(Đồ án tốt nghiệp) thiết kế và thi cônghệ thống phân loại trái cây dùng mạng neural

BỘ GIÁO DỤC VÀ ĐÀO TẠO TRƯỜNG ĐẠI HỌC SƯ PHẠM KỸ THUẬT THÀNH PHỐ HỒ CHÍ MINH ĐỒ ÁN TỐT NGHIỆP NGÀNH CÔNG NGHỆ KỸ THUẬT ĐIỆN TỬ TRUYỀN THÔNG THIẾT KẾ VÀ THI CÔNG HỆ THỐNG PHÂN LOẠI TRÁI CÂY DÙNG MẠNG NEURAL GVHD: NGUYỄN THANH HẢI SVTH: NGUYỄN ĐỨC HÒA MSSV: 14141116 SVTH: NGUYỄN NGỌC PHÁT MSSV: 14141226 SKL007367 Tp Hồ Chí Minh, tháng 08/2020 BỘ GIÁO DỤC & ĐÀO TẠO TRƯỜNG ĐẠI HỌC SƯ PHẠM KỸ THUẬT TP HỒ CHÍ MINH KHOA ĐIỆN – ĐIỆN TỬ BỘ MÔN ĐIỆN TỬ CÔNG NGHIỆP – Y SINH - ĐỒ ÁN TỐT NGHIỆP NGÀNH CÔNG NGHỆ KỸ THUẬT ĐIỆN TỬ TRUYỀN THÔNG ĐỀ TÀI: THIẾT KẾ VÀ THI CÔNG HỆ THỐNG PHÂN LOẠI TRÁI CÂY DÙNG MẠNG NEURAL GVHD: PGS.TS Nguyễn Thanh Hải SVTH1: Nguyễn Đức Hòa MSSV: 14141116 SVTH2: Nguyễn Ngọc Phát MSSV: 14141226 Tp Hồ Chí Minh – 8/2020 BỘ GIÁO DỤC & ĐÀO TẠO TRƯỜNG ĐẠI HỌC SƯ PHẠM KỸ THUẬT TP HỒ CHÍ MINH KHOA ĐIỆN – ĐIỆN TỬ BỘ MÔN ĐIỆN TỬ CÔNG NGHIỆP – Y SINH - ĐỒ ÁN TỐT NGHIỆP NGÀNH KỸ THUẬT ĐIỆN TỬ TRUYỀN THÔNG ĐỀ TÀI: THIẾT KẾ VÀ THI CÔNG HỆ THỐNG PHÂN LOẠI TRÁI CÂY DÙNG MẠNG NEURAL GVHD: PGS.TS Nguyễn Thanh Hải SVTH1: Nguyễn Đức Hòa MSSV: 14141116 SVTH2: Nguyễn Ngọc Phát MSSV: 14141226 Tp Hồ Chí Minh – 8/2020 NHIỆM VỤ ĐỒ ÁN TỐT NGHIỆP Họ tên sinh viên: Chuyên ngành: Hệ đào tạo: Khóa: I TÊN ĐỀ TÀI: THIẾT KẾ VÀ THI CÔNG HỆ THỐNG PHÂN LOẠI TRÁI CÂY DÙNG MẠNG NEURAL AI NHIỆM VỤ Các số liệu ban đầu: - Sử dụng Arduino Uno R3 để thực điều khiển làm xử lý trung tâm - Sử dụng PC lập trình, xử lý ảnh, làm giao diện điều khiển - Sử dụng Camera Webcam Logitech C270p để thu nhận ảnh - Huấn luyện phân loại loại trái - Mơ hình dây chuyền phân loại trái Nội dung thực hiện: - Đọc tài liệu, thu thập thông tin làm sở - Thu thập liệu trái - Xử lý ảnh - Nhận dạng mạng nơ ron, mạng nhân tạo mạng tích chập - Thiết kế thi cơng mơ hình dây chuyền - Chạy thử, kiểm tra, hiệu chỉnh - Hồn thiện mơ hình gồm máy tính, Arduino, băng chuyền, camera, ngoại vi - Đánh giá chất lượng - Viết báo cáo III NGÀY GIAO NHIỆM VỤ: 13/03/2020 IV NGÀY HOÀN THÀNH NHIỆM VỤ: 03/08/2020 V HỌ VÀ TÊN CÁN BỘ HƯỚNG DẪN: PGS.TS Nguyễn Thanh Hải CÁN BỘ HƯỚNG DẪN BM ĐIỆN TỬ CÔNG NGHIỆP – Y SINH ii TRƯỜNG ĐH SPKT TP HỒ CHÍ MINH CỘNG HÒA XÃ HỘI CHỦ NGHĨA VIỆT NAM KHOA ĐIỆN-ĐIỆN TỬ Tp HCM, ngày 04 tháng 08 năm 2020 LỊCH TRÌNH THỰC HIỆN ĐỒ ÁN TỐT NGHIỆP Họ tên sinh viên 1: Nguyễn Đức Hòa Lớp: 14141DT3B Họ tên sinh viên 2: Nguyễn Ngọc Phát Lớp: 14141DT2A Tên đề tài: Thiết kế thi công hệ thống phân loại trái dùng mạng neural Tuần/ngày Tuần (13/3 – 18/3) Tuần (18/3 – 25/3) Tuần (25/3 – 1/4) Tuần (1/4 – 8/4) Tuần (8/4 – 15/4) Tuần (15/4 – 22/4) Tuần (22/4 – 29/4) Tuần (29/4 – 6/5) Tuần (6/5 – 13/5) Tuần 10 (13/5 – 20/5) Tuần 11 (20/5 – 27/5) Tuần 12 (27/5 – 3/6) Tuần 