20, 1/25, 1/40, 1/50, 1/100, 1/125

Có thể tuỳ chỉnh dòng điện: 1.0 A, 1.46 A, 1.91 A, 2.37 A, 2.84 A, 3.31 A, 3.76

Giảm nhiệt độ của motor nhờ tính năng implementation of 3 - state current control.

Xung điều chỉnh: PULSE/DIRECTION & CW/CCW

Tích hợp chức năng tự điều chỉnh tương thích với động cơ điện.

Tần số xung tối đa: 300 KHz

Tương thích mức tín hiệu TTL 5VDC và tích hợp Opto cách ly kết nối với một mạch điện

15 selectable resolutions for up to 25,000 steps/rev

Sử dụng cả động cơ 2 Phase và 4 Phase

Bảo vệ Cháy chập, Quá tải điện áp, dòng và nhiệt tích hợp

Thông số kỹ thuật driver HBS57:

32 –bit DSP dựa trên thuật toán điều khiển vector và lợi ích của đĩa servo không quạt bước vòng quay

Bước/hướng hoặc điều khiển đầu vào CW/CCW

Mặc định tần số tối đa 200K hoặc 500 K tuỳ chỉnh Điện áp đầu vào 20-50 DC

Tải dựa trên tự điều khiển điện áp đầu ra 0 -8 A

Mặc định độ phân giải vi bước 4000 (1/2 0) và cấu hình phần mềm 200-104000 (tăng 200)

Không bị mất bước Vòng kín giữa các ổ đĩa và bộ đẩy để giảm việc mất bước chuyển động trong hệ thống bước mở chậm

Hoạt động mượt mà và động cơ sản sinh nhiệt độ thấp hơn

Phản ứng nhanh chóng, không trễ và không mất thời gian khởi động

Mô – men nhớt cao khi chạy và lúc ở vận tốc trung bình thấp và độ nhớt cao ở trạng thái nghỉ

Giá thành thấp hơn đáng kể so với những loại servo khác.

Công tắc hành trình còn được gọi công tắc hạn chế hành trình là loại công tắc dùng để hạn chế hành trình của những bộ phận chuyển động Nó có cấu trúc giống công tắc cơ thông thường tuy nhiên có thêm cần tác động giúp khi những bộ phận chuyển động tác động sẽ làm biến đổi vị trí của công tắc bên trong nó Công tắc hành trình là thiết bị không tồn tại trạng thái và khi không cần tác động sẽ quay trở lại trạng thái cũ Công tắc hành trình dùng trong đóng ngắt một mạch dùng ở lưới điện hạ áp Nó có công dụng tương tự với nút nhấn thao tác bấm bằng tay phải nhưng thay bởi sự va đập của các bộ phận cơ học, khiến cho các chuyển động cơ học trở thành tín hiệu điện tử.

Dựa trên các tiêu chí về công năng, kích thước và giá thành, nhóm lựa chọn loại công tắc hành trình có mã KW11-N KW12 5a.

Hình 3 24: Công tắc hành trình KW11-NKW12 5a

Phần lớn các thiết bị trong hệ thống đều hoạt động với hiệu điện thế DC, do vậy cần một bộ chuyển đổi từ AC sang DC nhằm đảm bảo cung cấp đúng và đủ năng lượng cho hệ động hoạt động Nguồn tổ ong được lựa chọn vì tính năng của nó đáp ứng được những yêu cầu kỹ thuật đã đặt ra cũng như tính sẵn có của nó Dựa theo hiệu điện thế và công suất định mức của các thiết bị trong hệ thống, nhóm lựa chọn nguồn tổ ong 24VDC 240W.

Thiết kế thuật toán điều khiển

3.4.1 Phân tích các đặt tính của ảnh

Hình 3 26: sơ đồ khối tổng thể xử lý ảnh Để có thể xây dựng thuật toán cho công đoạn xử lý ảnh, nhóm đã tiến hành thu thập các mẫu ảnh ở nhiều thời điểm khác nhau nhằm tìm ra những đặc trưng riêng của đối tượng cần nhận diện (gọi tắt là đối tượng) – đường hàn.

Dựa trên những mẫu thu thập được, nhóm có các nhận định như sau: Độ tương phản: Sử dụng các phép biến đổi histogram (histogram equalization) để tinh chỉnh độ tương phản của ảnh Điều này giúp làm rõ đường hàn và làm nổi bật so với nền Hình3.26 bên dưới mô tả vị trí đặt của camera, nguồn sáng và mẫu Đây là một yếu tố khá quan trọng để ta có thể thu hẹp các điều kiện nhằm tìm ra vị trí của đối tượng trong không gian ảnh.

