Bối cảnh và vấn đề nghiên cứu

Trong xu thế phát triển của khoa học kỹ thuật hiện đại, tự động hóa các khâu sản xuất và đóng gói sản phẩm là một trong những ưu tiên hàng đầu nhằm nâng cao năng suất, tiết kiệm chi phí nhân công và tối ưu hóa thời gian vận hành. Đối với ngành nông nghiệp và chế biến nông sản, việc kiểm tra và phân loại thành phẩm theo phương pháp thủ công truyền thống phụ thuộc lớn vào cảm quan của con người, dẫn đến tốc độ xử lý chậm và thiếu tính đồng nhất. Công nghệ xử lý ảnh (thị giác máy tính) kết hợp với các hệ thống điều khiển tự động đã mở ra giải pháp thay thế hiệu quả cho các công đoạn này.

Trước thời điểm đề tài được thực hiện, một số công trình nghiên cứu và đồ án tốt nghiệp tại Trường Đại học Sư phạm Kỹ thuật TP. Hồ Chí Minh đã tiếp cận bài toán phân loại sản phẩm:

  • Đồ án năm 2018 của tác giả Trần Khánh Hưng và Hoàng Như Ý: Nghiên cứu hệ thống phân loại cà chua theo màu sắc (đỏ, vàng, xanh) sử dụng bộ điều khiển PLC S7-1200 kết hợp với Arduino, cảm biến màu sắc, cảm biến hồng ngoại và hệ thống cơ cấu khí nén.
  • Đồ án năm 2019 của tác giả Phan Thanh Phong và Nguyễn Hiền Minh: Ứng dụng xử lý ảnh trong hệ thống phân loại sản phẩm thông qua việc kết hợp máy tính nhúng Raspberry Pi và Arduino, thu nhận tín hiệu từ camera và hiển thị kết quả lên màn hình LCD 16x2.

Kế thừa các nghiên cứu trước và nhằm tìm kiếm một giải pháp tối ưu về chi phí phần cứng nhưng vẫn đáp ứng yêu cầu xử lý linh hoạt, đề tài "Hệ thống phân loại cà chua theo màu sắc và khối lượng" được thực hiện.

Mục tiêu chính của đề tài là nghiên cứu sâu về ứng dụng xử lý ảnh thực tế, từ đó thiết kế và thi công hoàn chỉnh mô hình hệ thống phân loại cà chua dựa trên hai thông số độc lập: màu sắc (được thu nhận qua Webcam và xử lý bằng phần mềm MATLAB trên máy tính) và khối lượng (được đo bằng cảm biến Loadcell và vi điều khiển Arduino Nano).

Nhiệm vụ nghiên cứu của đề tài gồm 8 nội dung cụ thể:

  1. Tìm hiểu về vi điều khiển Arduino, phần mềm MATLAB và thiết bị thu nhận hình ảnh (Webcam).
  2. Xây dựng kết nối truyền thông giữa Arduino với MATLAB, Webcam với MATLAB, và các thiết bị ngoại vi với Arduino.
  3. Thiết kế buồng nhận biết màu sắc kết hợp bàn cân khối lượng.
  4. Thiết kế mô hình cơ khí toàn hệ thống phân loại.
  5. Xây dựng lưu đồ giải thuật và viết chương trình điều khiển hệ thống.
  6. Thi công hoàn chỉnh hệ thống điện, tiến hành chạy thử nghiệm và hiệu chỉnh thông số.
  7. Viết báo cáo đồ án tốt nghiệp.
  8. Báo cáo đề tài tốt nghiệp trước hội đồng chuyên môn.

Phạm vi và giới hạn của đề tài:

  • Đối tượng nghiên cứu: Quả cà chua với mục tiêu phân loại thành 4 nhóm (cà chua đỏ loại 1, cà chua đỏ loại 2, cà chua xanh, cà chua vàng). Đề tài không đi sâu vào việc đánh giá khuyết tật bề mặt, chất lượng bên trong hay độ chín chi tiết.
  • Không gian và môi trường: Hệ thống được xây dựng dưới dạng mô hình thử nghiệm thu nhỏ, hoạt động trong điều kiện ánh sáng môi trường bình thường.
  • Tốc độ xử lý: Tốc độ phân loại ở mức độ mô hình thử nghiệm, chưa đạt tốc độ của dây chuyền công nghiệp lớn.

