Bối cảnh và vấn đề nghiên cứu

Trong bối cảnh nền sản xuất công nghiệp hiện đại đang đẩy mạnh tự động hóa nhằm nâng cao năng suất và chất lượng sản phẩm, nguyên công hàn vẫn đóng vai trò cốt lõi tại các nhà máy chế tạo cơ khí, đóng tàu, sản xuất kết cấu thép và công nghiệp ô tô. Tuy nhiên, tại nhiều cơ sở sản xuất, việc hàn các chi tiết vẫn phụ thuộc vào phương pháp thủ công hoặc các thiết bị bán tự động. Quá trình gia công bằng tay bộc lộ nhiều hạn chế: đường hàn thiếu đồng đều, độ chính xác không cao, năng suất bị giới hạn bởi tay nghề người thợ và tiềm ẩn nhiều nguy cơ mất an toàn lao động do tiếp xúc trực tiếp với hồ quang, bức xạ nhiệt và khói hàn độc hại.

Để khắc phục những nhược điểm trên, đề tài "Thiết kế và chế tạo hệ thống nhận diện mối hàn cho robot tự động" được thực hiện bởi nhóm sinh viên ngành Công nghệ Kỹ thuật Cơ điện tử, Khoa Đào tạo Chất lượng cao, Trường Đại học Sư phạm Kỹ thuật Thành phố Hồ Chí Minh (khóa 2017 – 2021), dưới sự hướng dẫn của ThS. Lê Thanh Tùng. Đề tài tập trung nghiên cứu giải pháp ứng dụng công nghệ thị giác máy tính nhằm tự động hóa việc phát hiện quỹ đạo đường hàn và dẫn hướng cơ cấu chấp hành.

Theo trình bày của tác giả, nghiên cứu hướng tới các ý nghĩa khoa học và thực tiễn sau:

  • Cải thiện điều kiện làm việc và môi trường sản xuất.
  • Đáp ứng cường độ lao động trong dây chuyền sản xuất hiện đại.
  • Hỗ trợ chuyên môn hóa và linh hoạt hoán đổi các quy trình sản xuất.
  • Tăng khả năng cạnh tranh nhờ tạo ra sản phẩm đạt chất lượng cao với chi phí gia công tối ưu.
  • Đảm bảo an toàn lao động, hạn chế sự can thiệp trực tiếp của con người vào vùng phát sinh nhiệt và khí độc.

Mục tiêu nghiên cứu được xác định cụ thể gồm:

  1. Nghiên cứu các thuật toán xử lý ảnh, phát triển và ứng dụng giải thuật nhận diện đường hàn vào lĩnh vực hàn tự động.
  2. Xây dựng mô hình thiết bị phần cứng thực nghiệm để kiểm chứng thuật toán.
  3. Xây dựng thuật toán điều khiển truyền động dựa trên dữ liệu trích xuất từ hệ thống xử lý ảnh.

Đối tượng và phạm vi nghiên cứu:

  • Đối tượng nghiên cứu: Các thuật toán xử lý ảnh kỹ thuật số ứng dụng trong việc nhận diện và trích xuất tọa độ đường hàn.
  • Phạm vi nghiên cứu: Tổng quan công nghệ xử lý ảnh; ngôn ngữ lập trình Python và thư viện OpenCV; thiết kế, chế tạo mô hình cơ khí - điện tử 2 trục (X-Y) hỗ trợ kiểm nghiệm; tính toán và lựa chọn động cơ truyền động đáp ứng độ chính xác yêu cầu của hệ thống.

Phương pháp tiếp cận của đề tài là sự kết hợp giữa nghiên cứu lý thuyết (tổng hợp tài liệu về công nghệ hàn, cơ cấu truyền động cơ khí, phần cứng điều khiển, lý thuyết thị giác máy tính) và phương pháp thực nghiệm (chế tạo mô hình thử nghiệm, thu nhận ảnh mẫu, tối ưu hóa thông số giải thuật xử lý ảnh và chạy thực nghiệm quỹ đạo chuyển động).

