Giới thiệu dự án

Trong kỷ nguyên Công nghiệp 4.0, tự động hóa dây chuyền đóng vai trò quyết định đến năng suất và chất lượng sản phẩm. Theo thống kê từ Hiệp hội Tự động hóa Quốc tế (ISA), việc tích hợp thị giác máy tính (Machine Vision) và bộ điều khiển logic khả trình (PLC) giúp tăng độ chính xác phân loại lên tới 99%, cắt giảm 30–50% thời gian chu kỳ sản xuất và giảm thiểu 20% chi phí vận hành so với phương pháp thủ công. Tại các nhà máy gia công cơ khí và đóng gói, công đoạn phân loại, kiểm định hình dạng phôi và sắp xếp vào hộp vẫn còn phụ thuộc nhiều vào nhân công hoặc các cảm biến quang đơn điểm, dẫn đến sai sót khi sản phẩm có biên dạng phức tạp hoặc màu sắc thay đổi.

Đề tài "Thi công và điều khiển mô hình phân loại và sắp xếp phôi vào hộp ứng dụng xử lý ảnh và PLC S7-1200" được thực hiện nhằm giải quyết triệt để bài toán nhận dạng biên dạng hình học và tự động hóa thao tác gắp đặt sản phẩm. Hệ thống sử dụng camera công nghiệp kết hợp thuật toán xử lý ảnh trên nền tảng Python/OpenCV để kiểm tra chất lượng bề mặt phôi, sau đó truyền tín hiệu điều khiển tới PLC Siemens S7-1200 nhằm vận hành cơ cấu chấp hành robot tọa độ Cartesian XYZ và hệ thống khí nén.

+------------------+      Ethernet (PROFINET/Snap7)      +--------------------+
|  Industrial Cam  | ----------------------------------> |  PC Processing Unit|
|  (Workpiece Img) |                                     |  (Python + OpenCV) |
+------------------+                                     +---------+----------+
                                                                   |
                                                            Decision Data
                                                                   v
+------------------+        Digital I/O & Pulse PTO      +--------------------+
| Cartesian Robot  | <---------------------------------- | PLC Siemens S7-1200|
| XYZ + Pneumatics |                                     | (CPU 1214C DC/DC)  |
+------------------+                                     +--------------------+

Mục tiêu cụ thể của dự án

  1. Thiết kế và chế tạo phần cứng cơ khí: Xây dựng mô hình kích thước $120 \times 60 \times 70\text{ cm}$, tích hợp 2 băng tải truyền động DC 24V, cơ cấu cấp phôi tự động và cánh tay robot 3 bậc tự do Cartesian XYZ dẫn động bằng vít me bi và động cơ bước.
  2. Xây dựng thuật toán thị giác máy tính: Phát triển module xử lý ảnh trên Python 3.9 và OpenCV 4.8 để nhận diện phôi lập phương đạt chuẩn ($4 \times 4 \times 4\text{ cm}$, màu đỏ) và phân loại phôi lỗi theo diện tích, đường biên với độ chính xác nhận diện $\ge 90%$.
  3. Phát triển chương trình điều khiển PLC & SCADA: Lập trình bộ điều khiển PLC Siemens S7-1200 (CPU 1214C) trên TIA Portal V16, điều khiển phát xung PTO cho 3 trục động cơ bước TB6600, đồng bộ hệ thống van điện từ khí nén FESTO và thiết kế giao diện SCADA giám sát thời gian thực.
  4. Đạt chỉ tiêu vận hành: Độ chính xác gắp đặt và sắp xếp phôi vào thùng đạt tối thiểu 85%, thời gian xử lý mỗi chu kỳ phân loại $\le 4.5\text{ giây/sản phẩm}$.

