THIẾT KẾ, CHẾ TẠO MÔ HÌNH PHÂN LOẠI TRÁI CÂY THEO MÀU SẮC

Đề tài đã thực hiện được việc thiết kế mô hình phát hiện phân, nhận dạng và phân loại được mức độ chín sống khác nhau của cà chua. Đây được xem là kết quả chính của đề tài. Để thực hiện tốt kết quả này thì chúng em đã áp dụng những kiến thức đã học, thông qua quá trình xử lý ảnh, nhận dạng vật thể, xây dựng mô hình dữ liệu màu để phân loại sản phẩm.

BỘ GIÁO DỤC VÀ ĐÀO TẠO TRƯỜNG ĐẠI HỌC NÔNG LÂM THÀNH PHỐ HỒ CHÍ MINH

KHÓA LUẬN TỐT NGHIỆP

THIẾT KẾ, CHẾ TẠO MÔ HÌNH PHÂN LOẠI

TRÁI CÂY THEO MÀU SẮC

Sinh viên thực hiện: NGUYỄN MINH KHANH NGUYỄN VĂN BÁ

Ngành: Công nghệ kỹ thuật Cơ điện tử Niên khóa: 2013-2017

Tháng 06/2017

THIẾT KẾ, CHẾ TẠO MÔ HÌNH PHÂN LOẠI

CÀ CHUA THEO MÀU

TÁC GIẢ NGUYỄN MINH KHANH NGUYỄN VĂN BÁ

Khóa luận tốt nghiệp được đệ trình đáp ứng yêu cầu cấp bằng

Kỹ sư ngành Cơ Điện Tử

Giáo viên hướng dẫn: Th.S TRẦN THỊ KIM NGÀ

Tháng 06/2017

Tp Hồ Chí Minh, ngày 04 tháng 06 năm 2017 Sinh viên thực hiện đề tài Nguyễn Minh Khanh

Nguyễn Văn Bá

TÓM TẮT

Đề tài nghiên cứu “Thiết kế, chế tạo mô hình phân loại cà chua theo màu”được thực hiện tại trường Đại Học Nông Lâm Thành Phố Hồ Chí Minh, thời gianthực hiện từ tháng 3 đến tháng 6 năm 2017

Đề tài đã thực hiện được việc thiết kế mô hình phát hiện phân, nhận dạng vàphân loại được mức độ chín sống khác nhau của cà chua Đây được xem là kết quảchính của đề tài Để thực hiện tốt kết quả này thì chúng em đã áp dụng những kiếnthức đã học, thông qua quá trình xử lý ảnh, nhận dạng vật thể, xây dựng mô hình dữliệu màu để phân loại sản phẩm

Do thời gian thực hiện còn hạn chế, cũng như mức độ rộng lớn của đề tài nênviệc thiếu sót và sơ xuất trong đề tài là điều khó tránh Chúng em rất mong nhậnđược sự đóng góp ý kiến của quý thầy cô và bạn bè để đề tài của em càng được hoànthiện hơn

