1811504410208“Thiết kế , chế tạo mô hình phân loại màu sắc theo sản phẩm màu bằng cánh tayrobot” là đề tài mà nhóm em thực hiện phân loại sản phẩm màu sắc sử dụng xử lí ảnh viếtbằng ngôn
TỔNG QUAN VỀ VẤN ĐỀ NGHIÊN CỨU
Tính tất yếu
Sự phát triển của khoa học kỹ thuật ngày càng nhanh góp phần nâng cao năng suất lao động Đặt biệt sự ra đời và phát triển của công nghệ chế tạo Robot nhằm tạo ra sự tự động hóa trong quá trình sản xuất giảm đi sức lao động bằng chân tay của người lao động. Đối với nước ngoài thì Robot đã được nghiên cứu và chế tạo để ứng dụng vào sản xuất đã có từ rất lâu Riêng ở nước ta lĩnh vực này còn khá mới mẻ, chúng ta vẫn chưa có nhà máy nào có khả năng chế tạo các bộ phận cấu thành của tay máy đạt tiêu chuẩn quốc tế. Đó chính là lý do mà nhóm đề xuất nên “Cánh Tay Robot Phân Loại Sản PhẩmDựa Vào Màu Sắc” để góp một phần nào đó nâng cao năng suất lao động, phát triển công nghệ chế tạo Robot ở nước ta và sử dụng đề tài này để làm Đồ án Chuyên ngành của mình.
Nội dung đề tài
Sản phẩm được ra đời với mục đích hỗ trợ cho việc phân loại hàng hóa tại các công ty, xí nghiệp sản xuất, Khi hàng hóa được thành phẩm sẽ được phân loại dựa trên màu sắc của nó Thay thế được quá trình phân loại thủ công bằng chân tay con người, cải thiện được năng suất lao động và thời gian để thực hiện công đoạn
Nhiệm vụ đề tài
Thiết kế mô hình cánh tay Robot.
Xây dựng cánh tay Robot mô phỏng quá trình phân loại sản phẩm theo màu sắc
Hướng giải quyết và yêu cầu chức năng của đề tài
Xử lí ảnh để nhận dạng đối tượng theo màu sắc rồi gửi về arduino , arduino xác định vị trí của đối tượng sau đó điều khiển Robot tới gắp và phân loại đối tượng.
Sử dụng xử lí ảnh để nhận diện màu sắc , chi phí rẻ , có thể phát triển và ứng dụng sang nhiều lĩnh vực khác như giao thông , sản xuất …
Chọn động cơ RC Servo vì động cơ RC Servo khá là dễ điều khiển, đồng thời trọng lượng nhẹ phù hợp cho cánh tay Robot.
Ý nghĩa và thực tiễn của đề tài
Hiện nay trong nhiều nhà máy và doanh nghiệp sản xuất vẫn còn áp dụng các hệ thống lạc hậu không cho được hiệu quả cao và năng xuất tốt Chính vì thế nhóm em thực hiện đề tài: “ Thiết kế hệ thống phân loại sản phẩm theo màu sắc bằng cánh tay robot” với mong muốn cải thiện quá trình sản xuất và nâng cao hiệu quả và năng xuất để đảm bảo chất lượng sản phẩm đầu ra cao, giảm nhân lực sản xuất tiết kiệm chi phí, giảm giá thành để cạnh tranh trên thị trường.
Một số ứng dụng thực tế cánh tay robot
1.6.1 Ứng dụng thực tế canh tay robot đóng gói và bốc xếp hàng lên , xuống
Sau khi ra khỏi dây chuyền sản xuất , sản phẩm sẽ được chuyển đến kho , tại đại sản phẩm sẽ được đóng gói và sắp xếp lên pallet để giao hàng Tùy thuộc vào đặc tính của sản phẩm to hay nhỏ , nặng hay nhẹ , có dễ vỡ hay không mà hai nhiệm vụ này sẽ có yêu cầu kèm theo
Nhìn chung tính chất công việc lặp đi lặp lại nhiều lần gây nhàm chán và giảm khả năng tập trung , dẫn đến tình trạng sai sót trong khi làm việc là điều khá phổ biến của công nhân trong nhiệm vụ Ứng dụng của canh tay robot thông minh mắc khác giúp không ít các nhà sản xuất giải quyết được hệ quả không tích cực về dài
Hình 1 1 Ứng dụng của robot trong bốc xếp hàng lên , xuống pallet
1.6.2 Ứng dụng cánh tay robot trong kiểm tra chất lượng
Mỗi sản phẩm đều có những yêu cầu tiêu chuẩn đầu ra riêng và nhiệm vụ kiểm tra chất lượng sẽ đảm bảo các sản phẩm đạt được tất cả yêu cầu trên Hơn nữa , trong một loạt sản xuất không chỉ một mà số lượng lớn đầu ra , lúc này tính đồng bộ giữa nhiều sản phẩm riêng lẻ cũng khiến không ít doanh nghiệp quan tâm Sự ứng dụng của cánh tay robot cộng tác đã thực sự giúp ích được điều này Ở các dây chuyền sản xuất đa dạng nhiều sản phẩm liên tục với số lượng vừa phải, thì nhiệm vụ kiểm tra chất lượng lại càng gặp rào cản khi phải đối mặt với tình trạng thời gian chết để điều chỉnh thông số kỹ thuật khác nhau nhiều sản phẩm Lúc này, nhờ vào sự ứng dụng của cánh tay robot cộng tác, khả năng linh hoạt chuyển đổi của nhiệm vụ được gia tăng.
Cuối cùng, việc ứng dụng robot công tác trong nhiệm vụ kiểm tra chất lượng giúp các nhà sản xuất giảm thời gian và nguồn lực để giám sát - kiểm tra đầu vào trong khi gia tăng lượng lớn sản phẩm đầu ra với chất lượng đảm bảo.
Hình 1 2 Ứng dụng cánh tay robot trong nhiệm vụ kiểm tra chất lượng
1.6.3 Ứng dụng của cánh tay robot trong nhiệm vụ lắp ráp
Tất cả cơ sở - nhà máy sản xuất hiện nay đều có bộ phận chuyên đảm nhiệm lắp ráp các chi tiết hay linh kiện vào nhau để tạo ra thành phẩm cuối cùng Công việc chủ yếu của công nhân ở bộ phận này là truyền động vít hay vặn đai ốc.
Tuy quy trình thực hiện không mới nhưng lại mang đặc tính thay đổi thường xuyên về thông số và kỹ thuật sản xuất Thông thường, với một sản phẩm công nghiệp, các nhà sản xuất thường chế tạo ở nhiều kích cỡ theo nhu cầu đa dạng của thị trường cung ứng. Điều này dẫn đến việc phải điều chỉnh máy móc hỗ trợ nhiều lần, gây mất thời gian Từ khi ứng dụng robot công tác, rào cản này đã không còn đáng kể.
