Thiết kế hệ thống phân loại sản phẩm bằng mã QR

Đồ án thiết kế hệ thống phân loại sản phẩm bằng mã QR sử dụng PLC S7-1200 tại HCMUTE

• Tác giả: Hồ Phi Phong
• Người hướng dẫn: TS. Tạ Văn Phương
• Trường học: Trường Đại học Sư phạm Kỹ thuật Thành phố Hồ Chí Minh
• Chuyên ngành: Công nghệ Kỹ thuật Điện - Điện tử
• Đề tài: Thiết kế hệ thống phân loại sản phẩm bằng mã QR
• Loại tài liệu: Khóa luận tốt nghiệp
• Năm xuất bản: 2025
• Địa điểm: Thành phố Hồ Chí Minh

Tóm tắt

I. Tổng quan hệ thống phân loại sản phẩm bằng mã QR tại HCMUTE

Hệ thống phân loại sản phẩm bằng mã QR tại HCMUTE đại diện cho xu hướng chuyển dịch mạnh mẽ trong ngành tự động hóa. Đề tài nghiên cứu từ Khoa Đào tạo Quốc tế thuộc Đại học Sư phạm Kỹ thuật Thành phố Hồ Chí Minh hướng đến việc giải quyết bài toán phân luồng hàng hóa tự động. Dây chuyền sản xuất hiện đại đòi hỏi tốc độ xử lý nhanh. Mức độ chuẩn xác phải đạt tuyệt đối để giảm thiểu tổn thất vận hành. Công nghệ mã phản hồi nhanh hay mã QR đáp ứng hoàn hảo tiêu chí này nhờ dung lượng lưu trữ vượt trội so với mã vạch truyền thống. Dữ liệu trên mã chứa đựng thông tin toàn diện về xuất xứ, phân loại và quy cách đóng gói. Khi kiện hàng di chuyển trên băng tải, camera ghi nhận hình ảnh và gửi tín hiệu về máy chủ xử lý. Thiết bị điều khiển logic khả trình PLC nhận lệnh và điều phối cơ cấu chấp hành. Mô hình nghiên cứu này tạo bước đột phá trong việc ứng dụng công nghệ thị giác máy tính vào sản xuất thực tiễn. Quy trình khép kín giúp tiết kiệm nhân lực và nâng cao tính an toàn lao động trong môi trường nhà máy.

1.1. Vai trò của mã QR trong công nghiệp đóng gói hiện đại

Mã QR giữ vai trò quan trọng trong việc theo dõi vòng đời sản phẩm. Khác với mã vạch 1D giới hạn dung lượng, mã QR ma trận 2D chứa hàng ngàn ký tự số và chữ. Các cơ sở chế tạo sử dụng mã QR để mã hóa thông tin lô sản xuất, ngày chế tạo và điểm đích phân phối. Hệ thống đọc quang học ghi nhận mã từ nhiều góc độ khác nhau mà không yêu cầu căn chỉnh hoàn hảo. Khả năng chịu lỗi cấu trúc theo thuật toán Reed-Solomon duy trì tỷ lệ giải mã thành công ngay cả khi bề mặt nhãn bị trầy xước. Sự tích hợp này tạo điều kiện thuận lợi cho công tác truy xuất nguồn gốc sản phẩm tức thời, đồng thời tối ưu hóa chuỗi cung ứng thông minh.

1.2. Xu hướng tự động hóa phân loại hàng hóa tại HCMUTE

Khoa Đào tạo Quốc tế tại HCMUTE luôn tiên phong đổi mới chương trình đào tạo kỹ thuật điện tử. Nghiên cứu hệ thống phân loại sản phẩm bằng mã QR phản ánh đúng nhu cầu chuyển đổi số công nghiệp. Các đề tài tốt nghiệp kết nối lý thuyết điều khiển tự động với ứng dụng phần mềm thực tế. Sinh viên kết hợp bộ điều khiển PLC công nghiệp với thuật toán xử lý ảnh trên máy tính cá nhân. Hướng tiếp cận này giúp giảm thiểu chi phí thiết bị đắt đỏ như màn hình HMI chuyên dụng nhưng vẫn đảm bảo tính trực quan. Mô hình thu nhỏ chứng minh tính khả thi của quy trình sản xuất thông minh. Đề tài mở ra tiềm năng ứng dụng linh hoạt cho doanh nghiệp vừa và nhỏ.

II. Phân tích thách thức phân loại sản phẩm bằng mã QR tại HCMUTE

Quá trình nghiên cứu và chế tạo hệ thống phân loại tại HCMUTE đối diện với nhiều rào cản kỹ thuật. Trước hết là tốc độ di chuyển của kiện hàng trên băng chuyền công nghiệp. Tốc độ cao dễ dẫn đến hiện tượng nhòe chuyển động trên khung hình camera. Khi chất lượng hình ảnh suy giảm, thuật toán quét khó xác định ba mẫu định vị tại các góc mã QR. Yếu tố ánh sáng môi trường phòng thí nghiệm cũng gây nhiễu nghiêm trọng. Độ tương phản giữa các ô vuông đen và nền trắng suy giảm làm sai lệch tín hiệu nhị phân. Vấn đề trễ truyền thông giữa phần mềm máy tính và PLC Siemens đòi hỏi giải pháp đồng bộ chuẩn xác. Nếu thời gian đáp ứng quá chậm, cơ cấu xi lanh sẽ tác động sai thời điểm. Hậu quả là sản phẩm bị đẩy nhầm ngăn hoặc va đập gây hỏng hóc cơ khí. Bên cạnh đó, giới hạn về kinh phí nghiên cứu buộc nhóm tác giả phải thay thế màn hình HMI chuyên nghiệp bằng máy tính cá nhân. Điều này tạo thêm áp lực tối ưu giao diện điều khiển và ổn định đường truyền RS232 hoặc Ethernet.

2.1. Hạn chế về phần cứng và giao tiếp truyền thông PLC

Thiết kế mô hình gặp nhiều hạn chế do thiếu hụt màn hình công nghiệp chuyên biệt. Việc điều khiển và giám sát phải phụ thuộc hoàn toàn vào máy vi tính ngoại vi. Giao tiếp giữa máy tính và PLC đòi hỏi cấu hình cổng truyền thông ổn định. Mọi độ trễ phần mềm xử lý ảnh đều làm sai lệch thời gian tác động của cơ cấu chấp hành. Cảm biến tiệm cận quang học cần phát hiện vật thể đúng thời điểm để kích hoạt camera chụp hình. Sai số vị trí phôi trên băng chuyền làm góc chụp biến dạng. Nếu cơ chế truyền thông bị gián đoạn, chu trình phân loại lập tức ngưng trệ, gây tắc nghẽn toàn bộ dây chuyền sản xuất tự động.