Cơ sở lý thuyết và phương pháp

Đề tài xây dựng nền tảng dựa trên các khối kiến thức liên ngành về công nghệ hàn, kỹ thuật cơ khí chính xác, điều khiển điện tử và thị giác máy tính.

Cơ sở công nghệ hàn và tự động hóa hàn

Văn bản hệ thống hóa bản chất của quá trình hàn kim loại: liên kết các phần tử thành khối nguyên khối không thể tháo rời bằng năng lượng nhiệt (hàn nóng chảy) hoặc kết hợp áp lực (hàn áp lực). Các phương pháp hàn được phân loại theo dạng năng lượng:

  • Hàn điện (hàn hồ quang tay, hàn tiếp xúc).
  • Hàn cơ học (hàn ma sát khuấy, hàn nguội, hàn siêu âm).
  • Hàn hóa học (hàn khí, hàn hóa nhiệt).
  • Hàn kết hợp.

Về mức độ tự động hóa, đồ án phân tích ba nhóm thiết bị chính: rùa hàn tự động (chuyên hàn mối thẳng dài), máy hàn CNC (điều khiển theo tọa độ G-Code lập trình trước) và robot hàn công nghiệp (hàn quỹ đạo không gian phức tạp). Từ đó, nhóm nghiên cứu xác định khoảng trống công nghệ cần giải quyết: tích hợp thị giác máy để thiết bị có thể tự nhận biết vị trí đường hàn thực tế mà không cần lập trình tọa độ thủ công cố định.

Cơ sở cơ khí và hệ thống truyền động

Để hiện thực hóa mô hình chuyển động, đề tài phân tích sâu các cơ cấu truyền động chính xác:

  • Truyền động vít me – đai ốc bi: Biến chuyển động quay thành tịnh tiến với ma sát lăn qua các viên bi thép tuần hoàn (hồi bi trong hoặc hồi bi ngoài). Hiệu suất bộ truyền đạt xấp xỉ 0,9, độ cứng vững dọc trục cao và khử được độ rơ khớp ren.
  • Truyền động đai răng: Truyền động ăn khớp chủ động giữa đai và bánh đai (pulley), hiệu suất tối đa 98%, vận tốc làm việc đạt từ 5 đến 50 m/s (tối đa 30 m/s với tải trọng thông dụng). Kết cấu đai gồm lớp lõi chịu kéo (Polyester, Kevlar, Fiberglass hoặc Thép), lớp nền Neoprene và lớp phủ mặt răng bằng Nylon chống mài mòn. Đồ án so sánh biên dạng răng hình thang và răng cong, chỉ ra răng cong giúp phân bố ứng suất đều hơn, hạn chế hiện tượng nứt chân răng và tăng 40% khả năng tải.
  • Hệ thống dẫn hướng: Sử dụng ray trượt và con trượt vuông với các rãnh bi tuần hoàn, giúp định vị chính xác, chịu tải và chống rung động tốt khi đầu công tác di chuyển ở tốc độ cao.
+-----------------------------------------------------------------------------+
| Bảng so sánh đặc tính vật liệu lõi đai răng theo tài liệu đồ án             |
+-------------------+--------------------+------------------+-----------------+
| Vật liệu lõi đai  | Sức bền kéo (N/mm²)| Độ dãn dài đứt (%)| Mô-đun đàn hồi  |
+-------------------+--------------------+------------------+-----------------+
| Polyester         | 1100               | 14,0             | 13.800 N/mm²    |
| Kevlar            | 2760               | 2,5              | 124.300 N/mm²   |
| Fiberglass        | 2400               | 2,5 - 3,5        | 124.300 N/mm²   |
| Thép              | 2500               | 2,5              | 103.500 N/mm²   |
+-------------------+--------------------+------------------+-----------------+

Cơ sở xử lý ảnh kỹ thuật số

Quá trình xử lý ảnh trong đồ án tuân theo chuỗi giai đoạn chuẩn: Thu nhận ảnh $\rightarrow$ Tiền xử lý $\rightarrow$ Phân đoạn ảnh $\rightarrow$ Biểu diễn ảnh $\rightarrow$ Nhận dạng và nội suy $\rightarrow$ Mô tả đặc trưng.

