Đồ án phân loại sản phẩm theo hình dạng bằng PLC S7-1200 và WinCC

Đồ án ứng dụng xử lý ảnh phân loại sản phẩm theo hình dạng, tích hợp điều khiển tự động và giám sát qua WinCC giúp tối ưu hóa hiệu suất dây chuyền sản xuất.

• Tác giả: Bùi Anh Dũng
• Người hướng dẫn: ThS. Phan Thị Thanh Vân
• Trường học: Trường Đại học Sư phạm Kỹ thuật - Đại học Đà Nẵng
• Chuyên ngành: Công nghệ kỹ thuật điều khiển và tự động hóa
• Đề tài: Ứng dụng xử lý ảnh để phân loại sản phẩm theo hình dạng, điều khiển và giám sát qua WinCC
• Loại tài liệu: Đồ án tốt nghiệp đại học
• Năm xuất bản: 2022
• Địa điểm: Đà Nẵng

Tóm tắt

I. Tổng quan đồ án ứng dụng xử lý ảnh để phân loại sản phẩm

Hệ thống phân loại sản phẩm tự động đóng vai trò cốt lõi trong các dây chuyền sản xuất hiện đại. Đồ án ứng dụng xử lý ảnh để phân loại sản phẩm theo hình dạng điều khiển và giám sát qua WinCC giải quyết yêu cầu tự động hóa linh hoạt. Mô hình tích hợp bộ xử lý trung tâm Raspberry Pi 4B cùng PLC Siemens S7-1200 CPU 1214C DC/DC/DC. Thiết bị camera thu thập hình ảnh sản phẩm di chuyển trên băng tải công nghiệp. Thuật toán thị giác máy tính phân tích biên dạng hình học theo thời gian thực. Tín hiệu phân loại truyền trực tiếp đến PLC thông qua giao thức Ethernet công nghiệp. Bộ điều khiển lập trình logic kích hoạt các cơ cấu chấp hành khí nén chính xác. Giao diện SCADA trên nền tảng WinCC hỗ trợ giám sát toàn diện trạng thái vận hành. Giải pháp kỹ thuật này loại bỏ hoàn toàn các sai sót do thao tác thủ công. Tốc độ phân loại duy trì ổn định, nâng cao năng suất đóng gói và kiểm định chất lượng. Cấu trúc phần cứng mô-đun hóa tạo điều kiện thuận lợi cho việc mở rộng quy mô sản xuất. Sự kết hợp giữa xử lý ảnh nhúng và PLC công nghiệp mang lại độ tin cậy vận hành tối ưu.

1.1. Mục tiêu nghiên cứu và cấu trúc hệ thống phân loại

Mục tiêu cốt lõi của đồ án là thiết kế mô hình phân loại vật phẩm tự động hóa cao. Hệ thống phân biệt chính xác các dạng hình học cơ bản như hình vuông, tròn và tam giác. Cơ cấu phần cứng bao gồm băng tải vận chuyển, cụm camera thu nhận ảnh và các xy lanh đẩy khí nén. Raspberry Pi 4B thực hiện vai trò máy trạm xử lý hình ảnh cục bộ. PLC S7-1200 tiếp nhận cờ logic điều khiển để kích hoạt van điện từ. TIA Portal V16 đóng vai trò môi trường lập trình và cấu hình hệ thống đồng bộ. Giao diện WinCC hiển thị số lượng sản phẩm phân loại theo từng nhóm hình học. Giải pháp đảm bảo tính liên tục, an toàn và tối ưu hóa thời gian xử lý chu kỳ sản phẩm.

1.2. Vai trò của thị giác máy tính và WinCC trong sản xuất

Thị giác máy tính thay thế các cảm biến quang học truyền thống bằng khả năng nhận diện đa dạng đặc tính vật lý. Camera công nghiệp thu thập dữ liệu hình ảnh độ phân giải cao dưới điều kiện ánh sáng kiểm soát. Khả năng phát hiện biến dạng hình học giúp sàng lọc sản phẩm lỗi ngay trên băng chuyền. Song song đó, WinCC cung cấp giao diện người máy HMI/SCADA trực quan và bảo mật. Kỹ sư giám sát kiểm soát tốc độ băng tải, trạng thái cảm biến và lịch sử phân loại theo thời gian thực. Hệ thống lưu trữ dữ liệu thống kê phục vụ công tác quản trị sản xuất và bảo trì dự đoán. Sự kết hợp này tạo nên nền tảng sản xuất thông minh theo tiêu chuẩn công nghiệp hiện đại.