Sinh viên thực hiện

Nguyễn Minh Khanh Nguyễn Văn Bá

MỤC LỤC

Trang

LỜI CẢM ƠN i

TÓM TẮT ii

MỤC LỤC iii

DANH SÁCH CÁC HÌNH vi

DANH SÁCH BẢNG viii

Chương 1 1

MỞ ĐẦU 1

1.1 Lý do chọn đề tài 1

1.2 Tình hình nghiên cứu trong nước 1

1.3 Phạm vi thực hiện đề tài 6

Chương 2 7

TỔNG QUAN 7

2.1 Một số khái niệm trong xử lý ảnh 7

2.1.1 Phần tử ảnh 7

2.1.2 Mức xám 7

2.1.3 Ảnh nhị phân 8

2.1.4 Ảnh xám 8

2.1.5 Ảnh màu 9

2.1.6 Không gian màu 9

2.1.7 Mô hình không gian màu 10

2.2 Tổng quan về mô hình xử lý ảnh 14

2.2.1 Thiết bị thu nhận ảnh 14

2.2.2 Thu nhận ảnh và số hóa ảnh 14

2.2.3 Lưu trữ ảnh 14

2.2.4 Phân tích ảnh 15

2.2.5 Biên và phương pháp phát hiện biên 16

2.3 Giới thiệu về máy tính nhúng Raspberry Pi3 17

2.4 Các thiết bị ngoại vi khác và sơ đồ kết nối 18

2.4.1 Arduino mega 2560 18

2.4.2 Camera Pi 21

2.4.3 Động cơ bước 23

2.4.4 Module điều khiển động cơ bước A4988 24

Chương 3 25

VẬT LIỆU VÀ PHƯƠNG PHÁP NGHIÊN CỨU 25

3.1 Thời gian thực hiện đề tài 25

3.2 Đối tượng và các thiết bị nghiên cứu 25

3.3 Thiết bị nghiên cứu 25

3.3.1 Máy tính nhúng Raspberry Pi 3 25

3.3.2 Module Arduino Mega 2560 26

3.3.3 Module Camera Pi 26

3.3.4 Phần mềm lập trình cho Arduino 27

3.3.5 Phần mềm lập trình cho Raspberry Pi 3 27

3.3.6 Phần mềm vẽ mạch Proteus 27

3.3.7 Phần mềm vẽ Solidword, Inventer, AutoCad 27

3.4 Phương pháp nghiên cứu 27

Chương 4 28

KẾT QUẢ VÀ THẢO LUẬN 28

4.1 Thiết kế sơ đồ khối cho toàn mô hình 28

4.2 Thiết kế mạch công suất điều khiển động cơ 29

4.3 Thiết kế phần cơ khí 31

4.3.1 Bản vẽ cơ khí của mô hình 31

4.3.2 Bản vẽ 3D 31

4.3.3 Mô hình sau khi hoàn thành 32

4.4 Xử lý ảnh, nhận dạng và phân loại 32

4.4.1 Sơ đồ khối các bước xử lý ảnh 32

4.4.2 Nhận dạng các màu 33

4.4.3 Phân loại đối tượng 38

4.4.4 Sơ đồ giải thuật xử lý ảnh và phân loại sản phẩm 39

4.5 Khảo nghiệm thực tế 40

Chương 5 47

KẾT LUẬN VÀ ĐỀ NGHỊ 47

5.1 Kết quả đạt được 47

5.2 Những hạn chế 47

5.3 Hướng phát triển của đề tài 48

TÀI LIỆU THAM KHẢO 49

PHỤ LỤC 50

DANH SÁCH CÁC HÌN

Hình 1 1: Kiểm tra lại sản phẩm sau khi phân loại 2

Hình 1 2 Hình ảnh máy rửa phân loại cà chua tự động 3

Hình 1 3: Mô hình máy có dạng chữ L 4

Hình 1 4 : Máy phân loại dưa hấu 4

Hình 1 5 : Máy phân loại táo 5

Hình 1 6: Hình máy phân loại chanh 6Y Hình 2 1: Điểm ảnh 7

Hình 2 2: Ma trận biểu diễn ảnh nhị phân 8

Hình 2 3: Ma trận biểu diễn ảnh xám 8

Hình 2 4 : Ma trận biểu diễn ảnh màu 9

Hình 2 5 : Hệ trục tọa độ Red Green Blue 11

Hình 2 6 : Mô hình không gian màu HSV 12

Hình 2 7 : Mô hình không gian màu HSV 12

Hình 2 8 : Sơ đồ mô hình xử lý ảnh 14

Hình 2 9 : Biến đổi Fourier 15

Hình 2 10 : Module Raspberry Pi 3 17

Hình 2 11 : Module Arduino 1280 20

Hình 2 12 : Module Arduino 2560 20

Hình 2 13 : Module Raspberry Pi Camera 22

Hình 2 14 : Module động cơ bước 23

Hình 2 15 : Module điều khiển động cơ bước A4988 24

Hình 2 16 : Kết nối giữa A4988 và Arduino 2 Hình 3 1: Module Raspberry Pi 3 26

Hình 3 2 : Module Arduino Mega 2560 26

Hình 3 3 : Module Camera Pi 3 2 Hình 4 1 : Sơ đồ khối cho mô hình 28

Hình 4 2 : Mạch coo ngsuất điều khiển động cơ 29

Hình 4 3 : Mạch hiển thi led 7 đoạn 30

Hình 4 4 : Bản vẽ cơ khí 31

Hình 4 5 : Hinh ảnh mô hình 3D 31

Hình 4 6 : Mô hình sau khi hoàn thành 32

Hình 4 7 : Sơ đồ khối các bước xử lý ảnh 32

Hình 4 8 : Quá trình nhận dạng màu đỏ 34

Hình 4 9 : Hiển thị diện tích màu đỏ 34

Hình 4 10 : Quá trình nhận dạng màu vàng 35

Hình 4 11 : Hiển thị diện tích màu vàng 35

Hình 4 12 : Quá trình nhận dạng màu xanh 36

Hình 4 13 : Hiển thị diện tích màu xanh 36

Hình 4 14 : Quá trình nhận dạng 3 màu 37

Hình 4 15 : Hiển thị diện tích các màu 38

Hình 4 16 : Sơ đồ giải thuật xử lý ảnh và phân loại sản phẩm 39

DANH SÁCH BẢNG

Trang

Bảng 4 1 : Bảng khảo nghiệm khi cho mô hình nhận diện các màu ngẫu nhiên 45

Trong nông nghiệp, việc thu hoạch và phân loại sản phẩm sau thu hoạch vốnlàm bằng thủ công, nhưng với trình độ ngày nay, người ta hoàn toàn có thể tự độnghóa nó, vừa tiết kiệm sức người, vừa tiết kiệm chi phí thời gian.