Các thuật toán và mô hình toán học sử dụng:

  1. Biến đổi độ tương phản và độ sáng: Điều chỉnh tuyến tính mức xám của ma trận điểm ảnh $I(x,y)$ thông qua hệ số khuếch đại $\alpha$ và độ lệch $\beta$, giới hạn giá trị trong thang đo $[0, 255]$.
  2. Lọc số ảnh (Spatial Filtering): Thực hiện phép tích chập giữa ma trận ảnh gốc $I_{src}$ với ma trận mặt nạ $M$ kích thước lẻ (như kernel $3 \times 3$) theo công thức $I_{dst} = M * I_{src}$ nhằm làm mịn, làm trơn và khử nhiễu ngẫu nhiên.
  3. Phân ngưỡng nhị phân (Thresholding): Tách ảnh thành hai vùng giá trị 0 (đen) và 255 (trắng) dựa trên ngưỡng cường độ sáng, bao gồm cả phương pháp tách ngưỡng tự động theo biểu đồ tần độ xám (Histogram).
  4. Biến đổi Hough cho đường thẳng: Ánh xạ các điểm thẳng hàng từ hệ tọa độ Descartes $(x, y)$ sang các đường hình sin giao nhau tại điểm $(r_0, \phi_0)$ trong không gian tọa độ cực theo phương trình $x \cdot \cos\phi + y \cdot \sin\phi = r$.
  5. Thuật toán làm mảnh lấy khung xương (Skeletonization by thinning): Quá trình duyệt lặp để bóc dần các lớp biên của đối tượng nhị phân cho đến khi đạt độ dày 1 pixel ở chính giữa đường nét, đảm bảo bảo toàn tính liên thông và các điểm nút cấu trúc.

Nền tảng công nghệ phần mềm

  • Ngôn ngữ Python: Sử dụng làm môi trường phát triển chính nhờ cú pháp trực quan, tính chất thông dịch linh hoạt, hỗ trợ phát triển nhanh các thuật toán thị giác máy.
  • Thư viện OpenCV (Open Source Computer Vision): Cung cấp hơn 2500 thuật toán thị giác máy tính và học máy đã được tối ưu hóa, đóng vai trò nền tảng để thực hiện các phép biến đổi hình thái học, lọc số, trích xuất biên dạng và xử lý ma trận ảnh.

Thiết kế và triển khai hệ thống

Đồ án triển khai đầy đủ các khâu từ tính toán thông số, thiết kế mô hình 3D trên phần mềm Autodesk Inventor, lắp ráp phần cứng cơ điện cho đến xây dựng pipeline xử lý dữ liệu ảnh điều khiển cơ cấu chấp hành.

+-----------------------------------------------------------------------------+
| Bảng thông số kỹ thuật và yêu cầu thiết kế của hệ thống                     |
+---------------------------------------------+-------------------------------+
| Thông số kỹ thuật                           | Giá trị thiết kế              |
+---------------------------------------------+-------------------------------+
| Không gian làm việc hữu ích (X x Y)         | 100 x 200 mm                  |
| Vận tốc làm việc của đầu công tác           | 1 - 20 mm/s                   |
| Vận tốc tối đa khi chạy không tải (G00)     | 100 mm/s                      |
| Sai lệch vị trí đầu công tác cho phép       | 0,2 mm                        |
| Kết cấu khung sườn                          | Nhôm định hình 20x40 mm       |
| Dẫn động trục X (đầu công tác)              | Bộ truyền đai răng + Pulley   |
| Dẫn động trục Y (bàn đặt mẫu)               | Vít me - đai ốc bi kiểu SFU   |
| Động cơ truyền động các trục                | Động cơ bước 57HS10030A4D8    |
| Board mạch điều khiển giao tiếp máy tính    | Board Mach 3 Interface        |
| Cảm biến giới hạn hành trình                | Công tắc KW11-N KW12 5A       |
| Cảm biến thu nhận hình ảnh                  | Bysameyee USB Microscope 1000X|
+---------------------------------------------+-------------------------------+