Cơ sở lý thuyết và phương pháp

Cơ sở lý thuyết xử lý ảnh và không gian màu

Xử lý ảnh số trong thị giác máy tính là quá trình biến đổi ảnh gốc thu nhận được thành các dạng dữ liệu số hóa nhằm trích xuất thông tin đặc trưng. Hệ thống xử lý ảnh tổng quát áp dụng các giai đoạn:

  1. Thu nhận ảnh (Image Acquisition): Số hóa tín hiệu quang học từ cảm biến hình ảnh của Webcam sang ma trận điểm ảnh (pixel).
  2. Tiền xử lý (Preprocessing): Nâng cao chất lượng ảnh thông qua cân bằng độ tương phản, khử bóng và lọc nhiễu.
  3. Phân đoạn ảnh (Image Segmentation): Tách đối tượng cà chua ra khỏi vùng phông nền dựa trên sự khác biệt về mức xám hoặc màu sắc.
  4. Biểu diễn và mô tả (Representation and Description): Trích xuất các thuộc tính đặc trưng về màu sắc từ vùng ảnh phân đoạn.
  5. Nhận dạng và phân loại (Recognition): Gán nhãn cho đối tượng tương ứng với các trạng thái màu sắc quy định.

Về không gian màu, nghiên cứu phân tích hai hệ màu cơ bản:

  • Không gian màu RGB: Biểu diễn màu sắc dựa trên 3 kênh màu cơ bản gồm Red (R), Green (G) và Blue (B). Mỗi kênh được mã hóa bằng 8 bit (giá trị từ 0 đến 255), tạo ra $2^{24}$ (hơn 16,7 triệu) màu sắc. Để giảm sự ảnh hưởng của cường độ sáng, các thành phần màu có thể được chuẩn hóa: $$\text{Cường độ: } I = R + G + B$$ $$g = \frac{G}{R + G + B}$$ $$b = \frac{B}{R + G + B} = 1 - r - g$$
  • Không gian màu HSV: Mô hình hình trụ phân tách rõ ràng 3 thông số: Màu sắc (Hue - góc từ $0^\circ$ đến $360^\circ$), Độ bão hòa màu (Saturation - từ 0 đến 1), và Cường độ sáng (Value - từ 0 đến 1). Việc chuyển đổi giữa RGB và HSV được thực hiện thông qua các hàm chuyên dụng trong MATLAB (rgb2hsv và hsv2rgb).

Về chuyển đổi ảnh và lọc nhiễu:

  • Biến đổi ảnh màu sang ảnh xám nhằm giảm độ phức tạp tính toán từ ma trận 24-bit xuống ma trận 8-bit theo công thức tổng quát: $$P = a \cdot C_r + b \cdot C_b + c \cdot C_g$$ (Trong MATLAB, hàm rgb2gray tích hợp sẵn các hệ số trọng số tương ứng).
  • Lọc nhiễu ảnh sử dụng các bộ lọc không gian (lọc thông thấp, lọc trung bình, lọc trung vị) để triệt tiêu tần số cao gây nhiễu, kết hợp với các toán tử phát hiện biên (như Laplace) để xác định ranh giới đối tượng.

Phương pháp nghiên cứu và hiệu chuẩn cảm biến

  • Phương pháp thiết kế hệ thống kỹ thuật: Thiết kế tích hợp phần cứng cơ điện tử (khung băng tải, cụm khí nén, mạch vi điều khiển) phối hợp với phần mềm xử lý ảnh và giao diện người dùng GUI trên máy tính.
  • Phương pháp hiệu chuẩn tuyến tính cảm biến lực: Để xác định chính xác khối lượng quả từ cảm biến Loadcell và bộ biến đổi ADC 24-bit HX711, mối quan hệ giữa giá trị số đọc được từ ADC ($x$) và khối lượng thực tế ($y$) được mô hình hóa qua phương trình đường thẳng: $$y = m \cdot x + b$$ Trong đó: $m$ là hệ số góc (độ dốc của đường chuẩn), $b$ là giá trị chuẩn tại điểm không khi chưa đặt tải ($y_0 = 0$).