13 (3/6 – 10/6) Tuần 14 (10/6 – 17/6) Tuần 15 (17/6 – 24/6) Tuần 16 (24/6 – 1/7) Tuần 17 (1/7 – 8/7) Tuần 18 (8/7 – 15/7) Tuần 19 (15/7 – 22/7) Tuần 20 (22/7 – 29/7) Tuần 21 (29/7 – 3/8) iv LỜI CAM ĐOAN Đề tài tự thực dựa vào số tài liệu trước khơng chép từ tài liệu hay cơng trình có trước Người thực đề tài Nguyễn Đức Hòa Nguyễn Ngọc Phát v LỜI CẢM ƠN Em xin gởi lời cảm ơn sâu sắc đến Thầy Nguyễn Thanh Hải – giảng viên môn Điện tử cơng nghiệp – y sinh tận tình hướng dẫn cho chúng em để thực đề tài tốt nghiệp Em chân thành cảm ơn Thầy Ngô Bá Việt - Giảng viên môn Điện tử công nghiệp – y sinh góp ý chia sẻ nhiều kinh nghiệm quý báu cho em cải thiện đề tài tốt Em xin gởi lời chân thành cảm ơn thầy cô Khoa Điện-Điện Tử truyền đạt kiến thức bổ ích cho chúng em để làm sở cho việc thực đề tài tốt nghiệp Em xin gửi lời đồng cảm ơn với bạn bè lớp giúp đỡ, có góp ý bổ ích cho việc thực đề tài Xin chân thành cảm ơn! Người thực đề tài Nguyễn Đức Hòa Nguyễn Ngọc Phát vi Thiết kế thi công hệ thống phân loại trái dùng mạng Neural % eventdata reserved - to be defined in a future version of MATLAB % handles structure with handles and user data (see GUIDATA) % Get default command line output from handles structure varargout{1} = handles.output; % - Executes on button press in pushbutton1 function pushbutton2_Callback(hObject, eventdata, handles) % hObject handle to pushbutton4 (see GCBO) % eventdata reserved - to be defined in a future version of MATLAB % handles structure with handles and user data (see GUIDATA) huanluyen; function pushbutton4_Callback(hObject, eventdata, handles) % hObject handle to pushbutton4 (see GCBO) % eventdata reserved - to be defined in a future version of MATLAB % handles structure with handles and user data (see GUIDATA) % clear ar; global hoa; hoa = '1'; % set(handles.pushbutton4,'userdata',0); %%stop % writeDigitalPin(ar, 'D11', 0); function pushbutton1_Callback(hObject, eventdata, handles) % hObject handle to pushbutton1 (see GCBO) % eventdata reserved - to be defined in a future version of MATLAB % handles structure with handles and user data (see GUIDATA) % global dem % logical(dem) = 1; % if get(handles.pushbutton1,'userdata')== %% nhan nut stop tren chuong trinh % x =~ logical(dem); % else % x = logical(dem); % end % if x == % test1; % else % dung; % end % global kq; BỘ MÔN ĐIỆN TỬ CÔNG NGHIỆP – Y SINH 48 Thiết kế thi công hệ thống phân loại trái dùng mạng Neural % % % % % % % % % global DEM; global kq; DEM=0; % set(handles.DEMTO,'string',' '); test1; global ar; global g1; global g2; global kq; global demc; global demt; global demch; global dung; dung = 0; demch=0; demt=0; demc=0; global hoa; hoa = '0'; clear ar; ar=arduino('COM7', 'uno'); writeDigitalPin(ar, 