Tên đề tài: Thiết kế và thi công hệ thống phân loại sản phẩm theo màu sắc và kích thước.. PHIẾU NHẬN XÉT CỦA GIÁO VIÊN HƯỚNG DẪNHọ và tên sinh viên: Cù Trần Độ MSSV:19161093 Nguyễn Tân K
TỔNG QUAN
Giới thiệu
Trong thời đại phát triển hiện nay, việc áp dụng các công nghệ và kỹ thuật hiện đại vào cuộc sống đã trở nên phổ biến, và nông nghiệp cũng không ngoại lệ Một trong những lĩnh vực đang nhận được sự quan tâm là phân loại sản phẩm thông qua ứng dụng các thiết bị thông minh để tăng năng suất Hiện nay dây chuyền sản xuất thường sẽ có những sản phẩm không đạt yêu cầu, hoặc trong lĩnh vực nông sản sẽ có nhiều loại sản phẩm có nhiều màu sắc và kích thước khác nhau Việc phát hiện sản phẩm lỗi, phân loại sản phẩm là một công đoạn tỉ mỉ, tốn thời gian, đòi hỏi sự tập trung và có tính lặp đi lặp lại nên khó đảm bảo sự chính xác Điều này gây ảnh hưởng đến năng suất sản xuất và chất lượng sản phẩm
Các thành tựu, phát minh thường được áp dụng trong các nhà máy, xí nghiệp có quy mô, hoạt động dây chuyền hàng loạt mang tính tự động hóa cao Các thiết bị thường là các sản phẩm đến từ nước ngoài, có giá thành cao Tại những nhà máy, xí nghiệp nhỏ hoặc các hộ gia đình sản xuất nông phẩm thường vẫn sử dụng phương pháp phân loại thủ công hiệu quả kinh tế chưa cao
Trong quá trình phát triển hệ thống phân loại sản phẩm có khả năng nhận diện màu sắc và kích thước, nhóm nghiên cứu đã đặc biệt quan tâm đến các nghiên cứu và đồ án tốt nghiệp liên quan Có khá nhiều đề tài nghiên cứu về xử lý ảnh trong điều khiển phân loại như đồ án [4] của Trần Khánh Hưng và Hoàng Như ý đã thực hiện một hệ thống phân loại cà chua dựa trên màu sắc sử dụng S7-1200 Đồ án [5] của Lê Quang Phúc và Trần Thanh đã thực hiện đếm và phân loại sản phẩm Các kỹ thuật đếm sản phẩm của họ có thể được áp dụng để tối ưu hóa quy trình đếm và phân loại sản phẩm trong hệ thống của nhóm Đồ án [6] của Phan Thanh Phong và Nguyễn Hiền Minh với chủ đề "Ứng dụng xử lý ảnh trong hệ thống phân loại sản phẩm" cung cấp các phương pháp và thuật toán xử lý ảnh mà nhóm nghiên cứu có thể tích hợp vào dự án của mình Đồ án [7] của Võ Thanh Duy và Trần Quốc Dưỡng với đề tài "Ứng dụng xử lý ảnh vào thiết kế và thi công mô hình phân loại trái cây" cung cấp kiến thức quý báu về việc sử dụng xử lý ảnh trong môi trường sản xuất Trong đồ án [10] của Bùi Ngọc Long, "Thiết kế và thi công mô hình robot phân loại sản phẩm theo màu sắc ứng dụng xử lý ảnh" , nhóm đã tìm hiểu về cách tích hợp robot trong hệ thống phân loại sản phẩm Đồ án [12] của Trần Thanh Trung và Hồ Khánh Bình, "Thiết kế Và Thi Công Mô Hình Phân Loại Trái Cây Theo Chất Lượng" , đã cung cấp những hiểu biết sâu sắc về quá trình phân loại sản phẩm dựa trên chất lượng
Những thông tin từ những dự án và đồ án tốt nghiệp trên đã góp phần quan trọng trong việc xây dựng và phát triển hệ thống phân loại sản phẩm hiện đại của nhóm nghiên cứu Trong dự án mà nhóm đề cập mục tiêu chính là phát triển một hệ thống phân loại sản phẩm có khả năng nhận diện các sản phẩm dựa theo màu sắc hoặc chiều cao của vật thể trong một dây chuyền sản xuất Điều này giúp quá trình phân loại trở nên nhanh chóng, hiệu quả và mang lại lợi ích kinh tế Để hướng đến quá trình tự động hóa để tiết kiệm thời gian và sức lao động của con người nhóm quyết định thực hiện đề tài “Thiết kế và thi công hệ thống phân loại sản phẩm theo màu sắc và kích thước”.