Thiết kế và triển khai hệ thống

Kiến trúc tổng thể và phân bổ phần cứng

Hệ thống phân loại được cấu trúc thành 5 khối chức năng chính:

  • Khối nguồn: Cung cấp các mức điện áp phù hợp cho toàn bộ thiết bị trong hệ thống.
  • Khối thu nhận ảnh: Webcam Logitech kết nối qua cổng USB với máy tính.
  • Khối xử lý dữ liệu ảnh (PC): Máy tính chạy phần mềm MATLAB, thực hiện thuật toán nhận dạng màu sắc và gửi lệnh điều khiển.
  • Khối điều khiển trung tâm: Board mạch Arduino Nano tiếp nhận dữ liệu từ cảm biến khối lượng, nhận kết quả xử lý từ MATLAB qua giao tiếp nối tiếp (UART/COM) và điều khiển khối chấp hành.
  • Khối chấp hành: Bao gồm động cơ DC kéo băng tải, hệ thống van điện từ và xi lanh khí nén để gạt cà chua vào các vị trí phân loại.
STT Tên linh kiện / Thiết bị Thông số kỹ thuật chính Số lượng Chức năng trong hệ thống
1 Arduino Nano Vi điều khiển ATmega328, 16 MHz, 5VDC 1 Điều khiển trung tâm, đọc cảm biến, kích relay
2 Webcam Logitech C170/C270 Độ phân giải 720p (1280x720), cảm biến VGA 1 Thu nhận hình ảnh cà chua tại buồng chụp
3 Cảm biến Loadcell Tải trọng 1 kg, Model YZC-133, ngõ ra 1.15 mV/V 1 Cảm biến lực đo trọng lượng cà chua
4 Module ADC HX711 Bộ chuyển đổi ADC 24-bit chuyên dụng cho Loadcell 1 Khuếch đại và số hóa tín hiệu trọng lượng
5 Cảm biến tiệm cận hồng ngoại Khoảng cách phát hiện 3–80 cm, ngõ ra NPN, 5VDC 5 Phát hiện vị trí cà chua tại các trạm phân loại
6 Van điện từ khí nén SMC Model SYJ3143-5LOZ, loại 5/2, áp suất 0.15–0.7 MPa, 24VDC 5 Đóng ngắt khí nén điều khiển xi lanh
7 Xi lanh khí nén Áp suất hoạt động tối đa 0.7 MPa 5 Cơ cấu đẩy cà chua giữa các khâu và vào máng
8 Động cơ DC Điện áp 12–24VDC, tốc độ 32–150 vòng/phút 1 Kéo băng tải màu xanh dài 60 cm chuyển động
9 Màn hình LCD 16x2 + I2C Driver HD44780, giao tiếp I2C địa chỉ 0x27 1 Hiển thị thông số khối lượng cà chua
10 Module Relay 4 kênh Điện áp kích 5VDC (mức thấp), đóng ngắt 24VDC/220VAC 2 Đóng ngắt van điện từ và động cơ DC
11 Nguồn tổ ong Ngõ vào 100–220VAC, ngõ ra 24VDC – 5A 1 Cấp nguồn cho van khí nén và động cơ DC
12 Mạch hạ áp LM2596 Ngõ vào 24VDC, ngõ ra 5VDC – 3A 1 Cấp nguồn ổn định 5V cho các module relay

Sơ đồ kết nối và phân bổ tín hiệu

  • Nguồn 24VDC từ bộ nguồn tổ ong cấp trực tiếp cho động cơ DC kéo băng tải và cuộn coil của 5 van điện từ SMC SYJ3143-5LOZ.
  • Nguồn 24VDC đi qua mạch biến đổi Buck hạ áp LM2596 để tạo điện áp 5VDC (dòng tối đa 3A) cấp nguồn riêng cho cuộn hút của 2 module relay nhằm tránh sụt áp trên vi điều khiển.
  • Cổng USB của máy tính cấp nguồn 5V (500mA) và đồng thời thiết lập kênh truyền UART nối tiếp với Arduino Nano.
  • Kết nối chân tín hiệu của Arduino Nano:
    • Các ngõ vào Analog A4 (SDA) và A5 (SCL) dùng giao tiếp I2C với màn hình LCD 16x2.
    • Cụm Loadcell kết nối với module HX711, sau đó truyền tín hiệu về các chân digital của Arduino.
    • Các chân điều khiển ngõ ra kích relay: Chân A2, A3, 11, 12, 2, 3 của Arduino Nano được nối lần lượt tới các chân tín hiệu IN1 đến IN6 của cụm module relay để kích hoạt động cơ và van điện từ.
    • 5 cảm biến hồng ngoại ngõ ra NPN được kết nối tới các chân Digital Input của Arduino để giám sát hành trình quả.