Do nhiệm vụ lắp ráp thường nằm ở cuối giai đoạn sản xuất và là một trong những khâu hoàn thiện sản phẩm nên việc đảm bảo chất lượng và tính nhất quán luôn được chú trọng Đối với hai yêu cầu tiên quyết này, không ai có thể phủ nhận các robot thường làm tốt điều này hơn so với con người Kết quả khả quan ở nhiều nhà máy khi ứng dụng robot cộng tác đã chứng minh nhận định trên là hoàn toàn chính xác
Hơn thế nữa là khả năng ứng dụng của cánh tay robot cộng tác trong các nhiệm vụ lắp ráp đã cải thiện sức khỏe cho công nhân khá nhiều Trước kia, những người lao động phải trực tiếp thực hiện hoàn toàn 100% thủ công, đến nay những phân đoạn phải tiêu hao sức lực đã được hạn chế đến mức tối đa.
Hình 1 3 Ứng dụng robot trong nhiệm vụ lắp ráp
Giới thiệu một số hệ thống bốc xếp , phân loại màu sắc
1.7.1 Hệ thống phân loại màu sắc trái cây sử dụng xử lý ảnh
Máy phân loại màu sắc trái cây khi thu hoạch Sau khi thu hoạch trái cây sẽ được phân ra thành nhiều loại Việc phân loại này thường sử dụng sức người là chủ yếu để hỗ trợ cho việc phân loại này thì máy phân loại trái cây đã có mặt trên thị trường Giúp cho việc phân loại màu sắc của trái cây trở nên dễ dàng và nhanh chóng.
Tuy nhiên giá cả trên thị trường vẫn chưa đáp ứng được rộng rãi nhu cầu sữ dụng của mọi người
Hình 1 4 Hệ thống phân loại màu sắc trái cây sử dụng xử lí ảnh
1.7.2 Dây chuyền phân loại các loại hạt
Dựa trên màu sắc có thể phân loại các sản phẩm như ớt, cà chua, cà phê, nhựa màu, gạo, chè búp, các loại hạt…nhờ camera kiểm tra sản phẩm, công nghệ vision xử lý ảnh tự động.
Năng suất: 0.8-15 tấn/ giờ (tùy vào mỗi loại model)
Tỉ lệ phân loại chính xác: >99%
Hình 1 5 Màu sắc so sánh các loại hạt
Hệ thống phân loại màu sắc sử dụng xử lí ảnh
Hệ thống được mô phỏng trên phần mềm robot dk.
RoboDK là một trình mô phỏng mạnh mẽ và tiết kiệm chi phí dành cho robot công nghiệp và lập trình robot
Phần mềm mô phỏng RoboDK cho phép khai thác tối đa robot của mình
RoboDK có thư viện rộng lớn với 600 cánh tay robot
Hình 1 6 giao diện robo DK
Mô hình có được từ phần mềm robot DK
Hình 1 7 Sơ đồ mô phỏng trên robot DK
Sơ đồ tổng quát nguyên lý hoạt động hệ thống
Hình 1 8 Sơ đồ tổng quát nguyên lý hoạt động hệ thống
Trong đồ án này em thực hiện phân loại sản phẩm bằng phương pháp xử lí ảnh , thông qua băng chuyền sản phẩm đi đến camera thu thập hình ảnh đưa vào máy tính xử lí ảnh nhận diện màu sắc sản phẩm sau đó truyền tín hiệu sang arduino xác định vị trí sản phẩm và tiếng hành điều khiển cánh tay robot phân loại sản phẩm tại vị trí mong muốn , đồng thời hiển thị số lương lên màn hình LCD Từ đây suy ra mục đích yêu cầu của đề bài.
1 Nhận diện màu sắc sử dụng xử lí ảnh
2 Gắp thả vật vào vị trí mong muốn
3 Bộ phần hiển thị rõ ràng
4 Mạch không quá phức tạp , đảm bảo an toàn sử dụng
5 Giá thành không quá cao
TỔNG QUAN VỀ XỬ LÝ ẢNH
Giới thiệu về xử lí ảnh
Xử lý là quá trình xử lý số tín hiệu với đối tượng xử lý là tín hiệu hình ảnh Trong đó, ảnh đầu vào sẽ được xử lý sao cho ảnh sau khi xử lý đạt kết quả mong muốn Kết quả của xử lý ảnh là một ảnh khác có đặc điểm khác với ảnh ban đầu hoặc một kết luận Xử lý ảnh phát triển rất mạnh mẽ trong thời gian gần đây, bao gồm ở rất nhiều lĩnh vực: y tế, kinh tế, văn hóa, quân sự, quốc phòng… Hiện nay, có bốn khía cạnh chính liên quan đến xử lý ảnh: xử lý và nâng cao chất lượng ảnh, nhận dạng ảnh, truy vấn ảnh và nén ảnh Ở phạm vi đề tài này sẽ tìm hiểu về vấn đề nhận dạng ảnh trên cơ sở màu sắc ảnh thu được từ cảm biến Camera.
Các giai đoạn chính trong xử lý ảnh
2.2.1 Thu nhận ảnh Đây là công đoạn đầu tiên mang tính quyết định đối với quá trình xử lý ảnh Ảnh đầu vào sẽ được thu nhận qua các thiết bị như Camera, cảm biến, máy quét,… và sau đó các tín hiệu này sẽ được số hóa Việc lựa chọn các thiết bị thu nhận ảnh sẽ phụ thuộc vào đặc tính của các đối tượng cần xử lý Các thông số quan trọng ở bước này là độ phân giải, chất lượng màu, dung lượng bộ nhớ và tốc độ thu nhận ảnh của các thiết bị.
Quá trình này thực chất bao gồm nhiều công đoạn nhỏ Trước hết là tăng cường ảnh ( Image Enhancement ) để nâng cao chất lượng ảnh
Trong quá trình thu nhận ảnh do những nguyên nhân khác nhau , điển hình là : Thiết bị thu nhận ảnh , do nguồn sáng, góc chụp hay do nhiễu từ môi trường ảnh có thể bị suy biến Đặc biệt trong nhận dạng màu sắc phụ thuộc rất nhiều vào cảm biến của camera.Vì vậy cần tăng cường và khôi phục lại ảnh để làm nổi bật một số đặc tính chính của ảnh hay làm cho ảnh gần giống trạng thái gốc nhất Giai đoạn tiếp theo là phát hiện các đặc tính như biên ( edge detection), phân vùng ảnh (Image segmentation ) , trích đặc trưng ( feature extraction)
Cuối cùng theo mục đích kỹ thuật sẽ là giai đoạn nhận dạng, phân lớp hay các quá trình khác
2.3 Các khái niệm cơ bản trong xử lý ảnh
Là đơn vị cơ bản nhất để tạo nên một bức ảnh kỹ thuật số Địa chỉ của điểm ảnh được xem như là một tọa độ (x, y) nào đó Một bức ảnh kỹ thuật số, có thể được tạo ra bằng cách chụp hoặc bằng một phương pháp đồ họa nào khác, được tạo nên từ hàng ngàn hoặc hàng triệu Pixel riêng lẻ Bức ảnh càng chứa nhiều Pixel thì càng chi tiết.
