Bối cảnh và vấn đề nghiên cứu

Trong bối cảnh công nghiệp hóa và hiện đại hóa, vấn đề ô nhiễm môi trường do rác thải sinh hoạt không được xử lý đúng cách đang gia tăng áp lực lên các bãi rác và hệ thống xử lý, gây nguy cơ ô nhiễm đất, nước và không khí. Hoạt động phân loại rác tại nguồn giúp giảm tải khối lượng rác thải cần chôn lấp và gia tăng tỷ lệ tái chế các vật liệu có giá trị như chai nhựa và vỏ lon kim loại. Tuy nhiên, phương thức phân loại rác thủ công bằng sức người tiềm ẩn nhiều nguy cơ đối với sức khỏe trong môi trường độc hại, tốn kém thời gian và dễ phát sinh sai sót.

Đề tài "Ứng dụng Robot SCARA kết hợp xử lý ảnh phân loại rác thải" được thực hiện bởi sinh viên Phạm Ngọc Phúc (ngành Công nghệ Kỹ thuật Điều khiển và Tự động hóa, Trường Đại học Sư phạm Kỹ thuật TP. Hồ Chí Minh), dưới sự hướng dẫn của ThS. Phùng Sơn Thanh.

Mục tiêu nghiên cứu chính của đề tài bao gồm hai nội dung cốt lõi:

  1. Nhận diện chính xác hai loại rác thải có khả năng tái chế là chai nhựa và lon kim loại khi bị trộn lẫn trong môi trường nhiều loại rác thải sinh hoạt khác.
  2. Thực hiện gắp và phân loại thành công các đối tượng rác thải khi chúng đang di chuyển trên băng tải.

Để hoàn thành hai mục tiêu trên, nhiệm vụ nghiên cứu được phân chia thành 4 giai đoạn cụ thể:

  1. Giai đoạn 1: Thực hiện gắp vật tại một vị trí cố định trên băng tải đứng yên thông qua việc lập trình robot di chuyển chính xác đến tọa độ định trước.
  2. Giai đoạn 2: Thực hiện gắp từng vật tại một vị trí cố định trên băng tải đang chuyển động. Hệ thống sử dụng camera để ghi nhận tọa độ vật thể tại vị trí cách điểm gắp một khoảng cách $x$, sau đó kết hợp thông số vận tốc băng tải và thời gian chuyển động của cánh tay robot để ước lượng thời điểm kích hoạt cơ cấu gắp.
  3. Giai đoạn 3: Mở rộng khả năng xử lý bằng việc gắp và lưu vết nhiều vật thể liên tiếp trên băng tải đang vận hành. Camera nhận dạng và lưu trữ tọa độ của đồng thời nhiều đối tượng, sau đó gửi tín hiệu điều khiển robot thực thi thao tác gắp tuần tự.
  4. Giai đoạn 4: Thu thập tập dữ liệu hình ảnh thực tế của lon và chai, thực hiện gán nhãn dữ liệu, huấn luyện mô hình học sâu YOLOv8 và kiểm nghiệm, hiệu chỉnh tham số nhằm đạt hiệu suất nhận diện tối ưu.

Đối tượng và phạm vi nghiên cứu:

  • Đối tượng nghiên cứu: Cánh tay robot SCARA (mã Denso HSR-055), bộ điều khiển lập trình PLC Mitsubishi dòng Q, hệ thống servo và driver dòng MR-J4/MR-J3, camera đo độ sâu 3D Intel RealSense D435i, mô hình mạng nơ-ron thị giác YOLOv8, các loại rác thải rắn sinh hoạt tái chế (chai nhựa và vỏ lon).
  • Phạm vi thời gian: Đề tài được giao ngày 20/02/2024 và hoàn thành ngày 20/06/2024.
  • Phạm vi không gian: Nghiên cứu, thiết kế, gia công và chạy thực nghiệm mô hình tại phòng thí nghiệm Bộ môn Tự động Điều khiển, Khoa Điện – Điện tử, Trường Đại học Sư phạm Kỹ thuật TP. Hồ Chí Minh.