Tiêu chuẩn phân loại và giải thuật vận hành

Hệ thống tiến hành phân loại cà chua thành 4 nhóm độc lập theo bảng quy tắc sau:

Nhóm phân loại Tiêu chí màu sắc (Không gian RGB) Tiêu chí khối lượng (Loadcell) Vị trí xả hàng Cơ cấu tác động
Cà chua đỏ loại 1 Thành phần R > 5000 và R > G Khối lượng $\ge 30\text{ g}$ Máng phân loại 2 Cảm biến 2 kích hoạt Xi lanh 3
Cà chua đỏ loại 2 Thành phần R > 5000 và R > G Khối lượng $< 30\text{ g}$ Máng phân loại 1 Cảm biến 1 kích hoạt Xi lanh 1 (tại trạm băng tải)
Cà chua xanh Thành phần G > 5000 Không xét khối lượng Máng phân loại 3 Cảm biến 3 kích hoạt Xi lanh 5
Cà chua vàng Không chứa kênh xanh dương, còn lại Không xét khối lượng Cuối băng tải (Máng 4) Rơi tự do, Cảm biến 4 xác nhận

Quy trình vận hành từng bước:

  1. Người vận hành khởi động phần mềm MATLAB, mở giao diện điều khiển (GUI Guide), chọn cổng truyền thông COM7 với tốc độ Baudrate 9600 bps, nhấn Start. Băng tải bắt đầu chạy liên tục.
  2. Cà chua được đặt vào máng nhập liệu. Cảm biến tại vị trí nhập phát hiện vật thể, Arduino điều khiển Xi lanh 1 đẩy cà chua vào buồng nhận diện tích hợp bàn cân Loadcell.
  3. Tại buồng nhận diện:
    • Cụm Loadcell + HX711 tiến hành cân và truyền giá trị khối lượng về Arduino hiển thị lên LCD 16x2.
    • Webcam chụp ảnh quả cà chua, truyền về MATLAB để trích xuất thành phần màu và xác định nhóm màu sắc.
  4. MATLAB truyền kết quả nhận dạng về Arduino. Arduino kết hợp thông tin màu sắc và khối lượng để đưa ra quyết định phân loại, sau đó kích hoạt Xi lanh 2 đẩy cà chua ra băng tải chuyển động.
  5. Khi cà chua di chuyển trên băng tải đến các trạm tương ứng, cảm biến hồng ngoại tại trạm đó kích hoạt xi lanh khí nén gạt cà chua vào đúng máng quy định. Riêng cà chua vàng di chuyển đến cuối băng tải và tự động rơi vào khay chứa, cảm biến cuối băng tải phát tín hiệu xác nhận hoàn thành chu trình.

Nội dung chính theo từng chương

Chương 1: Tổng quan

Chương này trình bày tính cấp thiết của việc tự động hóa quá trình phân loại nông sản trong bối cảnh công nghiệp hóa. Tác giả khảo sát các công trình nghiên cứu đi trước tại trường, từ đó xác định mục tiêu thiết kế mô hình phân loại cà chua theo màu sắc và khối lượng sử dụng MATLAB và Arduino Nano. Chương 1 cũng xác định rõ 8 nhiệm vụ nghiên cứu, giới hạn kỹ thuật của đề tài và bố cục tổng thể của báo cáo.

Chương 2: Cơ sở lý thuyết

Nội dung chương 2 tập trung vào cơ sở toán học và kỹ thuật của lĩnh vực xử lý ảnh số. Tác giả phân tích chi tiết quy trình 5 bước trong xử lý ảnh, cấu trúc không gian màu RGB và HSV, các phương pháp chuyển đổi ảnh màu sang ảnh xám (rgb2gray), kỹ thuật nhị phân hóa ảnh theo ngưỡng, lược đồ xám (histogram), các thuật toán lọc nhiễu không gian (lọc trung bình, lọc thông thấp, lọc Laplace) và nguyên lý tách biên đối tượng.

