Giới thiệu dự án

Trong bối cảnh Cách mạng Công nghiệp 4.0, tự động hóa dây chuyền sản xuất đóng vai trò sống còn trong việc nâng cao năng suất, tối ưu hóa chi phí vận hành và giảm thiểu sai sót do con người. Theo thống kê từ Liên đoàn Robot Quốc tế (IFR), các ứng dụng gắp - thả (pick-and-place) và phân loại sản phẩm chiếm hơn 45% tổng số tác vụ tự động hóa trong các ngành công nghiệp thực phẩm, dược phẩm và linh kiện điện tử. Tuy nhiên, các dòng robot nối tiếp truyền thống (serial robots) thường bị giới hạn về tốc độ và quán tính chuyển động lớn do động cơ phải đặt trực tiếp trên các khớp di động.

Ngược lại, robot song song (parallel robot) với đặc tính phân bố tải trọng đồng đều và các bộ truyền động cố định tại khung đế mang lại độ cứng vững (stiffness) và gia tốc vượt trội. Đồ án "Ứng dụng xử lý ảnh để phân loại vật cho robot song song Triglide Robot 3 bậc tự do" được thực hiện nhằm giải quyết triệt để bài toán phân loại sản phẩm tốc độ cao dựa trên thị giác máy tính 3D và cơ cấu cơ điện tử chính xác.

       [ Khung đế cố định (Base Frame) ]
          /           |           \
 [Trục trượt 1]  [Trục trượt 2]  [Trục trượt 3]  (Động cơ bước + Driver TB6600)
    (q1, 120°)      (q2, 120°)      (q3, 120°)
          \           |           /
       [ 3 Cặp thanh truyền hình bình hành (L = 371 mm) ]
                      |
        [ Bệ di động (Moving Platform, r = 20 mm) ]
                      |
           [ Giác hút khí nén Pneu ] <--- [ Van điện từ + Cảm biến áp suất ]
                      |
             [ Vật thể 25x25x25 mm ]

Mục tiêu dự án

  1. Thiết kế và tối ưu hóa hệ thống động học: Xây dựng mô hình động học thuận (Forward Kinematics) và động học nghịch (Inverse Kinematics) cho robot song song Triglide 3-DOF với không gian làm việc tối ưu $Z \in [-300, -325]\text{ mm}$.
  2. Phát triển phần cứng cơ điện tử tích hợp: Gia công cơ cấu truyền động tịnh tiến 3 trục bố trí góc $120^\circ$, tích hợp vi điều khiển STM32, mạch công suất driver TB6600, hệ thống giác hút khí nén chân không và camera chiều sâu Intel RealSense D435.
  3. Phát triển giải thuật thị giác máy tính: Ứng dụng thư viện OpenCV để nhận dạng không gian màu, định vị tọa độ trọng tâm $(X, Y, Z)$ và phân loại tự động vật thể dạng khối lập phương kích thước $25\text{ mm} \times 25\text{ mm} \times 25\text{ mm}$.
  4. Hiệu chuẩn và đánh giá thực nghiệm: Xây dựng mô hình bù sai số tọa độ thực tế sử dụng thuật toán hồi quy tuyến tính (Linear Regression) và phi tuyến (Non-linear Regression), kiểm chứng độ chính xác định vị bằng đồng hồ so cơ khí.

Phạm vi và giới hạn đề tài

  • Đối tượng xử lý: Vật thể khối lập phương có kích thước tiêu chuẩn $25\text{ mm} \times 25\text{ mm} \times 25\text{ mm}$ với 3 nhóm màu sắc đặc trưng: Đỏ (Red), Vàng (Yellow), Xanh biển (Blue).
  • Phạm vi cơ học: Hành trình con trượt $q_i \in [96\text{ mm}, 351\text{ mm}]$, chiều dài cánh tay $L = 371\text{ mm}$, bán kính bệ động $r = 20\text{ mm}$.
  • Môi trường hoạt động: Khu vực làm việc cố định với nguồn sáng ổn định, camera Intel RealSense D435 đặt nghiêng quan sát toàn cảnh từ trên cao.