2.3.2 Ảnh số Ảnh số là tập hợp hữu hạn các điểm ảnh với mức xám phù hợp dùng để mô tả ảnh gần với ảnh thật Số điểm ảnh xác định độ phân giải của ảnh Ảnh có độ phân giải càng cao thì càng thể hiện rõ nét các đặc điểm của tấm ảnh và càng làm cho tấm ảnh trở nên thực và sắc nét hơn Một hình ảnh là một tín hiệu hai chiều, nó được xác định bởi hàm toán học f (x, y) trong đó x và y là hai tọa độ theo chiều ngang và chiều dọc Các giá trị của f (x, y) tại bất kỳ điểm nào là các giá trị điểm ảnh (Pixel) tại điểm đó của một hình ảnh Ảnh số thực tế là biểu diễn số học của hình ảnh trong máy tính, thường là biểu diễn nhị phân Có thể phân ảnh số thành 2 loại: ảnh raster và ảnh vector.
2.3.3 Ảnh Raster Ảnh raster là một tập hợp hữu hạn các giá trị số, gọi là điểm ảnh (pixel - picture element) Thông thường một hình ảnh được chia thành các hàng và cột chứa điểm ảnh. Điểm ảnh là thành phần bé nhất biểu diễn ảnh, có giá trị số biểu diễn màu sắc, độ sáng,… của một thành phần trong bức ảnh. Ảnh raster thường được thu từ Camera, các máy chiếu, chụp, quét… và chính là đối tượng chính của xử lý ảnh và thị giác máy tính.
2.3.4 Ảnh Vector Ảnh vector là loại ảnh tạo thành từ các thành phần đơn giản của hình học như điểm, đường thẳng, hình khối… Thay vì được lưu lại thành các ma trận điểm ảnh như ảnh raster, ảnh vector được biểu diễn dưới dạng tọa độ của các thành phần trong ảnh Chính điều này đã tạo nên sự đặc biệt của ảnh vector, khiến nó có thể được kéo dãn, thu nhỏ tùy ý mà không bị vỡ, không xuất hiện răng cưa như ảnh raster Dữ liệu trong ảnh vector nhỏ, do vậy thường tiết kiệm dung lượng lưu trữ hơn ảnh raster.
Tuy thế, màu sắc trong ảnh vector nhìn không thật, màu sắc ít tinh tế hơn ảnh raster.
Thông thường người ta sử dụng ảnh vector trong thiết kế các logo, banner, giao diện đồ họa… Loại ảnh này gần như không xuất hiện khi đề cập đến xử lý ảnh hay thị giác máy tính.
Mức xám của điểm ảnh là cường độ sáng, gán bằng một giá trị tại điểm đó Các mức ảnh xám thông thường: 16, 32, 64, 128, 256 Mức được sử dụng thông dụng nhất là 265, tức là dùng 1 byte để biểu diễn mức xám Trong đó
Ảnh nhị phân: Là ảnh có 2 mức trắng và đen, chỉ có 2 giá trị 0 và 1 và chỉ sử dụng
1 bit dữ liệu trên 1 điểm ảnh.
Ảnh đen trắng: Là ảnh có hai màu đen, trắng (không chứa màu khác) với mức xám ở các điểm ảnh có thể khác nhau. Ảnh màu: Là ảnh kết hợp của 3 màu cơ bản lại với nhau để tạo ra một thế giới màu sinh động Người ta thường dùng 3 byte để mô tả mức màu, tức là có khoảng 16,7 triệu màu.
Không gian màu
Không gian màu là các đại diện cho các kênh màu hiện diện trong ảnh mang lại cho hình ảnh màu sắc cụ thể Có một số không gian màu khác nhau và mỗi không gian màu có ý nghĩa riêng
Một số không gian màu phổ biến là RGB ( đỏ , xanh lục , xanh lá ) , CMYK ( lục lam , đỏ tươi , vàng , đen ) , HSV ( Hue , Saturation , Value ) , vv
RGB là không gian màu rất phổ biến được dùng trong đồ họa máy tính và nhiều thiết bị kỹ thuật số khác Ý tưởng chính của không gian màu này là sự kết hợp của 3 màu sắc cơ bản : màu đỏ (R, Red), xanh lục (G, Green) và xanh lơ (B, Blue) để mô tả tất cả các màu sắc khác.
Nếu như một ảnh số được mã hóa bằng 24bit, nghĩa là 8bit cho kênh R, 8bit cho kênh G, 8bit cho kênh B, thì mỗ kênh này màu này sẽ nhận giá trị từ 0-255 Với mỗi giá trị khác nhau của các kênh màu kết hợp với nhau ta sẽ được một màu khác nhau, như vậy ta sẽ có tổng cộng 255x255x255 = 1.66 triệu màu sắc Ví dụ: màu đen là sự kết hợp của các kênh màu (R, G, B) với giá trị tương ứng (0, 0, 0) màu trắng có giá trị (255, 255,
255), màu vàng có giá trị (255, 255, 0), màu tím đậm có giá trị (64, 0, 128) …
Hình 2 1 Không gian màu RGB
HSV và cũng gần tương tự như HSL là không gian màu được dùng nhiều trong việc chỉnh sửa ảnh, phân tích ảnh và một phần của lĩnh vực thị giác máy tính mô tả bức ảnh một cách tự nhiên hơn Hệ không gian này dựa vào 3 thông số sau để mô tả màu sắc
H = Hue: màu sắc, S = Saturation: độ đậm đặc, sự bảo hòa, V = value: giá trị cường độ sáng.
Không gian màu này thường được biểu diễn dưới dạng hình trụ hoặc hình nón.
Hình 2 2 Không gian màu HSV
Hình 2 3 Dải màu sắc Hue trong không gian màu HSV
CMYK là không gian màu được sử dụng phổ biến trong ngành công nghiệp in ấn.Ý tưởng cơ bản của hệ không gian này là dùng 4 màu sắc cơ bản để phục vụ cho việc pha trộn mực in Trên thực tế, người ta dùng 3 màu là C=Cyan: xanh lơ, M=Magenta: hồng xẫm, và Y=Yellow: vàng để biểu diễn các màu sắc khác nhau Nếu lấy màu hồng xẫm cộng với vàng sẽ ra màu đỏ, màu xẫm kết hợp với xanh lơ sẽ cho xanh lam Sự kết hợp của 3 màu trên sẽ cho ra màu đen, tuy nhiên màu đen ở đây khôn phải là đen tuyệt đối và thường có độ tương phản lớn, nên trong ngành in, để tiết kiệm mực in người ta thêm vào màu đen để in những chi tiết có màu đen thay vì phải kết hợp 3 màu sắc trên Và như vậy ta có hệ màu CMYK chữ K ở đây là để kí hiệu màu đen (Black), có nhẽ chữ B đã được dùng để biểu diễn màu Blue nên người ta lấy chữ cái cuối K để biểu diễn màu đen
Nguyên lý làm việc của hệ màu này như sau : Trên một nền giấy trắng, khi mỗi màu này được in lên sẽ loại bỏ dần đi thành phần màu trắng 3 màu C, M, Y khác nhau in theo những tỉ lệ khác nhau sẽ loại bỏ đi thành phần đó một cách khác nhau và cuối cùng cho ta màu sắc cần in Khi cần in màu đen, thay vì phải in cả 3 màu người ta dùng màu đen để in lên Nguyên lý này khác với nguyên lý làm việc của hệ RGB ở chỗ hệ RGB là sự kết hợp của các thành phần màu, còn hệ CMYK là sự loại bỏ lẫn nhau của các thành phần màu.