2.2. Khó khăn khi giải mã hình ảnh mã QR trong thực tế

Chất lượng in ấn mã QR trong thực tế thường không đồng đều. Nhãn mác dễ bị xước mờ, rách góc hoặc biến dạng do va quẹt cơ học trong vận chuyển. Bề mặt phản quang của bao bì nilon tạo ra các điểm sáng lóa làm mất mẫu dò tìm góc. Thuật toán nhận diện phải thực hiện tiền xử lý phức tạp để lọc nhiễu và cân bằng histogram. Quá trình khử nhiễu tiêu tốn thời gian tính toán của bộ vi xử lý máy tính. Nếu thuật toán quá nặng nề, tốc độ nhận diện khung hình sẽ tụt dốc. Điều này dẫn đến nguy cơ bỏ sót vật phẩm di chuyển liên tục trên băng chuyền sản xuất.

III. Giải pháp thiết kế phân loại sản phẩm bằng mã QR tại HCMUTE

Phương án giải quyết tại HCMUTE tập trung đồng bộ hóa giữa phần mềm thị giác và bộ điều khiển phần cứng. Hệ thống ứng dụng camera độ phân giải cao lắp cố định tại vị trí chuẩn trên băng tải. Quy trình xử lý ảnh trải qua các bước lọc nhiễu, nhị phân hóa cục bộ và nắn chỉnh hình học. Thuật toán phân tích mẫu định vị góc nhằm khôi phục khung hình mã QR về dạng vuông chuẩn mực. Cơ chế sửa sai mã Reed-Solomon cấp độ M khôi phục hoàn hảo dữ liệu ngay cả khi mã bị hỏng đến mười lăm phần trăm. Sau khi giải mã nội dung phân loại thành công, máy tính gửi chuỗi ký tự qua cổng truyền thông nối tiếp đến PLC. Bộ lập trình PLC lập tức tính toán chu kỳ quét và độ trễ chuyển động của vật phẩm. Khi kiện hàng đến vị trí ngăn chứa tương ứng, cảm biến quang kích hoạt van điện từ. Khí nén đẩy trục xi lanh trượt tịnh tiến, đưa sản phẩm nhẹ nhàng vào khay chỉ định. Toàn bộ chu trình vận hành khép kín đảm bảo tính nhịp nhàng và chính xác cao độ.

3.1. Quy trình xử lý ảnh và thuật toán giải mã Reed Solomon

Quy trình xử lý ảnh bắt đầu bằng việc chuyển đổi ảnh sang thang độ xám để tách màu. Thuật toán lọc trung vị loại bỏ hạt nhiễu do bụi bẩn trên thấu kính hoặc nhãn dán. Kỹ thuật cân bằng thích nghi làm tăng độ tương phản rõ rệt giữa module đen và trắng. Hệ thống nhận dạng các mẫu tìm kiếm vị trí dạng mắt vuông ở ba góc mã QR. Ma trận biến đổi phối cảnh nắn góc nghiêng của ảnh về khung hình vuông chuẩn. Tiếp theo, bộ giải mã đọc các bit dữ liệu theo mẫu mặt nạ quy chuẩn. Thuật toán sửa lỗi Reed-Solomon đóng vai trò cốt lõi trong bước hoàn thiện. Cơ chế này tự động dò tìm vị trí bit lỗi và tái lập thông tin chính xác ban đầu.

3.2. Thuật toán điều khiển PLC và truyền thông cơ cấu chấp hành

Trung tâm điều khiển sử dụng PLC lập trình giải thuật logic tuần tự nghiêm ngặt. Dữ liệu sau khi máy tính xử lý ảnh sẽ truyền qua giao thức cổng nối tiếp tới các thanh ghi dữ liệu PLC. Khi khối phôi vượt qua trạm quét, cảm biến xác định vị trí kích hoạt bộ đếm thời gian nội tại. PLC tính toán vận tốc băng chuyền để xác định thời điểm sản phẩm tiếp cận xi lanh mục tiêu. Đầu ra số của PLC kích hoạt van điện từ năm cửa hai vị trí. Khí nén tác động tức thời làm thanh trượt xi lanh duỗi ra dứt khoát. Sản phẩm bị đẩy trượt êm ái sang khay chứa tương ứng. Sau cú đẩy, cảm biến hành trình báo hiệu để xi lanh thu về trạng thái chờ.

IV. Kết luận ứng dụng hệ thống phân loại sản phẩm bằng mã QR HCMUTE

Mô hình phân loại hàng hóa bằng mã QR tại HCMUTE đã chứng minh hiệu quả thiết thực trong tự động hóa. Thử nghiệm thực tế cho thấy hệ thống hoạt động ổn định với tỷ lệ nhận diện chính xác vượt trội. Sự kết hợp giữa thị giác máy tính và PLC mang lại cấu trúc điều khiển phân tầng linh hoạt. Giải pháp này giúp các doanh nghiệp tiết kiệm chi phí đầu tư ban đầu so với các thiết bị phân loại ngoại nhập đắt tiền. Hệ thống đáp ứng linh hoạt yêu cầu phân loại đa dạng chủng loại bao bì chỉ bằng cách cấu hình lại cơ sở dữ liệu mã QR. Nhờ khả năng lưu trữ mã hóa cao, dữ liệu sản xuất được đồng bộ trực tiếp lên hệ thống quản lý kho bãi tập trung. Hướng phát triển tiếp theo của nghiên cứu bao gồm việc tích hợp camera công nghiệp tốc độ quét cao hơn. Đồng thời, việc nâng cấp màn hình điều khiển HMI độc lập sẽ giúp dây chuyền vận hành tách biệt với máy tính cá nhân. Thành công của mô hình khẳng định chất lượng đào tạo kỹ thuật thực chiến tại HCMUTE, mở ra triển vọng thương mại hóa mạnh mẽ.

4.1. Khả năng ứng dụng thực tiễn trong nhà máy thông minh

Mô hình phân loại mã QR mở ra tiềm năng lớn cho kho vận hiện đại. Các trung tâm logistics có thể áp dụng giải pháp này để tự động hóa khâu phân loại bưu phẩm. Nhà máy sản xuất linh kiện điện tử và dược phẩm cũng hưởng lợi trực tiếp từ công nghệ này. Việc quét mã nhanh chóng hỗ trợ kiểm soát chất lượng và loại bỏ hàng lỗi khỏi dây chuyền. Hệ thống dễ dàng tích hợp vào nền tảng quản trị nguồn lực doanh nghiệp ERP. Quản lý kho có thể theo dõi số lượng tồn kho theo thời gian thực mà không cần kiểm đếm thủ công. Điều này giảm thiểu tối đa sai sót từ con người và nâng cao năng suất chung.

4.2. Định hướng nâng cấp phần cứng và tích hợp trí tuệ nhân tạo

Giai đoạn tiếp theo của đề tài sẽ tập trung nâng cấp cơ sở hạ tầng thiết bị. Nhóm nghiên cứu dự kiến thay thế máy tính bằng vi điều khiển nhúng chuyên dụng hoặc PLC tích hợp thị giác máy. Thiết kế màn hình HMI cảm ứng độc lập sẽ tăng độ bền trong môi trường công nghiệp khắc nghiệt. Việc tích hợp các mạng nơ-ron học sâu giúp camera nhận diện mã QR mờ nhòe với tốc độ khung hình vượt trội. Đèn chiếu sáng thông minh sẽ tự động bù sáng theo thời gian thực để loại bỏ hiện tượng bóng đổ. Những cải tiến này sẽ hoàn thiện một hệ thống phân loại linh hoạt, đạt chuẩn công nghiệp cao cấp.