Cơ sở lý thuyết và phương pháp

Khóa luận xây dựng hệ thống điều khiển tự động dựa trên sự kết hợp giữa lý thuyết động học robot, điều khiển truyền động công nghiệp và thị giác máy tính:

  • Lý thuyết Động học Robot SCARA: Cấu trúc cơ học SCARA gồm 4 bậc tự do (3 trục chuyển động phẳng $XY$ và 1 trục chuyển động tịnh tiến dọc $Z$). Đồ án áp dụng quy tắc đặt hệ trục tọa độ Denavit-Hartenberg (DH) để tính toán bài toán động học thuận (xác định tọa độ vị trí và hướng của khâu tác động cuối từ các biến khớp) và bài toán động học nghịch (tính toán góc quay của các khớp từ tọa độ mục tiêu cần gắp).
  • Mô hình nhận diện đối tượng YOLOv8: Sử dụng kiến trúc mạng nơ-ron tích chập của thuật toán YOLOv8 để xử lý ảnh đầu vào, phân chia lưới ô và dự đoán bounding box cùng độ tin cậy nhằm phát hiện vị trí tâm và phân loại nhãn đối tượng (lon, chai) trong thời gian thực.
  • Hệ thống điều khiển lập trình công nghiệp PLC Mitsubishi dòng Q: Khung điều khiển logic và điều khiển chuyển động vị trí sử dụng CPU Q03UDE kết hợp module phát xung/điều khiển vị trí QD75MH4, module ngõ ra số QY42P trên thanh đế Q35B.
  • Cơ chế điều khiển động cơ AC Servo: Ứng dụng phản hồi vị trí từ Encoder tuyệt đối và tương đối qua các Driver Servo (MR-J4-70B, MR-J4W2-44B, MR-J4W2-22B) với các chế độ điều khiển phát xung và định vị vị trí.
  • Nguyên lý camera độ sâu stereo: Cảm biến Intel RealSense D435i sử dụng máy chiếu hồng ngoại và hai cảm biến ảnh để tính toán trường độ sâu của đối tượng, hỗ trợ xác định khoảng cách không gian 3D.
  • Giao thức truyền thông MC Protocol: Áp dụng chuẩn truyền thông mạng Ethernet công nghiệp của Mitsubishi qua cấu trúc khung truyền 3E (Frame 3E dạng ASCII/nhị phân) để trao đổi dữ liệu vị trí và cờ điều khiển hai chiều giữa máy tính xử lý ảnh (chạy mã Python) và PLC.

Phương pháp nghiên cứu thực nghiệm:

  • Phương pháp phân tích và mô hình hóa toán học động học cơ cấu SCARA.
  • Phương pháp thiết kế cơ khí 3D trên phần mềm SolidWorks.
  • Phương pháp thu thập dữ liệu ảnh thực nghiệm, tiền xử lý và gán nhãn phục vụ huấn luyện học máy.
  • Phương pháp lập trình điều khiển trên GX Works2 (sử dụng ngôn ngữ Ladder Diagram - LAD và Structured Text - ST) kết hợp phần mềm cấu hình servo MR Configurator2.
  • Phương pháp thực nghiệm đo lường sai số động học và kiểm tra tỷ lệ phân loại thực tế theo từng kịch bản vận hành.

Thiết kế và triển khai hệ thống

Hệ thống phân loại rác thải tự động được hiện thực hóa qua sự kết hợp đồng bộ giữa phần cứng cơ khí, tủ điện điều khiển và cấu trúc phần mềm truyền thông.

Kiến trúc phần cứng và thiết bị điện

Mô hình bao gồm khung đế chịu lực, cơ cấu bệ đỡ cánh tay robot Denso HSR-055, hệ thống băng tải tải hàng và cơ cấu gắp hút chân không sử dụng khí nén.

Nhóm thiết bị Tên thiết bị / Mã hiệu Thông số kỹ thuật / Chức năng chính
Robot công nghiệp Denso HSR-055 Robot SCARA 4 bậc tự do, tải trọng phục vụ gắp đặt tốc độ cao
Bộ điều khiển lập trình Mitsubishi Q03UDE CPU xử lý trung tâm, hỗ trợ cổng giao tiếp Ethernet gắn sẵn
Module điều khiển vị trí Mitsubishi QD75MH4 Module định vị 4 trục chuyên dụng qua mạng SSCNET III
Module ngõ ra số Mitsubishi QY42P Module 64 ngõ ra transistor (Sink type), cấp lệnh điều khiển ngoại vi
Thanh đế mở rộng Mitsubishi Q35B Đế cắm 5 slot cho CPU và các module mở rộng
Bộ nguồn PLC Mitsubishi Q61P Nguồn cấp điện áp cho hệ thống rack PLC dòng Q
Driver điều khiển trục 1 Mitsubishi MR-J4-70B Bộ khuếch đại servo công suất 700W cho trục 1 của robot
Driver trục 2 và 3 Mitsubishi MR-J4W2-44B Bộ khuếch đại servo kép (2 trục), công suất 400W mỗi kênh
Driver trục 4 và băng tải Mitsubishi MR-J4W2-22B Bộ khuếch đại servo kép (2 trục), công suất 200W mỗi kênh
Thiết bị đóng cắt bảo vệ Fuji CP30-BA, NV30-FA, ELB1 Aptomat bảo vệ quá tải, ngắn mạch và chống rò điện
Cảm biến thị giác 3D Intel RealSense D435i Camera độ sâu stereo thu thập hình ảnh và tọa độ không gian rác
Cơ cấu gắp hút Đầu giác hút và van điện từ khí nén Tạo áp suất âm hút giữ bề mặt chai nhựa và lon kim loại