Hình 2 4 Không gian màu CMYK
Ngôn ngữ Python và thư viện OpenCV
Là một ngôn ngữ lập trình cấp cao được sử dụng phổ biến từ trong môi trường học đường cho tới các dự án lớn cho các mục đích lập trình đa năng, do Guido van Rossum tạo ra và lần đầu ra mắt vào năm 1991 Python được thiết kế với ưu điểm mạnh là dễ đọc, dễ học và dễ nhớ, là ngôn ngữ có cấu trúc rõ ràng, phù hợp cho người mới học lập trình. Cấu trúc của Python còn cho phép người sử dụng viết mã lệnh với số lần gõ phím tối thiểu.
Ban đầu Python được phát triển để chạy trên nền Unix nhưng sau này ngôn ngữ đã được sử dụng chạy trên mọi hệ điều hành từ MS-DOS đến Mac OS, OS/2, Windows, Linux và các hệ điều hành khác thuộc họ Unix.
Trong đề tài này chúng em chọn ngôn ngữ Python để tiến hành nghiên cứu và thực hiện xử lý ảnh.
Hình 2 5 Thư viện Opencv OpenCV là một thư viện mã nguồn mở phục vụ cho việc nghiên cứu hay phát triển về thị giác máy tính Tối ưu hóa và xử lí các ứng dụng trong thời gian thực Giúp cho việc xây dựng các ứng dụng xử lí ảnh, thị giác máy tính, một cách nhanh hơn OpenCV có hơn 500 hàm khác nhau, được chia làm nhiều phần phục vụ các công việc như: xử lí hình ảnh y tế, an ninh, camera quan sát, nhận diện, robots,
Để khai báo thư viện ta dùng lệnh: “ import cv2”
Hình 2 6 Thư viện Numpy Thư viện Numpy (Numeric Python): Là một thư viện toán học phổ thông biến và mạnh mẽ của Python cho phép làm việc hiệu quả với ma trận và mảng, đặc biệt là dữ liệu ma trận và mảng lớn với tốc độ xử lí nhanh hơn nhiều lần khi sử dụng “ core Python” đơn thuần
Để khai báo thư viện ta dùng lệnh: “ import numpy as np”
Thư viện Serial được dùng trong việc giao tiếp giữa arduino với phần mềm pycharm để gửi tín hiệu cho nhau
Để khai báo thư viện ta dùng lệnh : “ import serial”
Phát hiện đối tượng và phân loại là nhiệm vụ cơ bản quan trọng nhất và thách thức của thị giác máy tính Nó là một phần quan trọng trong nhiều ứng dụng như tìm kiếm hình ảnh, sự hiểu biết cảnh, vv Tuy nhiên nó vẫn còn là một vấn đề mở do sự đa dạng và phức tạp của các lớp đối tượng và hình nền.
Cách đơn giản nhất để phát hiện và phân khúc một đối tượng từ một hình ảnh là phương pháp dựa trên màu sắc Các đối tượng và nền sẽ có một sự khác biệt đáng kể màu sắc vì vậy có thể sử dụng phương pháp phân loại dựa trên màu sắc để phân loại vật.Tuy nhiên phương pháp này vẫn có một số hạn chế do tùy vào môi trường ,cảm biến, ánh sáng mà màu sắc thu nhận được sẽ khác nhau.
Phương pháp phân loại theo màu sắc
Như phần lý thuyết ở chương 2 ở trên đã giới thiệu, với ảnh chụp thu thập được từ camera sẽ cho không gian màu của ảnh là RGB, để thuận tiện cho việc phân loại màu sắc ta phải chuyển sang không gian màu HSV.
Hình 2 7 Lưu đồ thuật toán nhận diện màu OpenCV hỗ trợ các hàm thu nhận ảnh từ file và từ camera trong thư viện như :
img = cv2.imread("maudo.jpg") : hàm dùng để đọc ảnh
Videocap = cv2.VideoCapture(0) :hàm dùng để kết nối camera máy tính có tên là 0
Ret , frame = Videocap.read() : hàm dùng để đọc videocap
Không gian màu RGB không thích hợp cho việc nhận dạng màu sắc, để phân biệt màu sắc người ta thường dùng không gian màu HSV Trong OpenCV, H (Hue) có giá trị trong khoảng (0, 179) mang thông tin về màu sắc S (Saturation) có giá trị (0, 255) cho thông tin về độ thuần khiết của màu V (Value) có giá trị (0, 255) cho biết độ sáng của điểm ảnh Chuyển đổi không gian màu từ RGB sang HSV
+ hsv = cv2.cvtColor(frame, cv2.COLOR_BGR2HSV) : hàm dùng để chuyển đổi từ không gian màu RGB sang HSV
Xác định ngưỡng màu của vật
Để xác định được người màu của vật khi phân loại sản phẩm nhóm em chọn phương pháp kéo thanh HSV để dò tìm ngưỡng màu phù hợp của mỗi vật
Bước 1 : Đầu tiên ta lập trình code để tìm ngưỡng màu
# Khai báo thư viện import numpy as np import cv2
# Tạo một hàm rỗng def nothing(x): pass videocap = cv2.Videocapture(0)
# Tạo khung cho ảnh cv2.namedWindow("image")
# Tạo thanh kéo để thay đổi màu cv2.createTrackbar("low_H", 'image', 0, 179, nothing) cv2.createTrackbar("high_H", "image", 179, 179, nothing) cv2.createTrackbar("low_S", "image", 0, 255, nothing) cv2.createTrackbar("high_S", "image", 255, 255, nothing) cv2.createTrackbar("low_V", "image", 0, 255, nothing) cv2.createTrackbar("high_V", "image", 255, 255, nothing) while (True):
# Đọc ảnh từ đường dẫn
# Lấy giá trị hiện tại của ngưỡng ilow_H = cv2.getTrackbarPos("low_H", "image") ihigh_H = cv2.getTrackbarPos("high_H", "image") ilow_S = cv2.getTrackbarPos("low_S", "image") ihigh_S = cv2.getTrackbarPos("high_S", "image") ilow_V = cv2.getTrackbarPos("low_V", "image") ihigh_V = cv2.getTrackbarPos("high_V", "image")
# Đổi ảnh RGB sang HSV hsv = cv2.cvtColor(frame, cv2.COLOR_BGR2HSV)
# Tạo mảng chứa các kênh màu H-S-V lower_hsv = np.array([ilow_H, ilow_S, ilow_V]) higher_hsv = np.array([ihigh_H, ihigh_S, ihigh_V])
# Áp dụng mã lệnh cv2.inRange để tạo mặt nạ mask = cv2.inRange(hsv, lower_hsv, higher_hsv)
# Áp dụng mặt nạ trong ảnh để tách màu cơ bản frame = cv2.bitwise_and(frame, img, mask=mask) cv2.imshow("image", frame)
# Nhấn phím q để kết thúc if cv2.waitKey(1) & 0xFF == ord('q'): break
# Đóng tất cả các cửa sổ Window cv2.destroyAllWindows()
Bước 2 : Ta bấm run và đưa vật cần xác định ngưỡng vào trước camera sau đó ta tiến hành chỉnh thanh HSV để tách màu của vật
Hình 2 8 Xác định ngưỡng màu Tím
Hình 2 9 Xác định ngưỡng màu đỏ
Hình 2 10 Xác định Ngưỡng màu xanh dương Bảng biểu thị ngưỡng màu của vật
STT Hue ( màu sắc ) Saturation (độ đậm đặc)
Value (giá trị cường độ sáng)
THIẾT KẾ , TÍNH TOÁN CÁNH TAY ROBOT
Tổng quan về cánh tay robot
Cánh tay robot là một bộ phận vô cùng quan trọng đối với con người trong ngành sản xuất , nó giống như bộ phận cảm biến linh hoạt thông qua các mạch máu và hệ thần kinh giúp con người thực hiện hóa ý tưởng
3.1.2 Ưu nhược điểm của cánh tay robot Ưu điểm :
Gia tăng năng suất làm việc robot có khả năng làm việc 24/24 mà không cần nghỉ ngơi, giúp nhà máy đạt năng suất cao trong công việc.