Chương 3: Tính toán thiết kế hệ thống

Chương 3 trình bày chi tiết phương án thiết kế phần cứng và nguyên lý hoạt động của toàn bộ hệ thống. Tác giả đưa ra sơ đồ khối gồm 5 khối chức năng, danh mục linh kiện cùng bảng thông số kỹ thuật chi tiết của từng thiết bị (Arduino Nano, Webcam Logitech C170/C270, Loadcell YZC-133 tải trọng 1kg, ADC HX711, van khí nén SMC SYJ3143-5LOZ 5/2, module relay 4 kênh, mạch hạ áp LM2596, màn hình LCD 16x2 I2C). Phương trình toán học tuyến tính $y = m \cdot x + b$ được thiết lập để phục vụ hiệu chuẩn cảm biến khối lượng.

Chương 4: Thi công hệ thống

Chương 4 mô tả quá trình lắp ráp phần cứng cơ khí và tích hợp hệ thống điện - khí nén theo 5 bước tuần tự:

  1. Lắp ráp khung băng tải dài 60 cm kết nối động cơ DC.
  2. Lắp ráp cụm bàn cân cơ khí sử dụng Loadcell và module HX711.
  3. Lắp đặt hệ thống 4 máng phân loại sản phẩm.
  4. Lắp đặt buồng chụp ảnh và cố định Webcam.
  5. Đấu nối dây tín hiệu, nguồn điện và ống khí nén cho 5 cụm xi lanh.

Bên cạnh đó, chương 4 trình bày các lưu đồ giải thuật điều khiển hệ thống, giải thuật phân loại màu sắc trên MATLAB và tài liệu hướng dẫn vận hành giao diện điều khiển GUI (thao tác kết nối COM7, tốc độ 9600 baud và khởi động chu trình).

Chương 5: Kết quả, nhận xét và đánh giá

Trình bày kết quả thực nghiệm đạt được trên mô hình vật lý sau khi thi công và tích hợp hoàn chỉnh. Hệ thống đã nhận dạng và phân loại chính xác 4 nhóm cà chua theo đúng nguyên lý thiết kế: cà chua đỏ loại 1, cà chua đỏ loại 2, cà chua xanh và cà chua vàng. Tác giả đưa ra các đánh giá về độ ổn định của cơ cấu gạt khí nén và độ chính xác của cụm cân Loadcell trong điều kiện vận hành thực tế.

Chương 6: Kết luận và hướng phát triển

Tổng kết toàn bộ các kết quả đạt được đối với việc ứng dụng xử lý ảnh và điều khiển nhúng trong bài toán phân loại sản phẩm nông nghiệp. Đồng thời, chương này nêu rõ các hạn chế hiện tại của mô hình và đề xuất các hướng nâng cấp trong tương lai.

Kết quả và đóng góp

Kết quả nghiên cứu thực nghiệm

  • Chế tạo thành công mô hình phần cứng phân loại nông sản thu nhỏ với đầy đủ các cụm cơ điện tử: khung băng tải 60 cm, buồng chụp ảnh - cân trọng lượng tích hợp, 5 cụm xi lanh khí nén hoạt động ở áp suất 0.15–0.7 MPa, và 4 máng chứa phân loại.
  • Xây dựng thành công thuật toán xử lý ảnh trên nền tảng MATLAB, trích xuất đặc trưng màu sắc dựa trên không gian màu RGB và nhị phân hóa ảnh để phân biệt chính xác 3 trạng thái màu (đỏ, xanh, vàng).
  • Tích hợp thành công cảm biến Loadcell 1kg và module chuyển đổi ADC 24-bit HX711 với vi điều khiển Arduino Nano, thực hiện phép đo khối lượng theo phương trình hiệu chuẩn đường thẳng và phân loại thành công ngưỡng 30g cho cà chua đỏ.
  • Thiết lập giao thức truyền thông nối tiếp ổn định giữa MATLAB và Arduino Nano qua cổng COM7 (Baudrate 9600 bps), phối hợp đồng bộ hoạt động của các cơ cấu chấp hành khí nén dựa trên tín hiệu phát hiện từ 5 cảm biến hồng ngoại tiệm cận.

