I. Giới thiệu về Đồ án Phân loại Sản phẩm bằng Robot Dobot Magician
Đồ án phân loại sản phẩm bằng Robot Dobot Magician là một hệ thống tự động hóa tiên tiến được thực hiện tại Trường Đại học Sư phạm Kỹ thuật Thành phố Hồ Chí Minh. Đây là một ứng dụng công nghệ tân tiến trong lĩnh vực robot công nghiệp giúp tối ưu hóa quy trình sản xuất. Hệ thống kết hợp giữa robot Dobot Magician, camera thị giác máy tính và băng chuyền vận chuyển để thực hiện công việc phân loại sản phẩm một cách chính xác và hiệu quả. Mục tiêu chính của đồ án này là phát triển một giải pháp tự động hóa hoàn chỉnh có khả năng nhận diện, phân loại và xử lý sản phẩm dựa trên các đặc tính như màu sắc, vị trí và hướng di chuyển. Hệ thống này không chỉ nâng cao năng suất sản xuất mà còn giảm thiểu sai sót trong quá trình phân loại.
1.1. Mục tiêu và ý nghĩa của đề tài
Mục tiêu chính của đồ án là xây dựng một hệ thống phân loại sản phẩm tự động sử dụng robot Dobot Magician. Hệ thống sẽ thu thập dữ liệu từ camera để nhận diện màu sắc sản phẩm, sau đó điều khiển robot thực hiện các chuyển động gắp thả chính xác. Ý nghĩa của đề tài nằm ở việc áp dụng công nghệ xử lý ảnh trong tự động hóa công nghiệp, giúp doanh nghiệp nâng cao chất lượng sản phẩm và tối ưu chi phí nhân công.
1.2. Nội dung chính của hệ thống
Hệ thống bao gồm ba thành phần chính: băng chuyền vận chuyển sản phẩm, camera nhận dạng và robot Dobot Magician. Quy trình hoạt động bắt đầu với việc sản phẩm được đưa lên băng chuyền, camera tiến hành chụp ảnh và phân tích, sau đó robot thực hiện động tác gắp và đặt vào vị trí kho chứa tương ứng. Toàn bộ hệ thống được lập trình bằng Python sử dụng thư viện OpenCV để đạt hiệu suất tối đa.
II. Nguyên lý hoạt động của Hệ thống Phân loại Sản phẩm
Nguyên lý hoạt động của hệ thống phân loại sản phẩm dựa trên công nghệ xử lý ảnh và điều khiển robot. Khi sản phẩm được đưa lên băng chuyền, camera sẽ nзахват và phân tích hình ảnh để xác định màu sắc, vị trí và hướng của vật thể. Dữ liệu này được xử lý trong thời gian thực bằng thư viện OpenCV, giúp phân biệt các sản phẩm có màu sắc khác nhau. Sau khi xác định chính xác thông tin sản phẩm, robot Dobot Magician sẽ được lệnh điều khiển để thực hiện động tác gắp và thả sản phẩm vào kho chứa tương ứng. Hệ thống có khả năng xử lý ảnh với độ chính xác cao, nhưng vẫn chịu ảnh hưởng của yếu tố ánh sáng tự nhiên gây tạo bóng trên sản phẩm.
2.1. Quá trình xử lý ảnh và nhận diện sản phẩm
Camera thu thập hình ảnh sản phẩm trên băng chuyền và gửi tới hệ thống xử lý. Tiền xử lý ảnh bao gồm chuyển đổi không gian màu từ RGB sang HSV, giúp nhận diện màu sắc chính xác hơn. Sau đó, thuật toán phát hiện cạnh Canny được áp dụng để xác định ranh giới vật thể. Phân tích và so sánh với các mẫu tiêu chuẩn giúp phân loại sản phẩm chính xác.
2.2. Điều khiển robot và thực thi động tác
Sau khi nhận diện sản phẩm, hệ thống sẽ tính toán tọa độ vị trí và gửi lệnh tới robot Dobot Magician. Robot arm sẽ di chuyển đến vị trí sản phẩm, nắp nút hút để gắp sản phẩm, sau đó di chuyển đến kho chứa và thả sản phẩm vào vị trí quy định. Toàn bộ quá trình được lập trình bằng Python để đảm bảo tính chính xác và hiệu suất cao.