Cải thiện chất lượng sản phẩm robot thực hiện công việc đạt độ chính xác cao, hạn chế tối đa sai sót nên đảm bảo chất lượng sản phẩm đồng đều.
Giảm chi phí vận hành robot hoạt động theo cơ chế tự động hóa giúp doanh nghiệp giảm chi phí vận hành, thuê nhân công cùng nhiều chi phí phát sinh khác.
Nâng cao tính linh hoạt robot được lập trình sẵn nên thực hiện các thao tác mới trơn tru mà không cần đào tạo, từ đó gia tăng tính linh hoạt trong quy trình sản xuất.
Robot gắp sản phẩm vận hành theo cơ chế tự động, liên kết với bảng điều khiển máy tính nên có nguy cơ bị hacker xâm nhập Khi bị hack, việc điều khiển bị rối loạn có thể gây ra đình trệ sản xuất, sai lệch trong các thông số sản phẩm dẫn đến những thiệt hại nghiêm trọng.
Chi phí vận hành , bảo dưỡng cao do áp dụng khoa học kỹ thuật trong cấu tạo cánh tay robot nên đòi hỏi người vận hành phải những kiến thức, kỹ năng nhất định, thậm chí tham gia một số khóa học để điều khiển máy.
Bên cạnh đó, thiết bị cũng cần được bảo trì thường xuyên để đảm bảo khả năng hoạt động ổn định và hiệu quả.
Chi phí đầu vào cao do thiết bị robot công nghiệp có mức giá khá cao
Vì vậy, chi phí đầu tư ban đầu để ứng dụng cho dây chuyền sản xuất là không hề nhỏ
3.1.3 Các thành phần chính của cánh tay robot
Hình 3 1 hình vẽ cánh tay robot cơ bản
Là thành phần cứng nhắc, có thể chuyển động tương đối với các link khác
Hai link được nối với nhau bằng một Joint(khớp) Có 2 loại khớp cơ bản là khớp tịnh tiến và khớp quay
Hình 3 2 Khớp quay và khớp tịnh tiến
End-Effector (Điểm tác động cuối) là thành phần gắn trên liên kết cuối cùng để thực hiện công việc cần thiết của Robot, thường là bạn kẹp hoặc các dụng cụ gia công (như khoan, hàn, ).
Truyền dẫn động có thể là cơ khí, thủy khí hoặc điện khí.
Thực hiện việc nhận biết và biến đổi thông tin về hoạt động của Robot (cảm biến nội tín hiệu) và của môi trường, đối tượng mà Robot phục vụ (cảm biến ngoại tín hiệu).
Điều khiển Đảm bảo sự hoạt động theo chương trình của Robot.
Một số định nghĩa cơ bản trong cánh tay robot
3.2.1 Bậc tự do của robot
Bậc tự do là khả năng di chuyển động của một cơ cấu ( chuyển động quay hoặc chuyển động tịnh tiến ) Để dịch chuyển được một vật trong không gian , cơ cấu chấp hình của robot phải đạt được một số bậc tự do Nói chung cơ hệ của robot là một cơ cấu hở, do đó bậc tự do của nó có thể tính theo công thức :
Trong đó: n – là số khâu động p i – là số khớp loại i ( I = 1 , 2 , … , 5 : số bậc tự do bị hạn chế ) Đối với các cơ cấu có các khâu được nối với nhau bằng khớp quay hoặc tịnh tiến (khớp động loại 5) thì số bậc tự do bằng với số khâu động Đối với cơ cấu hở, số bậc tự do bằng tổng số bậc tự do của các khớp động. Để định vị và định hướng khâu chấp hành cuối một cách tuỳ ý trong không gian 3 chiều, robot cần có 6 bậc tự do, trong đó 3 bậc tự do để định vị và 3 bậc tự do để định hướng Một số công việc đơn giản nâng hạ, sắp xếp có thể yêu cầu số bậc tự do ít hơn. Các robot hàn, sơn thường yêu cầu 6 bậc tự do Trong một số trường hợp cần sự khéo léo, linh hoạt hoặc khi cần phải tối ưu hoá quỹ đạo, người ta dùng robot với số bậc tự do lớn hơn 6.
3.2.2 Hệ tọa độ ( Coordinate frames )
Mỗi robot thường bao gồm nhiều khâu (links) liên kết với nhau qua các khớp (joints), tạo thành một xích động học xuất phát từ một khâu cơ bản (base) đứng yên Hệ toạ độ gắn với khâu cơ bản gọi là hệ toạ độ cơ bản (hay hệ tọa độ chuẩn).
Các hệ toạ độ trung gian khác gắn với các khâu động gọi là hệ tọa độ suy rộng.Trong từng thời điểm hoạt động, các toạ độ suy rộng xác định cấu hình của robot bằng các chuyển dịch dài hoặc các chuyển dịch góc của các khớp tịnh tiến hoặc khớp quay Các toạ độ suy rộng còn được gọi là biến khớp.
Hình 3 3 Các tọa độ suy rộng của cánh tay robot
Các hệ toạ độ gắn trên các khâu của robot phải tuân theo qui tắc bàn tay phải : Dùng tay phải, nắm hai ngón tay út và áp út vào lòng bàn tay, xòe 3 ngón : cái, trỏ và giữa theo 3 phương vuông góc nhau, nếu chọn ngón cái là phương và chiều của trục z, thì ngón trỏ chỉ phương, chiều của trục x và ngón giữa sẽ biểu thị phương, chiều của trục y.
Trong robot ta thường dùng chữ O và chỉ số n để chỉ hệ toạ độ gắn trên khâu thứ n. Như vậy hệ toạ độ cơ bản (hệ tọa độ gắn với khâu cố định) sẽ được ký hiệu là O0; hệ toạ độ gắn trên các khâu trung gian tương ứng sẽ là O1, O2, , On-1, Hệ tọa độ gắn trên khâu chấp hành cuối ký hiệu là On.
Hình 3 4 Quy tắc bàn tay phải
Trường công tác (hay vùng làm việc, không gian công tác) của robot là toàn bộ thể tích được quét bởi khâu chấp hành cuối khi robot thực hiện tất cả các chuyển động có thể.Trường công tác bị ràng buộc bởi các thông số hình học của robot cũng như các ràng buộc cơ học của các khớp; ví dụ, một khớp quay có chuyển động nhỏ hơn một góc 360 Người ta thường dùng hai hình chiếu để mô tả trường công tác của một robot
Hình 3 5 Biểu diễn trường công tác của cánh tay robot
3.2.4 Độ chính xác vị trí Độ chính xác định vị thể hiện khả năng đối tượng đạt được độ chính xác tới điểm đích Đó là thông số rất quan trọng, ảnh hưởng đến thao tác chính xác của phần công tác và khả năng bám quỹ đạo của nó. Đối với thiết bị điều khiển số, độ chính xác định vị liên quan đến 2 thông số là độ phân giải điều khiển (control resolution) và độ lặp lại (repeatability).