Phân tích và thiết kế giải pháp

Phân tích hiện trạng

Trong lĩnh vực phân loại tự động, nhiều cấu hình robot đã được ứng dụng trong công nghiệp. Dưới đây là bảng phân tích so sánh giữa giải pháp Triglide Robot và các kiến trúc hiện có:

Tiêu chí kỹ thuật Robot nối tiếp (SCARA) Robot Delta (ABB IRB 360) Robot song song Triglide 3-DOF
Vị trí động cơ Đặt trên từng trục chuyển động Cố định trên bệ trên Cố định trên khung dẫn hướng phẳng
Độ cứng vững (Stiffness) Trung bình (chịu mô-men uốn) Cao (chịu kéo/nén) Rất cao (kết cấu hình sao $120^\circ$)
Không gian làm việc Dạng trụ tròn rộng Dạng vòm nón cụt Dạng lăng trụ tam giác / elip dẹt
Độ phức tạp điều khiển Động học thuận dễ, nghịch khó Động học phi tuyến cao Phương trình đại số bậc 2 tường minh
Chi phí chế tạo Cao Rất cao Tối ưu hóa (linh kiện nhôm định hình)

Phân loại yêu cầu hệ thống theo mô hình MoSCoW

  • Must have (Bắt buộc): Giải thuật động học nghịch thời gian thực; cơ cấu gắp hút chân không tin cậy; trích xuất tọa độ $(X,Y)$ từ Camera RealSense D435; phân loại chính xác 3 màu Đỏ, Vàng, Xanh.
  • Should have (Nên có): Giao diện GUI giám sát trạng thái trực quan trên PC; giải thuật hồi quy bù trừ sai số camera - robot; chức năng tự động tìm điểm Home.
  • Could have (Có thể mở rộng): Tự động điều chỉnh góc xoay định hướng vật thể; phân loại theo hình dáng hình học phức tạp.
  • Won't have (Không thực hiện): Băng tải động đồng bộ encoder (Conveyor Tracking); nhận diện vật thể biến dạng mềm.

Thiết kế hệ thống

+-----------------------------------------------------------------------+
|                           Host PC (C++ / OpenCV)                      |
|  +---------------------------+       +-----------------------------+  |
|  | Intel RealSense D435 SDK  |       | Giao diện GUI Điều khiển    |  |
|  | - Thu nhận RGB-D Stream   | ----> | - Tab Connection / Manual   |  |
|  | - Phân ngưỡng màu HSV     |       | - Tab Movement / Feedback   |  |
|  | - Tính tọa độ (u, v, Z)   |       | - Giải thuật bù sai số      |  |
|  +---------------------------+       +-----------------------------+  |
+---------------------------------------------------|-------------------+
                                                    | Giao thức UART/USB
                                                    v
+-----------------------------------------------------------------------+
|                    Bộ điều khiển trung tâm (STM32 MCU)                |
|  +-----------------------------------------------------------------+  |
|  | - Bộ giải mã tọa độ mục tiêu (X, Y, Z)                           |  |
|  | - Bộ tính toán Động học nghịch (Inverse Kinematics Module)       |  |
|  | - Bộ phát xung điều khiển bước (Timer Interrupt Multi-Channel)  |  |
|  +-----------------------------------------------------------------+  |
|         |                     |                     |                 |
|         v                     v                     v                 v
|   [Driver TB6600]       [Driver TB6600]       [Driver TB6600]   [Relay Board]
|      (Trục 1)              (Trục 2)              (Trục 3)             |
|         |                     |                     |                 v
|  [Động cơ bước 1]      [Động cơ bước 2]      [Động cơ bước 3]   [Van khí nén]
+-----------------------------------------------------------------------+

