4.2.LẬP TRÌNH HỆ THỐNG
4.3.1Lưu đồ giải thuật
4.3.1.1Lưu đồ giải thuật hệ thống đánh giá
BẮT ĐẦU
KHAI BÁO THƯ VIỆN KHỞI TẠO GIÁ TRỊ
KHAI BÁO BIẾN
HIỂN THỊ GIAO DIỆN
NHẤN START ? XỬ LÍ ẢNH PHÂN LOẠI NHẤN STOP ? No No Yes Yes
❖ Giải thích lưu đồ: ⚫ Bắt đầu.
⚫ Khai báo thư viện, khởi tạo giá trị ban đầu, khai bao biến cần dùng. ⚫ Hiển thị giao diện điều khiển, giám sát.
⚫ Kiểm tra nút nhấn Start đã nhấn hay chưa. Nếu chưa thì tiếp tục kiểm tra, nếu nhấn rồi sẽ kiểm tra nút nhấn Stop.
⚫ Kiểm tra nút nhấn Stop đã nhấn hay chưa. Nếu chưa thì sẽ tiếp tục thực hiện cơng việc tiếp theo, nếu đã nhấn rồi thì sẽ tiến hành quay lại kiểm tra nút nhấn Start.
⚫ Khi đã kiểm tra nút nhấn Stop chưa nhấn, thì tiến hành thực hiện chương trình con xử lý ảnh
⚫ Sau khi thực hiện xong chương trình con xử lý ảnh, tiến hành thực hiện chương trình con đánh giá cà chua theo màu sắc và kích thước.
4.3.1.2Lưu đồ giải thuật xử lý ảnh
BẮT ĐẦU
KHỞI TẠO GIÁ TRỊ KHAI BÁO BIẾN
BẬT CAMERA CÓ CÀ CHUA QUA BUỒNG ? CHUYỂN ẢNH VỀ HỆ MÀU HSV TÌM VÙNG MÀU VÀ TÍNH PIXEL TỪNG MÀU (ĐỎ, XANH LÁ, VÀNG) CHỤP ẢNH VÀ LƯU ẢNH No Yes CHUYỂN ẢNH VỀ ẢNH NHỊ PHÂN
TÌM BIÊN CỦA CÀ CHUA VÀ TÍNH ĐỘ RỘNG BIÊN (PIXEL)
❖ Giải thích lưu đồ: ⚫ Bắt đầu.
⚫ Khởi tạo giá trị ban đầu, khai báo biến cần dùng. ⚫ Chạy video camera.
⚫ Cảm biến hồng ngoại trong buồng tối kiểm tra có cà chua qua buồng tối hay khơng. Nếu khơng thì quay lại tiếp tục kiểm tra, nếu có tiến hành thực hiện công việc tiếp theo.
⚫ Khi đã nhận biết có cà chua trong buồng tối, camera chụp lại ảnh cà chua và lưu lại vào vào một biến đã khai báo sẵn.
⚫ Ảnh được chụp đang ở hệ màu RGB sẽ được chuyển sang hệ màu HSV để tiếp tục xử lý.
⚫ Sau khi chuyển về hệ màu HSV, tìm vùng màu và tính pixel từng màu cần xử lý đánh giá (Ở đây là pixel màu đỏ, xanh, vàng).
⚫ Sau khi đã xử lý xong phần màu sắc, chúng ta tiến hành chuyển ảnh về ảnh nhị phân để xử lý kích thước của cà chua.
⚫ Ảnh sau khi được chuyển thành ảnh nhị phân, tiến hành tìm và tách biên cà chua, tính độ rộng pixel từ đó đưa ra thơng tin kích thước to, nhỏ của cà chua.
⚫ Sau khi tính tốn đưa ra kích thước và màu sắc cà chua, lưu lại thơng tin để tiến hành xử lý đánh giá.
4.3.1.3 Lưu đồ giải thuật phân loại
⚫ Bắt đầu.