Đóng góp của đề tài

  • Hiện thực hóa mô hình kết hợp đồng thời hai tiêu chí kiểm tra: thị giác máy tính (nhận dạng màu) và cảm biến lực (đo khối lượng) trong cùng một chu trình khép kín, thay vì chỉ phân loại đơn tiêu chí như một số nghiên cứu trước đó.
  • Cung cấp phương án thiết kế hệ thống có chi phí linh kiện thấp nhờ sử dụng vi điều khiển Arduino Nano và Webcam thương mại thông dụng, nhưng vẫn duy trì khả năng tính toán xử lý ảnh mạnh mẽ nhờ tận dụng năng lực xử lý của máy tính thông qua phần mềm MATLAB.

Hạn chế và hướng nghiên cứu tiếp

Hạn chế của đề tài

Căn cứ theo giới hạn đã được nhóm tác giả nêu rõ trong báo cáo:

  • Hệ thống mới chỉ dừng lại ở quy mô mô hình thử nghiệm thu nhỏ, chưa được tối ưu hóa về kết cấu cơ khí để triển khai trực tiếp trên dây chuyền công nghiệp với công suất lớn.
  • Khả năng phân loại màu sắc phụ thuộc vào điều kiện ánh sáng của môi trường xung quanh do chưa thiết kế buồng chiếu sáng chuyên dụng hoàn toàn cách ly ánh sáng ngoài.
  • Tiêu chí phân loại chỉ dựa trên màu sắc thô và khối lượng đơn thuần, chưa tích hợp các giải thuật phân tích sâu để phát hiện vết nứt, đốm sâu bệnh, mức độ dập nát hoặc đánh giá độ chín chi tiết bên trong quả.
  • Tốc độ xử lý của chu trình chụp ảnh, truyền thông và cân đo còn chậm, tạo độ trễ nhất định giữa các lượt phân loại.

Hướng nghiên cứu và phát triển tiếp theo

  • Thiết kế buồng chụp ảnh kín có hệ thống đèn chiếu sáng tiêu chuẩn (LED chuyên dụng) để loại bỏ hoàn toàn sự thay đổi của ánh sáng môi trường, tăng độ chính xác của thuật toán xử lý ảnh.
  • Nâng cấp thuật toán xử lý ảnh để nhận dạng thêm các khuyết tật trên vỏ quả cà chua (như vết trầy xước, thâm dập, sâu bệnh).
  • Tối ưu hóa cấu trúc cơ khí và thuật toán điều khiển nhúng để tăng tốc độ cấp phôi và phân loại, hướng tới đáp ứng yêu cầu năng suất trong môi trường sản xuất công nghiệp thực tế.

Giá trị tham khảo

Đồ án tốt nghiệp này mang lại giá trị tham khảo kỹ thuật hữu ích cho:

  • Sinh viên các ngành Kỹ thuật Điện tử - Truyền thông, Tự động hóa, Cơ điện tử và Kỹ thuật Y sinh: Nguồn tài liệu tham khảo thực tế về phương pháp tích hợp hệ thống phần cứng vi điều khiển (Arduino ATmega328) với các cơ cấu công nghiệp như van điện từ khí nén 5/2, cảm biến tiệm cận quang điện và cảm biến tải trọng Loadcell.
  • Người nghiên cứu các đề tài ứng dụng thị giác máy tính trong phân loại sản phẩm: Tham khảo quy trình thu nhận hình ảnh từ Webcam, giải thuật phân đoạn, lọc nhiễu và trích xuất không gian màu trên MATLAB, cũng như cách thức xây dựng giao diện điều khiển GUI (Guide) để giao tiếp nối tiếp hai chiều với phần cứng nhúng.

Câu hỏi thường gặp

1. Hệ thống phân loại cà chua thành những nhóm cụ thể nào và theo tiêu chí nào?

Hệ thống phân loại cà chua thành 4 nhóm cụ thể dựa trên hai tiêu chí:

  • Cà chua đỏ loại 1: Màu đỏ (thành phần màu $R > 5000$ và $R > G$) và khối lượng $\ge 30\text{ g}$.
  • Cà chua đỏ loại 2: Màu đỏ (thành phần màu $R > 5000$ và $R > G$) và khối lượng $< 30\text{ g}$.
  • Cà chua xanh: Màu xanh (thành phần màu $G > 5000$).
  • Cà chua vàng: Các trường hợp còn lại không chứa thành phần màu xanh dương.