Tùy theo yêu cầu công nghệ, người ta dùng các robot có độ chính xác định vị trong khoảng (0.05-5) mm Với khả năng của máy tính và các thiết bị điều khiển hiện nay thì việc giảm sai số định vị xuống 0.05 mm không gây vấn đề về kinh tế và kỹ thuật Ở đây độ chính xác định vị cần thiết là 0.5 mm.
Phân loại robot theo dạng hình học của không gian hoạt động
3.3.1 Robot kiểu tọa độ đề các
Là tay máy có 3 chuyển động cơ bản tịnh tiến theo phương của các trục hệ tọa độ gốc ( cấu hình T T T ) Trường công tác có dạng khối hình chữ nhật Do kết cấu đơn giản , loại tay máy này có độ cứng vững cao , độ chính xác cơ khí đảm bảo vì vậy nó thường dùng để vận chuyển phôi , lắp ráp , hàn trong mặt phẳng
Hình 3 6 Robot kiểu tọa độ đề các
3.3.2 Robot kiểu tọa độ trụ
Vùng làm việc của robot dạng hình trụ rỗng Thường khớp thứ nhất chuyển động quay Ví dụ robot 3 bậc tự do ( cấu hình R.T.T ) như hình 3.8 , có nhiều robot kiểu tọa độ trụ như robot Versatran của hãng AMF ( Mỹ )
Hình 3 7 Robot kiểu tọa độ trụ
3.3.3 Robot kiểu tọa độ cầu
Vùng làm việc của robot có dạng hình cầu Thường có độ cứng vững của robot này thấp hơn 2 robot trên Ví dụ robot 3 bậc tự do ( Cấu hình R.R.R hoặc R.R.T ) làm việc theo kiểu tọa độ hình cầu hình 3.8
Hình 3 8 Robot kiểu tọa độ cầu
3.3.4 Robot kiểu tọa độ góc Đây là kiểu robot được dùng nhiều hơn cả Ba chuyển động đầu tiên là các chuyển động quay , trục thứ nhất vuông góc với 2 trục kia Các chuyển động định hướng khác cũng là chuyển động quay , vùng làm việc của tay máy này gần giống như một phần khối cầu Tất cả các khâu đều nằm trong mặt phẳng thẳng đứng nên các tính toán cơ bản là bài toán phẳng Ưu điểm nổi bật của các loại robot hoạt động theo hệ tọa độ góc là gọn nhẹ tức là vùng làm việc tương đối lớn so với kích cỡ của bản thân robot , độ linh hoạt cao.
Ví dụ robot làm việc theo tọa độ góc có cấu hình R.R.R.R.R ( hình 3.9 )
Hình 3 9 Robot hoạt theo hệ tọa độ góc
Robot SCARA ra đời năm 1979 tại trường đại học yamanashi ( Nhật Bản ) là một kiểu robot mới nhằm đáp ứng sự đa dạng của quá trình sản xuất Tên gọi SCARA là viết tắt ( Selective Compliant Articulated Robot Arm ) tay máy mềm dõi tùy ý Loại robot này thường dùng trong công nghiệp lắp ráp nên SCARA đôi khi được giải thích là từ viết tắt của Selective Assembly Robot Arm Ba khớp đầu tiên của robot này có cấu hình R.R.T , các trục khớp đều theo phương thẳng đứng Sơ đồ của robot SCARA như hình 3.10
* Ngoài ra còn nhiều kiểu phân loại khác như :
Phân loại theo kiểu truyền động ( truyền động điện , khí nén , thủy lực …)
Phân loại theo ứng dụng ( robot sơn , robot hàn , robot lắp ráp , robot vận chuyển )
Phân loại theo cách thức và đặc trưng của phương pháp điều khiển
Trong đồ án lần này nhóm em chọn robot kiểu tọa độ góc ( cấu hình RRRR ) sử dụng động cơ Sevor vì phổ biến giá thành rẻ dễ điều khiển và đáp ứng được đủ yêu cầu mà nhóm em đặt ra
Cánh tay robot được dựng 3D trên phần mềm creo từ mô hình tham khảo
3.4.1 Các thành phần của cánh tay robot
Hình 3 11 Phần đế của robot Phần Thân
Hình 3 12 Phần thân của robotTay gắp của robot
Hình 3 13 Tay gắp của cánh tay robot
3.4.2 Mô hình lắp ghép hoàn thiện của cánh tay robot trên phần mềm creo
Hình 3 14 Lắp ráp cánh tay robot trên phần mềm creo
Tính toán động học cho cánh tay robot
3.5.1 Bài toán động học thuận
Chọn hệ tọa độ cơ sở, gắn các hệ tọa độ trung gian lên các khâu
Hình 3 15 Đặt hệ tọa độ cho các khâu
Lập bảng thông số DH
a là khoảng cách giữa 2 trục z (đo dọc theo x) , alpha là góc xoay giữa 2 trục z (xoay quanh truc x) , d là khoảng cách giữa 2 trục x (dọc theo z ), theta là góc giữa
2 trục x (xoay quanh trục z ) Theta có dấu “ * ” biểu thị góc có thể thay đổi
Xác định các ma trận T i
Từ công thức tổng quát
T i+1 =[ cosθθ −sθinθcosαθcosθα sθinθcosαθ cosθθcosθα sθinθcosαθsθinθcosαα a cosθθ
−cosθθsθinθcosαα a sθinθcosαθ
Ta có các ma trận Ai (i = 1÷4):
Tính các ma trận T và viết phương trình động học robot
Các ma trận chuyển đổi tính toán trên Matlab syms t1 t2 t3 t4 L1 L2 L3 L4
T12=[cos(t2) -sin(t2) 0 L2*cos(t2);sin(t2) cos(t2) 0 L2*sin(t2); 0 0 1 0;0 0 0 1]
T23=[cos(t3) -sin(t3) 0 L3*cos(t3) ; sin(t3) cos(t3) 0 L3*sin(t3); 0 0 1 0; 0 0
T34=[cos(t4) -sin(t4) 0 L4*cos(t4) ; sin(t4) cos(t4) 0 L4*sin(t4); 0 0 1 0; 0 0
Tìm Px,Py,Pz bằng lệnh px= simplify(T(1,4)); py= simplify(T(2,4)); pz= simplify(T(3,4));
Suy ra : px= C1(L3(C2+C3)+L2C2+L4(C2+C3+C4)) py= S1(L3(C2+C3)+L2C2+L4(C2+C3+C4) pz= L1+L3(S2+S3)+L2S2+L4(S2+S3+S4)
Các ký hiệu trong công thức trên:
3.5.2 Bài toán động học nghịch
Biểu diễn Robot trên hệ trục tọa độ XYZ
Hình 3 16 Biểu diễn robot trên hệ tọa độ
Tam giác O2O4C là tam giác vuông nên suy ra: O2O4=O2C 2 +O4C 2
THIẾT KẾ , TÍNH TOÁN BĂNG TẢI
Tổng quan về băng tải
4.1.1 Khái niệm , ưu nhược điểm của băng tải
Băng tải là một thiết bị xử lý vật liệu cơ khí di chuyển hàng hóa, vật tư từ nơi này đến nơi khác trong một đường dẫn xác định trước Băng tải đặc biệt hữu ích trong các ứng dụng liên quan đến việc vận chuyển vật liệu nặng hoặc cồng kềnh Hệ thống băng tải cho phép vận chuyển nhanh chóng và hiệu quả đối với nhiều loại vật liệu Bên cạnh đó là sản xuất, băng chuyền giảm nguy cơ chấn thương lưng, đầu gối, vai và chấn thương chỉnh hình khác.