Với tiêu chí giúp việc phân loại nông sản sau khi thu hoạch trở nên dễ dànghơn, kinh tế hơn, và nhanh hơn Dựa trên những nghiên cứu đã có trên thị trườngcũng như vận dụng những kiến thức đã học được, nhóm chúng tôi đã lên ý tưởngthiết kế chế tạo mô hình máy phân loại trái cây theo màu sắc Mô hình vận dụng sứcmạnh của các vi xử lý và công nghệ xử lý ảnh để áp dụng cho mô hình này

1.2 Tình hình nghiên cứu trong nước

Tỉnh Lâm Đồng là một trong những vùng chuyên canh cây cà chua lớn nhấtnước với sản lượng cà chua thu hoạch mỗi năm hơn hàng chục nghìn tấn Các chủvựa thu mua cà chua lớn trong tỉnh phải bỏ ra rất nhiều thời gian, công sức và tiềnbạc để đi thuê một đội ngủ công lao động ngồi rửa, phân loại rồi lau khô, đánh bóng

cà chua trước khi đóng thùng Nhất là khi vào những dịp giáp Tết, lượng tiêu thụhàng tăng cao, các chủ vựa thu mua còn phải đối mặt với sự khan hiếm nguồn laođộng

Tại đây đã có một kỹ sư chân đất tìm hiểu, nghiên cứu, thiết kế và chế tạo loạimáy rửa, phân loại, hong khô nước và đánh bóng trái cà chua trước khi đóng thùngsản phẩm.

Hình 1 1: Kiểm tra lại sản phẩm sau khi phân loạiMáy rửa, phân loại, hong khô nước và đánh bóng trái cà chua của anh hoạtđộng ngày 8 giờ đồng hồ, đạt năng suất khoảng 20 tấn cà chua, gần bằng khối lượngcông việc của 20 nhân công làm bằng phương pháp thủ công Máy còn có thể tănggấp đôi năng suất, hoặc có thể thay đổi tùy theo yêu cầu người đặt hàng

Hình 1 2 Hình ảnh máy rửa phân loại cà chua tự độngMáy rửa, phân loại, hong khô nước và đánh bóng trái cà chua của anh có hìnhchữ L, bao gồm các bộ phận cơ bản như thùng đựng cà chua thô Từ đây, một băngchuyền hoạt động tương tự như cầu thang máy sẽ tự động lấy cà chua đến bộ phậnsang lọc các loại chất thải còn bám trên quả như rác, lá, cuống, cà chua hư hổng,thối,… và tách bỏ những chất thải này ra khỏi quả Cà chua tiếp tục được chuyển tới

bộ phận đựng nước rửa Cà chua sau khi được rửa sạch lại được các băng chuyềnchuyển tới vùng sấy khô nước và đánh bóng cà chua, sau đó đưa tới vùng phân chiacác loại cà chua lớn nhỏ khác nhau Khi đã hoàn tất các công đoạn trên, cà chuađược đưa ra các máng trượt, mỗi máng là một loại lớn nhỏ khác nhau

Hình 1 3: Mô hình máy có dạng chữ LBên cạnh máy rửa, phân loại, hong khô và đánh bóng cà chua ở tỉnh Lâm Đồngthì trên thị trường cũng có nhiều loại máy giúp hỗ trợ phân loại trái cây hoa quảkhác Có thể kể tên một vài mô hình như sau:

- Máy phân loại dưa hấu

Hình 1 4 : Máy phân loại dưa hấu

Hệ thống phân loại dưa hấu được hoạt động dựa trên ứng dụng của cảm biếnkhối lượng ( load cell) Mỗi trái dưa hấu sẽ được đặt trên một băng tải được ghépthành từ các đĩa cân riêng biệt, mỗi đĩa cân sẽ có các cảm biến khối lượng để xácđịnh khối lượng của quả dưa hấu Dựa vào các tiêu chuẩn về khối lượng khác nhau

mà hệ thống sẽ được lập trình để phân loại dưa theo từng mức khối lượng cụ thể

- Máy phân loại táo

Hình 1 5 : Máy phân loại táo

Hệ thống phân loại táo bao gồm một băng chuyền để dẫn táo đi và hai bên làcác khay đựng táo theo các tiêu chuẩn khác nhau Hệ thống này hoạt động tương tựnhư hệ thống phân loại dưa hấu nêu trên, nó cũng sử dụng các cảm biến khối lượng

để phân loại Táo được đưa di chuyển trên băng chuyền sẽ được nghiêng cho rớt vàotừng khay chính xác khi có tín hiệu từ cảm biến truyền về

- Máy phân loại chanh

Hình 1 6: Hình máy phân loại chanh

Hệ thống phân loại chanh theo kích thước hoạt động theo nguyên lý khá đơngiản Hệ thống gồm một buồng lớn đựng chanh chưa phân loại được nối liền với cácống trục được khoét lỗ theo kích thước khác nhau Khi ống quay, chanh sẽ đượccuốn theo, những trái có kích thước nhỏ hơn kích thước lỗ trên ống sẽ bị rớt xuốngmột băng chuyền dẫn đến rổ chứa Kích thước lỗ trên ống sẽ được tăng dần để phânloại chanh theo nhiều kích cỡ khác nhau

