a) Băng tải có encoder:
Băng tải được sử dụng trong đồ án là băng tải do nhóm thiết kế và lắp ráp, có chiều dài là 62cm, chiều rộng là 18cm và chiều cao là 15cm, cấu tạo gồm:
- Động cơ: động cơ 1 chiều hộp giảm tốc vuông góc, dùng để truyền động cho băng tải.
- Tang chủ động: được truyền đông từ động cơ bằng puli dây đai răng (hệ băng tải thực tế thường dùng xích)
- Tang bị động: được kéo bởi băng tải, nếu băng tải đủ căng thì tốc độ tang bị động tỷ lệ (bằng khi khi cung đường kính). Nếu băng tải không đủ căng hoặc chất lượng kém thì có hiện tượng trượt và tốc độ tang bị động nhỏ hơn tang chủ động.
- Encoder: được nối với tang bị động để đo tốc độ, vị trí băng tải.
Hình 4.5 : Băng tải sử dụng trong đồ án
Encoder dùng trong băng tải là E6B2-CWZ5B của OMRON được thể hiện dưới hình 4.11.
Thông số Encoder:
- Số xung: 600xung/vòng - Nguồn: 12-24VDC - Xung: A, B, Z
- Kiểu đầu ra: NPN hở collector.
Sơ đồ tổng quan ghép nối encoder với đầu vào highspeed counter như hình. Trên panel PLC thiết kế cho phép ghép nối nguồn và tín hiệu cho 1 encoder 2 xung A, B.
Hình 4.7 : Sơ đồ ghép nối encorder b) Cảm biến tiệm cận E3F-DS10C4
Cảm biến tiệm cận được gắn trên băng tải được dùng để phát hiện vật, phát tín hiệu để bộ đếm xung tốc độ cao RD62P2 bắt đầu đếm xung mà encoder phát ra và khi vật được quét hoàn toàn thì cảm biến phát tín hiệu dừng đếm xung.
Hình 4.8 : Cảm biến tiệm cận
Thông số kỹ thuật cơ bản của cảm biến: - Nguồn điện cung cấp: 6 - 36 VDC - Khoảng cách phát hiện: 5 - 30cm - Dòng kích ngõ ra: 300mA
- Ngõ ra dạng NPN cực thu hở giúp tùy biến được điện áp ngõ ra - Kích thước: 1.8cm x 7.0cm
Hình 4.9 : Bố trí cảm biến tiệm cận trên băng tải
4.3 Mô hình phân loại sản phẩm
CHƯƠNG 5. CHƯƠNG TRÌNH XỬ LÝ ẢNH
5.1 Đặt vấn đề
Công nghiệp phải ngày càng chính xác và nhanh chóng để đáp ứng được xu thế hiện đại hóa. Các ngành công nghiệp đóng gói, dược phẩm cũng như trong lĩnh vực điện, điện tử là những ngành đòi hỏi sự chính xác trong kiểm tra đầu ra, và để thay thế con người trong việc kiểm tra thành phẩm với một tốc độ và sự chính xác cao, công nghệ xử lý ảnh ra đời và không ngừng phát triển để ngày càng hoàn thiện hơn.
Tùy vào từng ứng dụng cụ thể mà chúng ta sẽ có những hệ thống xử lý ảnh khác nhau. Một số ví dụ cho thấy xử lý ảnh được ứng dụng trong công nghiệp:
- Trong công nghiệp đóng gói, người ta sử dụng hệ thống xử lý ảnh để kiểm tra xem các sản phẩm đã được dán nhãn chưa hoặc kiểm tra nhãn hiệu bao bì có đúng với thành phần chuẩn bị được đóng gói không.
- Trong công nghiệp dược phẩm, áp dụng hệ thống xử lý ảnh để kiểm tra số lượng viên thuốc có trong vỉ thuốc.
- Trong lĩnh vực điện, điện tử xử lý ảnh dùng để phát hiện sự thiếu sót các mối hàn sau khi hàn các chân linh kiện vào board mạch.
- Ở phạm vi đồ án này sẽ giới thiệu phương pháp phân loại sản phẩm dựa trên kích thước của vật. Yêu cầu đặt ra như sau:
- Sử dụng camera chuyển động gắn trên trục Y của tay máy để chụp ảnh và nhận dạng sản phẩm.
- Xử lý ảnh sau khi chụp để xác định tâm, góc lệch so với phương ngang và kích thước của ảnh trên vật.
- Gửi tín hiệu sau khi xử lý ảnh (tâm, tọa độ, góc lệch) xuống PLC để điều khiển tay máy gắp vật cần phân loại.
5.2 Tổng quan về xử lý ảnh
Xử lý ảnh (XLA) là đối tượng nghiên cứu của lĩnh vực thị giác máy, là quá trình biến đổi từ một ảnh ban đầu sang một ảnh mới với các đặc tính và tuân theo ý muốn của người sử dụng. Xử lý ảnh có thể gồm quá trình phân tích, phân lớp các đối tqợng, làm tăng chất lượng, phân đoạn và tách cạnh, gán nhãn cho vùng hay quá trình biên dịch các thông tin hình ảnh của ảnh.