Mục tiêu đề tài
- Thiết kế và thi công hệ thống phân loại sản phẩm theo màu sắc và kích thước
- Hệ thống sử dụng Robot để phân loại, dùng xử lý ảnh
- Thu thập được dữ liệu sản phẩm thông qua camera sau đó truyển đến khối xử lý trung tâm và phân tích dữ liệu đó
- Cập nhật dữ liệu, thống kê số lượng sản phẩm đúng tiêu chuẩn hoặc loại bỏ sản phẩm lỗi.
Giới hạn đề tài
Sử dụng Arduino và camera để phân loại màu sắc, sử dụng cảm biến tiệm cận để phát hiện các mức chiều cao
Tổng loại sản phẩm phân loại là 5 Trong đó, theo màu sắc là xanh dương, xanh lá và vàng và mỗi màu có 2 loại có kích thước khác nhau lần lượt là 3x3x3cm và 3x3x6cm
Chiều dài băng tải là 60cm
Khoảng cách từ Camera đến băng tải là 14cm
Sử dụng cánh tay robot kết hợp với 6 servo.
Nội dung nghiên cứu
Trong quá trình thực hiện Đồ án tốt nghiệp với đề tài: Thiết kế và thi công hệ thống phân loại sản phẩm theo màu sắc và kích thước, nhóm chúng em đã tập trung giải quyết và hoàn thành được những nội dung sau:
- Nội dung 1: Tìm kiếm tài liệu, tóm tắt những nội dung chính của đề tài
- Nội dung 2: Thiết kế sơ đồ khối của hệ thống phẩn loại sản phẩm theo màu sắc và kích thước
- Nội dung 3: Kết nối Arduino Uno R3 với các khối cảm biến, động cơ và băng tải
- Nội dung 4: Nghiên cứu thuật toán xử lý ảnh ứng dụng vào phân loại sản phẩm theo màu sắc, kích thước sử dụng Camera
- Nội dung 5: Nghiên cứu phân luồng phân loại sản phẩm
- Nội dung 6: Thiết kế mô hình hệ thống
- Nội dung 7: Nguyên cứu lập trình để mạch chạy đúng và đạt yêu cầu
- Nội dung 8: Thi công phần cứng, chạy thử nghiệm và hiệu chỉnh hệ thống
- Nội dung 9: Báo cáo đề tài tốt nghiệp
- Nội dung 10: Bảo vệ đề tài tốt nghiệp
Giới thiệu đề tài, đưa ra những lý do, mục tiêu, nội dung nghiên cứu, giới hạn đề tài và bố cục đề tài.
CƠ SỞ LÝ THUYẾT
Các hệ thống điều khiển và giám sát
Khoa học kỹ thuật luôn luôn phát triển trong tất cả các lĩnh vực, nhất là các ngành sản xuất Việc đòi hỏi cải tiến và nâng cấp hệ thống sản xuất luôn là ưu tiên hàng đầu Một trong những hệ thống đó là hệ thống phân loại sản phẩm tự động Hệ thống này giúp cho sản xuất linh hoạt hơn, tiết kiệm thời gian và nhân lực, tăng sản lượng, đem lại lợi ích kinh tế cao và hiệu quả Để theo kịp xu thế công nghiệp hóa – hiện đại hóa một cách bền vững và an toàn nhất, tiện lợi cho việc vận hành, sửa chữa khi hỏng hóc và đảm bảo chất lượng sản phẩm nằm trong phạm vi cho phép Hơn nữa thuận tiện cho việc mở rộng và phát triển trong tương lai
Từ các đồ án tham khảo được, nhóm em nghiên cứu học hỏi được cách thức làm việc, điều khiển Arduino, giao tiếp Python với Arduino, phân loại sản phẩm theo màu sắc và kích thước sử dụng xử lý ảnh và sử dụng cảm biến để phân loại chiều cao của sản phẩm Dựa trên nền tảng đó, nhóm định hướng được cho đề tài KLTN, đồng thời phát triển thêm dùng cánh tay robot để phân loại sản phẩm sử dụng xử lý ảnh và nâng cao khả năng phân luồng sản phẩm.