1.3 Phạm vi thực hiện đề tài

Hiện nay trên thị trường đã có rất nhiều hệ thống tự động phục vụ cho nhu cầuphân loại trái cây của người tiêu dùng Chẳng hạn như hệ thống máy tự động phânloại trái cây theo kích thước, hệ thống máy rửa trái cây và đóng gói trái cây, hệthống máy phân loại trái cây theo trọng lượng, hay hệ thống bao gồm việc rửa, phânloại, hong khô, đánh bóng và đóng gói sản phẩm…Với mỗi loại máy khác nhaungười ta sử dụng các công cụ hỗ trợ khác nhau trong việc xử lý phân loại đó Có loại

sử dụng cảm biến màu, có loại sử dụng cảm biến trọng lượng, có loại dùng xử lýảnh…

Trong đề tài nghiên cứu này, nhóm chúng tôi dừng lại ở việc phân loại trái câytheo màu sắc của nó Mô hình của chúng tôi áp dụng công nghệ xử lý ảnh, thông quacác thông số màu H S V để kiểm tra phân loại cà chua theo các mức độ khác nhau

Chương 2

TỔNG QUAN2.1 Một số khái niệm trong xử lý ảnh

2.1.1 Phần tử ảnh

Ảnh trong tự nhiên là những tín hiệu liên tục về không gian và giá trị độ sáng

Để có thể lưu trữ và biểu diễn ảnh bằng máy tính, con người phải tiến hành biến đổicác tín hiệu liên tục đó thành một số hữu hạn các tín hiệu rời rạc thông quá quá trìnhlượng tử hóa và lấy mẫu thành phần giá trị độ sáng

Một phần tử ảnh (Picture Element) là một giá trị biểu diễn cho mức xám hay cường

độ ảnh tại một vị trí sau khi đã biến đổi ảnh thành một số hữu hạn các tín hiệu rờirạc

Điểm ảnh (Pixel) là một phần tử của ảnh số tại toạ độ (x, y) với độ xám hoặcmàu nhất định Kích thước và khoảng cách giữa các điểm ảnh đó được chọn thíchhợp sao cho mắt người cảm nhận sự liên tục về không gian và mức xám (hoặc màu)của ảnh số gần như ảnh thật

2.1.2 Mức xám

Là kết quả của sự biến đổi tương ứng giá trị độ sáng của một điểm ảnh với mộtgiá trị số nguyên dương Tùy thuộc vào số giá trị biểu diễn mức xám mà mỗi điểmảnh sẽ được biểu diễn trên 1, 4, 8, 24 hay 32 bit Số lượng bit biểu diễn mức xámcàng lớn thì chất lượng ảnh càng cao

Hình 2 1: Điểm ảnh

2.1.3 Ảnh nhị phân

Là một tập hợp hữu hạn các điểm ảnh kề nhau Ảnh thường được biểu diễnbằng một ma trận hai chiều, mỗi phần tử của ma trận tương ứng với một điểm ảnh.Ảnh nhị phân là ảnh chỉ có 2 mức đen trắng phân biệt, mỗi điểm ảnh của ảnhnhị phân chỉ có thể là 0 hoặc 1

Hình 2 2: Ma trận biểu diễn ảnh nhị phân

2.1.4 Ảnh xám

Ảnh xám là ảnh mà giá trị mức xám của các điểm ảnh được biểu diễn bằng 8bit (giá trị từ 0 đến 255)

Hình 2 3: Ma trận biểu diễn ảnh xám

2.1.5 Ảnh màu

Thông thường, ảnh màu được tạo nên từ 3 ảnh xám đối với màu nền đỏ (RED),xanh lá cây (GREEN), xanh lam (BLUE) Tất cả các màu trong tự nhiêu đều có thểđược tổng hợp từ 3 thành phần màu trên theo các tỷ lệ khác nhau

Hình 2 4 : Ma trận biểu diễn ảnh màu

2.1.6 Không gian màu

Mọi vật mà ta quan sát được là nhờ vào ánh sáng Bề mặt của các vật đó làsáng hay tối có hai nguyên nhân chính:năng suất phản xạ của nó và số lượng ánhsáng chúng ta nhận được từ nguồn Có hai loại nguồn sáng, loại thứ nhất nó tự phát

ra ánh sáng gọi là nguồn sơ cấp(mặt trời, đèn điện,…); loại thứ hai nó chỉ phản xạhay khuếch tán ánh sáng mà nó nhận được từ các nguồn khác nhau gọi là nguồnsáng thứ cấp(mặt trăng, đồ vât,…)