Phạm vi và giới hạn nghiên cứu

  • Phôi kiểm tra: Khối lập phương kích thước chuẩn $40 \times 40 \times 40\text{ mm}$, nhận dạng sản phẩm chuẩn dựa trên màu đỏ và biên dạng hình học vuông thông qua ảnh chụp 2D mặt trên.
  • Môi trường chiếu sáng: Sử dụng buồng chiếu sáng ổn định với nguồn sáng LED vòng (Ring Light) chống bóng phản xạ bề mặt.
  • Cơ cấu chấp hành: Robot Cartesian 3 trục XYZ điều khiển vòng hở (Open-loop) sử dụng động cơ bước NEMA 17 kết hợp cảm biến hành trình tiệm cận.

Phân tích và thiết kế giải pháp

Phân tích hiện trạng

Tiêu chí Phân loại thủ công (Công nhân) Cảm biến quang/tiệm cận truyền thống Hệ thống đề xuất (Thị giác máy tính + PLC S7-1200)
Độ chính xác 75% – 85% (phụ thuộc thị lực/thể lực) 80% – 88% (chỉ nhận diện màu/vật cản cơ bản) 92% – 98% (nhận diện đồng thời màu sắc, diện tích, biên dạng)
Tốc độ chu kỳ 5 – 8 giây/phôi 2 – 3 giây/phôi 3.5 – 4.5 giây/phôi (bao gồm nhận dạng, gắp và xếp đa điểm)
Tính linh hoạt Cao nhưng không ổn định Rất thấp (phải căn chỉnh phần cứng khi đổi mẫu phôi) Rất cao (thay đổi tham số trên phần mềm xử lý ảnh OpenCV)
Lưu trữ dữ liệu Ghi chép thủ công, dễ thất lạc Không hỗ trợ Hỗ trợ SCADA/Database, truy xuất báo cáo sản lượng trực quan

Yêu cầu kỹ thuật theo mô hình MoSCoW

  • Must have (Bắt buộc): Nhận diện chính xác phôi đỏ chuẩn $4 \times 4\text{ cm}$; truyền thông Ethernet giữa PC và PLC không trễ; điều khiển chính xác tọa độ gắp thả XYZ; cơ cấu hút chân không giữ phôi ổn định.
  • Should have (Nên có): Giao diện SCADA hiển thị trực tiếp hình ảnh camera, số lượng phôi đạt (Pass) / lỗi (Fail), nút dừng khẩn cấp (Emergency Stop).
  • Could have (Có thể có): Khả năng lưu lịch sử phân loại vào cơ sở dữ liệu SQLite/MySQL, tự động tính toán bù trừ sai lệch góc xoay của phôi.
  • Won't have (Chưa thực hiện đợt này): Nhận diện 3D Stereovision và phân loại đa dạng biên dạng tự do phức tạp.

Thiết kế hệ thống

+-----------------------------------------------------------------------------------+
|                                 KIẾN TRÚC HỆ THỐNG                                |
+-----------------------------------------------------------------------------------+
|  TẦNG GIÁM SÁT & XỬ LÝ ẢNH (PC / Host Controller)                                  |
|  - Camera USB 1080p | Python 3.9 + OpenCV 4.8 (HSV Segmentation, Canny Edge)      |
|  - SCADA Monitoring Dashboard (PyQt / TIA WinCC)                                  |
+------------------------------------------+----------------------------------------+
                                           | Giao thức S7 Communication / PROFINET
+------------------------------------------v----------------------------------------+
|  TẦNG ĐIỀU KHIỂN TRUNG TÂM (Control Layer)                                         |
|  - PLC Siemens S7-1200 (CPU 1214C DC/DC/DC - 6ES7214-1AG40-0XB0)                 |
|  - Digital Output Module SM 1222 (Relay/Transistor)                               |
+------------------------------------------+----------------------------------------+
                                           | Tín hiệu xung PTO / Digital Out 24V
+------------------------------------------v----------------------------------------+
|  TẦNG CHẤP HÀNH & CẢM BIẾN (Field Devices Layer)                                   |
|  - Driver TB6600 + Động cơ bước KH42JM2B087C (Nema 17) -> Trục cơ cấu XYZ         |
|  - Cụm van FESTO VUVG L10-M52 + Xy lanh khí nén ACPSB16-15 + Giác hút chân không   |
|  - Cảm biến quang hồng ngoại E3F-DS30C4 phát hiện phôi trên băng tải DC 24V       |
+-----------------------------------------------------------------------------------+

