Hồ Chí Minh, ngày tháng năm 20… Giáo viên phản biện Trang 6 LỜI CẢM ƠNBáo cáo đồ án tốt nghiệp chuyên ngành Công nghệ kỹ thuật Điện – Điện tử với đề tài “Thiết kế, thi công mô hình phâ
BỘ GIÁO DỤC VÀ ĐÀO TẠO TRƯỜNG ĐẠI HỌC SƯ PHẠM KỸ THUẬT THÀNH PHỐ HỒ CHÍ MINH KHĨA LUẬN TỐT NGHIỆP NGÀNH CÔNG NGHỀ KỸ THUẠT ĐIỆN - ĐIỆN TỬ THIẾT KẾ, THI CƠNG MƠ HÌNH PHÂN LOẠI SẢN PHẨM THEO HÌNH DẠNG VÀ KHỐI LƯỢNG GVHD: TS NGUYỄN THỊ LƯỠNG SVTH: PHẠM PHÚ VINH LÊ HỮU TOÀN SKL009897 Tp Hồ Chí Minh, tháng 10/2022 TRƯỜNG ĐẠI HỌC SƯ PHẠM KỸ THUẬT THÀNH PHỐ HỒ CHÍ MINH KHOA ĐÀO TẠO CHẤT LƯỢNG CAO BÁO CÁO ĐỒ ÁN TỐT NGHIỆP THIẾT KẾ, THI CƠNG MƠ HÌNH PHÂN LOẠI SẢN PHẨM THEO HÌNH DẠNG VÀ KHỐI LƯỢNG GVHD: TS Nguyễn Thị Lưỡng SVTH: Phạm Phú Vinh Lê Hữu Toàn MSSV: 18142242 MSSV: 18142226 Ngành: Công nghệ kỹ thuật Điện – Điện tử Tp Hồ Chí Minh, tháng 10 năm 2022 CỘNG HÒA XÃ HỘI CHỦ NGHĨA VIỆT NAM Độc lập-Tự do-Hạnh phúc *** Tp.Hồ Chí Minh, ngày 13 tháng 10 năm 2022 NHIỆM VỤ ĐỒ ÁN TỐT NGHIỆP Họ tên sinh viên: Lê Hữu Toàn MSSV: 18142226 Phạm Phú Vinh MSSV: 18142242 Ngành: Công nghệ kỹ thuật Điện – Điện tử Lớp: 18142CL2A Giảng viên hướng dẫn: TS Nguyễn Thị Lưỡng Ngày nhận đề tài: 26/09/2022 ĐT: 0903686917 Ngày nộp đề tài: 28/12/2022 Tên đề tài: Thiết kế, thi cơng mơ hình phân loại sản phẩm theo hình dạng khối lượng Các số liệu, tài liệu ban đầu: - Tìm hiểu, tham khảo nhà máy ứng dụng mơ hình thực tế - Tìm hiểu, tham khảo phương pháp truyền tải liệu, phương pháp điều khiển - Tìm hiểu, tham khảo phương pháp quản lý giám sát dây chuyền sản xuất thực tế Nội dung thực đề tài: Thiết kế mơ hình phân loại sản phẩm dựa tiêu chí khối lượng nhận dạng hình ảnh Khối lượng đo cân điện tử Loadcell phần mềm Labview xử lý ảnh Vi điều khiển sử dụng Arduino để điều khiển Servo phân loại sản phẩm Sản phẩm: Mơ hình hệ thống phân loại sản phẩm theo hình dạng khối lượng TRƯỞNG NGÀNH GIẢNG VIÊN HƯỚNG DẪN CỘNG HOÀ XÃ HỘI CHỦ NGHĨA VIỆT NAM Độc lập – Tự – Hạnh Phúc ******* PHIẾU NHẬN XÉT CỦA GIÁO VIÊN HƯỚNG DẪN Họ tên sinh viên: Lê Hữu Toàn MSSV: 18142226 Họ tên sinh viên: Phạm Phú Vinh MSSV: 18142242 Ngành: Công nghệ kỹ thuật Điện – Điện tử Tên đề tài: Thiết kế, thi cơng mơ hình phân loại sản phẩm theo hình dạng khối lượng Họ tên Giáo viên hướng dẫn: TS Nguyễn Thị Lưỡng NHẬN XÉT Về nội dung đề tài & khối lượng thực hiện: Ưu điểm: Khuyết điểm: Đề nghị cho bảo vệ hay không? Ý kiến khác: Tp Hồ Chí Minh, ngày tháng Giáo viên hướng dẫn (Ký & Ghi rõ họ tên) năm 20… CỘNG HOÀ XÃ HỘI CHỦ NGHĨA VIỆT NAM Độc lập – Tự – Hạnh Phúc ******* PHIẾU NHẬN XÉT CỦA GIÁO VIÊN PHẢN BIỆN Họ tên sinh viên: Lê Hữu Toàn MSSV: 18142226 Họ tên sinh viên: Phạm Phú Vinh MSSV: 18142242 Ngành: Công nghệ kỹ thuật Điện – Điện tử Tên đề tài: Thiết kế, thi cơng mơ hình phân loại sản phẩm theo hình dạng khối lượng Họ tên Giáo viên phản biện: NHẬN XÉT Về nội dung đề tài & khối lượng thực hiện: Ưu điểm: Khuyết điểm: Đề nghị cho bảo vệ hay không? Câu hỏi phản biện: Điểm:……………….