Ánh sáng khác với sóng điện từ là mắt người nhận biết được nó Mắt ngườinhạy cảm với sóng điện từ trong khoảng bước sóng λ, trong khoảng từ 350nm chođến 750nm Hình trên biểu diễn các dạng sóng điện từ theo bước sóng và dãy nhìnthấy được Cảm nhận màu có được do 3 loại tế bào hình chop trong võng mạc mắtngười Mỗi tế bào nhạy cảm với 1 dãy phổ nhất định tương ứng với các màu đỏ,xanh lục, xanh dương Nguồn sáng có dãy thành phần phổ ƒ(λ), được biến đổi bởi bềmặt phản xạ của vật thể Giả sử r(λ) là hàm phản xạ này Khi đó, số đo R được tào từ

tế bào mau đỏ sẽ là:

R = ʃ ƒ(λ) r(λ)hR(λ)d(λ)

Tức là tín hiệu hình ảnh trên các lối ra của sensor(tế bào) trong thực tế chínhbằng tích phân của ba thành phần phụ thuộc vào bước sóng khác nhau: nguồn sáng

2.1.7 Mô hình không gian màu

Là phương pháp diễn tả đặc tính và tác động của màu trong ngữ cảnh nhấtđịnh

Song không có mô hình không gian màu nào là đầy đủ cho tất cả mọi việcđược Ví dụ như không gian màu RGB ứng dụng cho màn hình tivi, không gian màuHSV được ứng dụng cho nhận thức của con người, và không gian màu CMYK dùngcho máy in

Tổ chức quốc tế về chuẩn hóa màu CIE (Commission Internationaled’Eclairage) đưa ra một số các tiêu chuẩn để biểu diễn màu Các hệ này có các dạngchuẩn riêng, ở đây chỉ đề cập đến chuẩn màu CIE-RGB (dùng hệ tọa độ 3 màu cơbản) Như đã nêu trên, một màu là sự pha trộn của ba màu cơ bản với 1 tỷ lệ nhấtđịnh nào đây Vậy, một pixel ảnh màu ký hiệu Px được viết như sau:

Hình 2 5 : Hệ trục tọa độ Red Green Blue

Trong cách biểu diễn này ta có công thức R + G +B = 1 Công thức này đượcgọi là công thức Maxell

Không gian màu HSV

Thay vì chọn các phần tử R,G,B để có màu mong muốn, người ta chọn cácphần tử tham số màu Hue, Saturation và Value để pha màu

Mô hình không gian màu HSV có thể được suy diễn từ không gian màu RGB

Hình 2 6 : Mô hình không gian màu HSV

Hình 2 7 : Mô hình không gian màu HSVTrong đó:

H: Hue là bước sóng của ánh sáng hay còn gọi là ngưỡng màuS: Saturation là độ tinh khiết của ánh sáng

V: Value là cường độ hay độ chói của ánh sáng

Ngoài ra, còn có một vài không gian màu khác, mỗi khôi gian màu đề cónhững ứng dụng riêng Tùy thuộc vào tính chất công việc mà chúng ta lựa chọnkhông gian màu cho phù hợp với yêu cầu.

Giả sử trong việc nhận diện, phân biệt màu sắc thì chúng ta chọn không gian màuHSV Không gian màu HSV có ưu điểm là phù hợp với nhaajnj thức của con ngườinên nó là phù hợp nhất trong việc phân loại màu sắc

Chuyển đổi hệ số không gian màu

Giả sử ta có một điểm màu có giá trị trong hệ RGB là (R, G, B) ta chuyểnsang không gian HSV như sau: Đặt M = Max(R, G, B), m = Min(R, G, B) và C = M

- m Nếu M = R, H' = (G - B)/C mod 6 Nếu M = G, H' = (B - R)/C + 2 Nếu M = B,H' = (R G)/C + 4 Và H = H'x60 Trong trường hợp C = 0, H = 00 V = M

S = C/V Trong trường hợp V hoặc C bằng 0, S = 0 Để chuyển từ HSV sang RGB

ta làm như sau: Giả sử ta có không gian màu HSV với H = [0, 360], S = [0, 1], V =[0, 1] Khi đó, ta tính C = VxS H' = H/60 X = C(1 - |H' mod2 -1|) Ta biểu diễn hệ(R1, G1, B1) như sau:

(R1, G1, B1) = {(0,0,0) nếu H chưađược xác định (C , X , 0 )nếu 0 ≤ H '<1

( X ,C ,0 )nếu 1 ≤ H '<2(0 , C , X )nếu 2 ≤ H '

<3

(0 , X ,C ) nếu 3 ≤ H '<4(X , 0 , C) nếu 4 ≤ H '<5

(C , 0 , X )nếu 5 ≤ H ' <6 }

2.2.2 Thu nhận ảnh và số hóa ảnh

Việc thu nhận ảnh được thực hiện thông qua camera có thể là ảnh tương tựhoặc ảnh số Nếu ảnh nhận được là ảnh tương tự nó phải được số hóa thông qua quátrình lấy mẫu và lượng tử trước khi phân tích, xử lý hay lưu trữ

