Giới thiệu dự án

Trong kỷ nguyên Công nghiệp 4.0 (Industry 4.0), tự động hóa linh hoạt và thị giác máy tính (Machine Vision) đã trở thành trụ cột thiết yếu trong dây chuyền sản xuất hiện đại. Theo báo cáo từ Hiệp hội Robot Quốc tế (IFR), mật độ robot trong ngành sản xuất toàn cầu đã đạt mức trung bình 151 robot/10.000 nhân công, trong đó các ứng dụng đóng gói, phân loại và gắp-thả (Pick & Place) tốc độ cao chiếm hơn 32% tổng số robot triển khai. Tuy nhiên, tại các doanh nghiệp vừa và nhỏ (SMEs), việc phân loại thủ công vẫn tồn tại nhiều điểm nghẽn: năng suất giới hạn (chỉ đạt 8–12 sản phẩm/phút/người), tỷ lệ sai sót phân loại theo kích thước từ 5–8% do mệt mỏi thị giác, và chi phí nhân công tăng cao liên tục.

Đề tài "Delta Robot Phân Loại Sản Phẩm Dùng PLC S7-1200" do nhóm nghiên cứu Khoa Điện – Điện Tử, Trường Đại học Sư phạm Kỹ thuật TP.HCM (HCMUTE) thực hiện nhằm giải quyết trực tiếp bài toán tự động hóa tốc độ cao bằng cơ cấu động học song song (Parallel Kinematic Mechanism) tích hợp xử lý ảnh công nghiệp.

graph TD
    A[Camera 1080p Industrial Vision] -->|Thu nhận ảnh BGR| B[C# EmguCV Processing App]
    B -->|Chuyển đổi HSV / Contours / Moments| C[Tính toán Tọa độ & Kích thước]
    C -->|Truyền tọa độ x, y, z qua Ethernet TCP/IP| D[Siemens PLC S7-1200 CPU 1214C]
    D -->|Phát xung PTO / Dir| E[Driver HBS57 & Hybrid Servo 573HBM20]
    D -->|Điều khiển Digital Output| F[Van điện từ 0520F & Bơm chân không Micro 24V]
    E -->|Truyền động 3 bậc tự do| G[Cơ cấu cánh tay song song Delta Robot]
    F -->|Tạo áp suất âm 50 kPa| H[Giác hút chân không gắp sản phẩm]
    B -->|Ghi log chu kỳ & Thống kê sản lượng| I[(Microsoft SQL Server DB)]

Mục tiêu dự án cụ thể

  1. Thiết kế và chế tạo cơ khí hoàn chỉnh: Xây dựng mô hình Robot Delta 3 bậc tự do (3-DOF) bằng vật liệu sợi carbon và khung nhôm định hình, tối ưu hóa trọng lượng khâu động dưới 1.5 kg.
  2. Xây dựng thuật toán xử lý ảnh thời gian thực: Thu nhận ảnh từ camera 1080p, lọc nhiễu không gian màu HSV, xác định tọa độ trọng tâm $(\bar{x}, \bar{y})$ và phân loại 3 kích thước mẫu chuẩn ($2\times 2\text{ cm}$, $3\times 3\text{ cm}$, $4\times 4\text{ cm}$) với độ chính xác trên 95%.
  3. Phát triển thuật toán điều khiển chuyển động: Giải bài toán động học nghịch (Inverse Kinematics) và lập trình điều khiển phát xung PTO (Pulse Train Output) trên PLC Siemens S7-1200 để bám quỹ đạo chính xác.
  4. Tích hợp hệ thống SCADA/HMI: Xây dựng phần mềm giám sát giao diện WinForms C# liên kết PLC qua chuẩn truyền thông công nghiệp và lưu trữ dữ liệu thời gian thực trên Microsoft SQL Server.

Phạm vi và giới hạn kỹ thuật

  • Vật thể phân loại: Phôi hình hộp phẳng màu trắng có kích thước $2\times 2\text{ cm}$, $3\times 3\text{ cm}$, $4\times 4\text{ cm}$, khối lượng tối đa $\le 1\text{ kg}$.
  • Môi trường hoạt động: Chiếu sáng tán xạ ổn định, phông nền băng tải PVC màu xanh để tăng độ tương phản xử lý ảnh.
  • Tần suất phân loại: Khoảng cách thời gian tối thiểu giữa hai sản phẩm liên tiếp trên băng tải là $2.0\text{ giây}$.