Technology Stack

  • Vi điều khiển: STM32F4/STM32F1 Series cấu hình qua STM32CubeMX (HAL Driver, Timer ngắt phát xung PWM/Step).
  • Mạch công suất: 3 $\times$ Driver TB6600 hỗ trợ vi bước (Microstepping 1/16, dòng cực đại 4.0A).
  • Cảm biến thị giác: Intel RealSense D435 Depth Camera (độ phân giải RGB $1920\times1080$, Depth $1280\times720$, Baseline $B = 50\text{ mm}$).
  • Thư viện xử lý ảnh: OpenCV 4.x tích hợp C++ và Intel RealSense SDK 2.0 (librealsense2).
  • Mô phỏng & Động học: MATLAB R2022b dùng phân tích tập hợp điểm không gian làm việc và tối ưu hóa quỹ đạo.

Phương pháp nghiên cứu và mô hình hóa động học

1. Động học nghịch (Inverse Kinematics)

Xét vector vị trí điểm công tác $P(x, y, z)^T$ so với gốc tọa độ $O$. Vector vị trí các khớp trượt $A_i$ ($i=1,2,3$) chuyển động dọc vector đơn vị $\vec{u}_i$ với góc lệch $120^\circ$: $$\vec{u}_1 = [1, 0, 0]^T, \quad \vec{u}_2 = \left[-\frac{1}{2}, \frac{\sqrt{3}}{2}, 0\right]^T, \quad \vec{u}_3 = \left[-\frac{1}{2}, -\frac{\sqrt{3}}{2}, 0\right]^T$$

Phương trình liên kết vòng kín vector: $$\vec{P B}_i - \vec{OP} + \vec{OA}_i = \vec{A_i B_i} \implies |\vec{P B}_i - \vec{OP} + q_i \vec{u}_i|^2 = L^2$$

Giải phương trình bậc hai $a_i q_i^2 + b_i q_i + c_i = 0$, ta thu được nghiệm thỏa mãn điều kiện cơ cấu: $$q_1 = x + r + \sqrt{L^2 - z^2 - y^2}$$ $$q_2 = \frac{2r - \sqrt{3}y - x + \sqrt{4L^2 - 4z^2 - 3x^2 - y^2 + 2\sqrt{3}xy}}{2}$$ $$q_3 = \frac{2r + \sqrt{3}y - x + \sqrt{4L^2 - 4z^2 - 3x^2 - y^2 - 2\sqrt{3}xy}}{2}$$

2. Tính toán tầm quan sát Camera (Depth FOV)

Để đảm bảo camera quan sát bao phủ toàn bộ bề rộng vùng làm việc $d = 921\text{ mm}$ ở góc nghiêng $\alpha$ và chiều cao $z$, quan hệ hình học quang học được xác lập: $$\text{Depth FOV} = \frac{\text{HFOV}}{2} + \tan^{-1}\left[\tan\left(\frac{\text{HFOV}}{2}\right) - \frac{B \cos\alpha}{z}\right]$$ Điều kiện bao phủ không gian làm việc: $$\frac{z}{\cos\alpha} \ge \frac{3B + d}{2\tan\left(\frac{\beta_1}{2}\right)}$$

Implementation và kết quả

Quy trình phát triển (Development Process)

[Khảo sát & Tính toán Động học] -> [Gia công Cơ khí & Tủ điện] -> [Lập trình STM32 & Thuật toán Xung] -> [Xây dựng Thị giác máy tính OpenCV] -> [Hiệu chuẩn Sai số & Thử nghiệm Thực tế]

Thuật toán tính toán xung điều khiển trên vi điều khiển STM32 (C/C++)

Hàm tính toán động học nghịch và quy đổi số bước xung (pulse generation) cho từng động cơ trục trượt:

#include <math.h>

#define L 371.0f       // Chiều dài cánh tay (mm)
#define R_OFFSET 20.0f // Bán kính bệ di động (mm)
#define STEPS_PER_MM 80.0f // Tỉ lệ xung/mm của bộ truyền đai/vít me

typedef struct {
    float q1;
    float q2;
    float q3;
} JointPositions;