'D3', 0); writeDigitalPin(ar, 'D4', 0); writeDigitalPin(ar, 'D8', 0); % % % if dung ==1 writeDigitalPin(ar, 'D11', 0); elseif dung == writeDigitalPin(ar, 'D11', 1); % end for k=1:1000 %khai bao arduino clear cam; cam = webcam('Logitech HD Webcam C270'); cam.BacklightCompensation=1; cam.Brightness=100; if hoa == '1' %% nhan nut stop tren chuong trin writeDigitalPin(ar,'D11',0); break; BỘ MÔN ĐIỆN TỬ CÔNG NGHIỆP – Y SINH 49 Thiết kế thi công hệ thống phân loại trái dùng mạng Neural else for l=1:1000000000 hinh=snapshot(cam); imwrite(hinh,'C:\Users\ACER\Pictures\11.jpg'); anhthu=imread('C:\Users\ACER\Pictures\11.jpg'); imshow(anhthu); a= imresize(anhthu, [75 100]); d=rgb2gray(a); c= zeros(75,100); mtb = zeros(75,100); for u=1:75 for y=1:100 if (u < 10) || (u > 60) d(u,:) = 0; elseif (y < 15) ||(y>85) d(:,y) = 0; end end end kt=7500; for i=1:75 for j=1:100 if (d(i,j) < 64) c(i,j) = 0; kt = kt - 1; mtb(i,j) = 0; else c(i,j) = 1; mtb(i,j) = d(i,j); end end end %%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%% load('mangnoron'); %%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%% if (mtb(36,50) ~= 0) ||(mtb(18,50) ~= 0)||(mtb(54,50) ~= 0) ||(mtb(9,50) ~= 0) ||(mtb(63,50) ~= 0) % if mtb(:,64) ~= BỘ MÔN ĐIỆN TỬ CÔNG NGHIỆP – Y SINH 50 Thiết kế thi công hệ thống phân loại trái dùng mạng Neural tong= sum(sum(mtb)); tb = tong/kt; cv21 = [tb;kt]; %so sanh voi mang no ron out=sim(net,cv21); if (out(1,1)> out(3,1) && out(1,1)> out(5,1)) text(10,90,' ca chua ','FontSize',14,'color',[0 0]); kq='1'; demc=demc+1; set(handles.DEMTO,'string',demc); elseif (out(3,1)> out(5,1) && out(3,1)> out(1,1)) text(10,90,' tao ','FontSize',14,'color',[0 0]); kq='2'; demt=demt+1; set(handles.DEMAP,'string',demt); else text(10,90,' chuoi ','FontSize',14,'color',[0 0]); kq='3'; demch=demch+1; set(handles.DEMBA,'string',demch); else text(10,90,' khong co du lieu','FontSize',14,'color',[0 0]); % kq='4'; % demt=demt+1; % set(handles.DEMAP,'string',demt); end % % g1 = servo(ar,'D10'); writePosition(g1, 1); g2 = servo(ar,'D9'); writePosition(g2, 0); %dieu khien servo if kq == '1' writePosition(g1, 0.4); writeDigitalPin(ar, 'D3', 1); pause(5); writePosition(g1, 1); writeDigitalPin(ar, 'D3', 0); elseif kq == '2' writePosition(g2, 0.6); BỘ MÔN ĐIỆN TỬ CÔNG NGHIỆP – Y SINH 51 Thiết kế thi công hệ thống phân loại trái dùng mạng Neural writeDigitalPin(ar, 'D4', 1); pause(5); writePosition(g2, 0); writeDigitalPin(ar, 'D4', 0); else writeDigitalPin(ar, 'D8', 1); pause(5); writeDigitalPin(ar, 'D8', 0); end clear g1; clear g2; clear kq; break; end if hoa == '1' set(handles.DEMTO,'string','0'); set(handles.DEMAP,'string','0'); set(handles.DEMBA,'string','0'); break; end end end end function TO_Callback(hObject, eventdata, handles) % hObject