Giới thiệu phần cứng
Trên thị trường có rất nhiều vi điều khiển có thể đáp ứng nhu cầu của đề tài phân loại sản phẩm, nhóm quyết định dùng module Arduino Uno R3 để làm vi điều
5 khiển cho hệ thống vì có kích thước nhỏ gọn, đầy đủ tính năng và dễ sử dụng cho lập trình Đây là phiên bản cải tiến của Arduino Uno và là một trong những board phổ biến nhất cho các dự án điện tử DIY (tự làm) và nhúng ( hình 2.1 )
Arduino Uno R3 bao gồm 14 chân I/O, có thể sử dụng nguồn 5V thông qua USB hoặc cấp nguồn ngoài với điện áp 7-12V DC Sử dụng vi điều khiển Atmega328P với 32KB của bộ nhớ Flash, 2KB cho SRAM và 1KB cho EEPROM (Hình 2.2)
Bảng 2.1 Thông số kỹ thuật của Arduino Uno R3
Chip điều khiển ATmega328P Điện áp hoạt động 5V Điện áp đầu vào(khuyên dùng) 7-12V Điện áp đầu vào (giới hạn) 6-20V
Số chân Digital 14 (of which 6 provide PWM output)
Hình 2.2 Các thành phần của Arduino Uno R3
Dòng điện DC trên mỗi chân I/O 20 mA
Dòng điện DC trên chân 3.3V 50 mA
Flash Memory 32 KB (ATmega328P) of which 0.5 KB used by bootloader
Tốc độ thạch anh 16 MHz
Băng tải mini, còn được gọi là băng tải di động hoặc băng tải cá nhân, là một thiết bị vận chuyển chất liệu nhẹ và di động được sử dụng để chuyển đổi và vận chuyển các vật liệu trong một khoảng cách ngắn
Băng tải mini có nhiều ưu điểm, bao gồm tính di động và linh hoạt, dễ dàng lắp đặt và vận hành, tiết kiệm thời gian và công sức Tuy nhiên, do giới hạn về kích thước và khả năng tải trọng, băng tải mini thường được sử dụng trong các ứng dụng có quy mô nhỏ và yêu cầu vận chuyển nhẹ
Trong đề tài nhóm sử dụng băng tải có kích thước 10x60cm (rộng 10cm dài 60cm) phù hợp với các loại mô hình nhỏ và gọn
Với động cơ giảm tốc 12V 30RPM là một động cơ điện sử dụng cung cấp sức vận hành băng tải có tốc độ quay 30 vòng mỗi phút Với tốc độ quay này khá phù hợp với mô hình phân loại trái cây theo chất lượng cần độ chính xác cao thay vì năng suất hoạt động
2.2.3 Động cơ servo MG996R Động cơ servo gồm các thành phần linh kiện để quay các bộ phận của máy với độ chính xác và hiệu suất cao Cơ chế hoạt động chính của động cơ servo là kết hợp giữa quay vòng và phản hồi để điều khiển tốc độ quay và góc quay của động cơ Động cơ servo có ba phân loại chính để đánh giá động cơ servo:
• AC hoặc DC: Servo có thể hoạt động với nguồn điện xoay chiều (AC) hoặc nguồn điện một chiều (DC), tùy thuộc vào yêu cầu của ứng dụng cụ thể
• Sử dụng chổi than: Một số động cơ servo sử dụng chổi than để tạo ra mối tiếp xúc và dẫn điện Trong khi đó, một số động cơ servo khác không sử dụng chổi than và thay vào đó sử dụng các công nghệ khác như cảm biến vô tiếp hoặc các công nghệ mới hơn
• Đồng bộ hay không đồng bộ: Động cơ servo có thể được phân loại là đồng bộ hoặc không đồng bộ Động cơ servo đồng bộ hoạt động theo một tín hiệu điều khiển chính xác và đồng bộ với tín hiệu này Trong khi đó, động cơ servo không đồng bộ không cần đồng bộ với tín hiệu điều khiển và có thể hoạt động độc lập