Nội dung chính

Bối cảnh và vấn đề nghiên cứu

Trong bối cảnh cuộc Cách mạng Công nghiệp 4.0, tự động hóa sản xuất trong các nhà máy và khu công nghiệp ngày càng phát triển nhằm tối ưu hóa hiệu suất, nâng cao chất lượng sản phẩm, cắt giảm chi phí nhân công và hạn chế tối đa các sai sót do con người gây ra. Các dây chuyền sản xuất hiện đại đòi hỏi độ chính xác cao và tỷ lệ lỗi thấp, đặc biệt ở khâu phân loại và đóng gói sản phẩm – nơi yêu cầu sự giám sát liên tục và chặt chẽ trong suốt quá trình vận hành.

Trước đây, các hệ thống phân loại tự động thường dựa vào các tiêu chí vật lý truyền thống như màu sắc, kích thước, chiều cao hoặc khối lượng sản phẩm thông qua các cảm biến cơ bản. Mặc dù các phương pháp này đáp ứng được một số yêu cầu nhất định, chúng bộc lộ nhược điểm về tính linh hoạt khi thông tin sản phẩm bị giới hạn và khó thay đổi linh hoạt theo nhu cầu quản lý hiện đại. Ngược lại, mã phản hồi nhanh (QR code) chứa đựng lượng lớn thông tin về sản phẩm như mã định danh, ngày sản xuất, hạn sử dụng và nguồn gốc xuất xứ. Việc kết hợp công nghệ xử lý ảnh số để nhận dạng mã QR với hệ thống điều khiển công nghiệp giúp dây chuyền nhận diện chính xác thông tin sản phẩm, hỗ trợ đắc lực cho công tác quản trị kho, truy xuất nguồn gốc và kiểm soát chất lượng.

Đồ án tốt nghiệp "Design a Product Classification System Using QR Code" (Thiết kế hệ thống phân loại sản phẩm sử dụng mã QR) được thực hiện bởi nhóm tác giả Hồ Phi Phong và Nguyễn Minh Khôi, dưới sự hướng dẫn của TS. Tạ Văn Phương tại Khoa Đào tạo Quốc tế, Trường Đại học Sư phạm Kỹ thuật TP. Hồ Chí Minh (chuyên ngành Công nghệ Kỹ thuật Điện - Điện tử, khóa học 2020 - 2024).

Mục tiêu nghiên cứu của đề tài được xác định cụ thể trong văn bản gồm:

1. Thiết kế và chế tạo mô hình hệ thống phân loại sản phẩm sử dụng mã QR.
2. Đạt năng suất phân loại sản phẩm: 500 sản phẩm/giờ.
3. Cho phép bổ sung các mã QR mới vào hệ thống một cách dễ dàng và linh hoạt.

Đối tượng nghiên cứu:

• Bộ điều khiển lập trình logic PLC Siemens S7-1200 (phiên bản CPU 1212C AC/DC/RLY).
• Phần mềm lập trình điều khiển tự động TIA Portal V16.
• Phần mềm Visual Studio Code sử dụng ngôn ngữ lập trình Python và thư viện xử lý ảnh.
• Thuật toán nhận diện, xử lý ảnh và giải mã mã QR.

Phạm vi nghiên cứu:

• Phạm vi kỹ thuật: Thiết kế sơ đồ nguyên lý, thi công lắp đặt phần cứng mô hình cơ - điện, lập trình thuật toán điều khiển trên PLC S7-1200 và lập trình truyền thông kết nối máy tính (PC) với PLC qua giao diện mạng Ethernet.
• Phạm vi thực nghiệm: Đề tài xây dựng và kiểm nghiệm hệ thống trên mô hình thử nghiệm quy mô nhỏ phục vụ mục đích kiểm chứng giải pháp kỹ thuật, đánh giá thời gian chu kỳ và độ chính xác phân loại trong điều kiện phòng thí nghiệm.

---

Cơ sở lý thuyết và phương pháp

Khóa luận thiết lập nền tảng lý thuyết dựa trên sự tích hợp giữa kỹ thuật tự động hóa công nghiệp và thị giác máy tính, bao gồm các cấu phần chính:

1. Cấu trúc mã QR và cơ chế giải mã: Mã QR (Quick Response Code) là ma trận mã vạch hai chiều (2D barcode) lưu trữ thông tin dưới dạng các ô nhị phân (cell) đen (giá trị 1) và trắng (giá trị 0). Cấu tạo chuẩn của mã QR bao gồm:

• Finder Pattern: Các mẫu định vị dạng hình vuông đồng tâm nằm ở các góc, giúp hệ thống camera xác định vị trí, góc nghiêng và phạm vi của mã dù mã bị biến dạng hay trầy xước.
• Alignment Pattern: Mẫu căn chỉnh giúp hiệu chỉnh sai lệch tọa độ và hiện tượng méo ảnh do góc đặt camera.
• Timing Pattern: Các đường sọc đen trắng xen kẽ phân bố theo hàng và cột nhằm xác định tọa độ và kích thước module dữ liệu.
• Format Information: Khu vực lưu trữ mức độ sửa lỗi và mẫu mặt nạ (mask pattern) áp dụng cho mã.
• Thuật toán sửa lỗi Reed-Solomon: Cho phép khôi phục dữ liệu bị khuyết tật hoặc hư hại một phần trên bề mặt mã. Tác giả phân tích các mức sửa lỗi (như mức M với tỷ lệ phục hồi tương ứng) và các dạng mặt nạ giải thuật như phép toán logic XOR $(i+j) \pmod 2 = 0$.

2. Quy trình xử lý ảnh số và thị giác máy tính: Để giải mã QR tự động từ camera, tác giả xây dựng chuỗi xử lý ảnh gồm các bước:

• Image Acquisition: Thu nhận ảnh kỹ thuật số từ camera công nghiệp.
• Image Preprocessing: Khử nhiễu, cân bằng lược đồ xám (Histogram Equalization), lọc trung bình (Mean Filter), lọc Gaussian và chuyển đổi ảnh màu sang ảnh mức xám (Grayscale), sau đó nhị phân hóa ảnh bằng ngưỡng thích ứng (Thresholding).
• Feature Extraction & Transformation: Dò tìm đường biên và đường bao (Contour Detection, thuật toán Canny, toán tử Sobel), sau đó áp dụng phép biến đổi hình học (Perspective Transform) để đưa ma trận QR bị biến dạng nghiêng về dạng hình vuông chuẩn.
• Decoding: Trích xuất chuỗi bit nhị phân, giải mã ký tự ASCII và chuyển đổi thành chuỗi dữ liệu hoàn chỉnh.