⚫ Khởi tạo giá trị ban đầu, khai báo biến cần dùng. ⚫ Đọc thông tin cà chua được lưu ở phần xử lý ảnh.
⚫ Cảm biến hồng ngoại ở ngăn xanh nhỏ kiểm tra xem có cà chua nào hay khơng. Nếu có thì tiến hành so sánh với biến thơng tin cà chua đã lưu ở phần xử lý ảnh với biến “xanh nhỏ” , nếu giống biến thì tiến hành đẩy quả ra máng phân loại. Ngược lại nếu biến thông tin cà chua lưu ở phần xử lý ảnh khơng giống với “biến xanh nhỏ” thì tiếp tục xét tới cảm biến tiếp theo.
⚫ Tương tự như cảm biến hồng ngoại ở ngăn xanh nhỏ, cảm biến ngăn xanh to, ngăn vàng nhỏ, ngăn vàng to, ngăn đỏ nhỏ, ngăn đỏ to sẽ tiến hành giống vậy.
⚫ Nếu qua hết tất cả các cảm biến hồng ngoại mà biến thông tin cà chua lưu ở phần xử lý ảnh không giống với các biến được lưu ở các ngăn thì cà chua sẽ bị xét là lỗi hoặc màu không phải màu cần đánh giá.
Kết quả phần mềm:
Hình 4. 12 Đặt thơng số cho các màu trong hệ HSV
❖ Chương trình xử lý ảnh phần màu sắc
Hình 4. 15 Tính số Pixel màu cần tìm
❖ Chương trình xử lý ảnh tìm kích thước
Hình 4. 16 Chuyển ảnh màu sang ảnh nhị phân để xử lý
❖ Chương trình xử lý ảnh cho ra kết quả phân loại
Sau khi lọc màu sắc và tìm, tính được diện tích đường biên sẽ so sánh và cho ra kết quả phân loại.
Hình 4. 19 Mở chương trình chính điều khiển hệ thống
4.3.2Hướng dẫn quy trình vận hành hệ thống
Hệ thống được vận hành theo các bước sau:
Bước 1: Cấp nguồn cho hệ thống
Hệ thống sử dụng 2 bộ nguồn là: 1 nguồn tổ ong (5v, 60A) sử dụng cho Raspberry Pi, màn hình Raspberry LCD 7 inch, động cơ servo, cảm biến hồng ngoại, quạt. Một bộ nguồn tổ ong (12V, 5A) dùng cho 2 băng tải và đèn led hỗ trợ sáng. Sau khi cấp nguồn, tiến hành bật cơng tắc tổng, sau đó bật các cơng tắc cấp nguồn cho Raspberry, công tắc cấp nguồn cho đèn led hắt sáng, công tắc cấp nguồn cho băng tải, công tắc cho quạt.
Bước 2: Kiểm tra trạng thái của hệ thống và chạy chương trình
➢ Trên giao diện desktop ta tiến hành dùng chuột mở code chương trình chính điều khiển hệ thống.
Hình 4. 20 Nhấn run để chạy chương trình
Bước 3: Tiến hành chạy mơ hình và giám sát từ giao diện
Khi cà chua bắt đầu ở hệ thống đánh giá, ta nhấn start trên giao diện và quan sát được hình chụp, hình xử lý cà chua trên giao diện chính, kết quả loại cà chua.