Hình 2.4 Động cơ servo MG996R
MG996R là một loại servo motor được sử dụng rộng rãi trong các ứng dụng robot và các hệ thống điều khiển chính xác
Bảng 2.2 Thông số kỹ thuật của servo MG996R
Kích thước của servo 40.7 * 19.7 * 42.9mm Lực kéo của servo 9.4kg/cm (4.8V) 11kg/cm (6V)
Tốc độ xoay của servo 0.17giây/60º(4.8V)
0.14 giây/60º (6V) Điện áp của servo 4.8-7.2V
Nhiệt độ hoạt động của servo 0℃ - 55℃
Dòng điện không tải của servo ~0.15A
Vật liệu cấu tạo bánh răng Kim loại
2.2.4 Động cơ servo SG90 Động cơ servo SG90 có kích thước nhỏ, là loại được sử dụng nhiều nhất để làm các mô hình nhỏ hoặc các cơ cấu kéo không cần đến lực nặng (Hình 2.5) Động cơ servo SG90 180 độ có tốc độ phản ứng nhanh, các bánh răng được làm bằng nhựa nên cần lưu ý khi nâng tải nặng vì có thể làm hư bánh răng, động cơ
RC Servo 9G có tích hợp sẵn Driver điều khiển động cơ bên trong nên có thể dễ dàng điều khiển góc quay bằng phương pháp điều độ rộng xung PWM
Hình 2.5 Động cơ servo SG90
Bảng 2 3 Thông số kỹ thuật đông cơ servo SG90 Điện áp hoạt động 4.8-5VDC
Camera là một thành phần vô cùng quan trọng trong hệ thống phân loại sản phẩm
Hình 2.6 Camera sử dụng trong đề tài
Camera giúp rất nhiều trong việc ghi lại hình ảnh để phân tích và kiểm tra sản phẩm trong đề tài Sau đây là một vài thông số kỹ thuật của camera được sử dụng trong đề tài
Bảng 2.4 Thông số kỹ thuật của webcam w1 1080p
Phần cứng Sự chỉ rõ
Tỉ lệ khung hình video 30 khung hình/ giây Độ phân giải được hỗ trợ 1920x1080 Đang xử lý hình ảnh Hỗ trợ khử nhiễu 3D, cân bằng trắng tự động, tự động cải thiện chất lượng hình ảnh Âm thanh Micro tích hợp sẵn Đèn LED hồng ngoại Không
Bộ lọc cắt IR Không
Nguồn cấp Dược cung cấp bởi USB
Camera xử lý ảnh W1 1080p (Full HD) có một số lợi ích và đặc điểm mà bạn có thể xem xét khi chọn nó:
✓ Chất lượng hình ảnh cao: Camera W1 1080p cho phép ghi lại video và chụp ảnh ở độ phân giải Full HD (1920x1080 pixel) Điều này đảm bảo rằng bạn sẽ có hình ảnh rõ nét và chi tiết, đặc biệt là khi xem trên màn hình lớn hoặc in ấn
Tổng quan về xử lý ảnh
Xử lý ảnh là một phân ngành trong xử lý tín hiệu với tín hiệu xử lý là ảnh Kết quả đầu ra có thể là một kết luận hoặc một ảnh có đặc điểm khác với ảnh ban đầu Đây là một phân ngành khoa học mới rất phát triển trong những năm gần đây bao gồm ở nhiều lĩnh vực y tế, trí tuệ nhân tạo, tự động hóa,… và có nhiều ứng dụng trong cuộc sống như: photoshop, nén ảnh, nén video, nhận dạng biển số xe,… Xử lý ảnh có
4 khía cạnh chính: xử lý và nâng cao chất lượng ảnh, nhận dạng ảnh, truy vấn ảnh và nén ảnh Trong phạm vi đề tài này sẽ tìm hiểu về mảng nhận dạng ảnh
Hình 2.11 Giới thiệu về xử lý ảnh
Các bước cơ bản trong một hệ thống xử lý ảnh :
Hình 2.12 Các bước cơ bản trong xử lý ảnh
Những vấn đề trong xử lý ảnh: Chuyển đổi ảnh màu sang ảnh xám, nhị phân hóa ảnh, phân đoạn ảnh, phương pháp phát hiện biên,…được nêu lên trong Giáo trình xử lý ảnh của tác giả Nguyễn Thanh Hải.