2. Các thiết bị phần cứng chính được sử dụng để điều khiển và đo lường trong mô hình gồm những gì?

Hệ thống sử dụng các phần cứng chủ chốt:

  • Vi điều khiển trung tâm: Arduino Nano (chip ATmega328, xung nhịp 16 MHz).
  • Thiết bị thu nhận ảnh: Webcam Logitech C170/C270 (chuẩn hình ảnh 720p).
  • Cụm đo khối lượng: Cảm biến lực Loadcell 1kg (Model YZC-133) kết hợp module biến đổi ADC 24-bit HX711.
  • Cơ cấu chấp hành: 5 cụm xi lanh khí nén điều khiển bởi cụm 5 van điện từ SMC SYJ3143-5LOZ (loại 5/2, 24VDC), 1 động cơ DC kéo băng tải dài 60 cm, và 2 module relay 4 kênh.

3. Phương pháp toán học nào được nhóm tác giả sử dụng để hiệu chỉnh cảm biến Loadcell?

Nhóm tác giả sử dụng phương trình đường thẳng tuyến tính: $$y = m \cdot x + b$$ Trong đó $x$ là giá trị số đọc từ bộ chuyển đổi ADC HX711, $y$ là khối lượng thực tế của quả, $m$ là độ dốc (hệ số tỉ lệ) của đường hiệu chỉnh, và $b$ là giá trị tại điểm chuẩn 0 khi chưa đặt khối lượng tải ($y_0 = 0$).

4. Giao tiếp giữa máy tính xử lý ảnh MATLAB và vi điều khiển Arduino Nano được thiết lập như thế nào?

Máy tính và Arduino Nano được kết nối trực tiếp thông qua cáp Mini USB. Dữ liệu nhận dạng màu sắc từ phần mềm MATLAB được truyền xuống Arduino Nano qua giao thức truyền thông nối tiếp UART thông qua cổng ảo COM7 với tốc độ Baudrate được thiết lập là 9600 bps.

5. Thứ tự hoạt động của các xi lanh khí nén trong chu trình phân loại diễn ra như thế nào?

  • Xi lanh 1: Đẩy cà chua từ vị trí nhập liệu vào buồng chụp ảnh và cân khối lượng.
  • Xi lanh 2: Đẩy cà chua từ bàn cân sang băng tải chuyển động sau khi quá trình nhận diện hoàn tất.
  • Xi lanh 3: Đẩy cà chua đỏ loại 1 vào máng tương ứng khi cảm biến hồng ngoại 2 kích hoạt.
  • Xi lanh 4 (Xi lanh 1 trên trạm băng tải): Đẩy cà chua đỏ loại 2 vào máng khi cảm biến hồng ngoại 1 kích hoạt.
  • Xi lanh 5: Đẩy cà chua xanh vào máng khi cảm biến hồng ngoại 3 kích hoạt. (Riêng cà chua vàng chạy thẳng về cuối băng tải và tự rơi vào máng 4 mà không cần xi lanh đẩy).

Kết luận

Đồ án tốt nghiệp "Hệ thống phân loại cà chua theo màu sắc và khối lượng" đã thiết kế và chế tạo thành công một mô hình tự động hóa phân loại nông sản thu nhỏ dựa trên sự kết hợp giữa công nghệ xử lý ảnh MATLAB và vi điều khiển Arduino Nano. Hệ thống thực hiện hoàn chỉnh chu trình phân loại tự động 4 nhóm sản phẩm nhờ sự phối hợp đồng bộ giữa cụm cân Loadcell HX711, Webcam thu nhận hình ảnh và hệ thống truyền động khí nén - băng tải. Mặc dù còn một số hạn chế về tốc độ xử lý và sự phụ thuộc vào ánh sáng môi trường, công trình là tài liệu tham khảo có giá trị kỹ thuật thực tiễn cho các nghiên cứu ứng dụng thị giác máy tính và cơ điện tử phục vụ nông nghiệp công nghệ cao.