Cũng như xử lý dữ liệu bằng đồ hoạ, xử lý ảnh số là một lĩnh vực của tin học ứng dụng. Xử lý dữ liệu bằng đồ họa đề cập đến những ảnh nhân tạo, các ảnh này được xem xét như là một cấu trúc dữ liệu và được tạo bởi các chương trình. Xử lý ảnh số bao gồm các phương pháp và kỹ thuật biến đổi, để truyền tải hoặc mã hoá các ảnh tự nhiên. Mục đích của xử lý ảnh gồm:
• Biến đổi ảnh làm tăng chất lượng ảnh.
• Tự động nhận dạng ảnh, đoán nhận ảnh, đánh giá các nội dung của ảnh.
Nhận biết và đánh giá các nội dung của ảnh là sự phân tích một hình ảnh thành những phần có ý nghĩa để phân biệt đối tượng này với đối tqợng khác, dựa vào đó ta có thể mô tả cấu trúc của hình ảnh ban đầu. Có thể liệt kê một số phương pháp nhận dạng cơ bản như nhận dạng ảnh của các đối tượng trên ảnh, tách cạnh, phân đoạn hình ảnh,... Kỹ thuật này đqợc dùng nhiều trong y học (xử lý tế bào, nhiễm sắc thể), nhận dạng chữ trong văn bản
5.2.1 Quy trình xử lý ảnh
Hình 5.1 : Các bước xử lý ảnh
Thu nhận ảnh: Đây là công đoạn đầu tiên mang tính quyết định đối với quá trình XLA. Ảnh đầu vào sẽ được thu nhận qua các thiết bị như camera, sensor, máy scanner,v.v. 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 thiết bị
Tiền xử lý: Ở bước này, ảnh sẽ được cải thiện về độ tương phản, khử nhiễu, khử bóng, khử độ lệch,v.v. với mục đích làm cho chất lượng ảnh trở lên tốt hơn nữa, chuẩn bị cho các bước xử lý phức tạp hơn về sau trong quá trình XLA. Quá trình này thường được thực hiện bởi các bộ lọc.
Phân đoạn ảnh: phân đoạn ảnh là bước then chốt trong XLA. Giai đoạn này phân tích ảnh thành những thành phần có cùng tính chất nào đó dựa theo 39
biên hay các vùng liên thông. Tiêu chuẩn để xác định các vùng liên thông có thể là cùng màu, cùng mức xám v.v... Mục đích của phân đoạn ảnh là để có một miêu tả tổng hợp về nhiều phần tử khác nhau cấu tạo lên ảnh thô.
Tách các đặc tính: Kết quả của bước phân đoạn ảnh thường được cho dưới dạng dữ liệu điểm ảnh thô, trong đó hàm chứa biên của một vùng ảnh, hoặc tập hợp tất cả các điểm ảnh thuộc về chính vùng ảnh đó. Trong cả hai trường hợp, sự chuyển đổi dữ liệu thô này thành một dạng thích hợp hơn cho việc xử lý trong máy tính là rất cần thiết. Đe chuyển đổi chúng, câu hỏi đầu tiên cần phải trả lời là nên biểu diễn một vùng ảnh dqới dạng biên hay dqới dạng một vùng hoàn chỉnh gồm tất cả những điểm ảnh thuộc về nó. Biểu diễn dạng biên cho một vùng phù hợp với những ứng dụng chỉ quan tâm chủ yếu đến các đặc trong hình dạng bên ngoài của đối tượng. Chúng ta còn phải đưa ra một phương pháp mô tả dữ liệu đã được chuyển đổi đó sao cho những tính chất cần quan tâm đến sẽ được làm nổi bật lên, thuận tiện cho việc xử lý chúng.
Nhận dạng và giải thích: Đây là bước cuối cùng trong quá trình XLA. Nhận dạng ảnh có thể đqợc nhìn nhận một cách đơn giản là việc gán nhãn cho các đối tqợng trong ảnh. Ví dụ đối với nhận dạng chữ viết, các đối tqợng trong ảnh cần nhận dạng là các mẫu chữ, ta cần tách riêng các mẫu chữ đó ra và tìm cách gán đúng các ký tự của bảng chữ cái tương ứng cho các mẫu chữ thu được trong ảnh. Giải thích là công đoạn gán nghĩa cho một tập các đối tượng đã được nhận biết.
Chúng ta cũng có thể thấy rằng, không phải bất kỳ một ứng dụng XLA nào cũng bắt buộc phải tuân theo tất cả các bước xử lý đã nêu ở trên, ví dụ như các ứng dụng chỉnh sửa ảnh nghệ thuật chỉ dừng lại ở bước tiền xử lý. Một cách tổng quát thì những chức năng xử lý bao gồm cả nhận dạng và giải thích thường chỉ có mặt trong hệ thống phân tích ảnh tự động hoặc bán tự động, được dùng để rút trích ra những thông tin quan trọng từ ảnh, ví dụ như các ứng dụng nhận dạng ký tự quang học, nhận dạng chữ viết tay v.v.