Phân tích và thiết kế giải pháp

Phân tích hiện trạng

Tiêu chí so sánh Cần gạt cơ khí / Xi lanh khí nén Cánh tay Robot nối tiếp (Articulated 6-DOF) Hệ thống Robot Delta + PLC S7-1200 (Giải pháp đề xuất)
Tốc độ làm việc Trung bình (15–20 sp/phút) Thấp - Trung bình (10–18 sp/phút) Rất cao (20–40 sp/phút)
Độ linh hoạt phân loại Thấp (chỉ phân loại nhị phân 1-0) Rất cao (đa hướng, đa vị trí) Cao (3-DOF chuyển động tịnh tiến không gian)
Quán tính khâu động Không áp dụng Lớn (động cơ nằm trên từng khớp) Cực nhỏ (3 động cơ gắn cố định tại bệ trên)
Chi phí đầu tư Thấp ($300 - $600) Rất cao ($8.000 - $25.000) Hợp lý ($1.200 - $2.000)
Độ ổn định công nghiệp Trung bình Rất cao Rất cao (nhờ lõi điều khiển PLC S7-1200)

Ưu tiên yêu cầu hệ thống (Ma trận MoSCoW)

  • Must-Have (Bắt buộc): Giải thuật toán động học nghịch hội tụ $\le 5\text{ ms}$; nhận diện đúng 3 dải kích thước; phát xung điều khiển 3 trục đồng bộ; cơ cấu hút nhả phản hồi tức thời.
  • Should-Have (Nên có): Chế độ vận hành Manual/Auto độc lập; tự động định vị gốc Home bằng công tắc hành trình cơ học D35; cơ chế lưu trữ lịch sử phân loại vào cơ sở dữ liệu SQL Server.
  • Could-Have (Có thể mở rộng): Tự động bù sai lệch góc xoay của sản phẩm trên băng tải; giao diện cảnh báo lỗi trực quan.
  • Won't-Have (Không thực hiện trong giai đoạn này): Nhận diện sản phẩm đa dạng hình thù bất quy tắc bằng mạng nơ-ron Deep Learning; tracking động bám theo encoder băng tải khi băng tải biến thiên tốc độ liên tục.

Thiết kế hệ thống

Danh mục công nghệ và phiên bản phần mềm

  • PLC Core: Siemens S7-1200 CPU 1214C DC/DC/DC (Firmware V4.4), môi trường lập trình TIA Portal V16.
  • Thị giác máy tính: C# .NET Framework 4.8 kết hợp thư viện EmguCV v4.5.3 (OpenCV wrapper for .NET).
  • Hệ thống dẫn động: 03 Bộ Hybrid Servo 573HBM20-1000 (Momen xoắn định mức $2.0\text{ Nm}$, dòng $5.8\text{ A}$, encoder 1000 xung/vòng) đi kèm Driver vi bước HBS57 (cấu hình vi bước 1600 pulse/rev).
  • Hệ cơ sở dữ liệu: Microsoft SQL Server 2019 Standard Edition.
  • Cơ cấu phân loại: Bơm hút chân không Micro 24VDC (áp suất hút $-50\text{ kPa}$, lưu lượng $15\text{ L/phút}$), van xả khí đóng mở nhanh solenoid 0520F, núm hút silicon đường kính $\varnothing 15\text{ mm}$.
erDiagram
    USERS ||--o{ PRODUCTION_LOGS : operates
    PRODUCTS ||--o{ PRODUCTION_LOGS : classified_as
    
    USERS {
        int user_id PK
        varchar username
        varchar role
        datetime last_login
    }
    
    PRODUCTS {
        int product_type_id PK
        varchar size_label
        float min_dimension_cm
        float max_dimension_cm
        int target_box_id
    }
    
    PRODUCTION_LOGS {
        bigint log_id PK
        int product_type_id FK
        float detected_area_px
        float coord_x_mm
        float coord_y_mm
        datetime timestamp
        int sorting_status
    }

Implementation và kết quả

Thuật toán xử lý ảnh thời gian thực

Quy trình nhận diện sử dụng đường ống biến đổi từ không gian màu RGB sang HSV nhằm loại bỏ ảnh hưởng của cường độ sáng môi trường, áp dụng giải thuật tìm đường bao (Contours) và phép biến đổi Moment hình học để trích xuất tọa độ trọng tâm và kích thước hình học.