handle to TO (see GCBO) % eventdata reserved - to be defined in a future version of MATLAB % handles structure with handles and user data (see GUIDATA) % Hint: get(hObject,'Value') returns toggle state of TO % - Executes on button press in checkbox2 Code chương huấn luyện dùng mạng CNN % • CLEARING COMMAND WINDOW, WORKSPACE AND CLOSE ALL FIGURES •••••••••••••••••••••••••••••••••••••••••••••• clc; clear all; • PROMPT USER FOR IMAGE INFORMATION BEFORE STARTING MAIN CODE ••••••••••••••••••••••••••••••••••••••••••• % BỘ MÔN ĐIỆN TỬ CÔNG NGHIỆP – Y SINH Thiết kế thi công hệ thống phân loại trái dùng mạng Neural input = questdlg('How you want to locate your image folder?', |input char| 'Options to Locate Image Folder', 'Insert a link','Browse for it','Browse for it'); switch input case {'Insert a link'} prompt = {'Link to Image Folder:'}; dlgtitle = 'Input'; dims = [1 35]; PtMIF = {'D:\PathToFolder\FolderName'}; %Path to Main Image Folder % answer = inputdlg(prompt,dlgtitle,dims,PtMIF); case {'Browse for it'} PtMIF = uigetdir('D:\'); %Path to Main Image Folder case quit cancel; end input = questdlg('Are you using COLOUR or GRAYSCALE images?', |input char| 'Define Images Channel Number or 3', 'Colour','Grayscale','Grayscale'); switch input case {'Grayscale'} IIL.NoC = 1; %Number of Channels (NoC) of Image Input Layer (IIL) for Grayscale Image case {'Colour'} IIL.NoC Channels (NoC) of Image Input Layer (IIL) for Colour Image end prompt dlgtitle dims default Classify cell IIL.ImS(1) Layer (IIL) BỘ MÔN ĐIỆN TỬ CÔNG NGHIỆP – Y SINH 53 Thiết kế thi công hệ thống phân loại trái dùng mạng Neural IIL.ImS(2) Input Layer (IIL) prompt dlgtitle dims default Classify cell NoIC (3) NoIS (30) ToIFE samples?', • COUNT NUMBER OF JPG IMAGES IN SUBFOLDERS •••••••••••••••••••••••••••••••••••••••••••••••••••••••••••• %VAR%VALUE %DESCRIPTION %UNIT %TYPE1 %TYPE2 % imds = imageDatastore(PtMIF,'IncludeSubfolders',true,'LabelSource','fol dernames'); %gan thu muc PtMIF cho imds S NoSF of subfolders for i = 1:numel(NoSF) T(i,:) by specifying end NoITS Images for Training numTrainingFiles = 0.7; [imdsTrainx,imdsTestx] = splitEachLabel(imds,numTrainingFiles,'randomize'); %chia ti le giua file test va file train 7:3 BỘ MÔN ĐIỆN TỬ CÔNG NGHIỆP – Y SINH Thiết kế thi công hệ thống phân loại trái dùng mạng Neural %% Resize Images inputSize=[IIL.ImS(1) IIL.ImS(2) 3]; %kich thuoc ngo vao la cac so da nhap o tren va la anh rgb imdsTrain=augmentedImageDatastore(inputSize, imdsTrainx); imdsTest=augmentedImageDatastore(inputSize, imdsTestx); % • DEFINE THE CONVOLUTIONAL NEURAL NETWORK ARCHITECTURE ••••••••••••••••••••••••••••••••••••••••••••••••• %VAR%VALUE %DESCRIPTION %UNIT %TYPE1 %TYPE2 