Giới thiệu dự án

Trong bối cảnh công nghiệp hóa và hiện đại hóa theo định hướng Công nghiệp 4.0, tự động hóa dây chuyền sản xuất đóng vai trò quyết định đến năng suất, độ chính xác và năng lực cạnh tranh của doanh nghiệp. Theo các khảo sát công nghiệp chế tạo, khâu kiểm tra chất lượng và phân loại sản phẩm thủ công chiếm tới 35–45% tổng thời gian của quy trình đóng gói, đồng thời ghi nhận tỷ lệ lỗi do yếu tố con người (như mệt mỏi, sai lệch nhận thức thị giác) dao động từ 5% đến 8%. Đối với các doanh nghiệp vừa và nhỏ (SMEs), việc đầu tư hệ thống thị giác máy chuyên dụng cao cấp nhập khẩu thường gặp rào cản lớn về chi phí đầu tư ban đầu và độ phức tạp trong vận hành.

Đề tài "Nghiên cứu, thiết kế hệ thống phân loại sản phẩm theo màu sắc" giải quyết trực tiếp bài toán tự động hóa quá trình nhận diện và chia chọn phôi sản phẩm trên băng tải. Bằng việc tích hợp kỹ thuật xử lý ảnh số trên máy tính công nghiệp với khả năng điều khiển khả trình thời gian thực của bộ điều khiển logic PLC, hệ thống cung cấp giải pháp phân loại tin cậy, vận hành liên tục và tối ưu hóa chi phí chế tạo.

[Hệ cấp phôi] ──> [Băng tải PVC] ──> [Camera Thu hình] ──> [Xử lý ảnh MATLAB]
                                                                │ (OPC DA)
[Khay 4: Đỏ] <── [Máng chia chọn 1,2,3] <── [Tay gắp Khí nén] <── [PLC S7-200]

Mục tiêu kỹ thuật của đề tài

  1. Thiết kế hoàn chỉnh hệ thống cơ khí – khí nén: Chế tạo băng tải PVC mini, cụm cấp phôi tự động, cơ cấu phân loại bằng tay gắp khí nén xoay kết hợp giác hút chân không với kích thước tổng thể $1500 \times 700 \times 400\text{ mm}$ và tổng khối lượng khoảng $20\text{ kg}$.
  2. Xây dựng thuật toán xử lý ảnh nhận dạng màu sắc: Thu nhận và phân tích hình ảnh độ phân giải $640 \times 480$ pixels trên không gian màu HSV nhằm phân tách chính xác 4 nhóm màu (Vàng, Tím, Xanh lá cây, Đỏ) dưới điều kiện ánh sáng công nghiệp.
  3. Thiết lập giao thức truyền thông OPC công nghiệp: Đồng bộ hóa dữ liệu thời gian thực giữa phần mềm tính toán cấp cao (MATLAB) và PLC Siemens S7-200 qua chuẩn OPC Data Access.
  4. Lập trình logic điều khiển chấp hành: Tối ưu hóa chu trình phối hợp giữa cảm biến quang học, cảm biến từ vị trí, van điện từ khí nén và động cơ băng chuyền nhằm đảm bảo thời gian chu kỳ (cycle time) dưới $3.0\text{ giây/sản phẩm}$.

Phạm vi và giới hạn hệ thống

  • Phạm vi nhận dạng: 04 nhóm màu chuẩn xác định (Vàng, Tím, Xanh lá, Đỏ) trên bề mặt phôi hình học tiêu chuẩn.
  • Giới hạn môi trường: Cường độ ánh sáng môi trường yêu cầu ổn định trong dải $400 - 600\text{ Lux}$; kích thước phôi giới hạn trong dải $\varnothing 30 - 50\text{ mm}$, tải trọng tối đa $150\text{ g/phôi}$.

Phân tích và thiết kế giải pháp

Phân tích hiện trạng

Tiêu chí kỹ thuật Phân loại thủ công (Manual) Cảm biến màu quang học đơn điểm (TCS3200) Hệ thống Thị giác máy kết hợp PLC (Đề tài)
Độ chính xác $92 - 94%$ (giảm theo ca làm việc) $88 - 91%$ (dễ nhiễu khoảng cách) $96.5 - 98.2%$ (ổn định liên tục)
Tốc độ phân loại $10 - 15\text{ sp/phút}$ $18 - 22\text{ sp/phút}$ $20 - 25\text{ sp/phút}$
Khả năng mở rộng Không Hạn chế (chỉ đo 1 điểm cố định) Cao (nhận diện hình dạng, diện tích)
Chi phí đầu tư Chi phí nhân công định kỳ cao Rất thấp, độ bền công nghiệp kém Tối ưu, thu hồi vốn nhanh ($< 5\text{ tháng}$)
Tính mềm dẻo Thấp Rất thấp (phải chỉnh cơ khí cảm biến) Rất cao (chỉnh ngưỡng thuật toán trên GUI)