JointPositions calculate_inverse_kinematics(float x, float y, float z) {
    JointPositions q;
    
    // Trục 1 (Alpha = 0 rad)
    float delta1 = L*L - z*z - y*y;
    q.q1 = (delta1 >= 0) ? (x + R_OFFSET + sqrtf(delta1)) : -1.0f;
    
    // Trục 2 (Alpha = 2*PI/3 rad)
    float delta2 = 4.0f*L*L - 4.0f*z*z - 3.0f*x*x - y*y + 2.0f*sqrtf(3.0f)*x*y;
    q.q2 = (delta2 >= 0) ? ((2.0f*R_OFFSET - sqrtf(3.0f)*y - x + sqrtf(delta2)) / 2.0f) : -1.0f;
    
    // Trục 3 (Alpha = 4*PI/3 rad)
    float delta3 = 4.0f*L*L - 4.0f*z*z - 3.0f*x*x - y*y - 2.0f*sqrtf(3.0f)*x*y;
    q.q3 = (delta3 >= 0) ? ((2.0f*R_OFFSET + sqrtf(3.0f)*y - x + sqrtf(delta3)) / 2.0f) : -1.0f;
    
    return q;
}

Thuật toán xử lý ảnh nhận dạng màu sắc và xác định tâm vật (OpenCV C++)

#include <opencv2/opencv.hpp>
#include <vector>

struct ObjectTarget {
    cv::Point2f center_px;
    std::string color;
};

std::vector<ObjectTarget> detect_objects(const cv::Mat& bgr_frame) {
    cv::Mat hsv, mask_red, mask_yellow, mask_blue;
    cv::cvtColor(bgr_frame, hsv, cv::COLOR_BGR2HSV);
    std::vector<ObjectTarget> detected_list;

    // Ngưỡng màu HSV thực nghiệm
    // Vàng: H [20, 35], S [100, 255], V [100, 255]
    // Xanh biển: H [100, 130], S [120, 255], V [70, 255]
    // Đỏ: H [0, 10] U [170, 180], S [120, 255], V [70, 255]
    cv::inRange(hsv, cv::Scalar(20, 100, 100), cv::Scalar(35, 255, 255), mask_yellow);
    cv::inRange(hsv, cv::Scalar(100, 120, 70), cv::Scalar(130, 255, 255), mask_blue);
    
    cv::Mat r1, r2;
    cv::inRange(hsv, cv::Scalar(0, 120, 70), cv::Scalar(10, 255, 255), r1);
    cv::inRange(hsv, cv::Scalar(170, 120, 70), cv::Scalar(180, 255, 255), r2);
    mask_red = r1 | r2;

    auto process_contour = [&](const cv::Mat& mask, const std::string& color_name) {
        std::vector<std::vector<cv::Point>> contours;
        cv::findContours(mask, contours, cv::RETR_EXTERNAL, cv::CHAIN_APPROX_SIMPLE);
        for (const auto& c : contours) {
            double area = cv::contourArea(c);
            if (area > 350.0) { // Lọc nhiễu diện tích
                cv::Moments m = cv::moments(c);
                if (m.m00 != 0) {
                    detected_list.push_back({
                        cv::Point2f(m.m10 / m.m00, m.m01 / m.m00),
                        color_name
                    });
                }
            }
        }
    };

    process_contour(mask_yellow, "Yellow");
    process_contour(mask_blue, "Blue");
    process_contour(mask_red, "Red");

    return detected_list;
}

Thử nghiệm và kiểm chứng sai số

1. Kiểm nghiệm sai số cơ khí bằng đồng hồ so

Sử dụng đồng hồ so chuyên dụng đo độ lặp lại và sai số tịnh tiến trên các trục $X, Y, Z$ qua 10 chu kỳ đo độc lập:

Lần đo Sai số trục X (mm) Sai số trục Y (mm) Sai số trục Z (mm) Sai số tổng hợp vị trí $\Delta r$ (mm)
1 0.08 0.06 0.05 0.111
2 0.10 0.07 0.04 0.128
3 0.07 0.05 0.06 0.105
4 0.09 0.08 0.05 0.130
5 0.11 0.06 0.04 0.131
Trung bình 0.090 0.064 0.048 0.121 
Phân bố sai số trung bình trên 3 trục:
Trục X: [=======>             ] 0.090 mm
Trục Y: [=====>               ] 0.064 mm
Trục Z: [====>                ] 0.048 mm
Tổng hợp: [==========>          ] 0.121 mm (Đạt yêu cầu gắp hút giác 25 mm)

2. Kết quả thực nghiệm phân loại tự động

Kiểm thử chu trình nhận diện, định vị và gắp phân loại cho 30 mẫu vật thử nghiệm liên tục:

Kịch bản thử nghiệm Số lượng mẫu Nhận diện đúng màu Định vị thành công Gắp thả chính xác Tỷ lệ thành công tổng thể
Vật màu Vàng 10 10/10 10/10 10/10 100%
Vật màu Đỏ 10 10/10 9/10 9/10 90%
Vật màu Xanh biển 10 10/10 10/10 10/10 100%
Toàn bộ hệ thống 30 30/30 (100%) 29/30 (96.7%) 29/30 (96.7%) 96.7%

Đổi mới và đóng góp

  1. Tối ưu hóa không gian làm việc bằng phân tích mật độ phân bố Z: Thay vì giả định mặt cắt phẳng tùy ý, đề tài áp dụng phương pháp lập biểu đồ tần suất (Frequency Histogram Analysis) trên dữ liệu mô phỏng MATLAB, xác định chính xác tầng độ cao làm việc cực đại $Z = -325\text{ mm}$ với bán kính bao khối cầu làm việc $R = 30.5\text{ mm}$.
  2. Khống chế góc suy biến của khớp cầu (Spherical Joint Limit): Giải quyết bài toán giới hạn cơ học của mắt cầu dựa trên mô hình hình học tiếp xúc, tìm ra góc quay giới hạn tối đa $\alpha_{\max} = 16.8745^\circ$, từ đó thiết lập vùng góc hoạt động an toàn $\alpha \le 10^\circ$, tương ứng bước dịch chuyển giới hạn $\Delta X = \Delta Y = 64.42\text{ mm}$ nhằm chống kẹt cứng cơ cấu.
  3. Mô hình toán học chuyển đổi hệ tọa độ Camera - Robot cải tiến: Đề xuất phương pháp hiệu chuẩn kết hợp giữa hồi quy phi tuyến (Non-linear Regression) và ma trận nội suy pixel-to-world, triệt tiêu biến dạng quang học dạng mắt cá ở vùng rìa trường nhìn của camera chiều sâu.
So sánh hiệu quả cải tiến định vị:
Phương pháp trực tiếp:      [========================] Sai số ~ 3.45 mm
Mô hình Hồi quy tuyến tính: [============>           ] Sai số ~ 1.20 mm (-65.2%)
Mô hình Hồi quy phi tuyến:  [====>                   ] Sai số ~ 0.38 mm (-89.0%)

Ứng dụng thực tế và triển khai

Trường hợp ứng dụng (Use Cases)

  • Đóng gói thực phẩm & bánh kẹo: Phân loại thanh kẹo, hộp bánh theo quy cách màu sắc bao bì với tần suất gắp đạt 45-60 lần/phút.
  • Phân loại linh kiện bán dẫn & phụ tùng nhỏ: Nhận diện và sắp xếp các khối IC, tụ điện hoặc chi tiết cơ khí chính xác kích thước nhỏ vào khay chứa tương ứng.
  • Tự động hóa phòng thí nghiệm: Gắp nhặt các khay ống nghiệm mẫu bệnh phẩm được đánh dấu bằng mã màu chuẩn y tế.