inputSize=[IIL.ImS(1) IIL.ImS(2) 3]; layers = [ imageInputLayer([IIL.ImS(1) IIL.ImS(2) IIL.NoC]) %An image input layer inputs 2-D images to a network and applies data normalization convolution2dLayer(3,32,'Padding','same') reluLayer maxPooling2dLayer(2,'Stride',2) %%layer thu nhat convolution2dLayer(3,64,'Padding','same') reluLayer maxPooling2dLayer(2,'Stride',2) %%layer thu convolution2dLayer(3,128,'Padding','same') reluLayer maxPooling2dLayer(2,'Stride',2) %%layer thu fullyConnectedLayer(numel(NoSF)) softmaxLayer classificationLayer]; options = trainingOptions('sgdm', 'MaxEpochs',15, 'InitialLearnRate',1e-4, 'ValidationData',imdsTest, 'ValidationFrequency',10, 'Verbose',false, 'Plots','training-progress'); %% net = trainNetwork(imdsTrain,layers,options); %huan luyen mang noron save mangtichchap net; Code chương trình nhận diện dùng mạng CNN function varargout = Mangtichchap(varargin) % MANGTICHCHAP MATLAB code for Mangtichchap.fig BỘ MÔN ĐIỆN TỬ CÔNG NGHIỆP – Y SINH 55 Thiết kế thi công hệ thống phân loại trái dùng mạng Neural % MANGTICHCHAP, by itself, creates a new MANGTICHCHAP or raises the existing % singleton* % % H = MANGTICHCHAP returns the handle to a new MANGTICHCHAP or the handle to % the existing singleton* % % MANGTICHCHAP('CALLBACK',hObject,eventData,handles, ) calls the local % function named CALLBACK in MANGTICHCHAP.M with the given input arguments % % MANGTICHCHAP('Property','Value', ) creates a new MANGTICHCHAP or raises the % existing singleton* Starting from the left, property value pairs are % applied to the GUI before Mangtichchap_OpeningFcn gets called An % unrecognized property name or invalid value makes property application % stop All inputs are passed to Mangtichchap_OpeningFcn via varargin % % *See GUI Options on GUIDE's Tools menu Choose "GUI allows only one % instance to run (singleton)" % % See also: GUIDE, GUIDATA, GUIHANDLES % Edit the above text to modify the response to help Mangtichchap % Last Modified by GUIDE v2.5 28-Jul-2020 18:09:14 % Begin initialization code - DO NOT EDIT gui_Singleton = 1; gui_State = struct('gui_Name', 'gui_Singleton', 'gui_OpeningFcn', 'gui_OutputFcn', 'gui_LayoutFcn', BỘ MÔN ĐIỆN TỬ CÔNG NGHIỆP – Y SINH mfilename, gui_Singleton, @Mangtichchap_OpeningFcn, @Mangtichchap_OutputFcn, [] , 56 Thiết kế thi công hệ thống phân loại trái dùng mạng Neural 'gui_Callback', []); if nargin && ischar(varargin{1}) gui_State.gui_Callback = str2func(varargin{1}); end if nargout [varargout{1:nargout}] = gui_mainfcn(gui_State, varargin{:}); else gui_mainfcn(gui_State, varargin{:}); end % End initialization code - DO NOT EDIT % - Executes just before Mangtichchap is made visible function Mangtichchap_OpeningFcn(hObject, eventdata, handles, varargin) % This