// Trích đoạn C# EmguCV xử lý tìm tâm và kích thước sản phẩm
using Emgu.CV;
using Emgu.CV.CvEnum;
using Emgu.CV.Structure;
using Emgu.CV.Util;
using System.Drawing;

public void ProcessFrame(Mat rawFrame, out PointF centroid, out double objectArea)
{
    centroid = PointF.Empty;
    objectArea = 0;
    
    // 1. Chuyển đổi không gian màu BGR sang HSV
    Mat hsvImage = new Mat();
    CvInvoke.CvtColor(rawFrame, hsvImage, ColorConversion.Bgr2Hsv);
    
    // 2. Phân ngưỡng màu sản phẩm (màu trắng tương phản nền xanh PVC)
    Mat binaryMask = new Mat();
    ScalarArray lowerLimit = new ScalarArray(new MCvScalar(0, 0, 180));
    ScalarArray upperLimit = new ScalarArray(new MCvScalar(180, 50, 255));
    CvInvoke.InRange(hsvImage, lowerLimit, upperLimit, binaryMask);
    
    // 3. Khử nhiễu morphology và trích xuất Contours
    CvInvoke.MorphologyEx(binaryMask, binaryMask, MorphOp.Close, 
        CvInvoke.GetStructuringElement(ElementShape.Rectangle, new Size(5, 5), new Point(-1, -1)), 
        new Point(-1, -1), 1, BorderType.Default, new MCvScalar());
        
    VectorOfVectorOfPoint contours = new VectorOfVectorOfPoint();
    Mat hierarchy = new Mat();
    CvInvoke.FindContours(binaryMask, contours, hierarchy, RetrType.External, ChainApproxMethod.ChainApproxSimple);
    
    if (contours.Size > 0)
    {
        // 4. Lấy contour có diện tích lớn nhất thỏa mãn dải kích thước
        int maxIndex = -1;
        double maxArea = 0;
        for (int i = 0; i < contours.Size; i++)
        {
            double area = CvInvoke.ContourArea(contours[i]);
            if (area > 500 && area > maxArea) // Loại bỏ nhiễu pixel nhỏ
            {
                maxArea = area;
                maxIndex = i;
            }
        }
        
        if (maxIndex != -1)
        {
            // 5. Tính Moment hình học để trích xuất tâm (Centroid)
            MCvMoments moments = CvInvoke.Moments(contours[maxIndex]);
            if (moments.M00 != 0)
            {
                float cX = (float)(moments.M10 / moments.M00);
                float cY = (float)(moments.M01 / moments.M00);
                centroid = new PointF(cX, cY);
                objectArea = maxArea;
            }
        }
    }
}

Mô hình toán học động học nghịch Robot Delta

Để điều khiển bệ di động $E(x_0, y_0, z_0)$ đến vị trí mong muốn, hệ thống giải phương trình động học nghịch để tính toán 3 góc quay chủ động $\theta_1, \theta_2, \theta_3$ của các cánh tay trên gắn với trục servo:

$$\theta_i = \arctan\left(\frac{z_{Ji}}{y_{Fi} - y_{Ji}}\right), \quad i \in {1, 2, 3}$$

Trong đó tọa độ khớp $J_1(0, y_{J1}, z_{J1})$ trên mặt phẳng $YZ$ được rút ra từ giao tuyến của đường tròn quỹ đạo cánh tay chủ động bán kính $r_f$ và hình cầu tạo bởi cánh tay bị động bán kính $r_e$:

$$(b^2 + 1)y_{J1}^2 + 2\left(ab + \frac{f}{2\sqrt{3}}\right)y_{J1} + a^2 + \frac{f^2}{12} - r_f^2 = 0$$

Với các biến trung gian hình học xác định bởi:

  • $f$: Kích thước cạnh tam giác bệ cố định trên
  • $e$: Kích thước cạnh tam giác bệ di động dưới
  • $r_f, r_e$: Chiều dài cánh tay đòn trên và đòn dưới

Biệt thức $\Delta$ của phương trình bậc hai:

$$\Delta = -4a^2 + 8ab\frac{f}{2\sqrt{3}} - 4b^2\frac{f^2}{12} + 4r_f^2(b^2 + 1)$$

$$y_{J1} = \frac{-2\left(ab + \frac{f}{2\sqrt{3}}\right) - \sqrt{\Delta}}{2(b^2 + 1)}$$

Hai góc $\theta_2, \theta_3$ được suy ra bằng cách xoay hệ quy chiếu tọa độ quanh trục $Z$ các góc lần lượt $+120^\circ$ và $-120^\circ$ thông qua ma trận biến đổi tọa độ Euler.