Giới thiệu về ngôn ngữ lập trình python và opencv
2.4.1 Ngôn ngữ lập trình Python
Python là ngôn ngữ lập trình đa năng ở mức độ cao Python hỗ trợ nhiều dạng lập trình như: lập trình hướng đối tượng, lập trình mệnh lệnh, lập trình chức năng, lập
16 trình thủ tục, lập trình khía cạnh và lập trình meta Python là một hệ thống kiểu động, quản lý bộ nhớ tự động và một thư viện tiêu chuẩn lớn để thực hiện nhiều tác vụ khác nhau Python nhấn mạnh đến khả năng đọc tốt chương trình và cú pháp của Python cho phép người dùng thực hiện được nhiều tác vụ chỉ với một số lượng dòng lệnh ít hơn so với các ngôn ngữ lập trình khác như C hay C++
Python đã được hình thành và phát triển bởi tác giả Guido van Rossum tại CWI (Hà Lan) với vai trò là ngôn ngữ lập trình kế thừa của ngôn ngữ ABC, có khả năng xử lý ngoại lệ và giao tiếp với nền tảng hệ điều hành Amoeba
Trình thông dịch Python đã được nhập vào nhiều nền tảng hệ điều hành khác nhau, nhờ đó mà các chương trình viết bằng Python có tính linh hoạt cao, có thể hoạt động trên nhiều nền tảng hỗ trợ mà không có nhiều thay đổi Python có thư viện tiêu chuẩn mở rộng đã được cài đặt sẵn, ngoài ra Python còn có một số lượng lớn các thư viện được phát triển bởi bên thứ ba Danh sách này có thể tìm thấy trên trang web
Python Package Index, địa chỉ: https://pypi.org/
PyCharm là một phần mềm tích hợp phát triển (IDE) được thiết kế đặc biệt cho việc lập trình Python Được phát triển bởi công ty JetBrains, PyCharm cung cấp một loạt các tính năng và công cụ giúp lập trình viên tạo ra mã nguồn Python chất lượng cao và hiệu quả
OpenCv (viết tắt của Open Source Computer Vision) là một thư viện chứa các hàm lập trình dùng cho thị giác máy tính OpenCv ban đầu được phát triển bởi trung tâm nghiên cứu Intel Russia đặt ở Nizhny Novgorod (Nga) và hiện tại đang được Itseez duy trì
OpenCv tập trung chủ yếu vào xử lý hình ảnh và video, ngoài ra còn có thêm một số GUI (Giao diện người dùng đồ họa) và các tính năng xử lý sự kiện OpenCv có các giao diện cho các ngôn ngữ lập trình phổ biến như C/C++, Python và Java OpenCv là một thư viện đa nền tảng, có thể chạy trên nhiều hệ thống điều hành khác nhau như Windows, Android và các hệ điều hành dựa trên Unix.[2]
Theo tính năng và ứng dụng của OpenCV, có thể chia thư viện này thành các
17 nhóm tính năng và module tương ứng như sau:
• Xử lý và hiển thị Hình ảnh/ Video/ I/O (core, imgproc, highgui)
• Phát hiện các vật thể (objdetect, features2d, nonfree)
• Geometry-based monocular hoặc stereo computer vision (calib3d, stitching, videostab)
• Computational photography (photo, video, superres)
• Machine learning & clustering (ml, flann)
TÍNH TOÁN VÀ THIẾT KẾ
Giới thiệu
Ở chương 3 này nhóm tiến hành tính toán và thiết kế hệ thống phân loại sản phẩm theo màu sắc và kích thước, dùng xử lý ảnh để nhận diện màu sắc sau đó gửi dữ liệu qua arduino xử lý thông tin và phân loại sản phẩm bằng cánh tay robot Bên cạnh đó, kiểm tra loại sản phẩm và số lượng sản phẩm thông qua LCD Quá trình tính toán và thiết kế gồm 2 phần: thiết kế sơ đồ khối hệ thống và tính toán thiết kế mạch.
Thiết kế phần mềm
- Nội dung 2: Thiết kế sơ đồ khối của hệ thống phẩn loại sản phẩm theo màu sắc và kích thước
- Nội dung 3: Kết nối Arduino Uno R3 với các khối cảm biến, động cơ và băng tải
- Nội dung 4: Nghiên cứu thuật toán xử lý ảnh ứng dụng vào phân loại sản phẩm theo màu sắc, kích thước sử dụng Camera
- Nội dung 5: Nghiên cứu phân luồng phân loại sản phẩm
- Nội dung 6: Thiết kế mô hình hệ thống
- Nội dung 7: Nguyên cứu lập trình để mạch chạy đúng và đạt yêu cầu
- Nội dung 8: Thi công phần cứng, chạy thử nghiệm và hiệu chỉnh hệ thống
- Nội dung 9: Báo cáo đề tài tốt nghiệp
- Nội dung 10: Bảo vệ đề tài tốt nghiệp
Giới thiệu đề tài, đưa ra những lý do, mục tiêu, nội dung nghiên cứu, giới hạn đề tài và bố cục đề tài
Chương 2: Cơ sở lý thuyết
Chương này đưa ra những cơ sở lý thuyết, sử dụng những đề tài khác để nghiên cứu và tham khảo
Chương 3: Tính toán và thiết kế
Thiết kế sơ đồ khối và sơ đồ nguyên lý của hệ thống, tính toán linh kiện và thiết kế lưu đồ giải thuật.