II. Phân tích bài toán phân loại sản phẩm theo hình dạng thực tế

Quy trình phân loại vật thể trong công nghiệp đối mặt với nhiều thách thức về độ chính xác và tốc độ. Phương pháp phân loại thủ công bộc lộ nhược điểm lớn về năng suất và tính phụ thuộc con người. Việc sử dụng cảm biến tiệm cận hay cảm biến màu sắc truyền thống chỉ nhận biết được các thuộc tính đơn lẻ. Khi sản phẩm có cùng chất liệu nhưng khác biệt về hình học, cảm biến thông thường không thể đáp ứng. Bài toán đặt ra đòi hỏi hệ thống phải nhận diện nhanh các biên dạng phức tạp khi vật thể chuyển động. Ánh sáng môi trường biến đổi dễ gây nhiễu trong quá trình phân tích ảnh. Tín hiệu điều khiển giữa thiết bị xử lý ảnh và cơ cấu chấp hành cần đạt độ trễ tối thiểu. Nếu thời gian trễ lớn, xy lanh đẩy sẽ tác động sai vị trí sản phẩm trên băng tải. Việc thiết lập hệ thống giám sát SCADA đồng bộ cũng đòi hỏi băng thông truyền thông ổn định. Do đó, nghiên cứu giải pháp xử lý ảnh nhúng kết hợp PLC là yêu cầu cấp thiết nhằm khắc phục triệt để các hạn chế trên.

2.1. Hạn chế của phương pháp phân loại truyền thống

Các dây chuyền thủ công đòi hỏi nhân công làm việc liên tục trong môi trường khắc nghiệt. Sự mệt mỏi của con người dẫn đến tỷ lệ phân loại sai sót tăng cao theo thời gian ca làm việc. Chi phí nhân công và đào tạo vận hành liên tục gia tăng hàng năm. Các phương pháp bán tự động dùng cảm biến cơ học dễ bị mài mòn và hư hỏng vật lý. Cảm biến quang học bị giới hạn trong việc nhận dạng góc cạnh hay diện tích bề mặt. Khi chuyển đổi mẫu mã sản phẩm, việc tái cấu hình hệ thống cảm biến tốn nhiều thời gian dừng chuyền. Do đó, doanh nghiệp cần giải pháp tự động hóa thị giác có khả năng thích ứng linh hoạt hơn.

2.2. Thách thức trong xử lý ảnh thời gian thực và đồng bộ PLC

Xử lý ảnh thời gian thực yêu cầu thuật toán thực thi trong khoảng thời gian mili giây. Vận tốc băng tải càng cao đòi hỏi tốc độ chụp và trích xuất đặc trưng càng nhanh. Sự rung lắc cơ khí và nhiễu quang học từ môi trường xung quanh gây sai lệch đường biên vật thể. Bên cạnh đó, việc đồng bộ tín hiệu giữa vi điều khiển Raspberry Pi và PLC S7-1200 cần độ chính xác tuyệt đối. Giao thức truyền thông qua Ethernet phải đảm bảo không xảy ra hiện tượng mất gói tin. Nếu tín hiệu kích hoạt trễ nhịp, cơ cấu xy lanh sẽ bỏ sót hoặc làm kẹt sản phẩm trên băng tải. Việc cân chỉnh thời gian tác động là yếu tố kỹ thuật then chốt.

III. Giải pháp tích hợp xử lý ảnh OpenCV và điều khiển qua WinCC

Đề tài xây dựng giải pháp toàn diện kết hợp phần cứng công nghiệp và thuật toán thị giác máy tính mã nguồn mở. Ngôn ngữ lập trình Python và thư viện OpenCV đảm nhiệm quy trình xử lý ảnh trên Kit Raspberry Pi 4B. Ảnh chụp từ camera USB trải qua các bước tiền xử lý gồm chuyển đổi ảnh xám, lọc nhiễu Gaussian và nhị phân hóa ngưỡng Otsu. Thuật toán Canny dò biên chính xác đường viền ngoài của sản phẩm. Hàm xấp xỉ đa giác xác định số đỉnh và tỷ lệ cạnh để phân biệt hình tròn, hình vuông và hình tam giác. Sau khi nhận diện, Raspberry Pi gửi mã phân loại tương ứng qua giao thức truyền thông đến PLC S7-1200. Chương trình PLC viết bằng ngôn ngữ LAD trên TIA Portal V16 xử lý tín hiệu kích hoạt van khí nén đẩy sản phẩm vào đúng khay chứa. Hệ thống giám sát WinCC liên kết trực tiếp với PLC qua chuẩn PROFINET/Ethernet. Giao diện người dùng hiển thị biểu đồ sản lượng, cảnh báo sự cố và cho phép điều khiển chế độ vận hành linh hoạt.

3.1. Thuật toán nhận dạng hình dạng bằng Python và OpenCV

Quy trình xử lý ảnh bắt đầu bằng việc đọc luồng video từ camera đặt vuông góc với băng tải. Khung hình được cắt theo vùng quan tâm ROI để tối ưu hóa tài nguyên tính toán. Thuật toán áp dụng bộ lọc mờ nhằm triệt tiêu các chấm nhiễu bề mặt. Tiếp theo, bước phân ngưỡng thích nghi chuyển đổi ảnh xám thành ảnh nhị phân rõ nét. Thuật toán tìm đường bao xác định tọa độ và chu vi biên dạng sản phẩm. Phương pháp xấp xỉ đường cong Ramer-Douglas-Peucker đếm số lượng đỉnh của đa giác bao quanh. Dựa trên số đỉnh và tỷ lệ khung bao, thuật toán gán nhãn chính xác cho từng loại hình dạng vật thể.