3. Nền tảng điều khiển và truyền thông công nghiệp:

• Bộ điều khiển PLC Siemens S7-1200 (CPU 1212C AC/DC/RLY): Tiếp nhận các tín hiệu số từ máy tính qua cổng giao tiếp truyền thông công nghiệp, xử lý logic tuần tự và kích hoạt các ngõ ra điều khiển rơ-le, van khí nén và động cơ băng chuyền.
• Nền tảng phần mềm: TIA Portal V16 phục vụ cấu hình phần cứng, viết chương trình Ladder Logic cho PLC; Visual Studio Code kết hợp ngôn ngữ Python, thư viện OpenCV và WeChat QR Code SDK nhằm nhận diện ảnh tốc độ cao và gửi cờ điều khiển sang PLC.

Phương pháp nghiên cứu:

• Phương pháp nghiên cứu tài liệu: Tổng hợp lý thuyết về các hệ thống phân loại công nghiệp, chuẩn mã QR quốc tế, tài liệu kỹ thuật dòng PLC Siemens S7-1200 và giao thức truyền thông mạng.
• Phương pháp thiết kế và tích hợp hệ thống: Tính toán lựa chọn thiết bị công nghiệp phù hợp, thiết kế sơ đồ đấu nối mạch điện, sơ đồ mạch khí nén, bố trí thiết bị trong tủ điện điều khiển và dựng mô hình cơ khí.
• Phương pháp thực nghiệm: Chạy thử nghiệm hệ thống trong các kịch bản phân loại khác nhau, đo đạc thời gian nhận diện và phân loại của từng loại sản phẩm, thống kê tỷ lệ phân loại thành công để đánh giá hiệu năng so với chỉ tiêu ban đầu.

---

Thiết kế và triển khai

Hệ thống được thiết kế theo cấu trúc mô-đun kết hợp giữa hệ thống cơ - điện và trạm xử lý ảnh máy tính.

1. Kiến trúc tổng thể và danh mục thiết bị

Hệ thống gồm ba khối chức năng chính:

• Khối thu nhận và xử lý ảnh (PC & Vision): Camera Hikrobot chụp ảnh mã QR trên sản phẩm khi đi qua vùng quan sát; máy tính chạy chương trình Python/OpenCV tiến hành giải mã nội dung và gửi tín hiệu định danh tương ứng xuống PLC.
• Khối điều khiển trung tâm: PLC Siemens S7-1200 tiếp nhận tín hiệu từ cảm biến phát hiện sản phẩm và tín hiệu phân loại từ PC để tính toán thời điểm kích hoạt cơ cấu gạt.
• Khối chấp hành cơ khí: Băng tải đưa sản phẩm di chuyển; các xylanh điện/khí nén đẩy sản phẩm vào các máng chứa theo từng nhóm mã được thiết lập.

Tên thiết bị / Phần mềm	Chủng loại / Mã hiệu	Vai trò kỹ thuật trong hệ thống
Bộ điều khiển logic khả trình	Siemens S7-1200 1212C AC/DC/RLY	Điều khiển logic trung tâm, điều phối xylanh và băng tải
Camera công nghiệp	Hikrobot ID5030 Series	Thu nhận hình ảnh mã QR độ phân giải cao trên băng tải
Xylanh chấp hành	LEYG Electric Cylinder	Đẩy sản phẩm vào đúng khay phân loại khi có lệnh
Băng tải công nghiệp	Dorner 2200 Conveyor	Dẫn động và vận chuyển sản phẩm qua các vị trí làm việc
Động cơ băng tải	Dorner 2200 iDrive (Integrated motor)	Động cơ tích hợp điều khiển chuyển động của băng tải
Thiết bị bảo vệ và phụ trợ	CB, Rơ-le trung gian, Nguồn 24VDC	Đóng cắt, bảo vệ ngắn mạch và cách ly tín hiệu điều khiển
Môi trường lập trình PLC	Siemens TIA Portal V16	Cấu hình phần cứng và lập trình chu trình điều khiển Ladder
Phần mềm xử lý ảnh	Python, OpenCV, WeChat QR SDK	Thu nhận luồng video, lọc ảnh, định vị và giải mã QR

2. Thiết kế mạch điện và bố trí phần cứng

• Mạch cấp nguồn và bảo vệ: Sử dụng aptomat (CB) bảo vệ toàn bộ tủ điện, bộ nguồn chuyển mạch cung cấp điện áp 24VDC cho PLC, cảm biến và cuộn hút rơ-le.
• Sơ đồ kết nối đầu vào (Input): Các cảm biến quang điện phát hiện sản phẩm được nối trực tiếp vào các ngõ vào số ($I0.0, I0.1,...$) của PLC S7-1200.
• Sơ đồ kết nối đầu ra (Output) và phụ tải: Ngõ ra relay của PLC được đấu qua hàng rơ-le đệm trung gian để điều khiển cuộn coil của van điện từ cấp khí nén hoặc điều khiển tín hiệu cho bộ điều khiển xylanh điện LEYG, giúp chống nhiễu và bảo vệ ngõ ra của CPU.
• Bố trí tủ điện: Các thiết bị đóng cắt, bộ nguồn, PLC, rơ-le được bố trí trên thanh DIN-rail bên trong tủ điện theo phân khu điện áp (khu vực 220VAC và khu vực 24VDC riêng biệt); mặt ngoài tủ bố trí đèn báo pha, nút nhấn khởi động/dừng khẩn cấp.

3. Thiết kế luồng xử lý phần mềm

• Thuật toán xử lý ảnh trên máy tính: Luồng video từ camera Hikrobot được đọc liên tục; khi phát hiện khung hình có mã QR, chương trình thực hiện tiền xử lý, gọi mô-đun WeChat QR Code SDK để nhận diện nội dung chuỗi mã, sau đó mở kết nối TCP/IP hoặc truyền thông mạng gửi mã phân loại tương ứng về khối dữ liệu (Data Block) của PLC.
• Thuật toán điều khiển trên PLC: PLC quét trạng thái ngõ vào cảm biến; khi cảm biến xác nhận sản phẩm đã vào vị trí gạt đồng thời nhận được cờ dữ liệu tương ứng từ PC, PLC kích hoạt ngõ ra điều khiển xylanh điện LEYG duỗi ra để đẩy sản phẩm sang làn phân loại, sau đó thu về vị trí ban đầu.
• Giao diện người dùng (GUI): Được thiết kế trên máy tính, cung cấp các chức năng: hiển thị hình ảnh từ camera thời gian thực, lưu trữ danh mục mã QR được phép phân loại, tính năng thêm mã mới vào cơ sở dữ liệu, giao diện báo cáo số lượng sản phẩm theo từng nhóm và chế độ điều khiển thủ công (Manual Mode) phục vụ kiểm tra thiết bị.