THI CÔNG HỆ THỐNG
Giới thiệu
Chương 4 nhóm sẽ trình bày các quá trình lắp ráp và thi công hệ thống, kiểm tra phần cứng.
Thi công phần cứng
Sau khi tính toán và thiết kế, nhóm thực hiện đề tài tiến hành thi công mô hình phân loại sản phẩm theo và màu sắc va kích thước Mô hình bao gồm:
Bảng 4 1 Linh kiện sử dụng
STT Tên linh kiện Số lượng Ghi chú
3 Module XL4015 3 Module giảm áp
Phần cứng của hệ thống được thi công theo sơ đồ nguyên lý mà nhóm đã vẽ, nhóm thiết kế phần cứng dựa trên phần mềm Proteus
Mô hình băng tải mini chạy với động cơ giảm tốc 12V 30RPM cung cấp nguồn cho băng tải có tốc độ quay 30 vòng mỗi phút Với tốc độ quay này khá phù hợp với mô hình phân loại trái cây theo chất lượng cần độ chính xác cao thay vì năng suất hoạt động
Hình 4.1 Mô hình băng tải mini
Mô hình phân bố cảm sẽ bao gồm các loại cảm biến và hộp điều khiển được mô tả như hình 4.2
Hình 4.2 Mô hình phân bố cảm biến
Hình 4.3 Mô hình cánh tay robot
Mô hình cánh tay robot sau khi được lắp ráp hoàn thiện được mô tả ở hình 4.3
Hình 4.4 Mô hình phân bố các sản phẩm phân loại
44 Ở hình 4.4, mô hình phân bố các sản phẩm phân loại được phân chia thành các khu vực chứa phân loại sản phẩm là khu vực phân loại dựa trên kích thước, màu của từng sản phẩm và khu vực khi hệ thống nhận diện sản phẩm lỗi
Hình 4.5 Mô hình buồng ảnh
Mô hình buồng ảnh sau khi được lắp ráp hoàn thiện được mô tả ở hình 4.5.
KẾT QUẢ - NHẬN XÉT - ĐÁNH GIÁ
Kết quả thực hiện mô hình
Đây là chương trình bày và đánh giá kết quả mà nhóm đã đạt được sau quá trình nghiên cứu, thực hiện đề tài Kết quả bao gồm phần cứng của hệ thống, các chức năng mà hệ thống có
Trong suốt thời gian thực hiện đề tài với sự hướng dẫn tận tình của giảng viên hướng dẫn, nhóm đã hoàn thành đề tài “Thiết kế và thi công hệ thống phân loại sản phẩm theo màu sắc và kích thước” Trong quá trình, nhóm đã nghiên cứu và biết sử dụng nhiều phần cứng, phần mềm cho tới các phương pháp giải thuật khác nhau Đối với phần cứng: Biết sử dụng Kit Arduino Uno, thiết lập màn hình LCD, kết nối camera rời và chuyển gửi dữ liệu đến Arduino, cảm biến hồng ngoại và kết hợp và điều khiển động cơ Servo Đối với phần mềm: Biết cách lập trình cơ bản trên Python cùng với thư viện OpenCV, lập trình trên Arduino IDE, sử dụng công cụ lập trình Pycharm để xử lý phần nhận diện màu sắc và các giải thuật liên quan đến đề tài như: phương pháp nhận dạng màu sắc, kích thước và phân loại
5.1.1 Mô hình phần cứng của hệ thống
Hình 5.1 Mô hình hệ thống khi chưa cấp nguồn
Một số hình ảnh thực tế của hộp điều khiển sau khi hoàn thiện Hộp điều khiển chứa màn hình Lcd, phía dưới gồm hai phím nhấn điều khiển Start/Stop và Reset
Mô hình hệ thống khi chưa cấp nguồn được thể hiện trong hình 5.1
5.1.2 Giao diện điều khiển của hệ thống
Phần giao diện của hệ thống được hiển thị trên màn hình LCD chỉ để hiện thị màu sắc và các thông số sản lượng vật mẫu phân loại được Để thuận tiện cho người dùng trong quá trình quan sát và điều khiển, nhóm đã thiết kế một giao diện hiển thị trên màn hình LCD 20x4 Trên giao diện, người dùng có thể dễ dàng quan sát và kiểm tra kết quả phân loại, sản lượng và màu sắc của từng loại sản phẩm
Khi nhấn công tắc hệ thống sẽ dừng hoạt động khi ở chế độ Stop và hoạt động bình thường khi chuyển qua chế độ Start Nút Reset có chức năng reset lại tất cả các số lượng sản phẩm đã phân loại và chức năng chỉ được thực hiện khi đang trong chế độ Stop
5.1.3 Kết quả mô hình thực tế