3.2. Cấu hình điều khiển PLC S7 1200 và giám sát SCADA WinCC

PLC Siemens S7-1200 CPU 1214C DC/DC/DC nhận lệnh logic từ máy tính nhúng thông qua socket TCP/IP hoặc khối I/O. Phần mềm TIA Portal V16 quản lý chương trình điều khiển tuần tự bằng ngôn ngữ Ladder trực quan. Cảm biến quang phát hiện phôi kích hoạt chu trình định thời và xác định vị trí tác động của piston. Đồng thời, nền tảng SCADA WinCC được thiết kế với giao diện đồ họa trực quan, đồng bộ hóa các biến tag thời gian thực. Bảng điều khiển WinCC hiển thị tổng số lượng sản phẩm từng loại, trạng thái kết nối mạng và nút dừng khẩn cấp. Dữ liệu vận hành được cập nhật liên tục giúp tối ưu hóa công tác giám sát nhà xưởng.

IV. Đánh giá ứng dụng phân loại sản phẩm và giám sát qua WinCC

Mô hình thực nghiệm chứng minh tính khả thi và hiệu quả cao của giải pháp phân loại sản phẩm bằng thị giác máy tính. Hệ thống đạt độ chính xác nhận diện trên 95% đối với các sản phẩm hình học chuẩn trong điều kiện chiếu sáng ổn định. Tốc độ phân loại đáp ứng tốt yêu cầu vận hành của các dây chuyền sản xuất quy mô vừa và nhỏ. Việc kết nối giữa Raspberry Pi, PLC S7-1200 và WinCC vận hành trơn tru, không phát sinh xung đột truyền thông. Giao diện SCADA mang lại trải nghiệm điều khiển trực quan, hỗ trợ đắc lực cho người vận hành trong việc kiểm soát tiến độ. Đồ án tạo tiền đề vững chắc cho việc ứng dụng công nghệ trí tuệ nhân tạo và học máy vào các dây chuyền sản xuất tự động. Hệ thống có khả năng ứng dụng rộng rãi trong các ngành công nghiệp đóng gói, lắp ráp linh kiện điện tử và chế biến thực phẩm. Kết quả nghiên cứu khẳng định tiềm năng to lớn của việc tích hợp phần mềm mã nguồn mở với thiết bị tự động hóa công nghiệp tiêu chuẩn.

4.1. Kết quả thử nghiệm và hiệu suất vận hành thực tế

Quá trình thử nghiệm mô hình với hàng trăm mẫu vật thể hình vuông, tròn và tam giác cho thấy độ ổn định cao. Thời gian xử lý ảnh trung bình đạt dưới 50 mili giây cho mỗi khung hình sản phẩm. Thời gian đáp ứng của cơ cấu khí nén đồng bộ chính xác với tốc độ di chuyển của băng tải. Tỷ lệ phân loại nhầm lẫn giảm xuống mức tối thiểu khi buồng chụp ảnh có ánh sáng đồng đều. Giao diện WinCC ghi nhận chính xác 100% số lượng vật phẩm đi qua các cổng phân loại. Hệ thống hoạt động liên tục trong nhiều giờ mà không xảy ra lỗi tràn bộ nhớ trên Raspberry Pi.

4.2. Hướng phát triển và khả năng chuyển giao công nghệ

Hướng phát triển tiếp theo của đề tài là tích hợp mạng nơ-ron học sâu để nhận diện các sản phẩm có biên dạng phức tạp hoặc bị khuyết tật. Nâng cấp camera công nghiệp chuẩn GigE giúp tăng độ phân giải và tốc độ bắt hình chuyển động nhanh. Hệ thống WinCC có thể kết nối lên điện toán đám mây để phục vụ giám sát từ xa qua thiết bị di động. Khả năng tích hợp cơ cấu cánh tay robot công nghiệp sẽ thay thế hoàn toàn các xy lanh đẩy tĩnh. Đề tài mở ra tiềm năng thương mại hóa và ứng dụng thực tiễn trong các nhà máy thông minh theo xu hướng cách mạng công nghiệp 4.0.

Nội dung chính

Bối cảnh và vấn đề nghiên cứu

Trong xu thế đổi mới công nghệ và thực hiện mục tiêu công nghiệp hóa, hiện đại hóa đất nước, ngành công nghiệp đang từng bước tiếp cận nền tảng Công nghiệp 4.0 nhằm xóa nhòa ranh giới giữa hệ thống vật lý và kỹ thuật số. Tại các nhà máy, quy trình sản xuất, đóng gói và lưu chuyển sản phẩm đòi hỏi việc áp dụng các dây chuyền tự động hóa liên tục để gia tăng sản lượng, giảm thời gian chu kỳ sản xuất, tối ưu hóa chi phí nhân công và nâng cao năng lực cạnh tranh.