Kiến trúc phần cứng và cơ cấu truyền động

Hệ thống được thiết kế theo cấu trúc 2 trục tọa độ vuông góc:

  • Khung máy: Lắp ráp từ nhôm định hình $20 \times 40\text{ mm}$, liên kết bằng ke góc, bu lông chuyên dụng, bánh xe V-slot và chân đế cao su chống rung. Phía trên bố trí thanh ngang có thể tinh chỉnh cự ly và góc nghiêng để gá đặt camera cùng hệ thống chiếu sáng nhân tạo.
  • Trục X (Cụm đầu công tác): Di chuyển tịnh tiến mang đầu định vị mối hàn, sử dụng bộ truyền đai răng kết hợp động cơ bước mã 57HS10030A4D8 nhằm đáp ứng tốc độ phản hồi nhanh và trọng lượng nhẹ.
  • Trục Y (Cụm bàn máy đặt mẫu): Chịu tải phôi mẫu, truyền động qua cụm vít me – đai ốc bi chuẩn SFU để đảm bảo độ cứng vững, chuyển động êm ái và triệt tiêu độ rơ dọc trục.
  • Hệ thống điều khiển điện: Gồm tủ điện tích hợp nguồn tổ ong, các bộ driver điều khiển động cơ bước, công tắc hành trình KW11-N KW12 5A tại các điểm giới hạn và board mạch đệm Mach 3 kết nối máy tính qua cổng giao tiếp chuyên dụng.

Pipeline xử lý ảnh và sinh mã điều khiển G-Code

Quy trình nhận diện và điều khiển tự động được thực hiện qua chuỗi các bước tuần tự:

  1. Thu nhận ảnh (Image Acquisition): Camera Bysameyee Digital Microscope 1000X đặt vuông góc với bề mặt phôi để chụp ảnh mẫu mối ghép kim loại theo thời gian thực.
  2. Tiền xử lý: Ảnh màu RGB được chuyển đổi sang ảnh xám 8-bit (Grayscale), sau đó áp dụng phép cân bằng/tăng cường độ tương phản và lọc trơn Gaussian/Blur để loại bỏ các đốm nhiễu bề mặt kim loại.
  3. Phân đoạn và nhị phân hóa: Áp dụng kỹ thuật phân ngưỡng để tách biệt hoàn toàn rãnh mối hàn (vùng tối) ra khỏi bề mặt kim loại cơ bản (vùng sáng).
  4. Trích xuất khung xương (Skeletonization): Sử dụng thuật toán làm mảnh (Thinning) để rút gọn dải mối hàn có bề rộng nhất định về một đường tâm có độ dày 1 pixel.
  5. Lấy mẫu điểm và chuyển đổi tọa độ: Giải thuật dò biên xác định danh sách các điểm ảnh $(u_i, v_i)$ nằm trên đường khung xương. Dựa trên tỷ lệ tham chiếu mẫu chuẩn, hệ thống tính toán chuyển đổi tọa độ điểm ảnh sang tọa độ thực tế $(X_i, Y_i)$ trong không gian gia công milimét.
  6. Tạo mã G-Code và truyền điều khiển: Chương trình tự động biên dịch tọa độ các điểm lấy mẫu thành các câu lệnh điều khiển quỹ đạo G-Code (G00, G01 với tốc độ F tương ứng). Tệp mã G-Code này được nạp trực tiếp vào phần mềm Mach 3 để điều khiển các driver động cơ bước dịch chuyển bàn máy Y và đầu công tác X di chuyển bám khít theo đường hàn thực tế.