Hình 3 27: Cách đặt camera, nguồn sáng, mẫu

Hình 3 28: Ảnh mô tả về độ tương phản

Lọc ảnh: Sử dụng các bộ lọc ảnh như bộ lọc Gaussian, bộ lọc median, hoặc bộ lọc

Laplacian để làm mờ nền hoặc làm nổi bật đường hàn trong ảnh.

Hình dạng của đối tượng: Hình dáng thực tế của đường hàn không có một quy luật cố định, có thể là một đường thẳng hoặc cũng có thể là một đường cong Nhưng tại mỗi thời điểm, do vùng ảnh thu được có kích thước nhỏ, hình dạng của đối tượng là một đoạn thẳng dài khoảng 1cm trên ảnh Điều này cũng giống như việc ta xấp xỉ đường cong thành nhiều đoạn thẳng nhỏ.

3.4.2 Xây dựng giải thuật cho xử lý ảnh

Hình 3 29:Lưu đồ giải thuật chính

Sau khi ảnh được chụp và lưu trữ, quá trình xử lý ảnh bao gồm các bước sau:

Tiền xử lý ảnh: Ảnh màu RGB ban đầu được chuyển đổi sang dạng ảnh xám (grayscale) để giảm bớt độ phức tạp tính toán cùng với đó là tập trung vào thông tin cường độ sáng của ảnh Sau đó, áp dụng các phép làm mịn (blurring) như lọc Gaussian để giảm nhiễu và làm mượt ảnh Ngoài ra, có thể tăng độ tương phản (contrast) để cải thiện chất lượng ảnh cho quá trình nhận dạng và xử lý sau này.

Hình 3 30: Giải thuật tiền xử lý ảnh

Lấy khung xương (Skeletonization): Quá trình này tập trung vào việc tái tạo lại cấu trúc hình dạng của các chi tiết trên ảnh, nhưng đồng thời loại bỏ các điểm ảnh thừa Bằng cách sử dụng các thuật toán như thu gọn (thinning) hoặc phân vùng (segmentation), các đường viền và đặc trưng hình dạng trong ảnh được giữ lại, trong khi các điểm ảnh không cần thiết được loại bỏ Kết quả là một bản sao đơn giản của ảnh, giúp giảm độ phức tạp tính toán và tập trung vào các đặc trưng cần thiết.

Hình 3 31: Giải thuật lấy khung xương

Xác định đường hàn: Quá trình này sử dụng các thuật toán kết hợp với sử dụng phương pháp phân tích hình dạng để xác định chính xác đường hàn trên ảnh Các đặc trưng và đường viền đã được tái tạo từ bước trước được sử dụng để nhận biết và phân đoạn đường hàn trong ảnh.

Hình 3 32: Giải thuật xác định đường hàn

Xác định vị trí điểm lấy mẫu trên đường hàn: Sau khi xác định được đường hàn, quá trình này nhằm trích xuất tọa độ của các điểm trên đường hàn Điều này giúp tái tạo lại quỹ đạo của đường hàn và phục vụ cho mục đích điều khiển đầu hàn.

Hình 3 33: Giải thuật xác định vị trí lấy mẫu

Tính toán vị trí của các điểm trong không gian thực: Tọa độ của từng điểm trích xuất được trong không gian ảnh sẽ được chuyển đổi thành tọa độ trong không gian thực, tức là không gian làm việc của máy Điều này cho phép định vị các điểm trong không gian thực và sử dụng thông tin này cho các bước tiếp theo.

Hình 3 34: Giải thuật xác định vị trí đường hàn

Tạo lệnh G-Code và lưu trữ: Dựa trên các tọa độ đã tính toán được, một lệnh G-Code tương ứng sẽ được tạo ra Lệnh G-Code này chứa các chỉ thị và thông tin cần thiết để điều khiển máy hàn trong quá trình thực hiện đường hàn Tất cả các lệnh G-Code được tạo ra trong suốt quá trình xử lý ảnh sẽ được lưu trữ vào một tập tin riêng trên máy tính, để dễ dàng kiểm tra, xem lại và lưu trữ cho các mục đích khác nhau.