Trong thực tiễn vận hành sản xuất, khâu phân loại sản phẩm là một mắt xích then chốt. Tuy nhiên, công đoạn này truyền thống vẫn phụ thuộc nhiều vào nhân lực thủ công. Với tính chất lặp đi lặp lại và yêu cầu tập trung cao, lao động con người dễ gặp sai sót do mệt mỏi, đặc biệt là khi phải phân biệt các chi tiết kỹ thuật hoặc hình dáng có kích thước nhỏ, mắt thường khó nhận biết chính xác. Sự sai lệch này ảnh hưởng trực tiếp đến chất lượng phân loại và uy tín của doanh nghiệp sản xuất. Do đó, việc nghiên cứu và chế tạo hệ thống tự động nhận dạng, phân loại sản phẩm dựa trên công nghệ thị giác máy tính kết hợp điều khiển logic lập trình là một đòi hỏi thực tế.

Nhằm giải quyết bài toán trên, đề tài "Ứng dụng xử lý ảnh để phân loại sản phẩm theo hình dạng, điều khiển và giám sát qua WinCC" do hai sinh viên Bùi Anh Dũng và Phạm Lê Bảo Hoàng thực hiện dưới sự hướng dẫn của ThS. Phan Thị Thanh Vân tại Khoa Điện – Điện tử, Trường Đại học Sư phạm Kỹ thuật – Đại học Đà Nẵng (năm 2022) tập trung vào các mục tiêu và nhiệm vụ nghiên cứu sau:

1. Nghiên cứu tổng quan về hệ thống phân loại sản phẩm theo hình dạng và so sánh, lựa chọn giải pháp công nghệ phù hợp dựa trên tiêu chí kỹ thuật, độ ổn định và chi phí.
2. Ứng dụng kỹ thuật thị giác máy tính trên kit máy tính nhúng Raspberry Pi 4B sử dụng ngôn ngữ Python và thư viện OpenCV để trích xuất đặc trưng hình học của 4 dạng sản phẩm: hình tròn, hình vuông, hình chữ nhật và hình tam giác.
3. Nghiên cứu cấu trúc phần cứng, phần mềm và tập lệnh của bộ điều khiển khả trình PLC Siemens S7-1200 CPU 1214C DC/DC/DC trên môi trường TIA Portal V16.
4. Thiết kế, gia công cơ khí và đấu nối tủ điện điều khiển cho mô hình băng tải phân loại sử dụng cơ cấu chấp hành khí nén.
5. Xây dựng chương trình điều khiển tuần tự, cấu hình truyền thông Ethernet công nghiệp giữa Raspberry Pi và PLC S7-1200 thông qua thư viện Snap7, đồng thời thiết kế giao diện HMI/SCADA trên WinCC RT Advanced để hiển thị và giám sát số lượng phân loại theo thời gian thực.

Đối tượng nghiên cứu của đồ án là quy trình phân loại các sản phẩm mẫu có hình khối 2D/3D cơ bản (hình tròn, vuông, tam giác, chữ nhật) di chuyển trên băng tải. Phạm vi nghiên cứu giới hạn ở mô hình thực nghiệm phục vụ đào tạo tại phòng thí nghiệm chuyên ngành Tự động hóa, sử dụng các linh kiện điện, điện tử và khí nén thông dụng trên thị trường.

---

Cơ sở lý thuyết và phương pháp

Cơ sở lý thuyết

Đồ án xây dựng trên nền tảng kết hợp giữa lý thuyết xử lý ảnh số, lý thuyết điều khiển tự động hóa công nghiệp và truyền thông mạng công nghiệp:

• Cơ sở xử lý ảnh số: Quá trình chuyển đổi ảnh liên tục thành tín hiệu số qua lấy mẫu và lượng tử hóa; không gian màu RGB và HSV; chuyển đổi ảnh đa mức xám sang ảnh nhị phân thông qua kỹ thuật phân đoạn theo ngưỡng (Thresholding) trong dải 0–255; các phép toán hình thái học (co - giãn ảnh đơn sắc); các phương pháp phát hiện biên dựa trên đạo hàm bậc một và bậc hai.
• Thuật toán hình học giải tích và xấp xỉ đa giác: Ứng dụng thuật toán Ramer-Douglas-Peucker (được đóng gói trong hàm cv2.approxPolyDP của thư viện OpenCV) để giảm điểm dư thừa trên đường viền khép kín, tìm các điểm đỉnh xấp xỉ của đa giác theo ngưỡng sai số khoảng cách $\theta$. Sử dụng công thức khoảng cách Euclid để tính toán độ dài các cạnh: $$AB = \sqrt{(x_B - x_A)^2 + (y_B - y_A)^2}$$ Đối với hình tròn, áp dụng phương pháp xác định tâm và bán kính thông qua tâm đường tròn ngoại tiếp tam giác tạo bởi 3 điểm tùy ý trên đường bao.
• Cơ sở điều khiển lập trình: Cấu trúc quét chu kỳ (Scan cycle) của PLC; tập lệnh logic tiếp điểm, bộ định thời (Timer), bộ đếm (Counter), khối lệnh so sánh và tính toán toán học; ngôn ngữ sơ đồ bậc thang (LAD - Ladder Diagram) theo tiêu chuẩn IEC.
• Cơ sở truyền thông công nghiệp: Giao thức giao tiếp TCP/IP qua cổng Ethernet RJ45; cơ chế truyền nhận dữ liệu PUT/GET trong kiến trúc bộ nhớ DB (Data Block) của Siemens S7; giao thức kết nối client-server thông qua thư viện truyền thông Snap7.