(Bằng chữ: ) Tp Hồ Chí Minh, ngày tháng Giáo viên phản biện (Ký & Ghi rõ họ tên) năm 20… LỜI CẢM ƠN Báo cáo đồ án tốt nghiệp chuyên ngành Công nghệ kỹ thuật Điện – Điện tử với đề tài “Thiết kế, thi cơng mơ hình phân loại sản phẩm theo hình dạng khối lượng” kết q trình cố gắng khơng ngừng nhóm giúp đỡ, động viên khích lệ thầy (cô), bạn bè, anh chị trước Qua trang viết nhóm xin gửi lời cảm ơn chân thành đến thầy cô Khoa Điện – Điện tạo điều kiện tốt cho nhóm sinh viên để hồn thành đề tài người giúp đỡ thời gian học tập nghiên cứu vừa qua Trước hết, nhóm sinh viên xin bày tỏ lịng biết ơn kính trọng sâu sắc tới TS Nguyễn Thị Lưỡng, người cho nhóm nhiều ý kiến quý báu thời gian thực đồ án Nhóm sinh viên xin chân thành cảm ơn cộng tác hướng dẫn nhóm suốt thời gian nghiên cứu hoàn thành đồ án Dù gặp khơng khó khăn sai sót nhóm vượt qua nhờ có TS Nguyễn Thị Lưỡng dày dặn kinh nghiệm hướng dẫn tận tình để nhóm cải thiện hồn thành đồ án tiến độ Nhóm sinh viên xin chân thành cảm ơn Ban giám hiệu trường Đại học Sư phạm Kỹ thuật TP.HCM thầy cô khoa Điện – Điện tử Khoa Đào tạo Chất lượng cao giảng dạy tạo điều kiện thuận lợi cho nhóm suốt q trình học tập thực đồ án Một lần nhóm sinh viên xin chân thành cảm ơn i LỜI MỞ ĐẦU Hiện nay, với phát triển không ngừng khoa học cơng nghệ, thiết bị máy móc tự động đại mối quan tâm hàng đầu cải tiến ngày nhằm đáp ứng nhu cầu sinh hoạt sản xuất xuất người Để thực công việc cách có hiệu suất cao, nhà máy áp dụng hệ thống phân loại tự động dựa công nghệ tiên tiến với camera kiểm tra sản phẩm, cảm biến nhận diện sản phẩm, cân điện tử loadcell đo khối lượng sản phẩm hệ thống phân loại thông minh khác Điều giúp cho nhà máy, xí nghiệp giảm lượng lớn công nhân đồng thời suất tăng lên gấp nhiều lần so với phương pháp phân loại thủ công mắt thường trước Trong báo cáo này, nhóm tiến hành nghiên cứu thi cơng mơ hình phân loại, phát sản phẩm lỗi dựa kỹ thuật xử lý hình ảnh, sản phẩm khơng đạt tiêu chí hình dạng hay khối lượng phát phân loại khác ii MỤC LỤC LỜI CẢM ƠN i LỜI MỞ ĐẦU ii DANH MỤC BẢNG BIỂU v DANH MỤC HÌNH ẢNH vi CHƯƠNG 1: TỔNG QUAN 1.1 Đặt vấn đề 1.2 Mục tiêu đề tài 1.3 Giới hạn đề tài 1.4 Phương pháp nghiên cứu 1.5 Nội dung đề tài CHƯƠNG 2: CƠ SỞ LÝ THUYẾT 2.1 Tổng quan hệ thống phân loại 2.2 Lý thuyết xử lý ảnh kỹ thuật số 2.2.1 Giới thiệu 2.2.2 Hình ảnh 10 2.2.3 Hình ảnh nhị phân 11 CHƯƠNG 3: THIẾT KẾ HỆ THỐNG 13 3.1 Yêu cầu hệ thống 13 3.2 Thiết kế phần cứng 13 3.2.1 Lựa chọn thiết bị 13 3.2.1.1 Arduino Uno 13 3.2.1.2 Động Servo MG955 16 3.2.1.3 Cân điện tử Loadcell module chuyển đổi ADC HX711 17 