Hình 4. 21 Kết quả ảnh chụp và đánh giá cà chua trên giao diện chính chính
CHƯƠNG 5. KẾT QUẢ, NHẬN XÉT, ĐÁNH GIÁ, THỰC NGHIỆM
Mục tiêu ban đầu của đề tài “Máy đánh giá chất lượng trái cây tự động” là đánh giá theo màu sắc (màu đỏ, màu xanh, màu vàng), cùng với kích thước (to, nhỏ). Dựa trên ngôn ngữ Python với thư viện chính là OpenCV và được thực hiện trên Kit Raspberry và Arduino Mega. Sau quá trình nghiên cứu và thực hiện đề tài, nhóm em đã rút ra được nhiều vấn đề khác nhau, từ việc sử dụng phần mềm, các phương pháp giải thuật, cho tới sử dụng phần cứng. Thời gian thực hiện trong khoảng thời gian 17 tuần. Trong đó, gồm các vấn đề sau: Đối với phần cứng: Biết sử dụng Kit Raspberry, Kit Arduino Mega, cách điều khiển động cơ Servo, cài đặt hệ điều hành cho Raspberry, biết sử dụng Camera Pi. Đối với phần mềm: Biết cách lập trình cơ bản trên Python cùng với thư viện OpenCV, lập trình trên Arduino IDE, và các giải thuật liên quan đến đề tài như: phương pháp nhận dạng, đánh giá chất lượng cà chua theo màu sắc và kích thước dùng xử lý ảnh.
5.1. KẾT QUẢ
❖ Hệ thống phân loại được cà chua, ảnh chụp được thể hiện ra trên giao diện để có thể dễ giám sát. Năng suất đánh giá chất lượng 15 trái/phút, Độ chính xác 90%. ❖ Giao tiếp được Raspberry Pi, Arduino Mega, nhận và xử lý được tín hiệu cảm biến
hồng ngoại và điều khiển được Servo.
5.1.2Kết quả sau khi vận hành
Qui trình hệ thống tiến hành đánh giá chất lượng : ⚫ Tiếp nhận cà chua :
⚫ Đánh giá chất lượng cà chua theo màu sắc và kích thước thơng qua q trình xử lý ảnh
Hình 5. 3 Camera nhận diện được cà chua màu vàng to và màu vàng nhỏ
Hình 5. 6 Camera khơng nhận diện được và xác định là quả lỗi
⚫ Thực hiện phân loại :
⚫ Kết quả thu được :
5.1.3Kết quả giám sát cà chua trên giao diện
Để có một kết quả khách quan nhất và để đánh giá hiệu quả hoạt động của hệ thống, nhóm em nghiên cứu tiến hành thử nghiệm cho việc phân loại cà chua có độ chín khác nhau theo 3 màu sắc như thiết kế gồm xanh, vàng và đỏ cùng với kích thước mỗi loại to nhỏ khác nhau. Tiến hành thực nghiệm như sau: Với mỗi loại cà chua nhóm em sẽ cho chạy phân loại 5 lần trên tổng số 30 quả để kiểm tra độ chính xác của hệ thống phân loại. Bảng kết quả thực nghiệm sẽ có trong mục 5.3.
Sau đây là kết quả giao diện giám sát trên màn hình:
Hình 5. 12 Giám sát kết quả phân loại trên giao diện
5.2 THỰC NGHIỆM
Nhóm em đã tiến hành thực nghiệm 5 lần trên 30 quả gồm 6 loại khác nhau ( 5 đỏ to, 5 đỏ nhỏ, 5 xanh to, 5 xanh nhỏ, 5 vàng to, 5 vàng nhỏ). Các quả to có kích thước từ 50 - 70mm và có khối lượng giao động từ 125g - 150g cịn các quả nhỏ có kích thước nhỏ hơn 50mm và có khối lượng khơng q 110g.
Tiêu chuẩn phân loại: quả được nhận diện đúng màu (đỏ, xanh hoặc vàng) và kích
thước (đường kính 50 -70mm hoặc nhỏ hơn 50mm) sẽ được phân loại vào khay tương ứng.