Nội dung chính theo từng chương

+-----------------------------------------------------------------------------+
| Bảng cấu trúc và nội dung trọng tâm các chương trong đồ án                 |
+---------------+-------------------------------------------------------------+
| Chương        | Nội dung khoa học và kỹ thuật trọng tâm                     |
+---------------+-------------------------------------------------------------+
| Chương 1:     | Đặt vấn đề tự động hóa hàn, ý nghĩa khoa học - thực tiễn,   |
| TỔNG QUAN     | mục tiêu, đối tượng, phạm vi và phương pháp nghiên cứu.     |
|               |                                                             |
| Chương 2:     | Tổng quan lý thuyết công nghệ hàn (hàn điện, cơ, hóa học);  |
| THÔNG SỐ KỸ   | các thiết bị hàn tự động (rùa hàn, máy CNC, robot hàn); cơ cấu|
| THUẬT CỦA     | vít me bi, đai răng, sống trượt vuông; động cơ bước; lý     |
| THIẾT BỊ      | thuyết xử lý ảnh, lọc số, làm mảnh; Python và OpenCV.       |
|               |                                                             |
| Chương 3:     | Xác lập yêu cầu kỹ thuật (100x200 mm, sai lệch 0,2 mm);     |
| THIẾT KẾ      | tính toán cơ khí trục X-Y; thiết kế mạch Mach 3, driver,    |
|               | camera hiển vi; xây dựng giải thuật xử lý ảnh và sinh mã.   |
|               |                                                             |
| Chương 4:     | Chế tạo mô hình thực tế; lập trình tiền xử lý, mỏng hóa,    |
| THI CÔNG VÀ   | xác định tọa độ; thực nghiệm nhận diện trên 200 khung hình; |
| THỰC NGHIỆM   | xuất G-Code và chạy thử nghiệm điều khiển hệ thống.         |
|               |                                                             |
| Chương 5:     | Đánh giá kết quả đạt được về cơ khí, thuật toán; chỉ ra hạn |
| KẾT LUẬN      | chế về không gian và ánh sáng; đề xuất hướng phát triển.    |
+---------------+-------------------------------------------------------------+

Chương 1: TỔNG QUAN

Chương 1 làm rõ tính cấp thiết của việc nghiên cứu hệ thống tự động nhận diện mối hàn trong sản xuất cơ khí. Tác giả phân tích những hạn chế của phương pháp hàn thủ công và các hệ thống hàn tự động cố định, từ đó xác lập 6 ý nghĩa khoa học - thực tiễn, 3 mục tiêu cốt lõi, cùng giới hạn phạm vi nghiên cứu về xử lý ảnh, ngôn ngữ lập trình và chế tạo mô hình thử nghiệm.

Chương 2: THÔNG SỐ KỸ THUẬT CỦA THIẾT BỊ

Chương này cung cấp hệ thống cơ sở lý thuyết toàn diện phục vụ thiết kế:

  • Công nghệ hàn: Trình bày nguyên lý hàn nóng chảy, hàn áp lực; phân loại máy hàn tự động và đặc điểm vận hành của rùa hàn, máy hàn CNC, robot hàn.
  • Cơ cấu cơ khí: Đi sâu vào cấu tạo 5 thành phần của vít me bi (trục, đai ốc, bi, vành chắn, ống hồi bi); phân tích thông số đai răng, đặc tính 4 loại vật liệu cốt chịu kéo và ưu thế giảm tập trung ứng suất chân răng của đai răng cong; nguyên lý dẫn hướng của thanh trượt vuông.
  • Điện tử và điều khiển: Phân tích nguyên lý động cơ bước và sơ đồ điều khiển vòng kín/vòng hở.
  • Thị giác máy: Trình bày chi tiết các bước xử lý ảnh, các thang mức xám (đặc biệt là thang 256 mức), thuật toán điều chỉnh tương phản $\alpha - \beta$, lọc tích chập ma trận, phân ngưỡng, biến đổi Hough và 9 tiêu chuẩn đánh giá chất lượng thuật toán làm mảnh khung xương (Skeletonization). Đồng thời, giới thiệu tổng quan về ngôn ngữ Python và thư viện OpenCV.