3.2.1.4 Băng tải 20 3.2.1.5 Động DC 21 3.2.1.6 Mạch giảm áp (Buck Converter) 21 3.2.1.7 Webcam Logitech HD C270 22 3.2.1.8 Nguồn tổ ong 23 3.2.1.9 CB bảo vệ 24 3.2.1.10 Relay 25 3.2.1.11 Nút nhấn 26 3.2.2 Sơ đồ kết nối hệ thống 27 iii 3.2.2.1 Sơ đồ kết nối Loadcell với Arduino 28 3.2.2.2 Sơ đồ kết nối Servo với Arduino 29 3.2.2.3 Sơ đồ nguyên lý hệ thống 30 3.3 Thiết kế phần mềm 31 3.3.1 Tổng quan hệ thống 31 3.3.2 Phần mềm hỗ trợ 33 3.3.3 Xử lý ảnh LabVIEW 34 3.3.3.1 Thu thập hình ảnh 34 3.3.3.2 Các bước xử lý ảnh 36 3.3.3.3 Nhận diện vật thể 42 3.3.3.4 Tín hiệu ngõ 44 3.3.4 LabVIEW giao tiếp Arduino IDE 45 3.3.4.1 Phân loại kết hợp hình dạng khối lượng 46 3.3.4.2 Phân loại theo hình dạng 49 CHƯƠNG 4: KẾT QUẢ VÀ SO SÁNH THỰC NGHIỆM 51 4.1 Kết phần cứng 51 4.2 Kết giao tiếp 52 4.3 Kết chạy kiểm tra 61 4.3.1 Kết phân loại kết hợp hình dạng khối lượng 61 4.3.2 Kết phân loại theo hình dạng 62 CHƯƠNG 5: KẾT LUẬN VÀ HƯỚNG PHÁT TRIỂN 64 5.1 Kết luận 64 5.1 Hướng phát triển 64 DANH MỤC TÀI LIỆU THAM KHẢO 65 PHỤ LỤC 66 iv DANH MỤC BẢNG BIỂU Bảng 3.1: Thông số kỹ thuật Arduino Uno 14 Bảng 3.2: Thông số kỹ thuật động servo 17 Bảng 3.3: Thông số kỹ thuật Loadcell 1Kg 19 Bảng 3.4: Thông số kỹ thuật Module HX711 19 Bảng 3.5: Thông số kỹ thuật mạch giảm áp LM2596 22 Bảng 3.6: Thông số kỹ thuật Webcam Logitech HD C270 23 Bảng 3.7: Thông số kỹ thuật nguồn tổ ong 24V 24 Bảng 3.8: Thông số kỹ thuật CB 25 Bảng 3.9: Thông số kỹ thuật Relay trung gian 26 Bảng 3.10: Thông số kỹ thuật nút nhấn nhả CRF-F25M2R 26 Bảng 3.11: Thông số kỹ thuật nút nhấn tự giữ DS-428 27 Bảng 4.1: Kết phân loại sản phẩm theo hình dạng khối lượng sau 50 lần 61 Bảng 4.2: Kết phân loại sản phẩm theo hình dạng khối lượng phút 61 Bảng 4.3: Kết phân loại sản phẩm theo hình dạng sau 50 lần 62 Bảng 4.4: Kết phân loại sản phẩm theo hình dạng phút 62 v Chương 4: Kết so sánh thực nghiệm Hình 4.19: LabVIEW đếm sản phẩm sau hồn thành phân loại 4.3 Kết chạy kiểm tra 4.3.1 Kết phân loại kết hợp hình dạng khối lượng Hệ thống hoạt động tương đối ổn định, liệu thống kê nhóm thực chạy nhiều lần khảo sát đánh giá kết sau: Bảng 4.1: Kết phân loại sản phẩm theo hình dạng khối lượng sau 200 lần SP Lỗi hình dạng lỗi SP SP tốt SP loại SP loại Lỗi khối lượng Lỗi Tổng SP lỗi Tổng SP Hiệu suất (%) 4 0 4 16 196 184 200 98 92 100 Từ bảng 4.1, sau cho nhận diện loại sản phẩm 200 lần (với điều kiện ánh sáng phù hợp) nhóm thu kết sau: sản phẩm tốt có hiệu suất 98%, sản phẩm loại có hiệu suất 92% sản phẩm loại 100% Bảng 4.2: Kết phân loại sản phẩm theo hình dạng khối lượng phút Số lần khảo sát Số SP khảo sát (Tốt / Loại / Loại 2) 3/5/3 Tổng số SP 4/4/3 11 3/6/3 12 11 61 Chương 4: Kết so sánh thực nghiệm 6/1/1 5/1/3 Số SP trung bình 10.2 Từ bảng 4.2, nhóm thực khảo sát tốc độ phân