Ma trận ưu tiên yêu cầu kỹ thuật (MoSCoW)

  • Must Have (Bắt buộc): Băng tải điều khiển bằng động cơ DC, camera thu nhận hình ảnh thời gian thực, thuật toán phân đoạn màu HSV, PLC S7-200 kích hoạt cụm tay hút khí nén phân loại chính xác phôi vào 4 khay chứa riêng biệt.
  • Should Have (Nên có): Giao diện điều khiển giám sát GUIDE trực quan hiển thị thông số và bộ đếm sản phẩm; cơ chế ngắt an toàn khi kẹt phôi.
  • Could Have (Có thể có): Chức năng lưu trữ dữ liệu lịch sử ca sản xuất ra file Excel/Database; tích hợp biến tần điều chỉnh tốc độ băng tải vô cấp.
  • Won't Have (Chưa thực hiện): Nhận diện đa vật thể chuyển động tốc độ cao vượt quá $0.5\text{ m/s}$; phân loại lỗi khuyết tật bề mặt vi mô.

Thiết kế hệ thống

graph TD
    A["Camera Dahua Z2+ (720p HD)"] -->|USB 2.0 / YUY2| B["PC Công nghiệp / MATLAB R2015a"]
    B -->|Image Processing Toolbox| C["Xử lý ảnh không gian HSV"]
    C -->|OPC Toolbox| D["OPC Server: Siemens PC Access"]
    D -->|RS-485 / Cáp PC-PPI| E["PLC Siemens S7-200 CPU 224"]
    
    F["Cảm biến quang E3F-DS30C4"] -->|Tín hiệu 24VDC NPN| E
    G["Cảm biến từ SMC D-A93"] -->|Hành trình xy lanh| E
    
    E -->|Ngõ ra Digital 24VDC| H["Rơ le trung gian"]
    H -->|Đóng ngắt Coil| I["Van điện từ AIRTAC 3V210-08 / SMC 5/2"]
    I -->|Áp suất 0.6 MPa| J["Cơ cấu khí nén: Cấp phôi, Tay xoay MSQB-20A, Giác hút chân không"]
    E -->|Điều khiển Driver| K["Động cơ băng tải Handson JM37-550"]

Thông số kỹ thuật của các khối chức năng chính

  1. Bộ điều khiển trung tâm: Siemens S7-200 CPU 224 AC/DC/Relay (14 Digital Inputs / 10 Digital Outputs, bộ nhớ chương trình 8 KB, bộ nhớ dữ liệu 8 KB, thời gian thực thi lệnh cơ bản $0.37\text{ }\mu\text{s}$, tích hợp cổng truyền thông RS-485 chuẩn PPI).
  2. Cảm biến đầu vào:
    • Cảm biến quang tiệm cận Omron E3F-DS30C4: Dải đo điều chỉnh $3 - 30\text{ cm}$, ngõ ra NPN thường mở, thời gian đáp ứng $< 2\text{ ms}$.
    • Cảm biến hành trình từ SMC D-A93: Lắp trên rãnh thân xy lanh, đèn LED hiển thị trạng thái chuyển mạch.
  3. Cơ cấu chấp hành khí nén:
    • Xy lanh xoay góc SMC MSQB-20A: Góc xoay điều chỉnh $0 - 190^\circ$, lực mô-men xoắn hữu dụng $0.98\text{ N}\cdot\text{m}$ tại $0.5\text{ MPa}$.
    • Xy lanh cấp phôi SMC CDQSB16-125DCM tác động kép, hành trình $125\text{ mm}$.
    • Giác hút chân không vật liệu Silicone dẻo tích hợp van tạo áp chân không theo hiệu ứng Venturi.
  4. Thiết bị thu nhận hình ảnh: Webcam Dahua Z2+ cảm biến CMOS 10MP, độ phân giải chụp $640 \times 480$ pixels, tốc độ khung hình $30\text{ fps}$.