Việc sử dụng băng tải khác nhau tùy theo vị trí, loại sản phẩm đang được di chuyển, khoảng cách mà đối tượng sẽ được di chuyển Tiêu chuẩn cho băng tải được đo lường và xác định bởi tải trọng tối đa, trọng lượng của sản phẩm, số lượng các mảnh trên một đơn vị thời gian, tải trọng, tốc độ và dòng chảy của vật liệu.
Cấu tạo của băng tải
Dây băng tải ( tùy theo tải trọng và yêu cầu của sản phẩm ta thường dùng dây băng PVC hoặc dây băng PU dày từ 1- 5mm , đối với băng tải nặng ta dùng dây băng tải cao su
Con lăn kéo băng ( thường là INOX hoặc thép mạ kẽm , có đường kích d = 50 ,
Con lăn đỡ băng mặt trên mặt dưới ( bằng INOX hoặc mạ kẽm , có đường kính d25 , 32 , 38
Truyền động từ động cơ vào trục công tác ( bộ truyền xích hoặc đai ).
Bộ điều khiển tốc độ ( biến tần , sensor , timer , cảm biến , PLC ).
Tấm đỡ belt ( thường làm bằng vật liệu INOX , thép mạ kẽm hoặc nhôm tấm chắn gấp ).
Các gói bi đỡ của con lăn.
Hình 4 1 Cấu tạo của băng tải Ưu điểm
Tính cơ động trong nhiều địa hình cộng với sự chắc chắn trong cấu trúc
điều chỉnh được độ cao để đảm bảo được vận chuyển hàng hóa dễ dàng di chuyển từ vị trí thấp lên vị trí cao và ngược lại , tiết kiệm sức lao động.
Có thể vận chuyển ở khoảng cách xa
Vốn đầu tư không lớn , vận hành đơn giản , dễ dàng bảo dưỡng
Tiêu hao năng lượng nhỏ , ít tiếng ồn
Động cơ làm việc không đều, đặc biệt là ở tốc độ thấp.
Tiêu thụ dòng điện không phụ thuộc vào tải.
4.1.2 Giới thiệu một số băng tải thực tế
Băng tải con lăn là giải pháp phù hợp để vận chuyển sản phẩm có đáy phẳng với trọng lượng từ nhẹ , trung bình đến rất nặng , trong các môi trường thông thường đến các môi trường có hóa chất ăn mòn , bụi bặm
Cấu tạo của băng tải con lăn gồm khung tải , cơ cấu tăng đơ , gờ chắn để sản phẩm không rơi ra ngoài và bộ phận chính quan trọng nhất là con lăn
Hình 4 2 Băng tải con lăn
Băng tải lòng máng có thể vận chuyển được nhiều chất vật liệu khác nhau như đá ,than đá , bột gỗ , vật liệu dễ vỡ … do băng tải băng cao su nên có tính chống ăn mòn tốt khi vận chuyển vật liệu ăn mòn hoặc mài mòn , chi phí bảo trì thấp nhưng cũng có một số nhược điểm là không thể vận chuyển các vật sắt nhọn và có nhiệt độ cao so với quy định của nhà sản xuất
Hình 4 3 Băng tải lòng máng Băng tải phẳng có thể nói đại khái là loại băng tải dùng con lăn (ống lăn) nằm ngang làm bộ phận truyền động và đỡ dây cao su bên trên để tải các hàng hóa và vật liệu.
Hằng ngày chúng ta đều thấy và bắt gặp băng tải phẳng trong các nhà máy , xí nghiệp , Cty dịch vụ vận tải , băng tải hàng tính tiền trong các siêu thị bởi tính thông dụng và đa dạng về mẫu mã cũng như giá thành tốt nên băng tải phẳng đáp ứng hầu hết các nhu cầu từ cơ bản đến nhu cầu khó của thị trường vận tải.
Trong đề tài lần này nhóm em chọn băng tải phẳng có phương ngang đề làm nhiệm vụ vận chuyển sản phẩm màu sắc vì băng tải phẳng thuận tiện cho việc gắp vật của cánh tay robot và sản phẩm màu sắc vận chuyển của nhóm em lần này có hình dạng khối hộp
Thiết kế băng tải trên phần mềm creo
Hình 4 5 Thiết kế băng tải trên phần mềm creo
4.2.2 Các chi tiết của băng tải
Trong đồ án lần này trọng lượng sản phẩm nhỏ không đáng kể nên nhóm em chọn dây băng PVC 2 lớp , lớp mặt trên trơn và lớp dưới nhám ( để dễ dàng ma sát với trục dẫn ) vì phù hợp với sinh viên làm đồ án, giá thành giá rẻ , dễ dàng tìm kiếm tại các quán linh kiện điện tử , dễ sử dụng và đặt biệt đáp ứng được các yêu cầu đề ra của đề tài nhóm em
Hình 4 6 Dây băng PVC 2 lớp
Hình 4 7 Các chi tiết của băng tải
4.2.3 Nguyên lý hoạt động của băng tải
Hình 4 8 Nguyên lý hoạt động của băng tải
- Khi động cơ quay truyền dẫn đến rulo của băng tải quay nhờ khớp nối cùng lúc đó dây băng cũng chuyển động tịnh theo do lực ma sát giữa dây băng và rulo băng tải Để tạo ra lực ma sát giữa rulo và dây băng tải điều chỉnh rulo bị động để dây băng tải căng ra tạo lực ma sát giữa dây băng và rulo dẫn động
- Lúc đó vật ở trên dây băng và di chuyển tịnh tiến nhờ vào chuyển động của dây băng tải
4.2.4 Tính toán chọn động cơ cho băng tải
Hệ thống cấp phôi tự động
Nguồn lực quay băng tải : Động cơ điện
Thông số hình học phôi: Hình lập phương: h 1 = 3 cm, h 2 = 4 cm, h 3 = 15 cm
Trọng lượng phôi: Q min = 0,2 kg; Q max = 5,0 kg
Năng suất làm việc: N= 10sp/ph
Hình 4 9 Sơ đồ hệ thống băng tải Tính các thông số hình , động học của băng tải :
Chọn kích thước băng tải : chiều dài L = 800 mm ; chiều rộng b = 250 mm ; độ dày dây băng δ = 3 mm.