3.4.3 Giải pháp điều khiển hệ thống

Xây dựng và calibrate hệ thống nhận diện hàn điểm: Sử dụng các thuật toán xử lý ảnh và phân tích dữ liệu từ các cảm biến, cần xây dựng và calibrate hệ thống nhận diện hàn điểm Điều này bao gồm việc xử lý ảnh, xác định đường hàn, xác định vị trí và hướng di chuyển của đầu hàn, vv.

Lập trình điều khiển Arduino: Sử dụng ngôn ngữ lập trình Arduino IDE, có thể lập trình Arduino để thực hiện các nhiệm vụ điều khiển như đọc dữ liệu từ cảm biến, xử lý dữ liệu, tính toán và xác định lệnh điều khiển cho đầu hàn và các cơ cấu chuyển động.

Giao tiếp với các thiết bị và máy chủ khác: Nếu hệ thống cần giao tiếp với các thiết bị khác như máy tính hoặc máy chủ, cần xác định giao thức và phương pháp giao tiếp thích hợp,chẳng hạn như UART, Ethernet, WiFi hoặc Bluetooth Sau đó, lập trình Arduino để gửi và nhận dữ liệu từ các thiết bị và máy chủ khác.

Kiểm tra và điều chỉnh: Sau khi kết thúc chương trình, hãy kiểm tra và điều chỉnh phần mềm để bảo đảm nó chạy được trơn tru và ổn định Kiểm tra mỗi tính năng và áp dụng các phương pháp theo dõi và kiểm tra nhằm phát hiện và sửa chữa những lỗi có thể xảy ra.

3.4.4 Giao tiếp điều khiển giữa Arduino và xử lý ảnh

Giao tiếp thông qua cổng Serial: Arduino hỗ trợ giao tiếp qua cổng Serial (UART) Bạn có thể kết nối Arduino với máy tính chạy phần mềm xử lý ảnh thông qua cổng Serial Bằng cách truyền dữ liệu qua cổng Serial, Arduino có thể nhận lệnh điều khiển từ phần mềm xử lý ảnh và thực hiện các thao tác điều khiển tương ứng.

3.4.5 Thiết kế giao diện người dùng

Hình 3 35: Giao diện người dùng sử dụng

Hình 3 36: Hiển thị trạng thái làm việc

THI CÔNG VÀ THỰC NGHIỆM

Thi công mô hình

Mô hình có khung được làm bằng nhôm định hình 20x20 mm và 20x40 mm, đây là vật liệu dễ mua, dễ gia công và có độ bền cao.

Cụm vít me sử dụng trục vít me - đai ốc bi Các gối đỡ vít me, gối đỡ ổ lăn và gối đỡ động cơ được thực hiện gia công CNC trên nhôm nguyên khối.

Cụm bàn máy của mô hình được làm bằng mica hai lớp có độ dày tổng 13 mm, sử dụng bánh xe trượt V-slot và bộ truyền đai giúp bàn máy vận hành trơn tru và ổn định hơn.

Trước khi gia công, toàn bộ thiết kế của mô hình được vẽ và mô phỏng trên phần mềm Autodesk Inventor.

Hình 4 1:Mô phỏng mô hình trên Autodesk Inventor

Nhôm định hình được cắt theo các kích thước trên bản vẽ bởi một bên xưởng gia công cơ khí bên ngoài Khung mô hình đa phần sử dụng nhôm 20x40 mm để có cấu trúc gọn và chịu lực ổn định Các thanh nhôm được ghép nối với nhau bởi các nối góc chữ T, chữ L và các bu lông Bốn chân đế cao su được sử dụng giúp bảo vệ mô hình, giảm chấn, giảm rung lắc trong quá trình vận hành.

Hình 4 2: Lắp ráp khung mô hình Đối với cụm bàn máy, sử dụng bộ truyền đai để truyền chuyển động Do không đặt yêu cầu về vận hành thực tế với công tác hàn, bàn máy sử dụng mica giúp giảm bớt khối lượng và tiết kiệm chi phí Bộ truyền đai có tỉ số truyền 1:1 với hai pulley GT2 20 răng cùng với đai GT2 kèm bộ căng đai giúp bàn máy vận hành ổn định và lâu dài.

Hình 4 3: Bộ bàn máy của mô hình

Cụm vít me – đai ốc được đặt chế tạo theo các thông số nhóm đã tính toán

Hình 4 4:Cụm vít me-đai ốc được sử dụng trong mô hình

Toàn bộ những thiết bị điện – điện tử được để trong tủ điện nhằm bảo quản an toàn thiết bị và ngăn cách những thiết bị có điện với người sử dụng Tủ điện được làm bởi thép không gỉ cán nguội có độ dày 0,7 mm và được sơn cách điện.