Danh mục công nghệ và phần cứng tích hợp

  1. Bộ điều khiển trung tâm: PLC Siemens S7-1200 CPU 1214C DC/DC/DC (Firmware V4.4, 14 DI 24V DC, 10 DO 24V DC, tích hợp 4 bộ phát xung tốc độ cao PTO/PWM lên tới 100kHz). Module mở rộng ngõ ra kỹ thuật số SM 1222 DQ 8xRelay/24VDC.
  2. Cơ cấu truyền động XYZ: 3 động cơ bước lưỡng cực KH42JM2B087C (góc bước $1.8^\circ$, dòng danh định $1.2\text{A}$, mô-men xoắn $0.4\text{ Nm}$), dẫn động trục vít me bi bước 4mm. Bộ điều khiển động cơ bước TB6600 thiết lập vi bước 1/8 Microstepping (1600 xung/vòng).
  3. Cơ cấu khí nén: Cụm van điện từ 5/2 FESTO VUVG-L10-M52-RT-M5-1P3 (điện áp cuộn coil 24V DC, áp suất hoạt động 1.5 – 8 bar), xy lanh tác động kép ACPSB16-15 dẫn hướng gắp và đầu hút chân không tạo áp âm chân không bằng bộ tạo chân không Venturi.
  4. Cảm biến và thị giác: Cảm biến quang điện hồng ngoại Omron E3F-DS30C4 (khoảng cách phát hiện 10–30 cm, ngõ ra NPN NO), Camera HD độ phân giải 1920x1080px, góc quét $78^\circ$.
  5. Nền tảng phần mềm: Siemens TIA Portal V16 (lập trình Ladder Logic & SCL), Python 3.9 kết hợp thư viện OpenCV (cv2) và python-snap7 (giao tiếp trực tiếp thanh ghi DB trên PLC qua cổng PROFINET RJ45).

Phương pháp luận (Methodology)

Dự án triển khai theo mô hình kỹ thuật chữ V (V-Model), kết hợp các pha thiết kế song song cơ - điện - phần mềm để giảm thiểu rủi ro tích hợp:

  • Giai đoạn 1 (Tuần 1–6): Khảo sát lý thuyết, xác định yêu cầu động học cơ cấu XYZ, lập bảng phân bổ địa chỉ I/O và thiết kế 3D toàn bộ khung máy, gá đỡ trục trên SolidWorks 2022.
  • Giai đoạn 2 (Tuần 7–10): Gia công khung nhôm định hình $30 \times 30\text{ mm}$, lắp ráp cụm vít me, căn chỉnh độ đồng tâm trục cơ cấu XYZ, lắp đặt tủ điện điều khiển 24V/220V theo tiêu chuẩn an toàn công nghiệp IEC 60204-1.
  • Giai đoạn 3 (Tuần 11–13): Xây dựng thuật toán xử lý ảnh trên Python, kiểm định độ chính xác giải thuật trích xuất biên Canny/Otsu, lập trình hàm điều khiển phát xung chuyển động MC_MoveRelative / MC_MoveAbsolute trên TIA Portal.
  • Giai đoạn 4 (Tuần 14–16): Tích hợp thư viện truyền thông Snap7, ghép nối tín hiệu điều khiển giữa PC và PLC, lập trình giao diện giám sát SCADA.
  • Giai đoạn 5 (Tuần 17–18): Chạy thử tải toàn hệ thống, tinh chỉnh tham số vận tốc/gia tốc động cơ bước, ghi nhận dữ liệu thực nghiệm và đánh giá sai số.