Chương 3: THIẾT KẾ

Chương 3 trình bày các bước tính toán và thiết kế chi tiết:

  • Đưa ra các chỉ số kỹ thuật mục tiêu: vùng làm việc $100 \times 200\text{ mm}$, tốc độ làm việc $1 - 20\text{ mm/s}$, tốc độ không tải $100\text{ mm/s}$, sai lệch $0,2\text{ mm}$.
  • Thiết kế kết cấu khung nhôm định hình $20 \times 40\text{ mm}$, tính toán chọn cụm vít me bi SFU cho bàn máy trục Y và bộ truyền đai răng cho trục X.
  • Thiết kế sơ đồ khối điều khiển điện: tích hợp board Mach 3, driver động cơ bước 57HS10030A4D8, công tắc hành trình KW11-N KW12 5A và camera Bysameyee USB 1000X.
  • Xây dựng lưu đồ giải thuật xử lý ảnh (tiền xử lý $\rightarrow$ làm mảnh $\rightarrow$ xác định đường hàn $\rightarrow$ lấy mẫu) và lưu đồ tương tác giữa xử lý ảnh với phần mềm điều khiển Mach 3.

Chương 4: THI CÔNG VÀ THỰC NGHIỆM

Chương 4 mô tả toàn bộ quá trình chế tạo mô hình thực tế dựa trên bản vẽ Autodesk Inventor và triển khai mã nguồn lập trình:

  • Lắp ráp hoàn thiện khung cơ khí, bàn máy, cụm đầu công tác và tủ điện điều khiển.
  • Cài đặt quy trình lập trình từng bước: tiền xử lý ảnh, mỏng hóa, lấy mẫu điểm, ánh xạ không gian thực và sinh mã G-Code.
  • Tiến hành thực nghiệm xử lý ảnh trên tập mẫu hơn 200 khung hình để đánh giá độ chính xác nhận diện; thực nghiệm nạp G-Code vào Mach 3 để điều khiển đầu công tác bám sát đường hàn thực tế và ghi nhận sai lệch.

Chương 5: KẾT LUẬN

Tổng kết các hạng mục đã hoàn thành về phần cứng và phần mềm, chỉ ra các mặt hạn chế của mô hình thực nghiệm và định hướng các nội dung cần tiếp tục nghiên cứu, hoàn thiện trong tương lai.

Kết quả và đóng góp

Kết quả nghiên cứu và số liệu thực nghiệm

Đề tài đã hoàn thành việc thiết kế, chế tạo và thử nghiệm một hệ thống cơ điện tử tích hợp thị giác máy với các kết quả cụ thể:

  1. Chế tạo thành công mô hình phần cứng: Hệ thống cơ khí 2 trục X-Y hoạt động ổn định trên kết cấu nhôm định hình $20 \times 40\text{ mm}$, đáp ứng phạm vi chuyển động hữu ích $100 \times 200\text{ mm}$, vận tốc làm việc $1 - 20\text{ mm/s}$, vận tốc chạy không tải đạt $100\text{ mm/s}$, và sai số vị trí đầu công tác đạt mức $\le 0,2\text{ mm}$ theo đúng yêu cầu thiết kế.
  2. Kiểm chứng thuật toán xử lý ảnh: Giải thuật trích xuất đường hàn dựa trên thư viện OpenCV và kỹ thuật làm mảnh (Skeletonization) đã được thử nghiệm thực tế trên hơn 200 khung hình thu nhận từ camera kính hiển vi kỹ thuật số Bysameyee USB 1000X, chứng minh khả năng lọc nhiễu bề mặt kim loại và định vị chính xác đường tâm của mối ghép.
  3. Liên kết điều khiển tự động: Hệ thống đã chuyển đổi thành công tọa độ điểm ảnh thành quỹ đạo thực tế dưới dạng các khối lệnh G-Code chuẩn, truyền dữ liệu mượt mà sang board mạch Mach 3 để điều khiển động cơ bước 57HS10030A4D8 dẫn hướng đầu công tác bám sát quỹ đạo đường hàn mẫu.

Giải pháp kỹ thuật tác giả đề xuất

  • Đề xuất quy trình tiền xử lý kết hợp điều chỉnh tương phản ma trận và lọc trơn trước khi nhị phân hóa, giúp tách đường rãnh hàn trên bề mặt kim loại có độ phản xạ quang học phức tạp.
  • Đề xuất giải pháp sử dụng camera kính hiển vi kỹ thuật số cự ly gần kết hợp ánh sáng nhân tạo để lấy mẫu đường hàn độ phân giải cao, thay thế cho các cảm biến laser định vị đắt tiền trong các ứng dụng hàn phẳng quy mô vừa và nhỏ.
  • Xây dựng mô đun phần mềm trung gian tự động biên dịch dữ liệu hình học từ xử lý ảnh thành tập lệnh G-Code tương thích trực tiếp với hệ điều khiển máy CNC/Mach 3 phổ biến.