---

Nội dung chính theo từng chương

Chapter 1: General

Chương này đặt vấn đề về sự cần thiết của tự động hóa trong các dây chuyền phân loại công nghiệp hiện đại nhằm giảm thiểu nhân công và sai số. Nhóm tác giả trình bày mục tiêu xây dựng một mô hình phân loại sử dụng mã QR và PLC S7-1200 có khả năng đạt năng suất 500 sản phẩm/giờ và dễ dàng cập nhật mã sản phẩm mới. Bên cạnh đó, chương tổng quan xác định rõ đối tượng nghiên cứu (PLC S7-1200, TIA Portal V16, Visual Studio Code), phạm vi thực hiện (thiết kế, thi công phần cứng và lập trình truyền thông PC - PLC), phương pháp tiếp cận và cấu trúc tổng quát của báo cáo gồm 5 chương. Tác giả cũng chỉ rõ giới hạn ban đầu là mô hình quy mô thử nghiệm nhỏ, phụ thuộc vào máy tính xử lý trung gian do chưa sử dụng màn hình HMI công nghiệp riêng biệt.

Chapter 2: Research Facilities

Chương 2 trình bày toàn bộ cơ sở lý thuyết phục vụ đề tài. Tác giả bắt đầu bằng việc so sánh các phương pháp phân loại sản phẩm truyền thống:

• Phân loại theo màu sắc (sử dụng cảm biến màu hoặc camera nhận diện màu cơ bản).
• Phân loại theo thể tích/kích thước (dùng cảm biến đo khoảng cách, cảm biến quang đa điểm).
• Phân loại theo khối lượng (dùng cảm biến lực loadcell kết hợp cơ cấu cân băng chuyền).
• Phân loại theo mã QR: Tác giả nhấn mạnh ưu thế vượt trội về khả năng lưu trữ thông tin số hóa đa dạng, khả năng truy xuất nguồn gốc nhanh và độ linh hoạt cao.

Tiếp theo, chương đi sâu vào nguyên lý kỹ thuật của mã QR: từ cấu trúc các mẫu nhận diện (Finder pattern, Alignment pattern, Timing pattern), ma trận điểm đen trắng (cell nhị phân 0-1), thông tin định dạng và các mức sửa lỗi Reed-Solomon cùng các mẫu mặt nạ (mask patterns). Phần lý thuyết thị giác máy tính phân tích chi tiết quy trình xử lý ảnh: tách ba kênh màu, chuyển đổi ảnh xám, nhị phân hóa với ngưỡng thích ứng, phát hiện đường bao (contour detection) và biến đổi phối cảnh (perspective transform) nhằm hiệu chỉnh góc chụp của camera. Tác giả cũng giới thiệu thư viện OpenCV, giải pháp WeChat QR Code SDK, kiến trúc phần cứng của PLC Siemens S7-1200 CPU 1212C AC/DC/RLY, phần mềm TIA Portal V16 và môi trường Visual Studio Code.

Chapter 3: System Design and Construction

Nội dung chương 3 tập trung vào khâu hiện thực hóa phần cứng và phần mềm của hệ thống. Tác giả trình bày sơ đồ khối hệ thống và thuyết minh nguyên lý lựa chọn các thiết bị công nghiệp:

• Bộ điều khiển lập trình PLC S7-1200 CPU 1212C AC/DC/RLY với thông số kỹ thuật đáp ứng số lượng I/O cần thiết.
• Camera công nghiệp Hikrobot ID5030 Series chuyên dụng cho thị giác máy, có tốc độ chụp và độ ổn định cao trong dây chuyền.
• Cơ cấu chấp hành xylanh điện LEYG (SMC) và hệ thống băng tải Dorner 2200 tích hợp động cơ Dorner 2200 iDrive.

Tác giả cung cấp chi tiết các bản vẽ kỹ thuật: sơ đồ kết nối cảm biến đầu vào, sơ đồ kết nối ngõ ra PLC, sơ đồ phụ tải rơ-le đệm và sơ đồ nguyên lý mạch khí nén vận hành cơ cấu đẩy. Chương này cũng minh họa cách sắp xếp bố trí thiết bị bên trong và mặt trước tủ điện, mô hình khung cơ khí của hệ thống băng tải và đoạn mã nguồn cấu hình xử lý ảnh bằng thư viện OpenCV, kết nối truyền thông với PLC. Cuối chương là thiết kế các giao diện vận hành phần mềm trên máy tính: giao diện trang bìa, giao diện vận hành trực tiếp hiển thị video camera, giao diện lưu trữ mã QR mới và giao diện xuất báo cáo dữ liệu.

Chapter 4: Testing and Evaluation

Chương 4 mô tả quá trình vận hành, thử nghiệm và phân tích kết quả thu được từ mô hình thực tế. Tác giả xây dựng chi tiết lưu đồ thuật toán giải mã QR và gửi chuỗi ký tự xuống PLC, cùng lưu đồ thuật toán điều khiển tuần tự bên trong PLC S7-1200. Các bước vận hành thực tế được kiểm chứng tuần tự: kết nối camera, quét mã QR trên sản phẩm chạy trên băng tải, lưu trữ mã vào hệ thống, kiểm tra chức năng bổ sung mã QR mới và vận hành các chế độ kiểm tra thủ công (Manual Mode).

Để đánh giá định lượng, đồ án thu thập và lập hai bảng thống kê số liệu quan trọng:

• Bảng 4.1 (Table 4.1 - Table of average time data for each type of product): Ghi nhận dữ liệu thời gian thực hiện trung bình của hệ thống đối với từng loại sản phẩm phân loại (từ lúc camera chụp, nhận diện, truyền dữ liệu đến khi xylanh hoàn tất đẩy sản phẩm).
• Bảng 4.2 (Table 4.2 - System Accuracy Statistics Table): Thống kê tỷ lệ phân loại chính xác của hệ thống qua nhiều lượt thử nghiệm, xác định tỷ lệ nhận diện thành công và tỷ lệ phân loại lỗi của các cơ cấu chấp hành.

Chapter 5: Conclusion and development direction

Chương kết luận tổng kết lại các mục tiêu đã hoàn thành của đồ án: thiết kế thành công mô hình hoạt động ổn định, kết nối thông suốt giữa camera nhận diện mã QR, máy tính xử lý và PLC S7-1200 điều khiển cơ cấu phân loại. Nhóm tác giả thẳng thắn phân tích các nguyên nhân dẫn đến sai sót trong quá trình thử nghiệm thực tế (chẳng hạn như hiện tượng trượt sản phẩm trên băng tải, sai lệch góc quét camera hoặc độ trễ truyền thông). Từ đó, nhóm đưa ra các giải pháp khắc phục và hướng phát triển: thay thế, nâng cấp các thiết bị chấp hành có độ chính xác cao hơn, cải tiến thuật toán thị giác máy để tăng tốc độ phân loại nhằm đáp ứng quy mô sản xuất công nghiệp thực tế.