Kiến trúc phần mềm và giải thuật điều khiển

  1. Khối xử lý thị giác (Python): Nhận luồng video từ Intel RealSense D435i, mô hình YOLOv8 phát hiện bounding box của lon và chai, tính toán tọa độ tâm điểm trong không gian ảnh $(x_c, y_c, z_c)$. Hệ thống thực hiện ma trận chuyển đổi tọa độ từ hệ tọa độ camera sang hệ tọa độ làm việc của robot SCARA $(x_r, y_r, z_r)$.
  2. Khối truyền thông mạng (MC Protocol): Tọa độ vật thể và tín hiệu trạng thái sau xử lý được đóng gói vào Frame 3E và gửi trực tiếp qua cáp Ethernet đến các thanh ghi dữ liệu nội bộ của CPU Q03UDE.
  3. Khối điều khiển chuyển động (PLC GX Works2): PLC tiếp nhận tọa độ, tính toán quỹ đạo chuyển động thông qua bài toán động học nghịch, điều khiển module QD75MH4 phát lệnh vận hành các Driver MR-J4 tương ứng để robot di chuyển đến điểm gắp, kích hoạt van khí nén hút vật và thả vào vị trí phân loại tương ứng.
  4. Giao diện vận hành: Xây dựng giao diện điều khiển bao gồm màn hình đăng nhập, màn hình điều khiển thủ công Jog Operation, màn hình giám sát động học Kinematics và màn hình tự động Auto.

Nội dung chính theo từng chương

Chương 1: Tổng quan

Chương 1 trình bày tính cấp thiết của đề tài trong việc giải quyết vấn đề ô nhiễm rác thải và nhu cầu tự động hóa khâu phân loại rác tái chế. Tác giả tổng quan các nghiên cứu trong nước (vốn chủ yếu dừng ở mức thử nghiệm quy mô nhỏ) và các nghiên cứu quốc tế (hệ thống của ABB, Siemens, IBM tích hợp AI). Chương này xác định rõ mục tiêu chế tạo hệ thống kết hợp robot SCARA với mô hình YOLOv8, phân định 4 giai đoạn nghiên cứu và chỉ rõ các giới hạn về mặt cấp liệu, rung động cơ khí và độ ổn định nguồn sáng.

Chương 2: Cơ sở lý thuyết

Chương 2 cung cấp hệ thống lý thuyết toàn diện về các cấu phần kỹ thuật:

  • Cấu tạo, ưu nhược điểm và ứng dụng của dòng robot SCARA.
  • Kiến trúc phần cứng và nguyên lý hoạt động của PLC Mitsubishi Q Series, các chế độ phát xung điều khiển Servo (Pulse/Sign, CW/CCW, Pulse/Pulse).
  • Phân loại Encoder (Incremental và Absolute) và nguyên lý đo khoảng cách của camera stereo Intel RealSense.
  • Kiến trúc mạng tích chập 24 lớp của YOLO, cơ chế chia lưới $S \times S$, hàm kích hoạt ReLU, kỹ thuật loại bỏ phi cực đại NMS và đánh giá ưu thế độ chính xác theo độ trễ của YOLOv8.
  • Cấu trúc gói tin và các bước truyền nhận dữ liệu qua Frame 3E của giao thức MC Protocol.
  • Xây dựng bảng thông số Denavit-Hartenberg (DH) và thiết lập hệ phương trình ma trận chuyển đổi thuần nhất $T_1^0, T_2^1$ cho bài toán động học thuận và nghịch của robot SCARA.
Khâu ($i$) $a_{i-1}$ $\alpha_{i-1}$ $d_i$ $\theta_i$
1 0 0 $d_0$ $\theta_1$
2 $l_1$ 0 0 $\theta_2$
3 $l_2$ 0 $-d_3$ 0