Hình 4 5: Toàn bộ mô hình sau khi thực hiện

Lập trình hệ thống

Hình 4 6: Các bước chính trong quá trình xử lý ảnh

Sau khi thu nhận được ảnh từ camera, ảnh cần được nâng cao chất lượng để quá trình nhận dạng được tốt nhất Quá trình này bao gồm hai bước là chuyển đổi ảnh xám, tăng độ tương phản và làm mịn ảnh.

Hình 4 7: Ảnh thu được từ camera

Chuyển đổi ảnh xám: Quá trình chuyển đổi ảnh xám là một phương pháp phổ biến trong xử lý ảnh để giảm chiều dữ liệu màu từ 3 kênh màu (R-G-B) xuống thành một kênh màu duy

64 nhất Kết quả của quá trình này là một ảnh xám, trong đó mỗi điểm ảnh chỉ chứa thông tin về độ sáng của điểm ảnh đó hàm cv::cvtColor() được sử dụng để chuyển đổi ảnh từ không gian màu BGR (sử dụng trong OpenCV) sang không gian màu xám Kết quả được lưu vào biến grayImage Sau đó, ảnh gốc và ảnh xám được hiển thị ra màn hình để so sánh.

Hình 4 8: Ảnh đã chuyển sang không gian xám

Tăng độ tương phản mục đích nhầm làm nổi bật phần cần nhận diện so với màu nền.

Cụ thể trong trường hợp này, phần bề mặt kim loại ta dùng để hàn (phần nền) có tính chất phản xạ ánh sáng khiến chúng “trắng” hơn so với phần đường hàn Do vậy ta sẽ nhân toàn bộ các điểm ảnh với một hệ số alpha, điều này sẽ làm cho phần nền được đẩy lên mức sáng thuần(255) còn phần đường hàn (gần bằng 0) nên sẽ ít bị ảnh hưởng hơn (vẫn giữ được mức “đen” cần thiết) Quá trình này được thực hiện bằng hàm cv::addWeight().

Hình 4 9: Ảnh đã được tăng độ tương phản

Làm mờ ảnh là công việc quen thuộc trong xử lý ảnh Nó giúp loại bỏ các dữ liệu không cần thiết như hạt nhiễu (noise) Ta sử dụng hàm cv::Blur() để thực hiện thao tác này.

Hình 4 10: Ảnh sau khi làm mờ

Quá trình lấy khung xương nhằm mục đích tái cấu trúc là hình dáng các chi tiết có trong ảnh Đây là quá trình quan trọng để có thể xác định được đường hàn dựa trên dạng hình học của nó Quá trình này được thực hiện thông qua 2 bước: Nhị phân hóa và làm mỏng hóa.

Nhị phân hoá là quá trình chuyển đổi một ảnh xám thành ảnh nhị phân Ảnh nhị phân sẽ chứa hai giá trị 0 và 255 Theo đó, giá trị 0 sẽ là giá trị ứng với những đốm đen trên ảnh và giá trị

255 sẽ là giá trị ứng với những dấu chấm trắng Công thức của thập phân ảnh là chuyển tất cả các giá trị của ảnh xám về 0 nếu chúng bé hơn một ngưỡng T có sẵn và về 255 nếu chúng lớn hơn ngưỡng T đó Vấn để ở đây là với ngưỡng T bao nhiêu sẽ giúp bạn có được ảnh xám như ý muốn, nghĩa là ảnh sẽ sáng hơn hẳn chủ thể và nền Việc tính giá trị T là tương đối khó vì chúng phụ thuộc theo từng mức chiếu sáng khác nhau của môi trường Với môi trường này T nhận một giá trị và môi trường khác nhận một giá trị khác Để hạn chế khó khăn trong việc chọn ngưỡng T như đã nói ở trên ta có thêm một sự lựa chọn là dùng phương pháp lấy ngưỡng động.

Thuật toán nhị phân hoá với ngưỡng xám tuyệt còn call là nhị phân hoá với ngưỡng thích nghi là cách xử trí nhị phân hoá một ảnh xám với những ngưỡng khác nhau trên những vùng ảnh khác nhau của một tấm ảnh Trong OpenCV, nhằm nhị phân hoá với ngưỡng thích ứng ta phải dùng hàm cv: : AdaptiveThreshold ().