---

Kết quả và đóng góp

Khóa luận đã hiện thực hóa thành công mô hình phân loại sản phẩm bằng mã QR với các kết quả cụ thể:

1. Kết quả kỹ thuật và số liệu thực nghiệm:

• Chế tạo hoàn chỉnh mô hình cơ - điện gồm băng chuyền Dorner 2200, cụm camera Hikrobot ID5030, tủ điện điều khiển PLC S7-1200 và cơ cấu xylanh đẩy LEYG.
• Thiết lập giao thức truyền thông ổn định giữa chương trình xử lý ảnh trên nền Python (chạy trên PC) và PLC Siemens S7-1200 qua cổng mạng Ethernet công nghiệp.
• Xây dựng phần mềm nhận diện mã QR tích hợp mô-đun WeChat QR Code SDK, cho phép nhận diện mã nhanh chóng, loại bỏ nhiễu và xử lý ảnh bị biến dạng hình học bằng thuật toán Perspective Transform.
• Đồ án đã vận hành kiểm nghiệm hệ thống và ghi nhận các tham số định lượng cụ thể qua Bảng 4.1 (thời gian xử lý trung bình cho từng loại sản phẩm) và Bảng 4.2 (thống kê độ chính xác phân loại của toàn hệ thống).
• Hệ thống hỗ trợ khả năng cấu hình, bổ sung mã QR mới trực tiếp trên giao diện máy tính mà không cần phải can thiệp hay lập trình lại logic điều khiển của PLC.

2. Giải pháp kỹ thuật của nhóm tác giả:

• Phân tách nhiệm vụ tính toán: Giao toàn bộ tác vụ xử lý ảnh nặng (vốn đòi hỏi tài nguyên tính toán cao và thuật toán phức tạp) cho máy tính cá nhân xử lý bằng Python/OpenCV; giao nhiệm vụ điều khiển thời gian thực, điều phối tín hiệu an toàn và tác vụ I/O cho PLC Siemens S7-1200.
• Ứng dụng thuật toán biến đổi hình học và xử lý ngưỡng động giúp camera nhận diện mã QR chính xác ngay cả khi tem dán trên sản phẩm bị lệch góc hoặc điều kiện ánh sáng không hoàn toàn đồng nhất.

3. Đóng góp so với các nghiên cứu trước:

• Khắc phục các hạn chế của phương pháp phân loại truyền thống theo kích thước hay màu sắc, vốn chỉ nhận biết được các thuộc tính vật lý đơn giản và dễ nhầm lẫn giữa các sản phẩm có cùng hình dạng.
• Đưa ra giải pháp phân loại dựa trên dữ liệu số hóa đa thông tin (mã QR), mở ra khả năng liên kết dữ liệu phân loại trực tiếp với hệ thống quản lý kho, theo dõi lô hàng và truy xuất nguồn gốc sản phẩm trong chuỗi cung ứng.

---

Hạn chế và hướng nghiên cứu tiếp

Dựa trên các nội dung được nhóm tác giả nêu rõ tại Chương 1 và Chương 5, đề tài còn tồn tại một số hạn chế kỹ thuật:

• Quy mô mô hình: Hệ thống chỉ mới dừng lại ở quy mô mô hình thử nghiệm nhỏ (small-scale model) trong phòng thí nghiệm nhằm phục vụ mục đích kiểm chứng giải pháp thiết kế và tiết kiệm chi phí, chưa được triển khai thử nghiệm trên dây chuyền sản xuất công nghiệp tải trọng lớn.
• Sự phụ thuộc vào máy tính: Do hệ thống chưa trang bị màn hình HMI công nghiệp riêng biệt, quá trình vận hành và giao tiếp với PLC bắt buộc phải có máy tính cá nhân (PC) kết nối liên tục để chạy chương trình xử lý ảnh và giao diện người dùng.
• Sai số trong quá trình thử nghiệm: Trong quá trình vận hành thực tế, hệ thống vẫn ghi nhận một số lỗi nhận diện hoặc trễ cơ cấu do các yếu tố rung lắc cơ khí, hiện tượng trượt sản phẩm trên mặt băng chuyền hoặc góc quét của camera khi sản phẩm di chuyển với tốc độ biến đổi.

Hướng nghiên cứu và phát triển tiếp theo:

• Nâng cấp phần cứng bằng việc sử dụng các dòng camera thông minh (Smart Camera) chuyên dụng tích hợp sẵn bộ vi xử lý nhúng bên trong, hoặc trang bị màn hình HMI độc lập để giảm tải và loại bỏ sự phụ thuộc vào máy tính cá nhân.
• Nghiên cứu thay thế các cơ cấu chấp hành bằng các loại động cơ servo hoặc xylanh có phản hồi vị trí chính xác hơn nhằm tối ưu hóa thời gian chu kỳ đẩy và giảm rung chấn.
• Tối ưu hóa thuật toán thị giác máy để nâng cao hơn nữa tốc độ nhận diện, mở rộng hệ thống thành dây chuyền phân loại đa làn phục vụ các kho vận logistics quy mô lớn.

---

Giá trị tham khảo

Báo cáo khóa luận là tài liệu tham khảo hữu ích cho:

• Sinh viên và học viên chuyên ngành: Ngành Công nghệ Kỹ thuật Điện - Điện tử, Tự động hóa, Cơ điện tử và Kỹ thuật Máy tính đang thực hiện các đồ án liên quan đến điều khiển PLC, thị giác máy tính công nghiệp và thiết kế dây chuyền phân loại tự động.
• Kỹ sư tích hợp hệ thống: Những người cần tài liệu tham khảo thực tế về phương pháp tích hợp hệ thống phần mềm (Python, OpenCV) với phần cứng công nghiệp (PLC Siemens S7-1200) thông qua kết nối mạng Ethernet.

Các nội dung có giá trị tham khảo chuyên môn cao nhất:

1. Tài liệu đấu nối phần cứng công nghiệp: Toàn bộ các sơ đồ mạch điện kết nối ngõ vào cảm biến, ngõ ra rơ-le đệm, mạch kích van điện từ khí nén/xylanh điện và bản vẽ bố trí thiết bị bên trong tủ điện (Chương 3).
2. Quy trình xử lý ảnh giải mã QR: Các bước thuật toán tiền xử lý, lọc nhiễu, biến đổi phối cảnh (Perspective Transform) và ứng dụng WeChat QR Code SDK để xử lý ảnh mã QR trong điều kiện thực tế (Chương 2 và Chương 3).
3. Lưu đồ thuật toán phối hợp: Sơ đồ luồng dữ liệu giữa tiến trình giải mã QR trên PC và chu trình quét điều khiển tuần tự trong PLC S7-1200 (Chương 4).

---

Câu hỏi thường gặp

1. Mục tiêu công suất phân loại cụ thể mà đề tài đặt ra là bao nhiêu?
Theo công bố tại phần Mục tiêu nghiên cứu (Mục 1.2, Chương 1), hệ thống được thiết kế hướng tới công suất phân loại sản phẩm đạt 500 sản phẩm/giờ và có khả năng thêm mã mới vào hệ thống một cách dễ dàng.

2. Bộ điều khiển PLC và các phần mềm chính được sử dụng trong đồ án là gì?
Hệ thống sử dụng bộ điều khiển lập trình logic PLC Siemens S7-1200 (phiên bản CPU 1212C AC/DC/RLY). Về mặt phần mềm, đồ án sử dụng TIA Portal V16 để lập trình logic điều khiển PLC và Visual Studio Code để lập trình chương trình xử lý ảnh, giải mã QR và giao diện truyền thông bằng ngôn ngữ Python.