Phương pháp nghiên cứu

Tác giả đã triển khai đồng bộ các phương pháp nghiên cứu thực nghiệm kỹ thuật:

• Phương pháp phân tích và so sánh giải pháp: Đối chiếu giải pháp xử lý ảnh trên máy tính thông qua phần mềm Matlab và LabVIEW với giải pháp nhúng dùng Raspberry Pi kết hợp PLC S7-1200. Từ các phân tích về tính linh hoạt, khả năng giao tiếp công nghiệp và giá thành, nhóm tác giả đã chọn giải pháp nhúng kết hợp PLC.
• Phương pháp tính toán và thiết kế kỹ thuật: Tính toán lựa chọn các thiết bị động lực (động cơ kéo băng tải 24VDC), thiết bị cảm biến (hồng ngoại E3F-DS30P1 PNP), van điện từ 5/2, xilanh khí nén, MCB bảo vệ và bộ nguồn tổ ong 24VDC dựa trên các yêu cầu công nghệ của hệ thống.
• Phương pháp mô hình hóa và lập trình thực nghiệm: Xây dựng thuật toán tiền xử lý ảnh trên Python; lập bảng phân công địa chỉ I/O; vẽ giản đồ thời gian cho hai chế độ vận hành bằng tay (Manual) và tự động (Auto); cấu hình hệ thống giám sát SCADA trên phần mềm WinCC RT Advanced.

Nguồn dữ liệu và tài liệu kỹ thuật

Dữ liệu ảnh thực nghiệm được thu nhận trực tiếp từ camera màu bố trí vuông góc với mặt phẳng băng tải. Các tài liệu kỹ thuật nền tảng được trích dẫn gồm giáo trình chuyên ngành "Tự Động Hóa PLC S7 – 1200 Với TIA Portal" (Trần Văn Hiếu, Nhà xuất bản Khoa học và Kỹ thuật, 2019), các tài liệu tra cứu phần cứng của Siemens và tài liệu mở của thư viện OpenCV, Snap7.

---

Thiết kế và triển khai hệ thống

Hệ thống được thiết kế theo cấu trúc điều khiển phân tán gồm 3 khối chức năng chính: khối thị giác xử lý ảnh, khối điều khiển trung tâm và khối chấp hành - cơ khí.

Kiến trúc hệ thống và công nghệ phần cứng

1. Khối xử lý ảnh (Vision Unit):
   • Trung tâm là Kit máy tính nhúng Raspberry Pi 4B (nền tảng vi xử lý Broadcom kiến trúc ARM, chạy hệ điều hành Linux) kết nối với một camera màu để thu nhận hình ảnh sản phẩm khi đi qua vùng quan sát.
   • Nhiệm vụ: Chụp ảnh sản phẩm, cắt vùng quan tâm (ROI), khử nhiễu, chuyển đổi ảnh xám, nhị phân hóa, tính toán số đỉnh, kích thước cạnh, diện tích vùng điểm ảnh để phân loại và gửi mã tín hiệu nhận diện về PLC qua mạng Ethernet LAN.
2. Khối điều khiển trung tâm (Control Unit):
   • Sử dụng bộ điều khiển PLC Siemens S7-1200 dòng CPU 1214C DC/DC/DC (nguồn nuôi 24VDC, ngõ vào số 24VDC, ngõ ra số Transistor 24VDC).
   • CPU tích hợp sẵn 14 ngõ vào số (DI), 10 ngõ ra số (DO), 2 ngõ vào tương tự (AI) và 1 cổng truyền thông mạng Profinet/Ethernet.
   • Nhiệm vụ: Tiếp nhận tín hiệu phát hiện vật thể từ cảm biến quang, nhận dữ liệu phân loại từ Raspberry Pi qua thư viện Snap7, kích hoạt chu trình điều khiển băng tải và xuất tín hiệu điều khiển van khí nén đẩy sản phẩm vào các khay chứa theo đúng thời gian định sẵn.
3. Khối chấp hành, cơ khí và bảo vệ:
   • Băng tải: Kích thước thiết kế Dài $\times$ Rộng $\times$ Cao là $120 \times 60 \times 40\text{ cm}$, dẫn động bằng động cơ điện một chiều 24VDC.
   • Cơ cấu phân loại: 3 xilanh khí nén tác động kép kết hợp với 3 van điện từ 5/2 điều khiển bằng cuộn hút điện áp 24VDC để gạt 3 loại sản phẩm (sản phẩm thứ 4 trôi về cuối băng tải).
   • Cảm biến: Cảm biến quang hồng ngoại E3F-DS30P1 ngõ ra dạng PNP dùng để phát hiện sản phẩm đi vào vị trí chụp ảnh và đếm sản phẩm.
   • Mạch nguồn và bảo vệ: Aptomat bảo vệ MCB LS BKN 1P 25A, bộ nguồn tổ ong biến đổi điện áp từ 220VAC xuống 24VDC cấp cho PLC, động cơ và van điện từ, hệ thống rơ le trung gian 24VDC 14 chân cách ly bảo vệ ngõ ra transistor của PLC.