Chương 3: Thiết kế và thi công hệ thống

Chương 3 trình bày chi tiết quy trình thiết kế cơ khí và lắp ráp tủ điện:

  • Mô hình hóa 3D các cụm cơ khí trong SolidWorks (khung đế, bệ đỡ cánh tay robot, kết cấu dẫn động băng tải, tay gắp hút khí nén).
  • Lựa chọn thiết bị theo yêu cầu kỹ thuật: cánh tay SCARA Denso HSR-055, trọn bộ điều khiển PLC dòng Q (Q03UDE, QD75MH4, QY42P, Q35B, Q61P), dàn Driver Servo dòng MR-J4 (MR-J4-70B, MR-J4W2-44B, MR-J4W2-22B).
  • Thiết kế sơ đồ nguyên lý phân phối nguồn, mạch bảo vệ thiết bị đóng cắt CP30-BA, NV30-FA, bộ lọc nhiễu AC và nguồn cấp 24VDC, mạch điều khiển van điện từ khí nén và hoàn thiện đấu nối dây tủ điện thực tế.

Chương 4: Giải thuật gắp vật trên băng tải của hệ thống

Chương 4 tập trung giải quyết thuật toán phối hợp chuyển động giữa camera, băng tải và robot:

  • Xây dựng ma trận biến đổi hệ tọa độ từ không gian ảnh của camera 3D sang không gian thao tác thực của robot SCARA.
  • Thiết lập lưu đồ giải thuật tổng thể cho chế độ phân loại tự động (Auto Mode).
  • Chi tiết hóa 3 khối chức năng: Khối xử lý ảnh đầu vào (bắt khung hình, nhận diện vật thể bằng YOLOv8, trích xuất tọa độ); Khối xử lý dữ liệu (tính toán độ trễ, ước lượng vận tốc băng tải, xếp hàng đợi tọa độ); Khối điều khiển (tính toán động học nghịch, kích hoạt bộ điều khiển vị trí QD75MH4 điều khiển servo gắp và đặt rác đúng ô chứa).

Chương 5: Vận hành hệ thống và đánh giá kết quả thực nghiệm

Chương 5 ghi nhận quy trình vận hành và kết quả đo đạc thực tế:

  • Xây dựng và kiểm tra các chế độ điều khiển trên giao diện: Chế độ thủ công (Jog Operation), Chế độ kiểm tra động học (Kinematics) và Chế độ chạy tự động (Auto).
  • Kiểm chứng thực nghiệm độ chính xác của bài toán động học thuận và nghịch tại các tọa độ kiểm tra: vị trí gốc (Home), vị trí $(x=250, y=460, z=0)$, $(x=250, y=250, z=0)$, $(x=150, y=320, z=0)$, $(x=350, y=320, z=0)$ và tại cao độ $z=130\text{ mm}$.
  • Đánh giá khả năng nhận diện của mô hình YOLOv8 trên tập dữ liệu thực nghiệm và thống kê kết quả vận hành hệ thống qua các kịch bản thử nghiệm phân loại rác trên băng tải (Trường hợp 1 đến Trường hợp 4).

Chương 6: Kết luận và hướng phát triển

Chương 6 đánh giá mức độ hoàn thành so với mục tiêu đề ra ban đầu, tổng kết các kết quả đạt được về mặt tích hợp hệ thống phần cứng và phần mềm, đồng thời chỉ ra các hạn chế kỹ thuật phát sinh trong thực tế để định hướng cho các nghiên cứu tiếp theo.