III. Công nghệ Xử lý Ảnh và OpenCV trong Hệ thống
Xử lý ảnh số là nền tảng cốt lõi của hệ thống phân loại sản phẩm. Thư viện OpenCV là công cụ mã nguồn mở mạnh mẽ được sử dụng để thực hiện các tác vụ xử lý ảnh như tiền xử lý, phát hiện cạnh, và nhận diện màu sắc. Thuật toán Canny được áp dụng để phát hiện các cạnh của sản phẩm với độ chính xác cao. Không gian màu HSV được sử dụng thay vì RGB vì nó ít bị ảnh hưởng bởi ánh sáng hơn. Quá trình bao gồm: chuyển đổi ảnh sang thang xám, áp dụng bộ lọc làm mịn, phát hiện cạnh, và cuối cùng là phân loại dựa trên đặc tính màu sắc. Hệ thống đã đạt được độ chính xác cao trong các thử nghiệm, tuy nhiên vẫn chịu ảnh hưởng từ yếu tố ánh sáng tự nhiên.
3.1. Các bước tiền xử lý ảnh và phát hiện cạnh
Tiền xử lý ảnh bắt đầu với chuyển đổi không gian màu từ RGB sang HSV để tăng độ chính xác nhận diện. Bộ lọc làm mịn được áp dụng để loại bỏ nhiễu từ camera. Thuật toán phát hiện cạnh Canny sử dụng đạo hàm ảnh để xác định ranh giới sắc nét của vật thể. Quá trình này giúp loại bỏ nền và tập trung vào sản phẩm chính.
3.2. Phân loại màu sắc và so sánh dữ liệu
Sau phát hiện cạnh, hệ thống trích xuất thông tin màu từ vùng chứa sản phẩm. Giá trị HSV được so sánh với các khoảng giá trị tiêu chuẩn được định trước. Hệ thống nhận dạng được 3-5 loại màu tùy thuộc cài đặt. Kết quả phân loại được gửi tới robot để thực hiện động tác phù hợp với từng loại sản phẩm.
IV. Kết quả Thách thức và Ứng dụng thực tế
Kết quả thực nghiệm của đồ án cho thấy hệ thống hoạt động đúng yêu cầu đề ra, với độ chính xác cao trong phân loại sản phẩm theo màu sắc. Robot Dobot Magician thực hiện các chuyển động gắp thả một cách chính xác và ổn định. Tuy nhiên, hệ thống vẫn gặp một số thách thức, đặc biệt là ảnh hưởng từ ánh sáng tự nhiên gây ra bóng trên sản phẩm, làm giảm độ chính xác nhận diện. Hiện tượng này đôi khi dẫn tới sai phân loại sản phẩm. Tuy nhiên, với tối ưu hóa các thông số phát hiện, hệ thống vẫn đạt được hiệu suất ổn định. Ứng dụng thực tế của hệ thống này rất rộng rãi trong công nghiệp, từ sản xuất điện tử, đóng gói thực phẩm, đến xứ lý tái chế. Hệ thống có thể được nâng cấp thêm để phân loại theo nhiều tiêu chí khác nhau như kích thước, hình dạng, hoặc kết hợp cảm biến khác.
4.1. Kết quả đạt được và hiệu suất hệ thống
Hệ thống đã hoàn thành tất cả yêu cầu đề ra với độ chính xác phân loại lên tới 90-95%. Robot thực hiện các lệnh điều khiển một cách nhanh chóng và chính xác, với thời gian xử lý ảnh dưới 1 giây. Kết quả thử nghiệm cho thấy hệ thống ổn định khi hoạt động liên tục trong điều kiện kiểm soát. Độ tin cậy của hệ thống là cao và có thể ứng dụng vào thực tế sản xuất.
4.2. Hạn chế giải pháp khắc phục và phát triển tương lai
Thách thức chính là ảnh hưởng của ánh sáng tự nhiên và bóng của vật thể. Giải pháp bao gồm cải thiện hệ thống chiếu sáng và sử dụng bộ lọc quang học. Phát triển tương lai có thể tích hợp AI/Machine Learning để tăng độ chính xác, hoặc kết hợp cảm biến hồng ngoại để nhận diện nhiều loại vật liệu.