Việc lưu trữ thông tin trong bộ nhớ ảnh hưởng rất lớn đến việc hiển thị, in ấn

và xử lý ảnh được xem là một tập hợp các điểm cùng với kích thước nếu sử dụngcàng nhiều điểm ảnh thì bức ảnh càng đẹp, càng mịn, và càng thể hiện rõ các chi tiếtcủa ảnh Người ta gọi đặc điểm này là độ phân giải

Để lưu trữ ảnh trên máy tính người ta dùng một số định dạng như JPG, IMG,PCX, GIF…

2.2.4 Phân tích ảnh

Kỹ thuật lọc số

Chất lượng hình ảnh kém do rất nhiều nguyên nhân như do nhiễm điện tử củamáy thu hay chất lượng bộ số hóa kém Nhiễu ảnh số được xem như là sự dịchchuyển nhanh của tín hiệu thu nhận trên một khoảng cách ngắn Về mặt tần số,nhiễu ứng với các thành phần tần số cao trong ảnh Như vậy để xử lý nhiễu ta có thểlọc các thành phần tần số cao Việc lọc dựa vào tính dư thừa thông tin không gian,các pixel lân cận có thể có cùng hoặc gần cùng một số đặc tính Kỹ thuật lọc nàydùng một mặt nạ và di chuyển khắp ảnh gốc

Biến đổi Fourier

Biến đổi Fourier cho một tín hiệu có thể biểu diễn như sau:

Hình 2 9 : Biến đổi FourierBiến đổi Fourier thuận cho tín hiệu một chiều gồm một cặp biến đổi :

- Biến đổi Fourier thuận: chuyển sự biểu diễn từ không gian thực sang không gian tần số (phổ và pha) Các thành phần tần số này được gọi là các biểu diễn trong không gian Fourier của tín hiệu.

- Biến đổi Fourier ngược: Chuyển đổi sự biểu diễn của đối tượng từ không gian Fourier sang không gian thực

2.2.5 Biên và phương pháp phát hiện biên

Biên là vấn đề quan trọng trong trích chọn đặc điểm nhằm tiến tới hiểu ảnh.Cho đến nay chưa có định nghĩa chính xác về biên, trong mỗi ứng dụng người ta đưa

ra các độ đo khác nhau về biên, một trong các độ đo đó là độ đo về sự thay đổi độtngột về cấp xám Ví dụ: Đối với ảnh đen trắng, một điểm được gọi là điểm biên nếu

nó là điểm đen có ít nhất một điểm trắng bên cạnh Tập hợp các điểm biên tạo nênbiên hay đường bao của đối tượng Xuất phát từ cơ sở này người ta thường sử dụnghai phương pháp phát hiện biên cơ bản:

Phát hiện biên trực tiếp: Phương pháp này làm nổi biên dựa vào sự biến thiênmức xám của ảnh Kỹ thuật chủ yếu dùng để phát hiện biên ở đây là kỹ thuật lấy đạohàm Nếu lấy đạo hàm bậc nhất của ảnh ta có các kỹ thuật Gradient, nếu lấy đạohàm bậc hai của ảnh ta có kỹ thuật Laplace Ngoài ra còn có một số các tiếp cậnkhác

Phát hiện biên gián tiếp: Nếu bằng cách nào đó ta phân được ảnh thành cácvùng thì ranh giới giữa các vùng đó gọi là biên Kỹ thuật dò biên và phân vùng ảnh

là hai bài toán đối ngẫu nhau vì dò biên để thực hiện phân lớp đối tượng mà khi đãphân lớp xong nghĩa là đã phân vùng được ảnh và ngược lại, khi đã phân vùng ảnh

đã được phân lớp thành các đối tượng, do đó có thể phát hiện được biên

Phương pháp phát hiện biên trực tiếp tỏ ra khá hiệu quả và ít chịu ảnh hưởngcủa nhiễu, song nếu sự biến thiên độ sáng không đột ngột, phương pháp tỏ ra kémhiệu quả, phương pháp phát hiện biên gián tiếp tuy khó cài đặt, song lại áp dụng khátốt trong trường hợp này Sự khác biệt cơ bản giữa hai phương pháp này là: Phương

pháp phát hiện biên trực tiếp cho ta kết quả là ảnh biên, còn phương pháp phát hiệnbiên trực tiếp cho ta kết quả là đường biên.