5.2.1 Bảng thực nghiệm thực tế Số lần đo Loại 1 2 3 4 5 Chất lượng hệ thống Tỷ lệ chính xác Đỏ to (50-70mm) 3 4 4 5 5 ✓ 84% 2 1 1 0 0 Đỏ nhỏ (<50mm) 5 5 4 5 4 ✓ 92% 0 0 1 0 1 Vàng to (50-70mm) 3 4 4 3 4 ✓ 72% 2 1 1 2 1 Vàng nhỏ (<50mm) 5 4 3 4 4 ✓ 80% 0 1 2 1 1 Xanh to (50-70mm) 4 5 4 3 5 ✓ 86% 1 0 1 2 0 Xanh nhỏ (<50mm) 5 4 4 5 5 ✓ 92% 0 1 1 0 0
5.2.2 Giá trị phần trăm đúng trung bình trên mỗi mẫu
Dựa vào cơng thức tính phần trăm rơi đúng ơ trên mỗi mẫu: m = Số lần đúng
Số lần đo (%), ta được :
m1 : Mẫu 1 (Đỏ to) = 84 % m2 : Mẫu 2 (Đỏ nhỏ) = 92 % m3 : Mẫu 3 (Vàng to) = 72 % m4 : Mẫu 4 (Vàng nhỏ) = 80 % m5 : Mẫu 5 (Xanh to) = 86 % m6 : Mẫu 6 (Xanh nhỏ) = 92 % Suy ra:
Giá trị phần trăm rơi đúng ơ trung bình trên cả 6 mẫu = m1 +m2 + m3 + m4 + m5 + m6
6 = 84.33 %
5.2.3 Sai số trung bình trên mỗi mẫu
Dựa vào cơng thức tính sai số trên mỗi mẫu 𝑚̅ = 100% - m
𝑚̅1 : Mẫu 1 (Đỏ to) = 16 %
𝑚̅2 : Mẫu 2 (Đỏ nhỏ) = 8 %
𝑚̅3 : Mẫu 3 (Vàng to) = 28%
𝑚̅4 : Mẫu 4 (Vàng nhỏ) = 20 %
𝑚̅5 : Mẫu 5 (Xanh to) = 14 %
𝑚̅6 : Mẫu 6 (Xanh nhỏ) = 8 % Suy ra
Sai số trung bình trên cả 6 mẫu: ∆𝑚̅ = 𝑚̅1 + 𝑚̅2 + 𝑚̅3+ 𝑚̅4 + 𝑚̅5 + 𝑚̅6
5.3. NHẬN XÉT VÀ ĐÁNH GIÁ 5.3.1 Nhận xét
Dựa vào kết quả của bảng 5.1 nhóm nghiên cứu đưa ra các kết luận sau:
⚫ Màu vàng của cà chua có sự đánh giá chất lượng sai nhiều vì có sự phân bố giữa các màu xanh, đỏ với vàng không rõ rệt như hai màu cịn lại nên khó để nhận diện.
⚫ Do phần cơ khí chưa được thiết kế chắc chắn dẫn đến servo đẩy sai hoặc đẩy đúng nhưng cà chua lại không lọt qua ngăn phân loại dẫn đến bị đánh giá thành quả lỗi/ khác màu.
⚫ Do góc chụp chỉ từ một phía nên khi cà chua được đưa vào buồng tối với các vị trí khác nhau tạo nên ảnh chụp cắt khác nhau gây ra sai sót về nhận dạng kích thước. ⚫ Thời gian xử lý và đánh giá chất lượng khoảng 4 giây, trung bình 1 giờ có thể phân
loại 900 trái cà chua. Cho thấy thời gian xử lý khá nhanh, có thể áp dụng vào thực tiễn trong công nghiệp.
⚫ Tỷ lệ đánh giá chất lượng cà chua cao, đa số cà chua các loại đạt độ chính xác từ 84.33% trở lên.
5.3.2 Đánh giá
Qua q trình thực hiện đề tài, nhóm em đã biết sử dụng Rasberry các chức năng cơ bản, tìm hiểu Python trên Raspberry, cách chạy chương trình Python,... Ngồi ra nhóm cịn tự cài đặt hệ điều hành cho máy và kết nối với Camera Pi chụp ảnh từ Raspberry, tìm hiểu chi tiết về Arduino Mega cũng như cách giao tiếp giữa Arduino với Raspberry Pi, điều khiển được hoạt động của Servo, cảm biến hồng ngoại.