function has no output args, see OutputFcn % hObject handle to figure % eventdata reserved - to be defined in a future version of MATLAB % handles structure with handles and user data (see GUIDATA) % varargin command line arguments to Mangtichchap (see VARARGIN) % Choose default command line output for Mangtichchap handles.output = hObject; % Update handles structure guidata(hObject, handles); % UIWAIT makes Mangtichchap wait for user response (see UIRESUME) % uiwait(handles.figure1); LOGO= 'logo.jpg'; LOGO= imread(LOGO); axes(handles.LOGO); imshow(LOGO); %%%%%%%%%%%%% TOMATO = 'tomato.jpg'; TOMATO = imread(TOMATO); axes(handles.TOMATO); imshow(TOMATO); BỘ MÔN ĐIỆN TỬ CÔNG NGHIỆP – Y SINH 57 Thiết kế thi công hệ thống phân loại trái dùng mạng Neural %%%%%%%%%%%%% APPLE = 'apple.jpg'; APPLE= imread(APPLE); axes(handles.APPLE); imshow(APPLE); %%%%%%%%%%%%%% BANANA = 'banana.jpg'; BANANA = imread(BANANA); axes(handles.BANANA); imshow(BANANA); %%%%%%%%%%%%%%% cam = webcam('Logitech HD Webcam C270'); cam.BacklightCompensation=1; cam.Brightness=100; hinh=snapshot(cam); axes(handles.CAMERA); imshow(hinh); % - Outputs from this function are returned to the command line function varargout = Mangtichchap_OutputFcn(hObject, eventdata, handles) % varargout cell array for returning output args (see VARARGOUT); % hObject handle to figure % eventdata reserved - to be defined in a future version of MATLAB % handles structure with handles and user data (see GUIDATA) % Get default command line output from handles structure varargout{1} = handles.output; % - Executes on button press in pushbutton9 function pushbutton9_Callback(hObject, eventdata, handles) % hObject handle to pushbutton9 (see GCBO) % eventdata reserved - to be defined in a future version of MATLAB % handles structure with handles and user data (see GUIDATA) global hoa; hoa = '1'; % - Executes on button press in pushbutton8 function pushbutton8_Callback(hObject, eventdata, handles) % hObject handle to pushbutton8 (see GCBO) BỘ MÔN ĐIỆN TỬ CÔNG NGHIỆP – Y SINH 58 Thiết kế thi công hệ thống phân loại trái dùng mạng Neural % eventdata reserved - to be defined in a future version of MATLAB % handles training; % - Executes on button press in pushbutton7 function pushbutton7_Callback(hObject, eventdata, % hObject % eventdata reserved - to be defined in a future version of MATLAB % handles structure with handles and user data (see GUIDATA) global kq; global demc; global demt; global demch; global dung; dung = 0; demch=0; demt=0; demc=0; global hoa; hoa = '0'; clear ar; ar=arduino('COM7', 'uno'); writeDigitalPin(ar, 'D3', 0); writeDigitalPin(ar, 'D4', 0); writeDigitalPin(ar, 'D8', 0); writeDigitalPin(ar, 'D11', 1); for k=1:1000000 %khai