Lập trình điều khiển phát xung trên PLC Siemens S7-1200

PLC sử dụng công nghệ ngõ ra Transistor tốc độ cao (High-speed Pulse Train Output - PTO) thông qua hàm chuẩn Motion Control MC_MoveAbsolute và MC_Power trong TIA Portal để điều khiển 3 trục đồng bộ:

// Đoạn mã SCL minh họa phát xung điều khiển trục Servo qua PLC Open Motion Control
// Trục Axis_1 (Nhánh 1 Robot Delta)
"Inst_MC_MoveAbsolute_Axis1"(
    Axis := "Axis_1",
    Execute := #ExecuteMove,
    Position := #TargetAngle_Theta1, // Góc tính toán từ C# gửi qua DB
    Velocity := 250.0,               // Vận tốc góc (deg/s)
    Acceleration := 1200.0,          // Gia tốc (deg/s^2)
    Deceleration := 1200.0,          // Giảm tốc
    Jerk := 5000.0,
    Done => #Axis1_Done,
    Busy => #Axis1_Busy,
    Error => #Axis1_Error
);

// Đồng bộ cơ cấu gắp chân không
IF #Axis1_Done AND #Axis2_Done AND #Axis3_Done THEN
    IF #AtTargetPosition THEN
        "VACUUM_PUMP_RELAY" := TRUE; // Bật bơm hút
        "SOLENOID_VALVE" := FALSE;   // Đóng van xả
    ELSIF #AtReleasePosition THEN
        "VACUUM_PUMP_RELAY" := FALSE;// Tắt bơm
        "SOLENOID_VALVE" := TRUE;    // Mở van xả áp tức thời
    END_IF;
END_IF;

Đánh giá kết quả thử nghiệm thực tế

Hệ thống được vận hành thực nghiệm liên tục trong 50 chu kỳ kiểm tra với 3 kích thước mẫu khác nhau trên băng tải PVC tốc độ $0.15\text{ m/s}$.

Kích thước sản phẩm Số lượng thử nghiệm (mẫu) Nhận diện thị giác chính xác Gắp & thả đúng vị trí Tỷ lệ thành công tổng thể (%) Thời gian chu kỳ TB (giây/sp)
Loại 1 ($2\times 2\text{ cm}$) 50 48 44 88.0% $2.42\text{ s}$
Loại 2 ($3\times 3\text{ cm}$) 50 49 46 92.0% $2.35\text{ s}$
Loại 3 ($4\times 4\text{ cm}$) 50 50 48 96.0% $2.28\text{ s}$
Tổng hợp toàn bộ 150 147 (98.0%) 138 (92.0%) 89.33% (Đạt mục tiêu $\approx 90%$) $2.35\text{ s}$ (~25.5 sp/phút)

Đổi mới và đóng góp

  1. Kiến trúc điều khiển phân tầng Realtime: Kết hợp sức mạnh xử lý ảnh thị giác máy tính trên PC (C# EmguCV) với tính năng bảo vệ công nghiệp và phát xung chuẩn xác thời gian thực của PLC S7-1200 qua giao thức truyền thông TCP/IP Socket, giảm thiểu độ trễ xuống dưới $15\text{ ms}$.
  2. Cơ cấu gắp chân không tích hợp van xả áp tốc độ cao: Việc sử dụng kết hợp bơm chân không áp suất âm $-50\text{ kPa}$ và van điện từ 0520F giúp thời gian nhả phôi giảm $65%$ so với các giác hút xả khí tự nhiên, loại bỏ hoàn toàn hiện tượng dính phôi khi thả.
  3. Cải tiến tỉ lệ trọng lượng/tải trọng bằng vật liệu Composite: Khâu động đòn kép sử dụng ống rỗng Carbon Fiber kết hợp khớp mắt trâu (Rod-end bearings), giúp triệt tiêu quán tính góc, cho phép gia tốc đạt tới $1200^\circ/\text{s}^2$ mà không gây trượt bước động cơ Hybrid Servo.
  4. Cơ chế Homing thông minh: Triển khai thuật toán định vị điểm chuẩn Home tự động dựa trên 3 công tắc hành trình tiếp điểm đồng D35, đảm bảo sai số lập lại sau mỗi lần khởi động lại hệ thống $< 0.2\text{ mm}$.