Tên thiết bị / Phần mềm	Thông số kỹ thuật / Chức năng chính	Ghi chú
PLC S7-1200 CPU 1214C DC/DC/DC	14 DI / 10 DO, 2 AI, bộ nhớ làm việc 50 KB, bộ nhớ nạp 2 MB	Siemens
Kit Raspberry Pi 4B	Nền tảng ARM, hệ điều hành Linux nhúng, tích hợp Ethernet LAN	Xử lý ảnh
Camera màu	Thu nhận ảnh sản phẩm thời gian thực trên băng tải	Cổng giao tiếp USB
Cảm biến hồng ngoại E3F-DS30P1	Dạng PNP, khoảng cách phát hiện điều chỉnh được	Đếm và phát hiện vật
Xilanh khí nén & Van 5/2	3 cụm xilanh tác động kép, van điện từ điều khiển 24VDC	Đẩy sản phẩm vào ô chứa
Động cơ kéo băng tải	Điện áp hoạt động 24VDC	Kéo băng tải kích thước $120\times 60\times 40\text{ cm}$
Khí cụ đóng cắt & Bảo vệ	MCB LS BKN 1P 25A, Relay trung gian 24VDC 14 chân, nguồn tổ ong 24V	Lắp đặt trong tủ điện
TIA Portal V16 & WinCC RT	Lập trình LAD cho PLC, thiết kế giao diện SCADA giám sát	Siemens
Python & Thư viện OpenCV, Snap7	Thuật toán Ramer-Douglas-Peucker, truyền thông PUT/GET	Phần mềm mã nguồn mở

Nguyên lý phân loại dựa trên đặc trưng hình học

Nhóm tác giả thiết lập ma trận đặc trưng toán học để nhận dạng 4 loại hình học theo bảng sau:

Loại hình dạng	Số đỉnh	Đặc điểm cạnh	Đặc điểm bán kính	Quy tắc nhận diện bổ sung
Hình tam giác	3 đỉnh	3 cạnh	Không xét	Diện tích vùng điểm ảnh nhỏ nhất
Hình vuông	4 đỉnh	4 cạnh, 2 cạnh kề bằng nhau	Không xét	Hiệu độ dài hai cạnh kề xấp xỉ 0
Hình chữ nhật	4 đỉnh	4 cạnh, 2 cạnh kề không bằng nhau	Không xét	Hiệu độ dài hai cạnh kề lớn, diện tích lớn nhất
Hình tròn	Không xác định (đa giác $>8$ cạnh)	Không xét	Các bán kính từ tâm bằng nhau	Số cạnh sau xấp xỉ vượt quá 8

---

Nội dung chính theo từng chương

Chương 1: Tổng quan về hệ thống phân loại sản phẩm theo hình dạng

Chương 1 mở đầu bằng việc phân tích bối cảnh tự động hóa trong các ngành công nghiệp chế biến, đóng gói. Tác giả tiến hành so sánh chuyên sâu các giải pháp công nghệ phân loại hiện có trên thị trường:

• Giải pháp xử lý ảnh bằng Matlab: Có ưu điểm là thư viện toán học phong phú, thao tác dễ dàng nhưng độ chính xác chưa tối ưu trong một số môi trường công nghiệp và khả năng truyền thông, kết nối với phần cứng ngoại vi gặp nhiều hạn chế.
• Giải pháp sử dụng phần mềm LabVIEW: Tốc độ xử lý nhận dạng nhanh, độ chính xác cao nhưng khả năng kết hợp đa nền tảng với các hệ thống phần mềm mở khác còn phức tạp.
• Giải pháp nhúng Raspberry Pi kết hợp PLC: Đảm bảo khả năng xử lý linh hoạt của mã nguồn mở, độ tin cậy cơ cấu công nghiệp cao của PLC và tính kinh tế khi triển khai.

Từ việc phân tích 4 hình dạng cơ bản ngoài thực tế, tác giả xây dựng cơ sở toán học để nhận diện đối tượng dựa trên 3 yếu tố: số đỉnh, tỷ lệ độ dài cạnh kề và tính đồng nhất của bán kính từ tâm. Chương này cũng phân tích thuật toán Ramer-Douglas-Peucker: thuật toán xét khoảng cách từ các điểm trên đường bao đến đoạn thẳng nối điểm đầu và điểm cuối; nếu khoảng cách $h \ge \theta$ thì giữ lại điểm làm đỉnh, nếu $h < \theta$ thì loại bỏ. Đồng thời, chương 1 đặt ra các yêu cầu kỹ thuật cho việc thiết kế mô hình: đảm bảo cứng vững, thẩm mỹ, dễ vận hành, đấu nối an toàn và lựa chọn phương án cơ khí băng tải $120 \times 60 \times 40\text{ cm}$ kết hợp xilanh đẩy.