Implementation và kết quả

Quy trình phát triển và Thuật toán cốt lõi

Quy trình xử lý ảnh trên MATLAB R2015a thực hiện theo đường ống phân tích nối tiếp: Thu nhận khung hình $\rightarrow$ Chuyển đổi không gian màu sang HSV $\rightarrow$ Lọc ngưỡng phân đoạn nhị phân $\rightarrow$ Xử lý hình thái học loại bỏ nhiễu $\rightarrow$ Trích xuất thuộc tính hình học và gửi kết quả sang PLC qua OPC.

% 1. Khởi tạo đối tượng camera qua Image Acquisition Toolbox
vid = videoinput('winvideo', 1, 'YUY2_640x480');
set(vid, 'FramesPerTrigger', Inf);
set(vid, 'ReturnedColorspace', 'rgb');
triggerconfig(vid, 'manual');
start(vid);

% 2. Thu nhận khung hình thời gian thực
data = getsnapshot(vid);

% 3. Chuyển đổi sang không gian màu HSV
hsvImage = rgb2hsv(data);
H = hsvImage(:,:,1); % Kênh Hue (Sắc độ)
S = hsvImage(:,:,2); % Kênh Saturation (Độ bão hòa)
V = hsvImage(:,:,3); % Kênh Value (Độ sáng)

% 4. Phân đoạn ngưỡng nhị phân cho màu Xanh lá cây (Green)
% Ngưỡng Hue chuẩn cho Xanh lá: [0.25, 0.45], Độ bão hòa S > 0.3
greenMask = (H >= 0.25 & H <= 0.45) & (S >= 0.30) & (V >= 0.20);

% 5. Khử nhiễu đốm và lấp đầy vùng rỗng (Morphology & Median Filter)
cleanMask = medfilt2(greenMask, [3 3]);
cleanMask = bwareaopen(cleanMask, 1000); % Loại bỏ đối tượng dưới 1000 pixels

% 6. Xác định biên dạng, diện tích và tọa độ hộp bao
stats = regionprops(cleanMask, 'BoundingBox', 'Centroid', 'Area');

if ~isempty(stats)
    % Vẽ hộp định danh trên giao diện GUIDE
    for k = 1:length(stats)
        bb = stats(k).BoundingBox;
        rectangle('Position', bb, 'EdgeColor', 'g', 'LineWidth', 2);
        set(handles.txtColorDetected, 'String', 'GREEN PRODUCT DETECTED');
    end
    
    % 7. Ghi tín hiệu kích hoạt xuống PLC S7-200 qua OPC Data Access
    da = opcda('localhost', 'Siemens.PC-Access');
    connect(da);
    grp = addgroup(da, 'SortingGroup');
    itmGreen = additem(grp, 'MicroWin.S7200.M0_2'); % Bit M0.2 điều khiển nhánh màu xanh
    write(itmGreen, 1);
end

[Bắt đầu chu trình] 
       │
       ▼
[Camera lấy mẫu] ──> [Chuyển RGB sang HSV] ──> [Áp ngưỡng màu: H, S, V]
                                                        │
                                                        ▼
[Gửi mã phân loại qua OPC] <── [Trích xuất BoundingBox] <── [Lọc trung vị & BwAreaOpen > 1000px]
       │
       ▼
[PLC kích hoạt Xy lanh xoay + Giác hút] ──> [Thả phôi đúng máng] ──> [Cảm biến từ xác nhận kết thúc]

Kết quả đo kiểm và Thực nghiệm

Quá trình kiểm thử được thực hiện qua 500 chu trình liên tục trên 4 loại mẫu phôi màu khác nhau:

Thông số đánh giá Giá trị thiết kế ban đầu Kết quả thực nghiệm đạt được Độ sai lệch / Đánh giá
Độ chính xác nhận diện màu $\ge 95.0%$ $97.4%$ Vượt $2.4%$ chỉ tiêu
Thời gian xử lý ảnh (MATLAB) $\le 100\text{ ms}$ $62.5\text{ ms}$ Đảm bảo xử lý thời gian thực
Độ trễ truyền thông OPC $\le 50\text{ ms}$ $34.8\text{ ms}$ Giao thức RS-485 PPI ổn định
Chu kỳ phân loại (Cycle Time) $\le 3.5\text{ s/sp}$ $2.75\text{ s/sp}$ Năng suất đạt $\approx 22\text{ sp/phút}$
Tỷ lệ kẹt phôi cơ khí $\le 1.0%$ $0.4%$ (2/500 lần) Cơ cấu giác hút silicone ổn định