Implementation và kết quả

Quy trình phát triển và thuật toán cốt lõi

Quy trình xử lý ảnh được xây dựng theo chuỗi xử lý nghiêm ngặt: Thu nhận ảnh $\rightarrow$ Chuyển đổi không gian màu RGB sang HSV $\rightarrow$ Áp dụng ngưỡng màu phân đoạn vật thể $\rightarrow$ Lọc nhiễu Median Filter $\rightarrow$ Phát hiện biên Canny $\rightarrow$ Tìm đường bao Contours $\rightarrow$ Trích xuất kích thước đa giác $\rightarrow$ Gửi byte kết quả tới PLC.

import cv2
import numpy as np
import snap7
from snap7.util import set_bool

# Khởi tạo kết nối S7 Communication tới PLC S7-1200
PLC_IP = '192.168.0.1'
RACK = 0
SLOT = 1
DB_NUMBER = 1

def init_plc():
    plc = snap7.client.Client()
    plc.connect(PLC_IP, RACK, SLOT)
    return plc

def process_workpiece_image(frame):
    # 1. Chuyển đổi không gian màu sang HSV
    hsv = cv2.cvtColor(frame, cv2.COLOR_BGR2HSV)
    
    # 2. Định nghĩa dải màu đỏ của phôi chuẩn trong không gian HSV
    lower_red1 = np.array([0, 100, 100])
    upper_red1 = np.array([10, 255, 255])
    lower_red2 = np.array([160, 100, 100])
    upper_red2 = np.array([180, 255, 255])
    
    # 3. Tạo mặt nạ nhị phân (Binary Mask)
    mask1 = cv2.inRange(hsv, lower_red1, upper_red1)
    mask2 = cv2.inRange(hsv, lower_red2, upper_red2)
    mask = cv2.bitwise_or(mask1, mask2)
    
    # 4. Lọc trung vị khử nhiễu đốm
    blurred = cv2.medianBlur(mask, 5)
    
    # 5. Phát hiện biên bằng toán tử Canny
    edges = cv2.Canny(blurred, 50, 150)
    
    # 6. Tìm đường bao liên tục (Contours)
    contours, _ = cv2.findContours(edges, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)
    
    is_standard = False
    for cnt in contours:
        area = cv2.contourArea(cnt)
        # Giới hạn diện tích phôi chuẩn 40x40mm quy đổi theo pixel (ví dụ: 4500 - 6000 px)
        if 4500 < area < 6000:
            peri = cv2.arcLength(cnt, True)
            approx = cv2.approxPolyDP(cnt, 0.04 * peri, True)
            # Kiểm tra hình dạng 4 đỉnh (hình vuông/chữ nhật)
            if len(approx) == 4:
                is_standard = True
                break
                
    return is_standard

Trên PLC Siemens S7-1200, chương trình được cấu trúc thành các khối hàm chức năng (Function Blocks - FB) quản lý tuần tự chu trình phân loại bằng ngôn ngữ SCL (Structured Control Language) kết hợp Ladder Logic (LAD):

// Khối điều khiển phân loại tuần tự (Sequencer Logic) viết bằng SCL
CASE #StepIndex OF
    0: // Chờ cảm biến phát hiện phôi trên băng tải 1
        IF #Sensor_Infeed = TRUE THEN
            #Conveyor_1 := FALSE; // Dừng băng tải cấp
            #Trigger_Camera := TRUE; // Kích hoạt chụp ảnh
            #StepIndex := 10;
        END_IF;

    10: // Đọc kết quả từ PC gửi qua DB1.DBX0.0
        IF #Vision_Done = TRUE THEN
            #Trigger_Camera := FALSE;
            IF #Workpiece_Is_Standard = TRUE THEN
                #StepIndex := 20; // Chuyển sang chu trình gắp XYZ
            ELSE
                #Piston_Reject := TRUE; // Kích hoạt xy lanh đẩy phôi lỗi
                #StepIndex := 50;
            END_IF;
        END_IF;