5.2.2 Những vấn đề cơ bản trong xử lý ảnh
a) Nắn chỉnh biến dạng
Ảnh thu nhận thường bị biến dạng do các thiết bị quang học và điện tử
Đe khắc phục người ta sử dụng các phép chiếu, các phép chiếu thường b) Khử nhiễu
Có 2 loại nhiễu cơ bản trong quá trình thu nhận ảnh
- Nhiễu hệ thống: là nhiễu có quy luật có thể khử bằng các phép biến đổi
- Nhiễu ngẫu nhiên: vết bẩn không rõ nguyên nhân, ta khắc phục bằng các phép lọc
c) Chỉnh mức xám
Nhằm khắc phục tính không đồng đều của hệ thống gây ra. Thông thường có 2 cách tiếp cận.
- Giảm số mức xám: Thực hiện bằng cách nhóm các mức xám gắn nhau thành 1 bó. Trường hợp chỉ có 2 mức xám thì chính là chuyển về ảnh đen trắng. Ứng dụng : In ảnh màu ra máy in đen trắng
- Tăng số mức xám: Thực hiện nội suy ra các mức xám trung gian bằng kỹ thuật nội suy. Kỹ thuật này nhằm tăng độ mịn cho ảnh
d) Phân tích ảnh
Là khâu quan trọng trong quá trình xử lý ảnh để tiến tới hiểu ảnh. Trong phân tích ảnh việc trích chọn đặc điểm là một bước quan trọng. Các đặc điểm của đối tượng được trích chọn tuỳ theo mục đích nhận dạng trong quá trình xử lý ảnh. Có thể nêu ra một sô đặc điểm của ảnh sau đây:
- Đặc điếm không gian: Phân bô mức xám, phân bô xác suất, biên độ, điểm uốn V.V..
- Đặc điểm biến đổi: Các đặc điểm loại này được trích chọn bằng việc thực hiện lọc vùng (zonal íiltering). Các bộ vùng được gọi là “mặt nạ 11 đặc điểm ” (feature mask) thường là các khe hẹp với hình dạng khác nhau (chữ nhật, tam giác, cung tròn V.V..)
- Đặc điểm biên và đường biên: Đặc trưng cho đường biên của đối tượng và do vậy rất hữu ích trong việc trích trọn các thuộc tính bất biến được dùng khi nhận dạng đối tượng. Các đặc điểm này có thể được trích chọn nhờ toán tử gradient, toán tử la bàn, toán tử Laplace, toán tử “chéo không” (zero crossing) V.V..
e) Nhận dạng
Nhận dạng tự động (automatic recognition), mô tả đồi tượng, phân loại và phân nhóm các mẫu là những vấn đề quan trọng trong thị giác máy, được ứng dụng trong nhiều ngành khoa học khác nhau. Tuy nhiên, một câu hỏi đặt ra là: mẫu (pattern) là gì? Watanabe, một trong những người đi đắu trong lĩnh vực này đà định nghĩa: “Ngược lại với hỗn loạn (chaos), mẫu là một thực thể (entity), được xác định một cách ang áng (vaguely defined) và có thể gán cho nó một tên
gọi nào đó”. Ví dụ mẫu có thể là ảnh của vân tay, ảnh của một vật nào
đó được
chụp, một chữ viết, khuôn mặt người hoặc một ký đồ tín hiệu tiếng nói. Khi biết
một mẫu nào đó, để nhận dạng hoặc phân loại mẫu đó có thể:
Hoặc phân loại có mẫu (supervised classiíication), chẳng hạn phân tích phân biệt (discriminant analyis), trong đó mẫu đắu vào được định danh như một thành phần của một lớp đã xác định.
Hoặc phân loại không có mẫu (unsupervised classiíication hay clustering) trong đó các mâu được gán vào các lớp khác nhau dựa trên một tiêu chuẩn đồng dạng nào đó. Các lớp này cho đến thời điểm phân loại vẫn chưa biết hay chưa được định danh.
Hệ thống nhận dạng tự động bao gồm ba khâu tương ứng với ba giai đoạn chủ yếu sau đây:
- Thu nhận dữ liệu và tiền xử lý. - Biểu diễn dữ liệu.
- Nhận dạng, ra quyết định.
- Bốn cách tiếp cận khác nhau trong lý thuyết nhận dạng là: - Đối sánh mẫu dựa trên các đặc trưng được trích chọn. - Phân loại thống kê.
- Đối sánh cấu trúc.
- Phân loại dựa trên mạng nơ-ron nhân tạo.
Trong các ứng dựng rõ ràng là không thể chỉ dùng có một cách tiếp cận đơn lẻ đế phân loại “tối ưu” do vậy cẩn sử dụng cùng một lúc nhiều phương pháp và cách tiếp cận khác nhau. Do vậy, các phương thức phân loại tổ hỢp hay được sử dụng khi nhận dạng và nay đã có những kết quả có triển vọng dựa trên thiết kê các hệ thống lai (hybrid system) bao gồm nhiều mô hình kết hợp.