Chương 2: Giới thiệu về Raspberry và ngôn ngữ lập trình Python

Chương này trình bày chi tiết về phần cứng Kit máy tính nhúng Raspberry Pi 4B, cấu trúc chip Broadcom BCM2835 kiến trúc ARM, các cổng kết nối ngoại vi (Ethernet, GPIO, HDMI, thẻ nhớ SD) và việc vận hành trên nền tảng Linux. Tác giả phân tích lý do lựa chọn ngôn ngữ lập trình Python nhờ cú pháp tường minh, dễ tiếp cận và khả năng tương thích cao với thư viện thị giác máy tính OpenCV.

Trọng tâm của chương là quy trình xử lý ảnh thực hiện qua hai pha:

1. Pha tiền xử lý ảnh:
   • Đọc ảnh trực tiếp từ camera và cắt khung hình (Crop ảnh) để thu hẹp vùng không gian cần khảo sát, loại bỏ nhiễu biên xung quanh.
   • Chuyển đổi ảnh màu sang không gian màu xám để đơn giản hóa số lượng kênh màu (từ biểu diễn 24-bit 3 kênh màu RGB thành 1 kênh mức xám từ 0 đến 255).
   • Biến đổi nhị phân (Binary thresholding) với việc hiệu chỉnh ngưỡng phù hợp nhằm tách biệt hoàn toàn giữa nền (giá trị 0 - màu đen) và vật thể cần nhận dạng (giá trị 255 - màu trắng).
   • Tìm tập hợp điểm biên liên thông và vẽ đường bao quanh sản phẩm.
2. Pha xác định cạnh và tính toán nhận dạng:
   • Sử dụng hàm approxPolyDP áp dụng thuật toán giảm điểm Ramer-Douglas-Peucker để dựng các đoạn thẳng xấp xỉ đường biên.
   • Giải quyết bài toán nhiễu biên đối với sản phẩm dạng khối 3D (do góc chiếu sáng và chiều cao vật thể có thể tạo thêm các cạnh giả): tác giả kết hợp tính toán hiệu độ dài hai cạnh liên tiếp và đo đạc diện tích vùng điểm ảnh. Hình chữ nhật được nhận diện khi có hiệu hai cạnh lớn và diện tích điểm ảnh lớn nhất; hình vuông có hiệu hai cạnh xấp xỉ bằng 0; hình tam giác có 3 cạnh và diện tích điểm ảnh bé; hình tròn được làm mịn tạo thành đa giác có trên 8 cạnh xấp xỉ.

Chương 3: Tổng quan về PLC và phần mềm TIA Portal

Chương 3 khái quát lịch sử phát triển của thiết bị điều khiển khả trình từ bộ Modicon ra đời năm 1968 tại Mỹ thay thế cho các tủ relay cồng kềnh, phân tích cấu trúc 4 khối cơ bản của PLC gồm bộ vi xử lý (CPU), bộ nguồn, bộ nhớ và các khối I/O.

Nội dung đi sâu khảo sát dòng PLC Siemens S7-1200, cụ thể là CPU 1214C DC/DC/DC:

• Bảng so sánh thông số các phiên bản CPU S7-1200: CPU 1211C, 1212C, 1214C, 1215C và 1217C. CPU 1214C được lựa chọn sở hữu bộ nhớ làm việc 50 KB, bộ nhớ nạp 2 MB, lưu trữ duy trì 2 KB, tích hợp sẵn 14 ngõ vào số DI và 10 ngõ ra số DO, 2 ngõ vào tương tự AI, khả năng mở rộng tối đa 8 module tín hiệu (SM) và 3 module truyền thông (CM).
• Khảo sát các dòng module mở rộng tín hiệu số, tín hiệu tương tự và module truyền thông Point-to-Point RS485.
• Trình bày cú pháp các tập lệnh điều khiển cơ bản trên ngôn ngữ LAD: tiếp điểm NO, NC, cuộn dây ngõ ra, bộ đảo NOT, các lệnh Set/Reset, lệnh bắt sườn xung dương/âm (P_TRIG, N_TRIG), bộ đếm Counter (CTU, CTD), các lệnh so sánh và hàm tính toán học.
• Hướng dẫn cấu hình hệ thống trên phần mềm TIA Portal V16: thiết lập bảng ký hiệu biến (PLC Tags), cấu hình kết nối mạng giữa máy tính lập trình và CPU qua cổng Profinet, các bước biên dịch và nạp (Download) chương trình vào PLC.
• Khái quát về hệ thống WinCC: vai trò thu thập dữ liệu và giám sát điều khiển (SCADA) trong môi trường công nghiệp.

Chương 4: Thiết kế và thi công mô hình "Ứng dụng xử lý ảnh để phân loại sản phẩm theo hình dạng"

Chương 4 mô tả toàn bộ quá trình hiện thực hóa phần cứng của hệ thống. Tác giả xây dựng sơ đồ khối tổng thể gồm khối xử lý trung tâm, khối nút nhấn - đèn báo, khối cảm biến, khối động lực và khối cách ly bảo vệ.