    20: // Kích hoạt lệnh phát xung PTO dịch chuyển trục X-Y-Z tới vị trí gắp
        #MC_MoveAbsolute_X(Position := #Pos_Grip_X, Execute := TRUE);
        #MC_MoveAbsolute_Y(Position := #Pos_Grip_Y, Execute := TRUE);
        IF #MC_MoveAbsolute_X.Done AND #MC_MoveAbsolute_Y.Done THEN
            #MC_MoveAbsolute_Z(Position := #Pos_Grip_Z, Execute := TRUE);
            IF #MC_MoveAbsolute_Z.Done THEN
                #Vacuum_Valve := TRUE; // Bật giác hút chân không
                #StepIndex := 30;
            END_IF;
        END_IF;
END_CASE;

Kiểm nghiệm và đánh giá thực nghiệm

Hệ thống đã trải qua 4 kịch bản kiểm thử với tổng số 200 lượt phôi thực tế nhằm đánh giá toàn diện độ chính xác và khả năng thích ứng:

Kịch bản kiểm thử Mô tả mẫu thử nghiệm Số lượng mẫu Số lần nhận diện đúng Tỷ lệ thành công (%) Thời gian chu kỳ trung bình
Kịch bản 1 Phôi chuẩn ($4 \times 4\text{ cm}$, màu đỏ đồng nhất) 60 58 96.67% 3.82 giây
Kịch bản 2 Phôi lỗi biên dạng (Khuyết góc, méo cạnh, màu đỏ) 50 47 94.00% 3.45 giây
Kịch bản 3 Phôi sai màu (Khối lập phương $4 \times 4\text{ cm}$, màu xanh/vàng) 50 49 98.00% 3.20 giây
Kịch bản 4 Phôi sai kích thước ($3 \times 3\text{ cm}$ hoặc $5 \times 5\text{ cm}$) 40 38 95.00% 3.50 giây 
TỶ LỆ PHÂN LOẠI THỰC NGHIỆM:
[==================================================] 95.85% Trung bình toàn hệ thống
- Nhận diện quang học (OpenCV): 96.0% (192/200 mẫu)
- Gắp đặt & Sắp xếp tọa độ (XYZ): 92.5% (185/200 mẫu vào đúng ô thùng chứa)

           PHÂN BỔ THỜI GIAN TRONG MỘT CHU KỲ PHÂN LOẠI (3.82 giây)
+-----------------------------------------------------------------------------+
| Băng tải đưa phôi vào trạm | Xử lý ảnh | Robot XYZ di chuyển & Gắp | Đặt phôi |
|         (1.2s)             |  (0.22s)  |          (1.6s)           |  (0.8s)  |
+-----------------------------------------------------------------------------+

Kết quả đạt được

  • Chỉ tiêu kỹ thuật: Độ chính xác nhận diện thị giác đạt 95.85% (vượt chỉ tiêu ban đầu $\ge 90%$). Độ chính xác gắp đặt phôi vào đúng ngăn ma trận hộp chứa đạt 92.5% (vượt chỉ tiêu ban đầu $\ge 85%$).
  • Độ ổn định truyền thông: Giao thức truyền dữ liệu Ethernet Snap7 giữa máy tính xử lý ảnh và PLC S7-1200 duy trì thời gian đáp ứng dưới 25ms, không xảy ra hiện tượng mất gói tin (Packet loss 0%).
  • Chức năng SCADA: Giao diện hiển thị trực quan các trạng thái Start, Stop, Emergency, cảnh báo quá tải động cơ bước, đồng bộ biểu đồ đếm số lượng phôi đạt/hỏng theo thời gian thực.