Ứng dụng thực tế và triển khai

Tình huống ứng dụng công nghiệp

  • Dây chuyền đóng gói thực phẩm & bánh kẹo: Phân loại bánh theo kích cỡ và gắp xếp vào khay vỉ nhựa với tốc độ cao.
  • Sản xuất linh kiện bán dẫn và điện tử: Phân loại module IC, pin lithium, linh kiện dán SMD theo kích thước quy chuẩn mà không gây trầy xước bề mặt.
  • Ngành dược phẩm: Phân loại vỉ thuốc, chai lọ y tế vào các hộp chỉ định trước khi đóng thùng carton.
gantt
    title Kế hoạch triển khai & chuyển giao hệ thống (16 Tuần)
    dateFormat  YYYY-MM-DD
    section Khảo sát & Thiết kế
    Khảo sát yêu cầu & Lập mô hình SolidWorks   :done,    des1, 2024-02-01, 2024-02-28
    Tính toán động học & Chọn thiết bị          :done,    des2, 2024-02-15, 2024-03-07
    section Chế tạo & Lập trình
    Gia công cơ khí & Lắp ráp phần cứng          :done,    dev1, 2024-03-08, 2024-04-05
    Lập trình TIA Portal S7-1200 & Motion PTO   :done,    dev2, 2024-04-01, 2024-04-25
    Lập trình C# EmguCV Vision & SQL DB          :done,    dev3, 2024-04-15, 2024-05-10
    section Thử nghiệm & Chuyển giao
    Hiệu chuẩn tọa độ Camera - Robot            :done,    tst1, 2024-05-11, 2024-05-25
    Chạy thử nghiệm 150 chu kỳ & Tối ưu hóa      :done,    tst2, 2024-05-26, 2024-06-10
    Bàn giao tài liệu & Nghiệm thu              :done,    tst3, 2024-06-11, 2024-06-20

Phân tích hiệu quả kinh tế (ROI)

  • Chi phí chế tạo hệ thống mẫu: Khoảng $38.000.000\text{ VNĐ}$ (Bao gồm PLC Siemens, 3 bộ Hybrid Servo, Camera 1080p, Băng tải PVC, Khung nhôm, Gia công Carbon).
  • Chi phí vận hành nhân công truyền thống: 2 nhân công phân loại $\times 8.000.000\text{ VNĐ/tháng} = 16.000.000\text{ VNĐ/tháng}$.
  • Thời gian hoàn vốn ước tính (Payback Period): $$\text{Thời gian hoàn vốn} = \frac{38.000.000\text{ VNĐ}}{16.000.000\text{ VNĐ/tháng} - 1.200.000\text{ VNĐ (điện năng + bảo trì)}} \approx 2.56\text{ tháng}$$

Hạn chế và hướng phát triển

Hạn chế kỹ thuật hiện tại

  • Phụ thuộc điều kiện chiếu sáng: Thuật toán phân ngưỡng màu HSV nhạy cảm với ánh sáng ngoại vi thay đổi bất thường (gây sai số biên dạng contour $\approx 3%$).
  • Gắp vật thể tĩnh trên băng tải: Hệ thống yêu cầu băng tải duy trì tốc độ cố định và cần khoảng dừng ngắn khi gắp, chưa tích hợp thuật toán bám chuyển động liên tục (Conveyor Tracking).
  • Tải trọng giới hạn: Do sử dụng cơ cấu giác hút chân không đơn và động cơ servo $2\text{ Nm}$, tải trọng gắp tối đa chỉ đạt $1\text{ kg}$.

Hướng phát triển và nghiên cứu tiếp theo

  1. Tích hợp Deep Learning (YOLOv8-OBB): Thay thế xử lý ảnh truyền thống bằng mạng nơ-ron tích chập để nhận diện vật thể phức tạp bị che khuất một phần hoặc xoay mọi góc hướng bất kỳ.
  2. Nâng cấp Conveyor Tracking: Lắp đặt bộ mã hóa vòng quay Encoder quang học trên trục băng tải kết hợp chức năng đồng bộ hóa vị trí thời gian thực trên PLC S7-1200 để gắp động không cần dừng băng tải.
  3. Mở rộng 4-DOF với trục xoay $(\theta_z)$: Tích hợp thêm một động cơ RC Servo hoặc bước mini tại đế di động $E$ để xoay định hướng sản phẩm trước khi thả vào hộp.