Hình 5.2 Giao diện chương trình trong suốt quá trình phân loại
Sau khi hoàn thành thi công, kết quả hệ thống được trình bày như sau:
Hình 5.3 Đầu băng tải ngõ vào của sản phẩm
Hình 5.4 Hệ thống hoàn thiện của đề tài
5.1.4 Kết quả nhận diện màu sắc của sản phẩm
Khi chạy chương trình nhận diện màu sắc, nhóm tiến hành thực nghiệm 5 lần tương ứng với mỗi loại màu sắc (vàng, xanh dương, xanh lá) Điều kiện ảnh được chụp trên nền băng tải màu đen với ánh sáng tăng cường tốt Ở hình 5.5 hệ thống nhận diện khi chưa có sản phẩm trên băng tải
Hình 5.5 Hình trong buồng ảnh khi chưa có sản phẩm
Khi có sản phẩm đi qua buồng ảnh, camera sẽ nhận diện màu sắc Blue, Green, Yellow (hình 5.6, 5.7, 5.8)
Hình 5.6 Kết quả nhận diện màu Blue
Hình 5.7 Kết quả nhận diện màu Green
Kết quả thực nghiệm được thể hiện ở bảng 5.1
Bảng 5 1 Kết quả nhận diện màu sắc sản phẩm
Số lần phân loại chính xác Độ chính xác (%)
Hình 5.8 Kết quả nhận diện màu Yellow
5.1.5 Kết quả nhận diện chiều cao
Hình 5.9 Kết quả nhận diện chiều cao
Hệ thống hoạt động, sau khi quét trong buồng ảnh, vật mẫu sẽ chạy tới chỗ cảm biến được bố trí trước đó Khi sản phẩm đi qua vị trí cảm biến, cảm biến 1 (thấp) được kích lên và cảm biến 2 (cao) không có tín hiệu thì sản phẩm sẽ được xác định là thấp và ngược lại đồng thời 2 cảm biến nhận dược tín hiệu thì sản phẩm sẽ được sác định là cao
5.1.6 Kết quả phân loại sản phẩm tổng hợp
Khi cảm biến phát hiện sản phẩm bên trong buồng ảnh, chương trình xử lý ảnh sẽ tiến hành chụp, xử lý ảnh và đưa ra kết luận về màu sắc, sau khi có kết quả xử lý ảnh sẽ gửi thông tin đến Arduino và băng tải tiếp tục chuyển động đến điểm cảm biến nhận kích thước và gửi lệnh cho cánh tay robot thực hiện quá trình phân loại sản phẩm vào các ô
Dưới đây là quá trình cánh tay robot thực hiện phân loại từng loại sản phẩm với từng màu sắc và kích thước khác nhau
Sau khi đã xác định sản phẩm có màu sắc là YELLOW thì sản phẩm sẽ được các servo gắp vào ô phân loại màu YELLOW (Hình 5.10)
Tương tự sau khi sản phẩm đã xác định có màu sắc là BLUE thì sản phẩm sẽ được các servo gắp vào ô phân loại màu BLUE (Hình 5.11)
Hình 5.10 Phân loại đúng sản phẩm Yellow1
Hình 5.11 Phân loại đúng sản phẩm Blue1
53 Ở hình 5.12, khi chạy qua các bước nhận diện hệ thống sẽ thực hiện lệnh đưa sản phẩm GREEN vào ô đã được thiết lập trước đó
Sau khi nhận diện màu sắc và đồng thời CB2 và CB3 cùng nhận tín hiệu sản phẩm được xác định được độ cao của sản phẩm thì cánh tay robot sẽ thực hiện công việc đưa sản phẩm vào ô phân loại cao đã được thiết lập từ trước
Hình 5.12 Phân loại đúng sản phẩm Green1
Hình 5.13 Phân loại đúng sản phẩm Green2
Hình 5.14 Phân loại đúng sản phẩm Yellow2
Hình 5.15 Quá trình gắp và phân loại đúng 3 loại sản phẩm khác kích thước Ở hình 5.13, 5.14 hệ thống thực hiện công việc gắp các sản phẩm được Arduino xử lý và đánh giá kích thước cao và tiến hành gắp bỏ vào ô được quy định như hình 5.15
Tiến hành thí nghiệm 10 lần với mỗi loại sản phẩm, kết quả phân loại sản phẩm của hệ thống được trình bày ở bảng 5.7
Bảng 5.2 Kết quả phân loại sản phẩm tổng hợp của hệ thống
Loại sản phẩm Số lần phân loại
Số lần phân loại chính xác Độ chính xác(%)
Dựa theo kết quả khảo sát Bảng 5.2, nhóm nhận thấy hệ thống hoạt động tương đối chính xác trong môi trường lý tưởng Việc phân loại sản phẩm của hệ thống còn chưa ổn định, tính chính xác còn chưa cao, chủ yếu bị ảnh hưởng bởi yếu tố ánh sáng ở từng môi trường khác nhau.