Đánh giá một cách khách quan tốc độ xử lý ảnh , phân loại cà chua theo hệ thống mục tiêu ban đầu đạt kết quả khá ổn, hệ thống chạy ổn định. Tuy nhiên với mơ hình thức tế mang tính cơng nghiệp cần phân loại nhanh với độ chính xác cao hơn nữa thì Raspberry chưa đáp ứng được nhu cầu. Vì thời gian thực hiện đề tài giới hạn, cũng như giới hạn về mặt chi phí nên nhóm em khơng giải quyết được hết các vấn đề phát sinh hay cải tiến thêm để hệ thống có thể đạt hiệu quả cao hơn, đáp ứng nhu cầu công nghiệp hơn
CHƯƠNG 6. KẾT LUẬN VÀ HƯỚNG PHÁT TRIỂN
6.1. KẾT LUẬN
Sau thời gian nghiên cứu, tìm hiểu với sự giúp đỡ của thầy ThS Tưởng Phước Thọ, hệ thống mà nhóm đã hồn thành đáp ứng tốt các yêu cầu đề ra. Các khối chức năng hoạt động đúng, đảm bảo cập nhật dữ liệu chính xác, hệ thống chạy ổn định trong thời gian dài khơng phát sinh lỗi, cịn riêng vấn đề sử dụng thì khá dễ dàng, an tồn, thân thiện với mọi hộ gia đình và thương lái nhỏ.
❖ Đồ án do thực hiện đã đạt được khoảng 80% mục tiêu đặt ra.
❖ Được làm quen với hệ điều hành Raspbian, từ việc cài đặt hệ điều hành, thao tác những tác vụ cơ bản đến việc sử dụng để xây dựng một hệ thống làm việc theo mục đích đề ra.
❖ Việc tiếp xúc và sử dụng ngơn ngữ lập trình Python, thư viện OpenCV và cơng cụ Tkinter, Imutils, PIL cũng đã giúp em hồn thiện những thuật toán trong phạm vi đề tài nhờ vào tính cấp cao của ngơn ngữ lập trình và những cơng cụ hỗ trợ.
❖ Raspberry Pi 3 hồn tồn thích hợp cho những dự án vừa và nhỏ bởi kích cỡ khơng quá lớn, tốc độ tương đối nhanh, khả năng kết nối ngoại vi linh hoạt, hỗ trợ chân GPIO với số lượng đáng kể… Tuy nhiên, Raspberry Pi 3 còn khá hạn chế đối với những hệ thống lớn.
❖ Module camera Pi, tuy có độ phân giải không quá cao nhưng ngược lại nó có giá thành rẻ, khả năng kết nối linh hoạt cùng với chất lượng ảnh phù hợp với việc xử lý ảnh.
❖ Sau nhiều lần chạy thực nghiệm, mơ hình hệ thống đã thiết kế và xây dựng hoạt động tương đối ổn định: cảm biến đọc tương đối nhanh, thời gian từ chụp ảnh cho đến khi đưa ra kết quả đánh giá chất lượng cho mỗi quả cà chua là 4s .Qua nhiều lần khảo sát, hệ thống đánh giá chất lượng với sai số trung bình nhỏ hơn 10%.
Ưu điểm hệ thống:
⚫ Có thể xử lý phân loại đa luồng, tức là có thể phân loại cùng lúc nhiều quả cà chua.
⚫ Hoạt động ổn định trong thời gian dài.
⚫ Giao diện hiển thị đẹp, rõ ràng có tính thẩm mỹ cao, cập nhật số lượng cà chua sau đánh giá chất lượng chính xác 100%.
⚫ Tính an tồn cao, thân thiện với người dùng.
⚫ Kinh phí ở mức phù hợp có thể thương mại hóa sản phẩm. ⚫ Dễ dàng nghiên cứu và mở rộng thêm.
Khuyết điểm hệ thống:
⚫ Chưa nhận biết được khi có từ 2 loại quả khác nhau trở lên. ⚫ Chưa có tính bảo mật cao.
⚫ Không giám sát được từ xa.