loại hệ thống cách cấp ngẫu nhiên loại sản phẩm vào vòng phút Khi Servo đẩy sản phẩm khỏi băng tải tính lần đếm Riêng sản phẩm tốt đến hết phạm vi quan sát Camera đếm Kết khảo sát thực lần điều kiện mơ hình phân loại sản phẩm đạt tỷ lệ 100% (nếu mơ hình phân loại sai từ sản phẩm hủy kết đó) Tổng số sản phẩm đề chênh lệch cao sản phẩm Nguyên nhân tùy vào số lượng sản phẩm loại (gần nhất) sản phẩm tốt (xa nhất) mà số lần đếm khác Như bảng 4.2, có nhiều sản phẩm tốt dẫn đến việc đếm chậm ngược lại Kết luận, dù số lần khảo sát chưa thực nhiều số dao động trung bình lần khoảng 10 sản phẩm Từ bảng khảo sát trên, việc phân loại theo hình dạng khối lượng có độ tin cậy cao tốc độ phân loại cịn chậm, phải cấp liệu sản phẩm 4.3.2 Kết phân loại theo hình dạng Bảng 4.3: Kết phân loại sản phẩm theo hình dạng sau 200 lần Kết SP tốt SP loại SP loại Hiệu suất (%) SP tốt 200 0 100 SP loại 20 180 90 SP loại 0 200 100 SP Từ bảng 4.3, nhóm thực khảo sát kết phân loại sản phẩm sau 200 lần liên tục Sản phẩm tốt sản phẩm loại cho kết phân loại tốt với hiệu suất 100% Sản phẩm loại với hiệu suất 90% nhận diện nhầm sang sản phẩm tốt Bảng 4.4: Kết phân loại sản phẩm theo hình dạng phút Số lần khảo sát Số SP khảo sát (Tốt / Loại / Loại 2) Tổng số SP 6/7/6 19 6/8/9 23 62 Chương 4: Kết so sánh thực nghiệm 7/6/8 21 6/6/8 20 5/6/7 18 Số SP trung bình 20.2 Từ bảng 4.4, nhóm thực khảo sát tốc độ phân loại mơ hình cách cấp ngẫu nhiên loại sản phẩm vòng 60 giây điều kiện mơ hình phân loại sản phẩm đạt tỷ lệ 100% (nếu mơ hình phân loại sai từ sản phẩm hủy kết đó) Từ bảng 4.4 cho thấy tốc độ nhận diện tăng lên gần gấp bỏ qua bước cấp liệu sản phẩm có cân Loadcell Nhưng đồng thời từ bảng 4.3, kết nhận diện nhầm sản phẩm loại thành loại tốt lại tăng Ưu điểm phương pháp nhận diện sản phẩm theo hình dạng tốc độ nhận diện phân loại nhanh 63 Chương 5: Kết luận hướng phát triển CHƯƠNG 5: KẾT LUẬN VÀ HƯỚNG PHÁT TRIỂN Ở chương 4, liệu khảo sát hoạt động phân loại thực tế hệ thống thu thập Chương rút kết luận đưa số cải tiến để hệ thống phát triển 5.1 Kết luận Sau thời gian tìm hiểu nghiên cứu thực đề tài, nhóm tác giả hồn thành đồ án :”Thiết kế, thi cơng mơ hình phân loại sản phẩm theo hình dạng khối lượng” với kết sau: - Thi cơng mơ hình phân loại sản phẩm theo hình dạng khối lượng Hệ thống hoạt động cách tự động - Thiết kế giao diện quan sát trình xử lý phần mềm Labview Có thể giám sát kết điều khiển hệ thống thông qua phần mềm - Thực nghiệm phân loại sản phẩm Mơ hình hoạt động tương đối ôn định, tốc độ phân loại sản phẩm trung bình 10 sản phẩm/phút tốc độ phân loại liên tục trung bình 20 sản phẩm/phút - Đánh giá tính hiệu mơ hình: Mơ hình hoạt động hiệu với hiệu suất nhận dạng loại sản phẩm xác đạt 90% (trong trường hợp) Tuy nhiên, hệ thống tồn