Đặt vấn đề Trong các dây chuyền lắp ráp sản xuất truyền thống, băng tải thường được sử dụng để di chuyển linh kiện từ một trạm làm việc sang trạm làm việc khác. Tuy nhiên, quá trình này gặp nhiều hạn chế khi băng tải phải dừng lại tại mỗi trạm để hoàn thành các hoạt động lắp ráp, dẫn đến thời gian chờ đợi tích tụ và làm kéo dài quá trình lắp ráp toàn bộ. Điều này ảnh hưởng tiêu cực đến hiệu suất sản xuất tổng thể, đặc biệt là trong các dây chuyền lắp ráp tự động. Để khắc phục nhược điểm này, công nghệ theo dõi băng tải (Conveyor Tracking) đã được phát triển nhằm đảm bảo quy trình làm việc nhất quán ngay cả khi băng tải đang di chuyển.
Trong một hệ thống theo dõi băng tải hiện đại, băng tải không chỉ đảm nhiệm chức năng xử lý vật liệu mà còn hoạt động đồng bộ với quy trình tự động hóa. Hệ thống này cung cấp thông tin liên tục về vị trí các linh kiện trên băng tải đến bộ điều khiển robot thông qua việc sử dụng các cảm biến như cảm biến vị trí, tốc độ, lực, tầm nhìn (vision) và chỉ dẫn bằng laser. Ứng dụng điều khiển robot kết hợp kỹ thuật xử lý ảnh phân loại sản phẩm theo kích thước mang tính cấp thiết cao trong bối cảnh công nghiệp hiện đại, nơi yêu cầu về tự động hóa và hiệu suất sản xuất ngày càng tăng. Việc tích hợp công nghệ xử lý ảnh vào robot không chỉ giúp tăng độ chính xác và tốc độ trong việc gắp và phân loại sản phẩm mà còn giảm thiểu sai sót do con người gây ra.
Đề tài này được chọn vì nó đáp ứng nhu cầu cấp thiết của ngành công nghiệp về tự động hóa và tối ưu hóa quy trình sản xuất. Việc sử dụng robot Nachi Mz07, một loại Serial robot, kết hợp với hệ thống camera 3D và băng tải giúp tăng cường khả năng giám sát và điều khiển quy trình lắp ráp mà không cần dừng băng tải. Điều này không chỉ giúp giảm thời gian chết mà còn cải thiện hiệu suất và chất lượng sản phẩm. Luận văn này sẽ trình bày việc sử dụng robot Nachi Mz07 kết hợp với hệ thống Camera để theo dõi và xử lý các vật trên băng tải.
Hệ thống sẽ sử dụng xử lý ảnh để cung cấp thông tin về vị trí, tốc độ và kích thước của vật. Bộ điều khiển robot sẽ xử lý các thông tin này để điều khiển robot gắp và phân loại sản phẩm một cách chính xác và 1 hiệu quả. Phương án này không chỉ giúp tối ưu hóa quy trình sản xuất mà còn nâng cao độ chính xác và giảm thiểu sai sót trong quá trình lắp ráp.2 Mục tiêu nghiên cứu Luận văn tập trung vào một số mục tiêu chính: - Thiết lập hệ thống camera, băng chuyền và cánh tay robot có cự ly phù hợp trong một không gian làm việc. - Sử dụng camera quan sát và thuật toán xử lý ảnh.
- Điều khiển băng tải chạy thuận nghịch bằng PLC Mitsubishi. - Điều khiển cánh tay robot thực hiện tác vụ theo yêu cầu. - Sử dụng HMI để theo dõi và giám sát bằng Webserver.3 Nghiên cứu quốc tế Trong những năm gần đây, các nghiên cứu khoa học về ứng dụng điều khiển robot kết hợp kỹ thuật xử lý ảnh trong phân loại sản phẩm đã đạt được nhiều tiến bộ đáng kể. Một số nghiên cứu tiêu biểu đã triển khai hệ thống robot tự động trong các dây chuyền sản xuất, nơi các robot không chỉ phân loại sản phẩm mà còn thực hiện các tác vụ phức tạp khác như đóng gói, kiểm tra chất lượng và lắp ráp.