Hình 4 11: Ảnh sau khi nhị phân hóa

Làm mỏng hóa là thao tác tập trung vào việc loại bỏ các điểm ảnh thừa trong các cụm điểm ảnh sao cho vẫn bảo toàn được sự liên kết giữa các điểm ảnh đóng vai trò tạo thành hình dạng cho chi tiết Làm mỏng hóa chủ yếu được sử dụng để tạo khung xương, giảm đầu ra trong các thuật toán nhận diện cạnh với các đường có độ rộng 1 pixel Thư viện OpenCV hỗ trợ hàm cv::ximgproc::thinning() để làm công việc này.

Hình 4 12: Ảnh sau khi mỏng hóa

Trong phạm vi nghiên cứu của mình, nhóm tập trung vào việc phát hiện các đường hàn có sự thay đổi quỹ đạo không quá đột ngột Những đường này khi chia thành các khoảng nhỏ sẽ có hình dạng như những đường thẳng Dựa trên đặc điểm này nhóm thiết kế giải thuật dựa trên việc tìm kiếm đường thẳng trong ảnh Một trong những phương pháp kinh điển trong việc phát hiện đường thẳng trong xử lý ảnh là phương pháp biến đổi Hough.

Biến đổi Hough: Trên mỗi một điểm ảnh biên thì ta sẽ thử từng phương trình đường thẳng đi trên điểm ảnh đó Số phương trình đường thẳng ta thử càng nhiều thì sẽ tạo ra kết quả phương trình đường thẳng càng đẹp (bớt bỏ đường thẳng có trong hình nữa) Điểm ảnh biên như vậy sẽ tăng thêm 1 giá trị vào ma trận thống kê Sau khi lọc xong hết những điểm ảnh mép thì ta sẽ lọc theo một giá trị ngưỡng (định sẵn) trên đồ thị hàm số rồi lưu tất cả những phương trình đường thẳng có trong ảnh Hàm ta dùng trong ví dụ này là cv:: HoughLine ().

Dựng lại đường thẳng: Dựa trên các giá trị trả về từ hàm cv::HoughLine() ta tiến hành vẽ lại biên dạng của đường hàn như một đường thẳng bằng hàm cv::Line() Việc này không chỉ có ý nghĩa trong việc làm nổi bật đối tượng cần phát hiện mà còn dùng làm cơ sở cho việc xác định vị trí của từng điểm ảnh tthuộc đường Đường thẳng được vẽ sử dụng mã màu (255,0,0) theo thang RGB với độ dày của nét là 1 pixel.

Hình 4 13: Ảnh sau quá trình xác định đường hàn

4.2.4 Xác định vị trí điểm lấy mẫu trên đường hàn

Quá trình này trích xuất các điểm thuộc đường thẳng tại thời gian t Dựa trên kết quả trả về từ khâu xác định đường hàn, chương trình sẽ tìm kiếm điểm thuộc đường thẳng y = 240 có mã màu là (R = 255, G = 0, B = 0) và trả về tọa độ (x, y) của điểm đó Tọa độ (x, y) của điểm sẽ giúp xác định vị trí của điểm trong không gian ảnh và sẽ được chuyển đổi thành vị trí của điểm trong không gian thực ở bước tiếp theo.

4.2.5 Tính toán vị trí của điểm trong không gian thực Để có thể chuyển đổi vị trí của điểm trong không gian thực, nhóm sử dụng phương pháp gần giống với phương pháp đo kích thước của vật thể trong ảnh Theo đó để có thể biết được kích thước thực của một vật thể trong ảnh hay cụ thể trong trường hợp này là một khoảng cách trong ảnh, nhóm cần xác định một hệ số tỉ lệ gọi là ppm (pixels per metric) Cụ thể về cách xác định hệ số tỉ lệ ppm và phương thức chuyển đổi nhóm xin phép trình bày ngay sau đây.

Thực nghiệm

4.3.1 Thực nghiệm về xử lý ảnh

Thực nghiệm về xử lý ảnh là một bước riêng trước khi tiến hành thực nghiệm toàn bộ hệ thống Thực nghiệm này giúp nhóm có thể đánh giá riêng được mức độ khả thi và các vấn đề phát sinh từ thuật toán xử lý ảnh trước khi kết hợp với việc vận hành hệ thống Kết quả của thực nghiệm được đánh giá dựa trên tỉ lệ phát hiện được đường hàn, thuật toán điều khiển có thể hoạt động tốt khi tỉ lệ phát hiện đường hàn đạt trên 80%.