Nhận xét và đánh giá
Sau khi vận hành hệ thống thực tế ngoài môi trường, nhóm đã đưa ra được bảng số liệu kết quả thực nghiệm Bảng 5.1 là kết quả của quá trình vận hành các chức năng có của hệ thống, dựa trên số lần vận hành và số lần vận hành thành công để đưa ra đánh giá
Sau 16 tuần nghiên cứu và thực hiện đề tài, hệ thống đã đáp ứng được những mục tiêu và yêu cầu thiết kế
- Hệ thống dễ sử dụng, dễ thao tác
- Nhận diện màu sắc và kích thước có độ chính xác cao
- Giao diện dễ quan sát kiểm tra, cập nhật số lượng sản phẩm chính xác
- Kết hợp 6 servo và hoạt động hoàn chỉnh
Sau quá trình nghiên cứu, tìm hiệu và thi công, nhóm đưa ra nhứng đánh giá như sau:
- Độ chính xác của hệ thống tương đối cao với 39 lần chính xác trên 50 lần thử đạt hiệu suất 78%
- Giao diện hiển thị trên màn hình LCD dễ dễ quan sát
- Tính ổn định của hệ thống còn chưa cao, màu chưa nhận chuẩn xác do camera và điều kiện ánh sáng khác nhau, thiếu chính xác do thiết kế mô hình hệ thống
- Đề tài sau khi hoàn thành có tính ứng dụng vào thực tế, có những điểm mới và độ chính xác tương đối cao
- Phạm vi sử dụng là ngành sản xuất và đóng gói, kho hàng và logistic, ngành ôtô, bưu điện và giao hàng và các ngành điện tử tiêu dùng,…nên đề tài có thể cải tiến, phát triển thêm nhiều tính năng mới để đưa vào thương mại hóa sản phẩm, tạo nguồn lợi kinh tế.
Tài liệu hướng dẫn sử dụng
Bước 1: Cấp nguồn cho hộp điều khiển, sử dụng nguồn máy tính cấp cho Arduino qua cap USB Cắm nguồn tổ ong 24V-10A qua mạch giảm áp cung cấp nguồn 5V- 5A cho cánh tay robot sử dụng nguồn riêng Lúc này màn hình sáng đèn và các module sẽ hoạt động Sau khi cấp nguồn, mở chương trình Pycharm và khởi động xử lý ảnh, đợi vài giây để hệ thống kết nối Camera và Module ở trạng thái ổn định
Bước 2: Sử dụng hộp điều khiển để bật chế độ Start và hệ thống bắt đầu chạy
Thả lần lượt các sản phẩm theo băng tải để hệ thống thực hiện quá trình phân loại sản phẩm
- Khởi động chương trình Arduino IDE, mở file Main để biên dịch và nạp code cho Arduino
- Mở file Main.py để chọn đúng cổng COM để Arduino và máy tính giaoitiếp với nhau thông qua chuẩn Serial (UART)
Bước 3: Sau khi kết nối đầy đủ và chạy file Main.py, một cửa sổ hiện camera sẽ mở ra, chương trình xử lý ảnh bắt đầu thực hiện Sau đó lần lượt đưa các sản phẩm lên băng tải và quan sát quá trình thực hiện và quan sát hộp điều khiển để kiểm tra số lượng sản phẩm
- Start/Stop: Dây chuyền sẽ tiếp tục hoạt động đến khi chuyển sang chế độ
- Reset: Trong trường hợp người dùng muốn số lượng sản phẩm bắt đầu lại thì sẽ chuyển sang chế độ Stop và nhấn nút Reset Sau đó cho hệ thống chạy lại, khi này hệ thống sẽ bắt đầu khi tất cả sản phẩm bằng 0