3. Cơ cấu chấp hành và thiết bị thị giác máy tính của hệ thống gồm những thiết bị cụ thể nào?
Hệ thống sử dụng camera công nghiệp Hikrobot ID5030 Series để thu nhận hình ảnh mã QR; cơ cấu gạt phân loại sử dụng xylanh điện LEYG (LEYG Electric Cylinder); hệ thống dẫn động sử dụng băng tải công nghiệp Dorner 2200 Conveyor kết hợp động cơ tích hợp Dorner 2200 iDrive.

4. Vì sao hệ thống vẫn bắt buộc phải đi kèm máy tính (PC) khi vận hành?
Theo công bố của tác giả tại Mục 1.6 (Subject Limitations), do hệ thống chưa được trang bị màn hình HMI công nghiệp riêng biệt và thuật toán xử lý ảnh, giải mã mã QR phức tạp được chạy trên nền Python/OpenCV, nên hệ thống bắt buộc phải duy trì một máy tính kết nối liên tục với PLC để xử lý hình ảnh và gửi tín hiệu phân loại.

5. Quy trình giải mã mã QR trong hệ thống bao gồm các kỹ thuật xử lý ảnh chính nào?
Dựa trên Chương 2 và Chương 3, quy trình bao gồm: chụp ảnh từ camera Hikrobot, tiền xử lý khử nhiễu (lọc trung bình/Gaussian), chuyển sang ảnh xám, nhị phân hóa theo ngưỡng, phát hiện đường bao (contour detection), thực hiện biến đổi phối cảnh (perspective transform) để làm phẳng và chuẩn hóa khung hình, sau đó sử dụng thư viện OpenCV và WeChat QR Code SDK để trích xuất dữ liệu chuỗi ký tự.

---

Kết luận

Đồ án tốt nghiệp của nhóm tác giả Hồ Phi Phong và Nguyễn Minh Khôi đã nghiên cứu, thiết kế và chế tạo thành công mô hình hệ thống phân loại sản phẩm sử dụng mã QR kết hợp giữa bộ điều khiển PLC Siemens S7-1200 và ngôn ngữ lập trình Python. Công trình đã giải quyết đồng bộ từ khâu thiết kế cơ điện, đấu nối tủ điện điều khiển, lập trình thị giác máy tính với các kỹ thuật lọc ảnh, biến đổi phối cảnh đến khâu truyền thông công nghiệp điều khiển cơ cấu chấp hành. Mặc dù vẫn còn giới hạn ở quy mô thử nghiệm nhỏ trong phòng thí nghiệm và phụ thuộc vào máy tính xử lý trung gian, kết quả thực nghiệm về thời gian xử lý và độ chính xác phân loại trong báo cáo đã khẳng định tính khả thi của giải pháp, đóng góp một tài liệu tham khảo chi tiết cho việc ứng dụng công nghệ mã phản hồi nhanh vào các dây chuyền sản xuất tự động.

Trích đoạn nội dung tài liệu

HO CHI MINH CITY UNIVERSITY OF TECHNOLOGY AND EDUCATION FACULTY OF INTERNATIONAL EDUCATION GRADUATION THESIS DESIGN A PRODUCT CLASSIFICATION SYSTEM USING QR CODE Supervisor: PhD. Ta Van Phuong Student: Ho Phi Phong Student ID: 20142243 Student: Nguyen Minh Khoi Student ID: 20142221 Year of admission: 2020 - 2024 MAJOR: ELECTRICAL AND ELECTRONICS ENGINEERING TECHNOLOGY Ho Chi Minh City, July 2025 HO CHI MINH CITY UNIVERSITY OF TECHNOLOGY AND EDUCATION FACULTY OF INTERNATIONAL EDUCATION GRADUATION THESIS DESIGN A PRODUCT CLASSIFICATION SYSTEM USING QR CODE Supervisor: PhD. Ta Van Phuong Student: Ho Phi Phong Student ID: 20142243 Student: Nguyen Minh Khoi Student ID: 20142221 Year of admission: 2020 - 2024 MAJOR: ELECTRICAL AND ELECTRONICS ENGINEERING TECHNOLOGY Ho Chi Minh City, July 2025 ACKNOWLEDGMENTS We would like to express our sincere thanks to the teachers who took the time to pay attention and read this report. The attention of teachers is an honor as well as a great motivation for our team to continue on the path of development in the near future.

In order to get a complete graduation project and achieve the desired results, we have received a lot of attention and support from many individuals and organizations. With all respect for the contributions, we would like to express our deep gratitude to everyone who has accompanied and facilitated the excellent completion of the project. In particular, we would like to express our deep gratitude to the teachers of the Faculty of International Training, Ho Chi Minh City University of Technology and Education, who have always been dedicated to monitoring and guiding the group during the research and learning process. The attention of the teachers is a great motivation to help us have a solid knowledge base to complete this project.

In particular, we would like to thank PhD.Ta Van Phuong, who directly supported, guided, and oriented the group to achieve the group's set goals. Besides, we are also very grateful for the amount of knowledge from the articles of experts from home and abroad. Our expertise and practical experience help us to achieve our goals as well as upgrade our goals in the near future. We hope that this report will create practical values and contribute to the development of product classification systems in the future.

We sincerely thank and wish you good health, a lot of joy and success in your work and career. ABSTRACT Product classification systems are systems in industry and are designed to ensure performance. This system ensures that the amount of time and efficiency is optimized to meet the needs of small businesses to industrial parks. The project provides an overview of the product classification system by QR code, a common type of code in today's era.

We have created a program to decode the content of the QR code and send the signal to the PLC to control the conveyor and the sorting cylinder according to the requirements. We also build an interface for users (customers) for the purpose of monitoring and remote control in an easy, convenient way for various purposes. TABLE OF CONTENTS Contents CHAPTER 1.3 Scope of study .1 Product classification system .1 Classification based on color .2 Classification based on volume .3 Classification based on size .4 Classification based on QR codes .2 QR code scanning technology .1 Learn about QR codes .2 Image processing and QR code decoding .3 Manual QR code decoding.4 Decoding QR Code by Computer Vision .3 Programming languages and QR code decoding libraries .4 About the Siemens S7-1200 PLC .2 Features of Siemens S7-1200 1212C AC/DC/RLY PLC .5 Software used in the project.2 Visual Studio Code Software. 36 CHAPTER 3 SYSTEM DESIGN AND CONSTRUCTION .2 System Block Diagram .2 HIKROBOT ID5030 SERIES .3 LEYG ELECTRIC CYLINDER .2 Hardware layout design .1 System Structure Model .8 Image processing code .TESTING AND EVALUATION.