2.3 Giới thiệu về máy tính nhúng Raspberry Pi3

Ngày 29/01/2016, Respberry Pi Foundation chính thức ra mắt Raspberry Pi 3với rất nhiều điểm cải tiến mới, đặc biệt là hỗ trợ wifi và Bluetooth sẵn trên bomạch Raspberry Pi Việt Nam cũng đã nhanh chóng bán Raspberry Pi 3 tới tayngười tiêu dùng

Tròn 4 năm về trươc, cũng ngày 29/02 đặc biệt này Raspberry Pi phiên bản đầutiên với 256MB RAM đã ra đời và sau 4 năm, chúng ta lại được chào đón một thànhviên mới có cấu hình mạnh hơn, hỗ trợ nhiều tính năng hơn

Raspberry Pi3 với CPU ARM Cortex-A53 Quadcore 1.2GHz 64-bit, RAM1GB và đặc biệt là hỗ trợ chuẩn Wifi 802.11n cùng Bluetooth 4.1 Bên cạnh đó,Raspberry Pi 3 hoàn toàn tương thích ngược với Raspberry Pi 2, vì vậy,bạn có thể sửdụng các phụ kiện như vỏ, nguồn, bàn phím, thẻ nhớ cũ mà không phải đầu tư mới

Hình 2 10 : Module Raspberry Pi 3Hơn nữa, hệ điều hành Raspbian chuyên dùng với máy tính Raspberry Pi cũngđược cập nhật lên phiên bản mới để hỗ trợ khả năng tính toán 64-bit, những nền tảngkhác ví dụ như RetroPie hay KODI bạn phải chơ cập nhật lên thì mới ứng dụngđược 64-bit

Thông tin cấu hình Raspberry Pi 3:

- Broadcom BCM2837 chipset running at 1.2 GHz

- 64-bit quad-core ARM Cortex-A53

- 802.11 b/g/n Wireless LAN

- Bluetooth 4.2 (Classic & Lơ Energy)

- Dual core Videocore IV® Multimedia co-processor

- 1 GB LPDDR2 memory

- Support all the latest ARM GNU/linux distribution and Windows 10 IoT

- Micro USB connector for 2.5 A power supply

- 1 x 10/100 Ethernet port

- 1 x HDMI video/audio connector

- 1 x RCA video/audio connector

- 4 x USB 2.0 port

- 40 GPIO pins

- Chip antenna

- DSI display connector

- Micro SD card slot

am hiểu về điện tử và lập trình Và điều làm nên hiện tượng Arduino chính là mứcgiá rất thấp và tính chất nguồn mở từ phần cứng tới phần mềm.

Arduino thực sự đã gây ra sóng gió trên thị trường người tiêu dùng DIY (lànhững người tự chế ra sản phẩm của mình) trên toàn thế giới trong vài năm gần đây,gần giống với những gì mà Apple đã làm được trên thiết bị di động Số lượng ngườitiêu dùng cực lớn và ngày càng đa dạng với trải rộng từ bậc phổ thông lên đến đạihọc và đã làm chon gay cả những người tạo ra chúng cũng phải ngạc nhiên về mức

độ phổ biến của nó

Arduino là gì??? Tại sao nó có thể khiến những sinh viên hay những nhànghiên cứu tại các trường đại học danh tiếng như MIT, Stanford, Carnegie Mellonphải dử dụng , hoặc ngay cả đến Google cũng muốn hỗ trợ khi cho ra đời bộ kitArduino Mega ADK dùng để phát triển các ứng dụng Android tương tác với cảmbiến vad các thiết bị khác.?

Arduino ra đời tại một thị trấn Ivrea thuộc nước Ý và được đặt tên theo một vịvua vào thế kỷ thứ IX là King Arduin Arduino chính thức được đưa ra giới thiệuvào năm 2005 như là một công cụ khiêm tốn dành cho các sinh viên của giáo sưMassimo Banzi, là một trong những người phát triển Arduino, tại trường InteractionDesign Instistiude Ivrea (IDII) Mặc dù hầu như không được tiếp thị gì cả, tin tức vềArduino vẫn lan truyền với tốc độ chóng mặt nhờ những lời truyền miệng tốt đẹpcủa những người dùng đầu tiên Hiện nay, Arduino nổi tiếng tới nỗi có người tìmđến thị trấn Ivrea chỉ để tham quan nơi đã sản sinh ra Arduino

Thành phần của Arduino Mega 2560

Arduino Mega 2560 là phiên bản nâng cấp của Arduino Mega hay còn gọi làArduino Mega 1280 Sự khác biệt lớn nhất của 2 phiên bản này chính là chip nhâncủa chúng

Arduino Mega 1280 được sử dụng chip xử lý ATmega 1280 với flash memory128KB, SRAM 8KB và EEPROM 4 KB

.Hình 2 11 : Module Arduino 1280

Còn đây là Arduino Mega 2560 phiên bản hiện đang được sử dụng rộng rãi vàứng dụng nhiều hơn Với chip ATmega2560 có bộ nhớ flash memory 256 KB, 8KBcho bộ nhớ SRAM, 4 KB cho bộ nhớ EEPROM Giúp cho người dùng thêm khảnăng viết những chương trình phức tạp và điều khiển các thiết bị lớn hơn như máy

in 3D, điều khiển robot

Hình 2 12 : Module Arduino 2560Một Arduino Mega 2560 bao gồm các thành phần:

- 54 chân digital (15 chân có thể được sử dụng như các chan PWM)

- 16 chân đầu vào analog

- 4 UARTs (cổng giao tiếp phần cứng)

Nó chứa tất cả mọi thức cần thiết để hỗ trợ các vi điều khiển.