bao arduino clear cam; cam = webcam('Logitech HD Webcam C270'); cam.BacklightCompensation=1; cam.Brightness=100; if hoa == '1' writeDigitalPin(ar,'D11',0); break; else for l=1:1000000000 hinh=snapshot(cam); imwrite(hinh,'C:\Users\ACER\Pictures\11.jpg'); anhthu=imread('C:\Users\ACER\Pictures\11.jpg'); BỘ MÔN ĐIỆN TỬ CÔNG NGHIỆP – Y SINH 59 Thiết kế thi công hệ thống phân loại trái dùng mạng Neural imshow(anhthu); %%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%% load('mangtichchap'); b = imread('C:\Users\ACER\Pictures\11.jpg'); ModImg = imresize(b,[50 50]); %Resize image to IIL imwrite(ModImg,'C:\Users\ACER\Pictures\12.jpg'); a = rgb2gray(ModImg); if a(25,25) > 64 imwrite(ModImg,'C:\Users\ACER\Pictures\12.jpg'); imdsTestx = imread('C:\Users\ACER\Pictures\12.jpg'); %% Nhan dien trai cay YPred = classify(net,imdsTestx); YPred = string(YPred); clc; if YPred == "s1" text(10,90,' ca chua ','FontSize',14,'color',[0 0]); kq='1'; demc=demc+1; set(handles.DEMTO,'string',demc); elseif YPred == "s2" text(10,90,' tao ','FontSize',14,'color',[0 0]); kq='2'; demt=demt+1; set(handles.DEMAP,'string',demt); elseif YPred == "s3" text(10,90,' chuoi ','FontSize',14,'color',[0 0]); kq='3'; demch=demch+1; set(handles.DEMBA,'string',demch); else text(10,90,' khong co du lieu ','FontSize',14,'color',[0 0]); end % Dieu khien servo g1 = servo(ar,'D10'); writePosition(g1, 1); g2 = servo(ar,'D9'); writePosition(g2, 0); %dieu khien servo if kq == '1' writePosition(g1, 0.4); writeDigitalPin(ar, 'D3', 1); pause(5); BỘ MÔN ĐIỆN TỬ CÔNG NGHIỆP – Y SINH 60 Thiết kế thi công hệ thống phân loại trái dùng mạng Neural writePosition(g1, 1); writeDigitalPin(ar, 'D3', elseif kq == '2' writePosition(g2, 0.6); writeDigitalPin(ar, 'D4', pause(5); writePosition(g2, 0); writeDigitalPin(ar, 'D4', else writeDigitalPin(ar, 'D8', pause(5); writeDigitalPin(ar, 'D8', end 0); 1); 0); 1); 0); clear g1; clear g2; clear kq; break; end if hoa == '1' set(handles.DEMTO,'string','0'); set(handles.DEMAP,'string','0'); set(handles.DEMBA,'string','0'); break; end end end end BỘ MÔN ĐIỆN TỬ CÔNG NGHIỆP – Y SINH 61 ... tài ? ?Thi? ??t kế thi công hệ thống phân loại trái dùng mạng neural? ?? mơ hình sử dụng thuật toán xử lý ảnh mạng neural để phân loại loại trái theo phương pháp dùng mạng nhân tạo mạng tích chập Ở dùng. .. điều thi? ??t bị cảm biến, thuật toán hỗ trợ đời Trong số tốn ? ?phân loại trái cây? ?? đề tài đáng ta tìm hiểu Để tài ? ?Thi? ??t kế và thi công hệ thống phân loại trái dùng mạng Neural ” với mục tiêu phân loại. .. trình thi cơng hệ thống Với để tài ? ?Thi? ??t kế thi công hệ thống phân loại trái dùng mạng Neural? ?? bao gồm: giao diện điều khiển mơ hình hệ thống Đề tài phân loại loại trái khác đếm số lượng trái loại