Đổi mới và đóng góp

  1. Kiến trúc điều khiển lai linh hoạt (Hybrid Control Architecture): Kết hợp sức mạnh xử lý tính toán phức tạp của máy tính công nghiệp (chạy Python/OpenCV) với tính ổn định, độ tin cậy thời gian thực cấp công nghiệp của PLC S7-1200. Điều này giúp hệ thống vừa giải được bài toán thị giác máy tính nâng cao, vừa đảm bảo an toàn vận hành 24/7.
  2. Thuật toán nhận dạng đa tiêu chí (Multi-criteria Inspection): Không chỉ dựa vào phân ngưỡng màu sắc đơn thuần, thuật toán tích hợp kỹ thuật cân bằng Histogram, lọc biên Canny và xấp xỉ đa giác approxPolyDP để phát hiện đồng thời lỗi kích thước, lỗi khuyết góc và lỗi lệch màu.
  3. Cơ cấu gắp Cartesian XYZ module hóa: Tối ưu hóa chuyển động 3 trục bằng thuật toán nội suy quỹ đạo hình thang (Trapezoidal Velocity Profile) trên PLC, giúp loại bỏ hiện tượng giật rung khi dừng gắp phôi, nâng cao tuổi thọ của cụm vít me và động cơ bước.
  4. Hiệu quả kinh tế vượt trội: Chi phí chế tạo phần cứng và tích hợp toàn bộ mô hình ước tính chỉ bằng 25–30% so với các hệ thống phân loại ngoại nhập cùng tính năng sử dụng Smart Camera độc lập.

Ứng dụng thực tế và triển khai

+-----------------------------------------------------------------------------------+
|                        LĨNH VỰC ỨNG DỤNG CÔNG NGHIỆP                              |
+-----------------------------------------------------------------------------------+
| 1. Dây chuyền dập phôi & cơ khí chính xác: Loại bỏ phôi bavia, sai kích thước     |
| 2. Đóng gói dược phẩm / thực phẩm: Sắp xếp vỉ thuốc, hộp bánh theo ma trận thùng  |
| 3. Chế tạo linh kiện điện tử: Kiểm tra thiếu chân IC, nứt vỡ mạch in (PCB)        |
+-----------------------------------------------------------------------------------+

Yêu cầu lắp đặt và môi trường vận hành

  • Nguồn cấp: Điện lưới xoay chiều 1 pha $220\text{V AC} \pm 10%$, tần số $50\text{Hz}$; nguồn DC tổ ong $24\text{V DC} - 10\text{A}$ cho PLC và cảm biến; nguồn $5\text{V DC} - 5\text{A}$ cho driver động cơ.
  • Nguồn khí nén: Máy nén khí công nghiệp cung cấp áp suất làm việc ổn định $0.4 - 0.6\text{ MPa}$ ($4 - 6\text{ bar}$), có bộ lọc khí tách nước và bôi trơn.
  • Yêu cầu máy tính trạm: CPU Intel Core i5 thế hệ 8 trở lên, RAM tối thiểu 8GB, cổng kết nối mạng Ethernet 100/1000 Mbps để kết nối PROFINET.

Lộ trình nhân rộng và phân tích ROI

  • Khả năng mở rộng: Hệ thống dễ dàng nâng cấp từ robot Cartesian XYZ lên cánh tay Robot SCARA hoặc Delta Robot để tăng tốc độ đóng gói lên $60 - 90\text{ phôi/phút}$.
  • Phân tích hiệu quả đầu tư (ROI): Đối với một doanh nghiệp vừa và nhỏ gia công 50,000 phôi/tháng, việc thay thế 2 nhân công kiểm tra bằng 1 hệ thống tự động giúp tiết kiệm xấp xỉ 180 triệu VNĐ tiền lương mỗi năm, thời gian thu hồi vốn đầu tư (Payback Period) ước tính từ 8 – 11 tháng.