Đóng góp của đề tài

  • Làm chủ quy trình thiết kế tích hợp cơ khí chính xác, mạch điều khiển động cơ bước và thị giác máy tính mã nguồn mở (Python - OpenCV).
  • Chứng minh tính khả thi của giải pháp tự động hóa nhận diện và bám quỹ đạo mối hàn với chi phí chế tạo thấp, mở ra khả năng ứng dụng các thuật toán xử lý ảnh vào việc nâng cấp các dòng máy hàn tự động thông thường tại các xưởng sản xuất vừa và nhỏ.

Hạn chế và hướng nghiên cứu tiếp

Hạn chế được ghi nhận

Căn cứ theo nội dung và phạm vi công bố trong văn bản đồ án:

  • Hệ thống thực nghiệm mới chỉ dừng lại ở mô hình chuyển động 2 trục tọa độ phẳng (X-Y), chưa phát triển cơ cấu trục Z để tự động nâng hạ cự ly mỏ hàn cũng như chưa có cơ cấu xoay nghiêng mỏ hàn theo không gian 3 chiều.
  • Quá trình thực nghiệm nhận diện đường hàn được thực hiện trên các mẫu tĩnh trong điều kiện chiếu sáng kiểm soát; chưa thử nghiệm trực tiếp trong môi trường đang phóng hồ quang hàn thực tế – nơi có bức xạ ánh sáng cực mạnh, nhiệt độ cao, khói bụi và xỉ hàn bắn tóe làm ảnh hưởng lớn đến chất lượng quang học của thấu kính camera.
  • Tốc độ xử lý dữ liệu và xuất G-Code vẫn phụ thuộc vào cấu hình phần cứng máy tính xử lý trung gian, chưa tích hợp thành một bộ điều khiển nhúng thời gian thực độc lập.

Hướng nghiên cứu tiếp

  • Mở rộng hệ thống cơ khí lên 3 trục (X-Y-Z) hoặc tích hợp mô-đun nhận diện lên cánh tay robot công nghiệp nhiều bậc tự do để hàn các đường hàn không gian phức tạp.
  • Nghiên cứu bổ sung các kính lọc quang học chuyên dụng, thuật toán lọc dải sáng hẹp hoặc kết hợp nguồn laser định hình để hệ thống có thể nhận diện đường hàn theo thời gian thực (Real-time Seam Tracking) ngay trong lúc hồ quang đang cháy.
  • Tối ưu hóa mã nguồn xử lý ảnh trên các nền tảng máy tính nhúng chuyên dụng nhằm giảm độ trễ xử lý và nâng cao tính cơ động của thiết bị trong môi trường công nghiệp.

Giá trị tham khảo

Tài liệu đồ án là nguồn tư liệu học thuật và kỹ thuật thực hành có giá trị đối với:

  • Sinh viên và học viên: Thuộc các chuyên ngành Công nghệ Kỹ thuật Cơ điện tử, Kỹ thuật Điều khiển và Tự động hóa, Kỹ thuật Cơ khí, Chế tạo máy và Kỹ thuật Robot đang thực hiện các đồ án chuyên ngành hoặc đồ án tốt nghiệp liên quan đến máy CNC, thị giác máy tính và tự động hóa quá trình sản xuất.
  • Kỹ sư và cán bộ kỹ thuật: Quan tâm đến giải pháp cải tiến máy công cụ, thiết kế bàn máy 2 trục chính xác, đấu nối tủ điện điều khiển động cơ bước với board mạch Mach 3, hoặc tìm kiếm giải pháp chuyển đổi dữ liệu xử lý ảnh số thành mã G-Code điều khiển chuyển động.
  • Các nội dung đáng tham khảo chuyên sâu:
    • Phương pháp tính toán, lựa chọn kết cấu bộ truyền vít me bi SFU và bộ truyền đai răng (Chương 2 và Chương 3).
    • Quy trình từng bước xử lý ảnh kim loại bằng Python - OpenCV: từ tiền xử lý, mỏng hóa khung xương đến trích xuất tọa độ (Chương 3 và Chương 4).
    • Sơ đồ nguyên lý đấu nối tủ điện với board Mach 3, driver động cơ bước và công tắc hành trình (Chương 3).