Kết quả từ các nghiên cứu này cho thấy tiềm năng to lớn của việc kết hợp điều khiển robot và kỹ thuật xử lý ảnh trong việc cải thiện năng suất và chất lượng sản phẩm. Gilbreth: A Conveyor-Belt Based Pick-and-Sort Industrial Robotics Application [4] Bài báo này mô tả một ứng dụng robot công nghiệp, có tên là Gilbreth, dùng để nhặt các vật thể khác nhau từ một băng chuyền đang di chuyển và phân loại các vật thể vào các thùng dựa trên loại của chúng. Hệ thống này bao gồm một băng chuyền đang di chuyển, một cảm biến chùm tia, một cảm biến Kinect 3D, một cánh tay robot công nghiệp UR10 với giác hút chân không và các loại vật thể khác nhau như bánh răng, ròng rọc, thanh piston. Thiết lập hệ thống Gilbreth Các tác giả đã phân tích các công trình trước đây và cho rằng các bài báo đó đều tập trung vào việc phát triển các phương pháp để đạt hiệu suất ứng dụng tối ưu.
Không bài nào tập trung vào việc triển khai phần mềm của ứng dụng tương ứng, điều mà bài báo này đóng góp. Cấu trúc phần mềm Gilbreth được minh họa như Hình: Hình 1. Quy trình làm việc của Gilbreth - Object-Arrival Detection (Phát hiện vật thể đến): Sử dụng cảm biến chùm tia và gửi tín hiệu thông báo đến các nút khác trong hệ thống khi có vật thể mới đến. - Break Beam (Chùm tia ngắt): Giai đoạn này nhận tín hiệu từ cảm biến chùm tia khi một vật thể đi qua, rồi gửi thông điệp đến các nút khác để bắt đầu quá trình xử lý vật thể.
- Kinect Publisher (Kinect xuất bản dữ liệu): Giai đoạn này thu thập dữ liệu hình ảnh từ camera Kinect và gửi dữ liệu đám mây điểm (hình ảnh 3D) đến các nút khác khi phát hiện có vật thể mới xuất hiện. 3 - Object Segmentation (Phân đoạn vật thể): Nhận dữ liệu đám mây điểm từ Kinect Publisher, xử lý để loại bỏ nền và xác định các vật thể riêng lẻ trong hình ảnh. Sau đó, nó gửi thông tin về các vật thể này đến các nút tiếp theo để nhận dạng. - Object Recognition (Nhận dạng vật thể): Giai đoạn này so sánh dữ liệu vật thể với cơ sở dữ liệu có sẵn để nhận dạng và xác định loại vật thể.
Nó cũng tính toán cách để cánh tay robot có thể nhặt vật thể và gửi thông tin này đến các nút tiếp theo. - Robot Poses Planner (Lập kế hoạch tư thế robot): Tính toán các tư thế tiếp cận, nhặt, rút lui và đặt vật thể, sau đó gửi thông tin này đến nút lập kế hoạch chuyển động robot. - Robot Motion Planner (Lập kế hoạch chuyển động robot): Giai đoạn này tính toán các quỹ đạo di chuyển cho các khớp của cánh tay robot để thực hiện các tư thế đã lên kế hoạch. Nó cũng xác định thời điểm kích hoạt và vô hiệu hóa kẹp chân không của robot.
- Robot Execution (Thực hiện chuyển động robot): Giai đoạn này điều khiển cánh tay robot thực hiện các quỹ đạo đã lên kế hoạch để nhặt, di chuyển và đặt vật thể vào vị trí thả. Sau khi hoàn thành, cánh tay robot trở lại vị trí ban đầu để sẵn sàng cho lần nhặt tiếp theo. - Gilbreth Manager (Trình quản lý Gilbreth): Giai đoạn này giám sát toàn bộ quá trình xử lý vật thể, theo dõi trạng thái của vật thể khi nó được xử lý bởi các nút khác nhau trong hệ thống. Nó cũng xử lý các thông báo ngắt khi có vấn đề xảy ra và cập nhật trạng thái của vật thể trong quá trình xử lý.