Hạn chế và hướng phát triển

Hạn chế kỹ thuật hiện tại

  • Phụ thuộc điều kiện chiếu sáng: Mặc dù đã có buồng tối nhưng khi ánh sáng ngoài môi trường biến đổi quá lớn, ngưỡng màu HSV cố định có thể làm giảm tỷ lệ nhận diện khoảng $3 - 5%$.
  • Xử lý 1 mặt sản phẩm: Hệ thống hiện tại chỉ sử dụng 1 camera đơn chụp mặt trên, chưa kiểm tra được các khuyết tật ở 4 mặt bên và mặt đáy của phôi.
  • Vận tốc robot Cartesian giới hạn: Do sử dụng động cơ bước vòng hở, nếu tăng vận tốc phát xung lên trên $4000\text{ xung/giây}$ có thể dẫn đến hiện tượng trượt bước (Step Loss), ảnh hưởng tới độ chính xác vị trí gắp đặt.

Hướng phát triển trong tương lai

  1. Tích hợp mạng nơ-ron học sâu (Deep Learning): Ứng dụng mô hình YOLOv8-nano hoặc MobileNetV3 để phát hiện các vết nứt tế vi, xước bề mặt kim loại với độ phức tạp cao mà thuật toán xử lý ảnh truyền thống khó đáp ứng.
  2. Nâng cấp động cơ Step Servo / Hybrid Servo: Thay thế động cơ bước thường bằng động cơ có gắn bộ giải mã Encoder vòng kín (Closed-loop Step Motor) giúp loại bỏ hoàn toàn hiện tượng mất bước khi chạy ở tốc độ cao.
  3. Mở rộng hệ thống nhiều Camera (Multi-camera Inspection): Bố trí thêm 2 camera góc nghiêng hoặc sử dụng hệ thống gương phản chiếu để kiểm tra chất lượng 6 mặt phôi trong cùng một chu kỳ chụp.
  4. Số hóa nhà máy (IIoT & Cloud MES): Tích hợp module MQTT hoặc OPC UA trên S7-1200 để đẩy dữ liệu sản lượng, thời gian dừng máy (OEE) lên nền tảng đám mây AWS/Azure.

Đối tượng hưởng lợi

  • Sinh viên & Học viên chuyên ngành Tự động hóa, Cơ điện tử: Tài liệu tham khảo toàn diện về phương pháp tích hợp PLC Siemens S7-1200 với thị giác máy tính OpenCV, kỹ thuật lập trình điều khiển phát xung chuyển động PTO và thiết kế hệ thống khí nén.
  • Kỹ sư R&D & Lập trình viên nhúng/SCADA: Nắm vững mô hình truyền thông giữa Python và PLC qua giao thức Snap7/PROFINET mà không cần đầu tư các phần mềm OPC Server đắt tiền.
  • Doanh nghiệp sản xuất vừa và nhỏ (SMEs): Cung cấp bản vẽ thiết kế, danh mục thiết bị chuẩn công nghiệp và giải pháp tự động hóa chi phí thấp, dễ dàng làm chủ công nghệ và bảo trì nội bộ.
  • Nhà nghiên cứu ứng dụng: Cơ sở thực nghiệm để mở rộng các nghiên cứu so sánh hiệu năng giữa thuật toán xử lý ảnh truyền thống và học sâu trong môi trường sản xuất thực tế.

Câu hỏi thường gặp

1. Yêu cầu kỹ thuật phần cứng và phần mềm tối thiểu để triển khai mô hình là gì?

Hệ thống yêu cầu 01 PLC Siemens S7-1200 (CPU 1214C DC/DC/DC mã 6ES7214-1AG40-0XB0), 03 bộ driver TB6600, 03 động cơ bước Nema 17, 01 cụm van điện từ 5/2 FESTO cùng hệ thống cấp khí nén 4–6 bar. Về phần mềm, cần cài đặt TIA Portal V16 trở lên trên hệ điều hành Windows 10/11 64-bit và môi trường Python 3.9+ có sẵn các thư viện opencv-python, numpy, python-snap7.