Đổi mới và đóng góp

  1. Kiến trúc điều khiển lai mềm dẻo (Hybrid Architecture): Giải quyết thành công rào cản tài chính của doanh nghiệp khi thay thế cụm Smart Camera công nghiệp đắt đỏ ($> 3,000\text{ USD}$) bằng tổ hợp Webcam thương mại kết hợp thuật toán xử lý không gian màu HSV trên MATLAB, giao tiếp an toàn với PLC qua tiêu chuẩn OPC Data Access.
  2. Khử nhiễu chiếu sáng bằng không gian màu HSV: Khắc phục triệt để hiện tượng biến thiên màu sắc khi ánh sáng nhà xưởng thay đổi nhờ tách riêng thành phần Sắc độ ($H$) khỏi Cường độ sáng ($V$), giúp thuật toán đạt độ chính xác nhận dạng $97.4%$ so với mức $84.2%$ khi xử lý trên hệ màu RGB thông thường.
  3. Cơ cấu phân loại khí nén tích hợp tay xoay $180^\circ$: Thiết kế cánh tay phân phối 3 vị trí kết hợp giác hút chân không đàn hồi giúp giữ nguyên vẹn chất lượng bề mặt phôi, không gây trầy xước hay móp méo như các cơ cấu gạt đẩy cơ học truyền thống.

Ứng dụng thực tế và triển khai

Kịch bản ứng dụng trong nhà máy

  • Dây chuyền phân loại nắp chai và bao bì thực phẩm: Tách các loại nắp chai khác màu (đỏ, xanh, vàng) phục vụ quy trình đóng gói tự động.
  • Phân loại linh kiện nhựa – điện tử: Phân tách rơ-le, vỏ domino, đầu cosse nhựa màu trong các xưởng đúc ép nhựa phụ trợ.
  • Kiểm định chất lượng nông sản: Ứng dụng phân loại trái cây nhỏ (cà chua bi, mận, chanh) theo độ chín thông qua màu sắc vỏ ngoài.

Phân tích hiệu quả kinh tế (ROI)

Hạng mục chi phí Phương án thủ công (1 Nhân công) Hệ thống tự động phân loại
Chi phí đầu tư ban đầu $0\text{ VNĐ}$ $14,500,000\text{ VNĐ}$ (chế tạo hoàn thiện)
Chi phí vận hành hàng tháng $7,500,000\text{ VNĐ}$ (lương, bảo hiểm) $250,000\text{ VNĐ}$ (điện năng, bảo dưỡng)
Sản lượng phân loại/ngày $4,800\text{ sản phẩm}$ ($8\text{ giờ}$) $10,560\text{ sản phẩm}$ ($8\text{ giờ}$)
Thời gian hoàn vốn (Payback Period) — $\approx 2.0\text{ tháng}$ 
Chi phí tích lũy (VNĐ)
   │
   │      / (Thủ công: Lương 7.5tr/tháng)
   │     /
   │    / 
   │   /  <--- Điểm hòa vốn: Tháng thứ 2.0
   │  / 
14.5tr ─── (Hệ thống tự động: Vận hành 250k/tháng)
   │
   └───────────────────────────> Thời gian (tháng)
       1     2     3     4

Hạn chế và hướng phát triển

Hạn chế kỹ thuật

  • Hệ thống yêu cầu nguồn chiếu sáng cố định; khi cường độ ánh sáng môi trường sụt giảm đột ngột dưới $200\text{ Lux}$, độ chính xác phân đoạn màu giảm còn $89.0%$.
  • Tốc độ truyền thông qua chuẩn RS-485 nối tiếp (baudrate $9600\text{ bps}$) giới hạn tần suất gửi dữ liệu khi băng tải vận hành ở dải vận tốc cao $> 0.8\text{ m/s}$.

Hướng phát triển nâng cao

  • Nâng cấp bộ điều khiển lên Siemens S7-1200 CPU 1214C kết nối mạng truyền thông Industrial Ethernet (PROFINET) qua giao thức OPC UA, giảm độ trễ vòng lặp điều khiển xuống $< 10\text{ ms}$.
  • Nhúng mô hình thị giác nhân tạo học sâu (YOLOv8-tiny) trên bo mạch xử lý biên NVIDIA Jetson Nano 4GB để đồng thời phân loại màu sắc, nhận diện khuyết tật bề mặt và phân loại biến dạng hình học 3D.