Câu hỏi thường gặp

1. Đề tài sử dụng thiết bị thu nhận hình ảnh nào và có đặc điểm gì?
Hệ thống sử dụng camera kính hiển vi kỹ thuật số Bysameyee USB Digital Microscope 1000X. Thiết bị được gắn trên thanh ngang khung máy, hướng vuông góc với bề mặt phôi kim loại để thu nhận hình ảnh phóng đại chi tiết của rãnh mối hàn theo thời gian thực.

2. Các thông số làm việc chính của mô hình cơ khí được thiết kế là bao nhiêu?
Mô hình có không gian làm việc hữu ích là $100 \times 200\text{ mm}$, tốc độ làm việc từ 1 đến 20 mm/s, tốc độ di chuyển không tải tối đa đạt 100 mm/s và độ sai lệch vị trí đầu công tác nằm trong giới hạn cho phép là 0,2 mm.

3. Cơ cấu truyền động và phần cứng điều khiển nào được lựa chọn cho hai trục X và Y?
Trục X (đầu công tác) sử dụng bộ truyền đai răng kết hợp pulley, trong khi trục Y (bàn máy) sử dụng cơ cấu truyền động vít me – đai ốc bi kiểu SFU cùng hệ thống thanh trượt vuông. Cả hai trục đều được dẫn động bởi động cơ bước mã hiệu 57HS10030A4D8, điều khiển thông qua driver động cơ bước và board mạch giao tiếp Mach 3 kết hợp công tắc hành trình KW11-N KW12 5A.

4. Quy trình xử lý ảnh từ ảnh chụp thô đến khi ra được đường hàn gồm các bước nào?
Quy trình gồm các bước: Thu nhận ảnh $\rightarrow$ Chuyển sang không gian xám (Grayscale) $\rightarrow$ Tăng độ tương phản $\rightarrow$ Làm mịn/lọc trơn $\rightarrow$ Nhị phân hóa (Thresholding) $\rightarrow$ Mỏng hóa/lấy khung xương (Skeletonization by thinning) $\rightarrow$ Xác định các điểm tâm trên đường hàn.

5. Cơ chế chuyển đổi từ dữ liệu đường hàn trong ảnh sang chuyển động thực tế diễn ra như thế nào?
Sau khi thuật toán làm mảnh trích xuất được tọa độ các điểm ảnh $(u_i, v_i)$ trên đường tâm mối hàn, hệ thống dùng ma trận tham chiếu mẫu chuẩn để quy đổi sang tọa độ thực tế $(X_i, Y_i)$ theo đơn vị milimét. Các tọa độ này được chương trình Python tự động chuyển thành tệp mã lệnh G-Code và nạp vào phần mềm Mach 3 để điều khiển các động cơ bước di chuyển các trục theo đúng biên dạng đường hàn.

Kết luận

Đồ án tốt nghiệp "Thiết kế và chế tạo hệ thống nhận diện mối hàn cho robot tự động" đã giải quyết thành công bài toán tích hợp công nghệ thị giác máy tính vào hệ thống cơ điện tử tự động hóa quá trình hàn. Nhóm tác giả đã hoàn thiện cả về mặt lý thuyết lẫn thực nghiệm mô hình phần cứng 2 trục X-Y với độ sai lệch đầu công tác chỉ 0,2 mm, xây dựng trọn vẹn pipeline xử lý ảnh bằng Python/OpenCV và chuyển đổi trực tiếp thành mã G-Code điều khiển qua Mach 3. Nghiên cứu mang tính ứng dụng thực tiễn cao, đóng góp một giải pháp công nghệ kinh tế và khả thi trong việc nâng cao độ chính xác và mức độ tự động hóa cho các thiết bị hàn công nghiệp.