2. Giới hạn tốc độ phân loại của hệ thống là bao nhiêu và cách nâng cấp?

Hiện tại, mô hình xử lý với tốc độ trung bình $3.82\text{ giây/sản phẩm}$ ($\sim 15 - 16\text{ phôi/phút}$). Giới hạn vận tốc chủ yếu nằm ở thời gian di chuyển của cơ cấu robot trục Cartesian XYZ vít me. Để nâng công suất lên $40 - 60\text{ phôi/phút}$, có thể thay thế cụm trục vít me bằng bộ truyền đai răng đồng bộ (Timing Belt) hoặc tích hợp cánh tay robot Delta chuyên dụng cho đóng gói.

3. Làm thế nào để giao tiếp máy tính xử lý ảnh với PLC S7-1200 mà không gây trễ hệ thống?

Dự án sử dụng thư viện python-snap7 giao tiếp trực tiếp với vùng nhớ Data Block (DB) của PLC thông qua giao thức truyền thông công nghiệp Ethernet S7 Communication (cổng mạng RJ45 mặc định). Bằng cách tối ưu hóa chuỗi đọc/ghi chỉ gửi dữ liệu dạng Byte/Boolean khi có sự kiện phát hiện phôi, độ trễ truyền thông được kiểm soát ổn định ở mức $< 25\text{ms}$.

4. Hệ thống cần quy trình bảo dưỡng định kỳ như thế nào?

  • Hàng tuần: Vệ sinh bụi trên thấu kính camera và cảm biến quang hồng ngoại E3F-DS30C4; xả nước đọng ở bộ lọc khí nén.
  • Hàng tháng: Bôi trơn mỡ chuyên dụng cho các trục vít me bi và ray trượt dẫn hướng cơ cấu XYZ; kiểm tra độ căng dây đai và các đầu siết ốc nối trục động cơ bước.
  • Hàng quý: Kiểm tra độ mòn của đệm hút chân không cao su và độ kín khít của các đầu nối khí nén để tránh suy hao áp suất.

5. Chi phí dự toán phần cứng và thời gian thu hồi vốn (ROI) ra sao?

Tổng chi phí linh kiện phần cứng, cơ khí và điện điều khiển cho mô hình ước tính khoảng 18 – 25 triệu VNĐ (chưa bao gồm máy tính trạm). Đối với một dây chuyền ứng dụng công nghiệp thực tế thay thế 1–2 công nhân gắp xếp thủ công, thời gian hoàn vốn đầu tư dao động từ 8 đến 12 tháng hoạt động liên tục.

Kết luận

Đồ án tốt nghiệp "Thi công và điều khiển mô hình phân loại và sắp xếp phôi vào hộp ứng dụng xử lý ảnh và PLC S7-1200" của nhóm sinh viên Lâm Tấn Hưng và Bùi Văn Nhật Thanh (Khoa Điện – Điện Tử, Trường Đại học Sư phạm Kỹ thuật TP.HCM) đã hoàn thành xuất sắc toàn bộ các mục tiêu đặt ra. Dự án chứng minh tính khả thi và hiệu quả vượt trội khi kết hợp thị giác máy tính OpenCV trên nền tảng máy tính với bộ điều khiển công nghiệp PLC S7-1200.

Hệ thống đạt độ chính xác nhận diện 95.85%, độ chính xác gắp đặt 92.5% với thời gian chu kỳ ổn định $3.82\text{ giây/sản phẩm}$. Mô hình không chỉ mang ý nghĩa học thuật chuyên sâu về điều khiển tự động và xử lý ảnh mà còn mở ra tiềm năng ứng dụng thực tế to lớn cho các nhà máy sản xuất linh kiện, đóng gói sản phẩm trong bối cảnh chuyển đổi số công nghiệp hiện nay.