Phân tích hiệu quả kinh tế & Hoàn vốn (Cost-Benefit & ROI)

Ước tính chi phí đầu tư phần cứng (VND):
- Khung cơ khí Triglide + Nhôm định hình:       6.500.000 đ
- Động cơ bước + Driver TB6600 + Nguồn:          3.200.000 đ
- Bộ điều khiển STM32 + Bo mạch mở rộng:           800.000 đ
- Camera Intel RealSense D435:                   8.500.000 đ
- Hệ thống tạo chân không khí nén & giác hút:    2.000.000 đ
------------------------------------------------------------
TỔNG CHI PHÍ PHẦN CỨNG:                        21.000.000 đ (~ $880 USD)
  • Chi phí nhân công thủ công: 1 công nhân phân loại = $7.000.000\text{ VND/tháng}$.
  • Thời gian hoàn vốn (ROI): $$\text{Thời gian hoàn vốn} = \frac{21.000.000\text{ VND}}{7.000.000\text{ VND/tháng}} \approx 3.0\text{ tháng}$$ Hệ thống giúp doanh nghiệp SME tiết kiệm hơn $75%$ chi phí vận hành sau năm đầu tiên.

Hạn chế và hướng phát triển

Hạn chế kỹ thuật hiện tại

  • Không gian làm việc bị giới hạn đáng kể bởi góc quay an toàn của khớp mắt cầu ($\le 10^\circ$).
  • Hệ thống giác hút khí nén yêu cầu bề mặt vật thể phải bằng phẳng, khô ráo và không xốp.
  • Xử lý ảnh phân ngưỡng HSV dễ bị ảnh hưởng nếu cường độ ánh sáng môi trường thay đổi đột ngột vượt quá $25%$.

Hướng phát triển trong tương lai

  • Tích hợp mạng nơ-ron tích chập (CNN / YOLOv8-obb): Nhận diện đa vật thể phức tạp, phân loại hướng xoay bất kỳ (Oriented Bounding Box) thay vì dựa thuần túy vào màu sắc.
  • Bổ sung trục xoay $C$ (Yaw Axis): Tăng bậc tự do lên 4-DOF để bệ công tác có khả năng xoay chỉnh hướng đặt vật thể vào khuôn chính xác.
  • Đồng bộ băng chuyền (Conveyor Tracking): Giao tiếp bộ mã hóa vòng quay Encoder để gắp thả động mà không cần dừng băng tải.

Đối tượng hưởng lợi

+-----------------------------------------------------------------------------+
|                            ĐỐI TƯỢNG HƯỞNG LỢI                             |
+-----------------------------------------------------------------------------+
| [Sinh viên & Học viên]                                                      |
| - Nguồn tài liệu học tập chuẩn về động học robot song song & OpenCV C++.     |
| - Giáo trình thực hành tích hợp hệ thống Cơ Điện Tử từ A đến Z.            |
+-----------------------------------------------------------------------------+
| [Kỹ sư R&D & Lập trình viên nhúng]                                          |
| - Mã nguồn mẫu tính toán động học nghịch & thuật toán tạo xung STM32.       |
| - Thiết kế đồ gá quang học chuẩn cho dòng Camera Intel RealSense D435.      |
+-----------------------------------------------------------------------------+
| [Doanh nghiệp Sản xuất (SMEs)]                                              |
| - Giải pháp chế tạo robot gắp phân loại chi phí thấp (< 25 triệu VND).      |
| - Nâng cao độ chính xác gắp nhặt, giảm phụ thuộc nhân công thủ công.       |
+-----------------------------------------------------------------------------+
| [Nhà nghiên cứu Khoa học]                                                   |
| - Dữ liệu thực nghiệm phân tích không gian làm việc & hồi quy bù sai số.    |
| - Nền tảng mở rộng nghiên cứu điều khiển học thích nghi và điều khiển trượt.|
+-----------------------------------------------------------------------------+

Câu hỏi thường gặp (FAQ)

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

Hệ thống yêu cầu nguồn cấp DC $24\text{V} - 10\text{A}$ cho cụm driver động cơ bước, nguồn khí nén ổn định áp suất $4 - 6\text{ bar}$ cho đầu hút chân không, vi điều khiển STM32 có tối thiểu 3 bộ Timer độc lập hỗ trợ ngắt xuất xung, và PC điều khiển trang bị cổng USB 3.0 chuyên dụng cho luồng dữ liệu của camera Intel RealSense D435.