Arduino Mega 2560 khác với tất cả các vi xử lý trước giờ vì không sử dụngFTDI chip điều khiển chuyển tín hiệu từ USB để xử lý Thay vào đó, nó sử dụngchip ATmega16U2 lập trình như một công cụ chuyển đổi tín hiệu từ USB Ngoài ra,Arduino Mega2560 cơ bản vẫn giống Arduino Uno R3, chỉ khác số lượng chân vànhiều tính năng mạnh mẽ hơn, nên các bạn vẫn có thể lập trình cho con vi điềukhiển này bằng chương trình lập trình cho con Arduino Uno R3

2.4.2 Camera Pi

Raspberry Pi camera là module camera do chính tổ chức Raspberry PiFoundation thiết kế và đưa vào sản xuất đại trà vào tháng 5/2013 Module camera Pi

ra đời làm thỏa mãn rất nhiều những tín đồ yêu thích Raspberry

Trước khi camera xuất hiện, điều duy nhất bạn có thể làm để để thêm khả năngnhận biết hình ảnh, nhận dạng màu sắc, quay phim chụp hình cho RPi chính là trang

bị cho mình thêm một Webcam cắm vào cổng USB Với các webcam Logitech cótích hợp sãn định dạng xuất mjpeg sẽ giúp cho Raspberry xử lý nhanh hơn Nhưngcác webcam của Logitech có giá khá cao, nhất là các webcam có độ phân giải lớn.Raspberry Pi Camera thế hệ thứ nhất được tích hợp camera 5 megapixel có độnhạy sáng cao, có thể chụp tốt trong nhiều điều kiện sáng khác nhau, kể cả trong nhàhay ngoài trời Điểm đặc biệt là camera mang lại đó chính là chụp hình độ nét caotrong lúc đang quay phim

Tháng 4/2016, Raspberry Pi Foundation chính thức ra mắt thế hệ thứ 2 của sảnphẩm Module Camera với nâng cấp đáng kể nhất là sử dụng sensor SONY IMX2198megapixel.

Hình 2 13 : Module Raspberry Pi CameraVới Module Camera Pi bạn sẽ không tốn thêm bất kỳ cổng USB nào nữa đểkết nối với camera bởi vì Module Camera Pi được gắn chắc chắn vào socket CSI.Điều này giúp bạn hạn chế tình trạng nghẽn băng thông cho chip xử lý USB gắn trênmạch Raspberry Chiều dài cáp nối camera được tính toán cẩn thận, sao cho vừa đạtđược độ dài cần thiết trong khi vừa đảm bảo được tốc độ truyền hình ảnh từ module

về Raspberry Pi

Ứng dụng:

Bạn có thể sử dụng module này và Raspberry Pi để thiết lập mô hình phát hiệnchuyển động mô hình này hoạt động bằng cách sử dụng hình ảnh từ camera kết hợpvới những chương trình motion xử lý hình ảnh và đưa ra các lện điều khiển nếu pháthiện chuyển động

Camera cũng cực kỳ hữu ích với các bạn yêu thích làm phim, bạn có thể sửdụng camera để quay những góc quay khó hoặc những cảnh quay độc mà chỉ vớimáy quay gọn nhẹ nhất mới làm được Ngoài ra, bạn cũng có thể dùng nó để quay

các đoạn phim time-lapse (ghép hình lại với nhau) đạng được nhiều bạn trẻ thựchiện.

2.4.3 Động cơ bước

Động cơ bước là động cơ không quay theo cơ chế thông thường, chúng quaytheo từng bước nên có độ chính xác rất cao về mặt điều khiển chúng làm việc nhờcác bộ chuyển mạch điện tử đưa các tính hiệu điều khiển vào Stato theo thứ tự vàmột tần số nhất định Tổng số góc quay của Roto tương ứng với số lần chuyểnmạch, cũng như chiều quay và tốc độ quay của Roto phụ thuộc vào thứ tự chuyểnđổi và tần số chuyển đổi

Trong điều khiển chuyển động kỹ thuật số, động cơ bước là một cơ cấu chấphành đặc biệt hữu hiệu bởi nó có thể thực hiện trung thành các lệnh được đưa radưới dạng số

Động cơ bước được ứng dụng nhiều trong ngành tự động hóa, chúng được ứngdụng trong các thiết bị cần điều khiển chính xác

Hình 2 14 : Module động cơ bước

Ví dụ: điều khiển Robot, điều khiển tiêu cự trong các hệ quang học, điều khiểnđịnh vị trong các hệ quan trắc, điều khiển bắt, bám mục tiêu trong các khí tài quan