- Lập kế hoạch di chuyển cho robot: Di chuyển để nhặt vật ở vị trí tĩnh: Hình 1. Phương án gắp vật vị trí tĩnh của Gilbreth 4 Phương án gắp vật vị trí tĩnh của Gilbreth: Cánh tay robot luôn gắp vật thể từ băng chuyền tại cùng một vị trí. Sau khi cánh tay robot nhặt vật thể, di chuyển đến thùng tương ứng và đặt vật thể vào thùng đó, cánh tay sẽ quay trở lại vị trí nhặt tĩnh và chờ đợi vật thể tiếp theo. Phương án gắp vật vị trí động của Gilbreth: Hình 1.
Phương án gắp vật vị trí động của Gilbreth Nhặt vị trí động phức tạp hơn, khi đó robot "đuổi theo" vật thể tiếp theo có sẵn sau khi đặt vật thể trước đó vào thùng tương ứng. Phương án này chỉ khả thi nếu bộ truyền động tuyến tính có thể di chuyển nhanh hơn băng chuyền. Từ đó, có thể nhìn thấy chính sách nhặt tại vị trí động phức tạp hơn, nó được kỳ vọng sẽ mang lại hiệu suất phân loại vật thể cao hơn so với chính sách nhặt tại vị trí tĩnh. Nhưng triển khai hiện tại của nhóm tác giả là cho chính sách nhặt tại vị trí tĩnh.
- Sau khi triển khai hệ thống và khởi chạy các chương trình thì thu được kết quả được liệt kê bằng một bảng như sau: Bảng 1. Kết quả của hệ thống Gilbreth Kết luận: - Bài báo này chỉ tập trung vào phần nhặt vật ở vị trí tĩnh, chưa đi vào nhặt vật ở vị trí động. 5 - Độ lệch yaw của vật ở 180 không có sự thay đổi 1.4 Nghiên cứu trong nước Thiết kế và chế tạo cánh tay robot 5 bậc tự do ứng dụng xử lý ảnh để phân loại vật thể [5] Bài báo trình bày việc thiết kế và chế tạo cánh tay robot 5 bậc tự do, ứng dụng trong phân loại sản phẩm dựa trên xử lý ảnh. Hệ thống này sử dụng camera để chụp ảnh sản phẩm, sau đó xử lý và phân loại sản phẩm dựa vào đặc điểm và hình dạng.
Các thành phần của hệ thống: - Khối điều khiển: Sử dụng vi điều khiển Arduino để nhận thông tin từ máy tính và điều khiển các cơ cấu chấp hành. - Khối xử lý trung tâm: Máy tính xử lý ảnh từ camera và truyền thông tin về khối điều khiển. - Khối Camera: Sử dụng camera Logitech C270 để thu thập hình ảnh. - Khối cơ cấu chấp hành: Cánh tay robot 5 bậc chuyển động với 5 động cơ để thực hiện các thao tác gắp và thả vật thể.
Mô hình 3D của hệ thống Hệ thống điều khiển và xử lý ảnh - Xử lý ảnh: Sử dụng thư viện OpenCV phiên bản 3. Quá trình bắt đầu bằng việc chụp ảnh RGB, sau đó thực hiện các phép toán lọc nhiễu và lọc màu để tạo 6 ra ảnh nhị phân. Các bước tiếp theo bao gồm xác định tâm, hình dạng, và góc lệch của vật thể. - Phân loại vật thể: Sau khi xử lý ảnh, các thông số về màu sắc, hình dạng, tọa độ và góc lệch của vật thể được truyền đến vi điều khiển Arduino thông qua giao tiếp RS232.
Lưu đồ thuật toán xử lý ảnh Kết luận: Bài báo cung cấp một hệ thống toàn diện từ thiết kế cơ khí đến thuật toán xử lý ảnh và điều khiển. Hệ thống này có thể ứng dụng trong nhiều lĩnh vực công nghiệp để phân loại sản phẩm một cách hiệu quả và chính xác.