Nhóm thực hiện việc kiểm nghiệm giải thuật xử lý ảnh với mẫu thử là một tấm thép có kích thước 12x12 cm được cắt và hàn đính lại như hình bên dưới.

Sau khi tiến hành áp dụng thuật toán xử lý ảnh lên mẫu, nhóm thu được một số kết quả rất khả quan.

Bảng 4.1: Bảng thống kê số lần so sánh gcode nhận diện với gcode mẫu

Stt Khoảng Khoảng Khoàng Khoảng Khoàng cách lệch cách lệch cách lệch X cách lệch cách lệch X trung bình trung bình cao nhất trung bình cao nhất

(mm) trục X (mm) (mm) trục Y(mm) (mm)

Hình 4 18: Đồ thị kết quả thực nghiệm nhận diện đường hàn

Từ kết quả của nhiều lần đo thực nghiệm, nhóm nhận thấy tỉ lệ nhận diện đạt được (>90%).

Hình dạng quỹ đạo ghi nhận từ thuật toán

Mục tiêu sau cùng của thuật toán là những lệnh G-Code được tạo ra từ quá trình xử lý ảnh Những lệnh này sẽ được lưu trữ lại sau mỗi lần thực hiện chương trình dưới dạng tập tin text (.txt).

Hình 4 19: G-Code thu nhận được sau khi xử lý ảnh

Nhóm thực hiện mô phỏng dựa trên mô phỏng trực tiếp trên hệ thống đường hàn để thu được đồ thị Gcode như trên

Hình 4 20: Biên dạng thể hiện trên đồ thị từ G-Code

Kết quả mô phỏng cho thấy, quỹ đạo được tạo ra bởi thuật toán có hình dạng giống với quỹ đạo thực tế của mẫu.

4.3.2 Thực nghiệm toàn bộ hệ thống

Thực nghiệm toàn bộ hệ thống nhằm kiểm chứng lại toàn bộ hệ thống có hoạt động đúng với yêu cầu đề ra ban đầu Thực nghiệm toàn bộ hệ thống sẽ được thực hiện bằng cách vận hành toàn bộ hệ thống theo đúng quy trình Kết quả của quá trình này được đánh giá dựa theo ghi nhận về độ lệch biên dạng giữa thuật toán và mẫu.

75 Điều kiện và cách thức tiến hành thực nghiệm

Nhóm tiếp tục sử dụng mẫu thử là 2 tấm nhôm được cắt phay, tấm bên trong có hình dạng viên thuốc như hình 4 17, tấm bên ngoài có kích thước 120x120 mm sao cho 2 tấm nhôm ghép lại với nhau tạo ra độ hở dưới 1mm giống như khi thực nghiệm xử lý ảnh.

Bảng 4.2: Các thông số thiết lập

Tên tham số Giá trị ppm 45.712 pixel/mm xoffset Vị trí camera so với gốc yoffset Vị trí camera so với gốc

Do giới hạn về hành trình của bàn máy, nhóm không thể thực nghiệm với toàn bộ đường hàn, quá trình thực nghiệm được tiến hành với một đoạn của mẫu có độ dài 120 mm theo phương

Y và mỗi lần Y đi được 120 mm thì trục X di chuyển theo chiều (+) một đoạn 30 mm để quét toàn thể vật Nhóm sẽ tiến hành thực thi toàn bộ chương trình và kiểm tra các giá trị được ghi nhận trong tập tin G-Code được lưu trữ.

Sau khi tiến hành thực nghiệm, nhóm ghi nhận được quỹ đạo điều khiển bởi hệ thống bám sát với đường hàn thực tế Độ lệch lớn nhất ghi nhận được nằm trong khoảng 0,5 mm theo phương X.

Hình 4 21: Mô tả kết quả thực nghiệm toàn hệ thống

Hình 4 22: Kết quả đạt được

Sau khi thực nghiệm riêng lẻ xử lý ảnh cũng như thực nghiệm vận hành toàn hệ thống, kết quả cho thấy giải thuật xử lý ảnh hoạt động tốt, có khả năng nhận diện và xác định đường hàn với độ chính xác cao Tuy nhiên việc kết hợp giữa xử lý ảnh và điều khiển chưa thực sự đồng bộ, dẫn đến có sự sai lệch.