đọng số khuyết điểm sau: - Ánh sáng môi trường xung quanh ảnh hưởng trực tiếp đến chất lượng nhận diện sản phẩm camera - Tốc độ phân loại sản phẩm kết hợp hình dạng khối lượng chưa cao - Cân điện tử Loadcell đo khối lượng sản phẩm chưa thực xác dẫn đến nhầm lẫn khối lượng loại sản phẩm 5.1 Hướng phát triển Nhóm thực cải tiến mặt hạn chế hệ thống nêu trên: - Thiết kế phận che chắn để giảm tác động ánh sáng môi trường xung quanh lên bề mặt băng tải camera - Cải tiến chương trình Arduino để Loadcell gửi tín hiệu liên tục làm tăng số lượng sản phẩm nhận diện phạm vi thu ảnh camera đảm bảo hệ thống nhận diện cách liên tục 64 DANH MỤC TÀI LIỆU THAM KHẢO Tiếng Anh [1] “Digital Image Processing Basics - GeeksforGeeks” GeeksforGeeks, Jan 26, 2018 https://www.geeksforgeeks.org/digital-image-processing-basics/ [2] “Digital image processing” Wikipedia, Dec 16, 2021 https://en.wikipedia.org/wiki/Digital_image_processing [3] “Image Acquisition Using IMAQdx – Graham Gibson” Graham Gibson, Nov.04,2014 https://sun.iwu.edu/~gspaldin/LabVIEW_Imaging.pdf [4] R Haralick and L Shapiro “Computer and Robot Vision”, Vol 1, Addison-Wesley Publishing Company, 1992, Chap 5, pp 174 - 185 https://homepages.inf.ed.ac.uk/rbf/HIPR2/open.htm [5] “Serial communication between Arduino and LabVIEW”, Hans-Peter Halvorsen https://www.halvorsen.blog/documents/technology/iot/arduino/resources/Serial%20Com munication%20between%20Arduino%20and%20LabVIEW.pdf?fbclid=IwAR3IdaQgtX mNRXpb4oXm6jNiT_A2R8Yb7B0ntIrG5rBLAtCO2O-I5XlFD6E [6] Shapiro, Linda G.; Stockman, George C (February 2001) “Computer Vision”, Prentice Hall pp 77–103 https://theswissbay.ch/pdf/Gentoomen%20Library/Artificial%20Intelligence/Computer% 20Vision/Computer%20Vision%20-%20Linda%20Shapiro.pdf 65 PHỤ LỤC Chương trình LabVIEW 66 67 Chương trình Arduino 68 #include #define HX711_dout #define HX711_sck HX711_ADC LoadCell(HX711_dout, HX711_sck); float calibrationValue = 696.0; uint16_t stabilizingtime = 2000; boolean _tare = true; float zero_loadcell, loadcell_temp, loadcell_max, thres_loadcell = 5; uint8_t loadcell_count; #define _Base_Freq 100000 #define _Working_Freq #define _Sys_CLK 10 16000000 #define _BaseTimer_CLK 16000000 #define _BaseTimer_TOP (((_BaseTimer_CLK / _Base_Freq)) - 1) #define _WrkCycle_MAX #define PWM_period #define PWM_MAX (_Base_Freq / _Working_Freq) 0.004 (PWM_period*_Base_Freq) uint16_t WrkCycle_Counter = _WrkCycle_MAX; uint16_t PWM_Counter = PWM_MAX; uint16_t PWM1_compare = 130, PWM2_compare = 130, PWM3_compare = 200; volatile bool F_Working_Cycle = false; uint8_t f_sv0, f_sv1, f_sv2, f_sv3; uint16_t sv0_count, sv1_count, sv2_count; uint8_t sv0_delay, sv1_delay, sv2_delay, sv3_delay; // void onBaseTimer() { TCCR2A = 0; TCCR2B = 0; TIMSK2 = 0; TCCR2A |= (1