Chọn khoảng cách giữa 2 sản phẩm x = 160 mm thì số sản phẩm tối đa trên băng tải trọng 1 thời điểm bất kì là 4 sản phẩm Để đảm bảo năng suất làm việc 10sp/phút ta có
+ Chọn dây băng tải PVC, khối lượng riêng ρ = 1450 kg/m 3
+ Kết cấu khung sườn: Nhựa
Trong hệ thống băng tải, dây băng được uốn vòng qua các puly dẫn động, bị động; phần giữa 2 puly này băng được dẫn hướng và đỡ bởi các các con lăn và tấm trượt tùy thuộc vào kết cấu và loại dây Lực cản chuyển động băng khác nhau tại mỗi đoạn đặc trưng, trên mỗi đoạn này có cùng tính chất lực cản Lực căng dây tại mỗi điểm đặc trưng (i) sẽ bằng lực căng tại điểm ngay trước nó (i-1) cộng với lực cản chuyển động của dây trên đoạn từ (i-1) đến i
+ Trên sơ đồ lực như Hình 4.10 ta có lực căng băng tại các điểm đặc trưng S i (i = 0 - 3), với S 0 là lực căng tại nhánh nhả ở tang dẫn.
- Các lực cản chuyển động của băng:
W 0/1 : Lực cản trên đoạn nằm ngang từ điểm 0 đến 1 :
Trong đó: q 0 : là trọng lượng 1 m dài băng
L: là chiều dài băng w: là hệ số cản riêng của hệ thống đỡ dây (w = 0,2 – 0,4)
Hình 4 10 Sơ đồ hệ thống băng tải
W 1/2 : Lực cản trên đoạn uốn cong qua tang bị động từ điểm 1 đến 2
Trong đó : ξ: là hệ số cản trên tang đổi hướng, phụ thuộc góc đổi hướng, ξ = 0,03 – 0,06
W 2/3 : Lực cản trên đoạn nằm ngang có tải từ điểm 2 đến 3
W 2 /3=( q 0 L+Q t ) w ¿( m bt W bt gL+nθcosα P max ) w ¿ (2,5 × 0,25 × 9,81 × 0,8 +4 × 5 × 9,81) ×0,3 `,33( N )
Trong đó: q 0 : là trọng lượng 1 m dài băng
Q t : là tổng trọng lượng tải đặt trên băng
Lực kéo băng tải là lực được truyền từ tang dẫn sang băng:
Kiểm tra điều kiện đủ lực ma sát để truyền lực ở tang dẫn động:
Trong đó: α: góc ôm của băng trên tang, α 0 ˚ f: hệ số ma sát giữa băng với tang, f = 0,2 – 0,4
+ Thay số vào ta tính được W 1 /2=1,25(N)
Tính lực căng ban đầu kéo băng tải
+ Công suất làm việc trên trục tang:
1000 =2,10(W) Suy ra : P ct = Plv = 2,10 ( W ) ( vì không có bộ truyền ngoài )
Tính kiểm nghiệm độ bền dây băng
Băng tải có chất liệu là PVC, dày 3mm
Ứng suất lớn nhất cho phép của băng σ a 0(N/cm 2 )
Ứng suất của băng tải là: σbt= F S = 2.72,29 25.0,3 = 19,28 N/cm 2 ≤ σa ( thỏa mãn)
Khối lượng băng/m2: mB = 2,5 (kg/m2)
CHƯƠNG 5 : QUÁ TRÌNH THỰC HIỆN MÔ HÌNH THỰC TẾ
5.1 Các bước thực hiện mô hình thực tế
Trong đồ án phân loại sản phẩm màu sắc sử dụng cánh tay robot lần này , để hoàn thành mô hình thực tế nhóm em chia thành 2 công đoạn chính
Thứ nhất :Dựa theo thiết kế mô hình trên phần mềm creo để hình dung tổng quan về mô hình cũng như cách bố trí linh kiện phù hợp sao cho gọn gàng , có tính thẩm mỹ
Thứ hai : Chọn linh kiện phù hợp như giá thành hợp lí ,dễ tìm kiếm trên thị trường dễ dàng sử dụng nhưng phải đáp ứng được các yêu cầu đề ra trước đó
Thứ ba : Kết hợp linh kiện , đi dây cho mô hình
Thứ nhất : sử dụng arduino điều khiển cánh tay robot phân loại sản phẩm màu , đúng sản phẩm màu và đúng vị trí mong muốn trước đó , hiển thị kết quá lên LCD.
Thứ hai :xử lí ảnh phân loại màu sắc , phân loại đúng sản phẩm màu sử dụng ngôn ngữ python
Thứ ba : Kết hợp 2 khối cơ cấu chấp hành và khối xử lí ảnh lại với nhau
Giới thiệu , lựa chọn linh kiện cho mô hình
Do hệ thống sử dụng nhiều loại tải với mức điện áp và dòng điện hoạt động khác nhau nên nhóm em chọn khối nguồn tổ ong 12v làm nguồn chính điều khiển động cơ băng tải và dùng hạ áp xuống 5v để cấp nguồn cho servo và LCD , cảm biến hồng ngoại Nhóm em chọn mạch hạ áp được thi công sẵn với ưu điểm giá thành hợp lý và được bán rộng rãi trên thị trường, tiết kiệm thời gian thi công mạch nguồn, an toàn cho người sử dụng,…
Hình 5 2 Mạch hạ áp LM2596HV ( 3- 60 )
5.2.2 khối cảm biến ( cảm biến hồng ngoại E18-D80NK )
Khối cảm biến em chọn cảm biến hồng ngoại E18-D80NK để gửi tín hiệu cho Arduino khi phát hiện có sản phẩm đi qua
Cảm biến được kết nối với chân số 8 của arduino , 2 chân còn lại của cảm biến hồng ngoại E18-D80NK được kết nối với chân GND và chân 5v
Nguồn điện cung cấp: 5VDC.
Khoảng cách phát hiện: 3 ~ 80cm.
Có thể điều chỉnh khoảng cách qua biến trở.
Dòng kích ngõ ra: 300mA.
Ngõ ra dạng NPN cực thu hở giúp tùy biến được điện áp ngõ ra, trở treo lên áp bao nhiêu sẽ tạo thành điện áp ngõ ra bấy nhiêu.
Chất liệu sản phẩm: nhựa.
Có led hiển thị ngõ ra màu đỏ.
Hình 5 3 Sơ đồ chân cảm biến hồng ngoại E18-D80NK
Sơ đồ kết nối giữa arduino với cảm biến hồng ngoại E18-D80NK
Hình 5 4 Sơ đồ chân kết nối arduino với cảm biến hồng ngoại E18-D80NK
Ngày nay, thiết bị hiển thị LCD (Liquid Crystal Display) được sử dụng trong rất nhiều các ứng dụng của vi điều khiển LCD có rất nhiều ưu điểm so với các dạng hiển thị khác: Nó có khả năng hiển thị kí tự đa dạng, trực quan (chữ, số và kí tự đồ họa), dễ dàng đưa vào mạch ứng dụng theo nhiều giao thức giao tiếp khác nhau, tốn rất ít tài nguyên hệ thống và giá thành rẽ …
Hình 5 5 LCD 16x02 Thông số kỹ thuật LCD 16x2 :
Điện áp ra mức cao : > 2.4
Điện áp ra mức thấp :