Đối tượng hưởng lợi

  • Sinh viên & Học viên chuyên ngành Cơ điện tử / Tự động hóa: Tài liệu mẫu hoàn chỉnh về quy trình thiết kế liên ngành: Tính toán cơ khí SolidWorks, thiết kế mạch điện công nghiệp, lập trình PLC Ladder và kỹ thuật xử lý ảnh số thời gian thực.
  • Kỹ sư triển khai hệ thống (R&D Engineers): Khung kiến trúc kết nối chuẩn hóa giữa MATLAB và PLC S7-200 thông qua OPC Server, dễ dàng tùy biến cho các bài toán phân loại sản phẩm khác.
  • Doanh nghiệp vừa và nhỏ (SMEs): Bản thiết kế mẫu có tính ứng dụng thực tiễn cao, chi phí vật tư thấp, dễ dàng nội địa hóa và thay thế linh kiện tại thị trường Việt Nam.

Câu hỏi thường gặp

1. Yêu cầu cấu hình phần cứng tối thiểu để triển khai hệ thống?

Máy tính trạm vận hành yêu cầu tối thiểu vi xử lý Intel Core i3 (thế hệ 4 trở lên), RAM 4GB, cổng giao tiếp USB 2.0 kết nối Camera, cổng chuyển đổi USB-to-RS485 PPI kết nối PLC Siemens S7-200, cài đặt hệ điều hành Windows 7/10 64-bit cùng môi trường MATLAB R2015a và Siemens PC Access v1.0 SP6.

2. Khi cường độ ánh sáng môi trường thay đổi, hệ thống xử lý thế nào?

Hệ thống sử dụng không gian màu HSV. Do kênh $V$ (Value - Độ sáng) được tách biệt hoàn toàn khỏi kênh $H$ (Hue - Sắc độ) và $S$ (Saturation - Độ bão hòa), các ngưỡng nhận diện màu sắc không bị ảnh hưởng khi cường độ chiếu sáng dao động trong biên độ $\pm 25%$. Đối với môi trường công nghiệp có ánh sáng phức tạp, nên trang bị thêm hộp che tối (dark box) tích hợp đèn LED thanh vòng 24VDC chuyên dụng.

3. Hệ thống có thể tích hợp vào dây chuyền sản xuất có sẵn không?

Hoàn toàn khả thi. PLC S7-200 hỗ trợ cấu hình tín hiệu Interlock (Digital I/O) hoặc truyền thông công nghiệp để nhận cờ kích hoạt (Trigger) từ máy cấp phôi tuyến trên và gửi tín hiệu báo sẵn sàng (Ready/Busy/Fault) về trung tâm điều khiển SCADA toàn nhà máy.

4. Chi phí bảo dưỡng và độ bền của các linh kiện khí nén?

Các thiết bị khí nén SMC và AIRTAC có độ bền thiết kế đạt trên 10 triệu chu kỳ đóng mở. Quy trình bảo dưỡng định kỳ chỉ yêu cầu xả nước ở bộ lọc khí nén hàng tuần và bổ sung dầu bôi trơn chuyên dụng (ISO VG32) cho bộ bôi trơn khí nén mỗi 6 tháng.

5. Tại sao không phân loại trực tiếp trên hệ màu RGB mà phải chuyển sang HSV?

Trên không gian RGB, ba thành phần màu Đỏ, Xanh lá, Xanh lam bị phụ thuộc chặt chẽ vào độ sáng; khi bóng đổ hoặc ánh sáng tăng/giảm, cả ba giá trị R-G-B đều biến thiên phi tuyến tính, làm sai lệch ngưỡng nhị phân. Không gian màu HSV gom toàn bộ thông tin về bản chất màu vào trục góc Hue ($0 - 360^\circ$), giúp xác lập khoảng giá trị cố định cho từng dải màu một cách độc lập và chính xác.

Kết luận

Đề tài "Nghiên cứu, thiết kế hệ thống phân loại sản phẩm theo màu sắc" của nhóm sinh viên Trường Đại học Công nghiệp Hà Nội đã giải quyết thành công bài toán cơ điện tử ứng dụng: kết hợp nhuần nhuyễn giữa cơ khí chính xác, khí nén công nghiệp, điều khiển khả trình PLC S7-200 và thuật toán xử lý ảnh số MATLAB. Với độ chính xác thực nghiệm đạt $97.4%$, năng suất phân loại $22\text{ sản phẩm/phút}$ và thời gian hoàn vốn ấn tượng chỉ $2.0\text{ tháng}$, hệ thống khẳng định tính khả thi vượt trội, mở ra hướng ứng dụng tự động hóa chi phí thấp và hiệu quả cao cho các dây chuyền sản xuất công nghiệp tại Việt Nam.