2. Giới hạn độ chính xác và tốc độ phân loại của hệ thống là bao nhiêu?

Hệ thống đạt sai số định vị lặp lại dưới $\pm 0.15\text{ mm}$, thời gian xử lý ảnh trung bình $35\text{ ms/frame}$ (tương đương 30 FPS). Tốc độ chu kỳ gắp - thả trung bình đạt $1.2\text{ giây/vật}$ đối với khoảng dịch chuyển $100\text{ mm}$.

3. Tại sao chọn cơ cấu Robot Triglide thay vì Robot Delta truyền thống?

Triglide sử dụng các bộ truyền động tịnh tiến bố trí trên một mặt phẳng phẳng $120^\circ$, giúp cấu trúc khung máy có chiều cao tổng thể nhỏ gọn hơn robot Delta (vốn sử dụng động cơ quay với cánh tay đòn lớn phía trên), đồng thời triệt tiêu độ rơ của hộp số giảm tốc nhờ sử dụng trực tiếp bộ truyền đai/vít me.

4. Hệ thống xử lý thế nào khi vật thể nằm nghiêng hoặc bị che khuất một phần?

Ở phiên bản hiện tại, thuật toán phân ngưỡng diện tích contour (> 350 pixel) sẽ lọc bỏ các vật bị che khuất quá mức hoặc không đủ kích thước chuẩn. Đối với vật nằm nghiêng, giác hút silicon mềm có góc nghiêng đàn hồi $\pm 5^\circ$ vẫn đảm bảo áp suất hút chân không kín khí.

5. Chi phí bảo dưỡng và vận hành hệ thống định kỳ gồm những gì?

Chi phí bảo dưỡng rất thấp, chủ yếu bao gồm việc kiểm tra và bôi trơn định kỳ các rãnh trượt bi, thay thế đầu giác hút silicon (tuổi thọ trung bình 500.000 chu kỳ gắp, chi phí khoảng 50.000 VND/cái) và vệ sinh mặt kính quang học của camera chiều sâu.

Kết luận

Đồ án tốt nghiệp "Ứng dụng xử lý ảnh để phân loại vật cho robot song song Triglide Robot 3 bậc tự do" do sinh viên Trần Duy Thanh thực hiện dưới sự hướng dẫn của PGS. Ngô Hà Quang Thịnh đã hoàn thành trọn vẹn các mục tiêu lý thuyết lẫn thực nghiệm cơ điện tử:

  • Xây dựng hoàn chỉnh mô hình giải tích động học thuận và động học nghịch cho cấu hình Triglide 3-DOF.
  • Tối ưu hóa không gian làm việc an toàn ở tầng cao $Z \in [-300, -325]\text{ mm}$ với giới hạn góc khớp cầu $\alpha \le 10^\circ$.
  • Tích hợp thành công giải thuật thị giác máy tính trên camera chiều sâu Intel RealSense D435 kết hợp STM32, đạt độ chính xác phân loại màu sắc và định vị không gian lên đến 96.7%.

Hệ thống mở ra hướng tiếp cận khả thi, tiết kiệm chi phí và có độ tin cậy cao cho các dây chuyền đóng gói, phân loại sản phẩm quy mô vừa và nhỏ tại Việt Nam. Quý độc giả và nhà phát triển quan tâm có thể tiếp tục mở rộng mô hình với các thuật toán học sâu và cơ chế bám bắt chuyển động linh hoạt.