Đối tượng hưởng lợi

  • Sinh viên & Nghiên cứu sinh ngành Tự động hóa/Cơ điện tử: Cung cấp tài liệu tham khảo hoàn chỉnh từ công thức động học giải tích, giải thuật xử lý ảnh EmguCV đến cấu hình phát xung PTO trên TIA Portal.
  • Kỹ sư tích hợp hệ thống (System Integrators): Nắm bắt kiến trúc kết nối chuẩn hóa giữa PC-Vision và PLC Siemens S7-1200 qua giao thức mạng Ethernet.
  • Doanh nghiệp vừa và nhỏ (SMEs): Tiếp cận giải pháp tự động hóa dây chuyền đóng gói với chi phí nội địa hóa thấp, thời gian thu hồi vốn nhanh dưới 3 tháng.
  • Nhà nghiên cứu Robotics: Bộ dữ liệu kiểm chứng thực nghiệm về độ chính xác động học song song Delta 3 bậc tự do khi vận hành liên tục.

Câu hỏi thường gặp

1. Yêu cầu phần cứng tối thiểu để triển khai hệ thống là gì?

Hệ thống yêu cầu nguồn điện lưới 220VAC chuyển đổi qua nguồn tổ ong 24VDC–30A, 01 PLC Siemens S7-1200 (ngõ ra Transistor DC/DC/DC), 03 bộ động cơ Hybrid Servo 573HBM20 kèm Driver HBS57, máy tính công nghiệp/PC chạy Windows 10/11 có cổng LAN Ethernet và kết nối camera Full HD 1080p tốc độ khung hình tối thiểu 30 FPS.

2. Giới hạn tải trọng và tốc độ phân loại tối đa của mô hình?

Hệ thống vận hành tối ưu với các sản phẩm có khối lượng $< 1.0\text{ kg}$ và kích thước bề mặt giác hút từ $2\times 2\text{ cm}$ đến $10\times 10\text{ cm}$. Tốc độ phân loại thực tế đạt 25.5 sản phẩm/phút với chu kỳ gắp thả trung bình $2.35\text{ giây/chu kỳ}$.

3. Làm thế nào để hệ thống giao tiếp giữa phần mềm C# và PLC S7-1200?

Phần mềm C# sử dụng thư viện mã nguồn mở S7.Net hoặc chuẩn OPC DA/UA thông qua cổng Ethernet công nghiệp (RJ45). C# đọc/ghi trực tiếp các khối dữ liệu (Data Blocks - DB) của PLC để gửi tọa độ $(x, y, z)$ và nhận tín hiệu phản hồi trạng thái hoàn thành (Done/Busy) của robot.

4. Chi phí bảo trì định kỳ của hệ thống bao gồm những gì?

Chi phí bảo trì rất thấp do hệ thống sử dụng động cơ Hybrid Servo không chổi than. Bảo trì định kỳ 6 tháng bao gồm: vệ sinh màng lọc giác hút chân không, tra mỡ bôi trơn chuyên dụng cho các khớp cầu mắt trâu carbon, và kiểm tra độ căng dây đai băng tải PVC.

5. Khả năng mở rộng phân loại nhiều màu sắc và hình dạng khác nhau?

Rất linh hoạt. Trong phần mềm C# EmguCV, người dùng chỉ cần thêm các dải giá trị màu HSV mới hoặc nạp thêm các ngưỡng diện tích/tỷ lệ khung hình (Aspect Ratio) vào cơ sở dữ liệu SQL Server mà không cần thay đổi phần cứng cơ khí hay sơ đồ đấu dây PLC.

Kết luận

Đồ án tốt nghiệp "Delta Robot Phân Loại Sản Phẩm Dùng PLC S7-1200" của sinh viên Võ Đoàn Việt Anh và Hà Hạt (HCMUTE) đã giải quyết thành công bài toán tích hợp liên ngành giữa Cơ học chính xác, Thị giác máy tính và Tự động hóa công nghiệp. Với tỷ lệ gắp phân loại thành công đạt 89.33%, năng suất đạt 25.5 sản phẩm/phút và hệ thống lưu trữ dữ liệu thời gian thực đồng bộ trên SQL Server, mô hình khẳng định tính khả thi cao trong việc chuyển giao công nghệ cho các dây chuyền sản xuất đóng gói thực phẩm và linh kiện điện tử tại Việt Nam. Đây là nền tảng vững chắc để phát triển các thế hệ robot thông minh tích hợp AI và điều khiển đồng bộ nhiều trục trong tương lai.