Kết quả và đóng góp

Kết quả thực nghiệm chính

Đồ án đã chế tạo thành công mô hình phần cứng hoàn chỉnh và kiểm chứng vận hành với các kết quả cụ thể:

  1. Kiểm chứng động học robot: Hệ thống đã kiểm chứng sự tương thích giữa mô hình tính toán lý thuyết và vị trí thực tế của cánh tay robot Denso HSR-055 tại các tọa độ không gian thử nghiệm:
Điểm kiểm nghiệm Tọa độ mục tiêu $(x, y, z)$ [mm] Kết quả mô phỏng động học nghịch Kết quả vị trí cơ cấu thực tế
Vị trí Home Tọa độ gốc mặc định Cấu hình góc khớp gốc Robot về đúng vị trí Home chuẩn
Điểm 1 $(250, 460, 0)$ Góc khớp $\theta_1, \theta_2$ xác định Đạt vị trí, khớp di chuyển ổn định
Điểm 2 $(250, 250, 0)$ Góc khớp $\theta_1, \theta_2$ xác định Đạt vị trí trong vùng làm việc
Điểm 3 $(150, 320, 0)$ Góc khớp $\theta_1, \theta_2$ xác định Đạt vị trí trong vùng làm việc
Điểm 4 $(350, 320, 0)$ Góc khớp $\theta_1, \theta_2$ xác định Đạt vị trí trong vùng làm việc
Điểm theo trục Z $(x, y, 130)$ Hạ trục vít me $d_3 = 130\text{ mm}$ Trục Z đáp ứng chính xác chiều sâu
  1. Kết quả vận hành phân loại tự động: Hệ thống đã tiến hành chạy thử nghiệm qua 4 trường hợp phân loại rác thải thực tế trên băng tải (Bảng 5-2 đến Bảng 5-5 trong đồ án), chứng minh khả năng nhận diện đối tượng lon và chai bằng YOLOv8, truyền dữ liệu tọa độ qua giao thức MC Protocol Frame 3E và thực hiện chu trình gắp - hút - đặt vào đúng vị trí quy định.

Đóng góp kỹ thuật của đề tài

  • Tích hợp thành công mô hình học sâu hiện đại (YOLOv8) với phần cứng tự động hóa công nghiệp tiêu chuẩn cao (PLC Mitsubishi Q Series, QD75MH4, AC Servo MR-J4).
  • Giải quyết bài toán truyền thông liên mạng tốc độ cao giữa môi trường xử lý ảnh Python (trên PC) và bộ điều khiển công nghiệp PLC thông qua chuẩn giao thức MC Protocol.
  • Khắc phục điểm yếu của các nghiên cứu trước đó về hạn chế không gian phân loại, cho phép thực hiện việc gắp phân loại rác liên tục trên băng tải rộng, nâng cao năng suất hoạt động của hệ thống gắp tự động.

Hạn chế và hướng nghiên cứu tiếp

Dựa trên các ghi nhận thực tế từ quá trình vận hành mô hình, tác giả đã chỉ rõ các hạn chế kỹ thuật:

  • Quá trình cấp rác đầu vào lên băng tải vẫn phải thực hiện thủ công bằng tay, chưa có cơ cấu nạp liệu tự động liên tục.
  • Tập nhãn của mô hình xử lý ảnh mới chỉ nhận diện và phân loại được 2 đối tượng chính là lon kim loại và chai nhựa trong môi trường rác sinh hoạt phức tạp.
  • Thuật toán chương trình chưa được tối ưu hóa toàn diện, dẫn đến thời gian xử lý (inference time) cho mỗi khung hình còn cao, gây ra hiện tượng bắt trượt khung hình và bỏ sót một số vật thể di chuyển nhanh trên băng tải.
  • Phần kết cấu cơ khí còn phát sinh hiện tượng rung lắc khi cánh tay robot chuyển động ở dải tốc độ cao, ảnh hưởng trực tiếp đến độ chính xác tại điểm gắp của giác hút.
  • Khả năng trích xuất đặc trưng và đo độ sâu của camera Intel RealSense D435i chưa thực sự ổn định khi điều kiện chiếu sáng của môi trường xung quanh thay đổi.

Hướng nghiên cứu tiếp theo:

  • Thiết kế bổ sung hệ thống cấp phôi rác tự động trước khi vào băng tải chính.
  • Mở rộng tập dữ liệu ảnh, dán nhãn thêm nhiều chủng loại rác thải tái chế khác (giấy, hộp sữa, kim loại khác).
  • Tối ưu hóa mã nguồn nhận diện nhằm giảm inference time, nâng cao FPS xử lý thời gian thực.
  • Gia cố kết cấu cơ khí, giảm rung chấn khung bệ khi chạy tải lớn và bổ sung hệ thống chiếu sáng nhân tạo chuẩn hóa phục vụ camera thị giác máy.