CONCLUSION AND DEVELOPMENT DIRECTION. 72 IMAGE LIST Figure 2.1 Product classification system by color 5 Figure 2.2 Product classification system by volume 6 Figure 2.3 Product classification system by size 6 Figure 2.4 Product classification system by QR code 7 Figure 2.5 QR code construction 9 Figure 2.6 QR code analysis 14 Figure 2.7 Table of error correction levels and mask samples 15 Figure 2.8 Mask pattern 15 Figure 2.9 Original QR code 16 Figure 2.10 Using XOR 16 Figure 2.11 Classification of coding styles 17 Figure 2.12 Synthetic QR code 18 Figure 2.13 QR code reading rules 18 Figure 2.14 QR decoding result 19 Figure 2.15 ASCII Table 20 Figure 2.16 Three color separation 21 Figure 2.17 Original and gray photos 22 Figure 2.18 Adjusting the threshhold 23 Figure 2.19 Contour detection 24 Figure 2.20 Perspective transform 25 Figure 2.21 New QR code recognition 26 Figure 2.22 The new QR code is saved to any location 26 Figure 2.24 Wechat QR Code SDK 27 Figure 2.25 Structure of PLC 29 Figure 2.26 Siemens S7-1200 PLC 32 Figure 2.27 Tia portal V16 35 Figure 2.28 Visual Studio Code Icons 36 Figure 3.1 System block diagram 37 Figure 3.2 Device Selection 38 Figure 3.3 PLC S7-1200 1212C AC/DC/RLY 39 Figure 3.4 PLC S7-1200 1212C AC/DC/RLY Parameters 40 Figure 3.5 Hikrobot ID5030 Series 40 Figure 3.6 Hikrobot ID5030 Series Parameters 41 Figure 3.7 LEYG Electric Cylinder 42 Figure 3.8 LEYG Electric Cylinder Parameters 42 Figure 3.9 Dorner 2200 iDrive (Integrated moto) 43 Figure 3.10 Dorner 2200 iDrive (Integrated moto) Parameters 43 Figure 3.11 Dorner 2200 Conveyor 44 Figure 3.12 Dorner 2200 Conveyor Parameters 44 Figure 3.13 Sensor Connect Diagram 45 Figure 3.14 Input Connect Diagram 46 Figure 3.15 Output Connect Diagram 46 Figure 3.16 Relay Load Diagram 47 Figure 3.17 Pneumatic Circuit Operation Diagram 47 Figure 3.18 Placement of the appliance in the electrical cabinet 49 Figure 3.19 System construction 50 Figure 3.20 Pictures of electrical cabinet covers 51 Figure 3.21 Images inside the electrical cabinet 52 Figure 3.23 OpenCV Library 53 Figure 3.24 Connect to PLC 53 Figure 3.25 QR label 54 Figure 3.26 Open Camera 55 Figure 3.27 Saved QR content 56 Figure 3.28 Interface Cover 57 Figure 3.29 Operation interface 58 Figure 3.30 Report interface 58 Figure 4.1 QR decoder flowchart sending content to PLC 59 Figure 4.2 PLC algorithm flowchart 61 Figure 4.3 Connect Camera 62 Figure 4.4 Scan QR code 63 Figure 4.5 Save QR code 64 Figure 4.6 Save a new QR code 65 Figure 4.7 Manual Mode 66 TABLE LIST Table 4.1 Table of average time data for each type of product 67 Table 4. 2 System Accuracy Statistics Table 68 LIST OF ABBREVIATIONS STT Abbreviated Full handwriting symbols 1 PLC Programmable logic controller 2 QR Quick Response Code 3 CPU Central Processing Unit 4 SCADA Supervisory Control and Data Acquisition 5 CB Circuit Breaker 6 PC Personal Computer CHAPTER 1.1 Pose a problem Currently, in the era of technology 4.0, the use of production automation in industry is increasingly developing and popular, advanced machinery and technology have carried out jobs as well as production processes that previously humans have intervened. With the aim here to increase efficiency as well as quality, reduce labor costs and limit human errors, not only that, but the production line requires high accuracy, less errors.

That is one of the reasons that companies and businesses are solving problems related to product classification and packaging and closely supervise throughout the production process. Therefore, the application of automation in the production process helps companies and businesses increase productivity, reduce costs, improve product quality, thereby improving competitiveness in the market, and at the same time sustainable development to adapt to continuous changes in production. The use of product sorting systems has been used a lot and is common in production lines, using sensors and machinery equipment to classify many products according to different criteria such as color, size, height, shape,. helping to minimize errors, save labor costs and achieve effective productivity.

It can be known that product classification according to QR codes has become familiar in our modern life. Moreover, we often use QR codes to pay or access brand information, we can access information quickly through scanning the code, we have full information about the product. Moreover, the combination with image processing technology helps the system to quickly classify products more accurately, reduce errors and achieve high performance. Meeting the criteria as well as the productivity of product classification also contributes to improving the competitiveness of the market and businesses.

The use of QR code product classification combined with photo processing requires the selection of the best, most suitable equipment as well as data processing software programming to achieve the best and most optimal product classification performance. At the same time, these challenges require the most thorough and 1 accurate research to build an optimal production classification system and achieve the most effective productivity. The implementation of QR code product classification is not only to increase product classification efficiency but is also known in the industry today in accordance with the direction of domestic and foreign development, and the QR code product classification system helps to solve production needs in factories, contributing to optimizing the production process and solve the problems that businesses are facing.2 Research Objectives The topic "Product classification by QR code using Python code and PLC S7-1200" with the aim of optimizing product classification time and productivity compared to desired. Specific objectives: Design and build a QR code product classification model Product sorting capacity: 500 products/h.

Can add a new code easily 1.3 Scope of study Object of study Siemens S7-1200 PLC. Tia portal V16 software, Visual Studio Code. Scope of study Designing, constructing hardware, programming controls on Tia portal V16 software. Programming communication between PLC and PC on Visual Studio Code software.4 Research methods Refer to the relevant resources on PLC Siemens programming, communication between PLC and PC, start the actual programming on the PLC S7-1200 in the model.

Research and observe systems in practice as well as domestic and foreign models, and can ask and answer questions on forums and reports.5 Topic structure Chapter 1 General This chapter will provide an overview of the topic of product classification including the reason for choosing the topic, research objectives, research methods, research content and research methods Chapter 2 Research Facilities This chapter will talk about the theoretical basis of different types of product classification systems, an overview of QR code scanning technology, an overview of PLC communication and image processing, and a further overview of the software used in the topic. Chapter 3 System Design and Construction This chapter will cover the system design including hardware and software and then start the construction of the system Chapter 4 Testing and Evaluation This chapter will talk about the QR code decoding flowchart sending content to PLC, PLC algorithm diagram, software and hardware operation then get the data received from the system and evaluate the results. Chapter 5: Conclusion and development direction The team makes conclusions and reviews the overview from the product classification model and gives a few reasons for errors in the implementation process and can change other equipment to better achieve the desired product classification performance.6 Subject Limitations The team built a more intuitive and detailed QR code product classification system model To ensure effective communication with the PLC, the system needs to be equipped with a computer because there is no separate HMI screen. Due to the small scale, the team can only implement a small-scale model to classify products according to design needs for the main purpose of testing instead of building a larger model.

At the same time, it saves costs, as well as optimizes the time to classify products for this project… 4 CHAPTER 2.1 Product classification system In addition to classifying product systems by QR codes, we can also mention the system of classifying products by color, height, and weight. Mainly, each system plays an important role in the product classification process in production through automatic automation thanks to modern and advanced technology.