Giá trị tham khảo

Đồ án là tài liệu kỹ thuật hữu ích dành cho:

  • Sinh viên, học viên chuyên ngành Công nghệ Kỹ thuật Điều khiển và Tự động hóa, Cơ điện tử và Kỹ thuật Robot làm tài liệu tham khảo cho đồ án chuyên ngành và khóa luận tốt nghiệp.
  • Kỹ sư nghiên cứu triển khai các giải pháp tự động hóa tích hợp thị giác máy tính và học sâu vào dây chuyền công nghiệp.

Các nội dung có giá trị tham khảo kỹ thuật cao trong tài liệu:

  • Phương pháp tính toán động học thuận và nghịch cho robot SCARA sử dụng bảng thông số Denavit-Hartenberg (DH).
  • Cấu hình phần cứng, sơ đồ đấu nối và nguyên lý điều khiển phát xung định vị với PLC Mitsubishi Q Series (CPU Q03UDE, module QD75MH4, driver MR-J4-70B/MR-J4W2).
  • Giải pháp giao tiếp dữ liệu thời gian thực giữa ngôn ngữ Python và PLC Mitsubishi qua giao thức mạng MC Protocol sử dụng cấu trúc Frame 3E.

Câu hỏi thường gặp

1. Đồ án sử dụng loại robot nào và cấu trúc truyền động gồm mấy bậc tự do?
Đề tài sử dụng robot công nghiệp SCARA Denso HSR-055 với cấu trúc 4 bậc tự do (gồm 3 trục quay cho chuyển động phẳng $XY$ và 1 trục tịnh tiến vít me bi cho chuyển động nâng hạ $Z$), sử dụng các động cơ AC Servo kết hợp Encoder phản hồi vị trí.

2. Hệ thống PLC và các module mở rộng nào được lựa chọn để điều khiển robot và băng tải?
Hệ thống sử dụng bộ điều khiển PLC Mitsubishi dòng Q gồm CPU Q03UDE, module điều khiển vị trí 4 trục QD75MH4, module ngõ ra số QY42P, bộ nguồn Q61P cắm trên thanh đế mở rộng Q35B, kết hợp với các bộ khuếch đại servo MR-J4-70B, MR-J4W2-44B và MR-J4W2-22B.

3. Phương thức truyền thông nào được dùng để kết nối giữa máy tính xử lý ảnh và bộ điều khiển PLC?
Hệ thống sử dụng giao thức truyền thông công nghiệp MC Protocol (MELSEC Communication Protocol) qua cổng mạng Ethernet, truyền nhận các gói tin dưới cấu trúc Frame 3E dạng ASCII để ghi và đọc dữ liệu tọa độ trực tiếp vào các thanh ghi của PLC.

4. Mô hình thị giác máy tính nhận diện rác thải sử dụng thuật toán gì và xử lý những loại rác nào?
Đồ án ứng dụng mạng nơ-ron học sâu YOLOv8 kết hợp với dữ liệu độ sâu từ camera Intel RealSense D435i để phát hiện bounding box, xác định tọa độ tâm và phân loại 2 nhóm rác thải sinh hoạt có khả năng tái chế là chai nhựa và lon kim loại.

5. Những nguyên nhân chính gây sai số hoặc bỏ sót vật thể trong quá trình robot phân loại rác là gì?
Theo ghi nhận của tác giả, sai số và hiện tượng bỏ sót vật bắt nguồn từ việc thời gian inference của mô hình xử lý ảnh chưa tối ưu làm trượt khung hình, cơ cấu cơ khí bị rung lắc khi robot vận hành ở tốc độ cao, và độ nhạy của camera thị giác bị suy giảm dưới điều kiện ánh sáng thay đổi.

Kết luận

Đồ án tốt nghiệp của sinh viên Phạm Ngọc Phúc đã hoàn thành việc nghiên cứu, thiết kế và thi công mô hình phân loại rác thải tự động kết hợp giữa robot SCARA Denso HSR-055, PLC Mitsubishi dòng Q và công nghệ xử lý ảnh YOLOv8. Hệ thống đã chứng minh tính khả thi qua việc kiểm chứng độ chính xác của các thuật toán động học và thực hiện thành công chu trình nhận diện, gắp phân loại lon và chai nhựa trên băng tải. Mặc dù còn một số hạn chế về thời gian xử lý ảnh và độ ổn định cơ khí ở tốc độ cao, công trình đã xây dựng được một giải pháp kỹ thuật tích hợp hoàn chỉnh giữa công nghệ AI hiện đại và hệ thống điều khiển tự động hóa công nghiệp.