Quy trình thiết kế và lắp đặt bao gồm:

• Lựa chọn thiết bị điện - khí nén: Động cơ DC 24V kéo băng tải; cảm biến hồng ngoại E3F-DS30P1 PNP; 3 xilanh khí nén vuông gắn cố định bên thành băng tải; 3 van điện từ khí nén 5/2 (cuộn hút 24VDC); bộ chuyển đổi nguồn tổ ong 220VAC/24VDC; MCB LS BKN 1P 25A đóng cắt nguồn tổng; hệ thống rơ le trung gian 24VDC 14 chân nhằm cách ly tải công suất với đầu ra transistor của PLC CPU 1214C.
• Bố trí và đấu nối tủ điện: Mặt ngoài tủ điện bố trí các nút ấn chức năng gồm nút Start (khởi động), Stop (dừng), E-Stop (dừng khẩn cấp), cụm 4 nút ấn phục vụ chế độ Manual (bật/tắt cưỡng bức băng tải, kích hoạt riêng lẻ xilanh 1, xilanh 2, xilanh 3) và các đèn báo trạng thái. Bên trong tủ điện, các linh kiện PLC, rơ le, nguồn tổ ong, aptomat và máng dẫn dây được bố trí trên thanh ray tiêu chuẩn, đảm bảo cách điện, mỹ thuật công nghiệp và thuận tiện trong kiểm tra, bảo trì.
• Lắp ráp hoàn thiện mô hình cơ khí: Định vị băng tải, lắp đặt khung gắn camera màu phía trên băng tải để đảm bảo góc chụp vuông góc, cố định các máng trượt và thùng chứa sản phẩm sau khi được xilanh gạt sang hai bên.

Chương 5: Chương trình điều khiển và giám sát hệ thống

Chương cuối cùng hoàn thiện giải pháp phần mềm và tích hợp toàn diện hệ thống:

• Phân công địa chỉ I/O và thuật toán điều khiển: Lập bảng gán địa chỉ cụ thể cho các cổng ngõ vào (nút bấm điều khiển, cảm biến phát hiện sản phẩm) và ngõ ra (rơ le cấp nguồn động cơ băng tải, rơ le điều khiển van điện từ xilanh 1, 2, 3).
• Giản đồ thời gian (Timing Diagram): Xây dựng biểu đồ kích hoạt tuần tự cho chế độ vận hành chính, chế độ Manual và chế độ Auto. Khi cảm biến phát hiện vật thể, băng tải tạm dừng hoặc duy trì tốc độ định trước để camera ghi hình, Raspberry Pi nhận dạng xong sẽ phát tín hiệu; tùy theo loại hình dạng, PLC sẽ đếm thời gian trễ dịch chuyển sản phẩm từ vị trí camera đến vị trí của xilanh tương ứng để kích hoạt hành trình piston đẩy vật vào khay chứa.
• Thiết kế giao diện SCADA trên WinCC RT Advanced:
  • Khởi tạo màn hình HMI Screen trong môi trường TIA Portal.
  • Sử dụng các đối tượng cơ bản (Basic Objects) để vẽ sơ đồ công nghệ mô phỏng băng tải, xilanh và các thùng chứa.
  • Gán biến liên kết (HMI Tags) kết nối trực tiếp với các vùng nhớ nội (M) và khối dữ liệu (DB) trong PLC.
  • Cấu hình thuộc tính hiển thị (Properties), chuyển động đồ họa (Animations) và các hàm xử lý sự kiện nút bấm (Events).
  • Tích hợp bộ đếm hiển thị số lượng sản phẩm từng loại (tam giác, vuông, tròn, chữ nhật) đã được phân loại thành công.
• Truyền thông giữa Raspberry Pi và PLC S7-1200 qua Ethernet:
  • Thiết lập địa chỉ IP tĩnh đồng dải cho cổng mạng của Raspberry Pi và PLC S7-1200.
  • Cấu hình bảo mật trên CPU 1214C trong TIA Portal: tích hợp quyền truy cập và tích chọn ô "Permit access with PUT/GET communication from remote partner".
  • Sử dụng thư viện Snap7 trong mã nguồn Python trên Raspberry: xây dựng các hàm kết nối client, đọc trực tiếp dữ liệu trạng thái từ PLC và ghi giá trị phân loại vào khối dữ liệu của PLC để kích hoạt logic điều khiển.

---

Kết quả và đóng góp

Kết quả kỹ thuật đạt được

Đồ án đã hiện thực hóa đầy đủ các nội dung đề ra, chế tạo thành công hệ thống tích hợp hoàn chỉnh với các kết quả cụ thể:

1. Mô hình phần cứng thực nghiệm: Xây dựng hoàn chỉnh mô hình băng tải kích thước $120 \times 60 \times 40\text{ cm}$ hoạt động ổn định; hoàn thiện tủ điện điều khiển công nghiệp với đầy đủ nút bấm vận hành, đèn báo trạng thái, rơ le bảo vệ, aptomat và nguồn 24VDC.
2. Chương trình thị giác máy tính: Thuật toán xử lý ảnh trên nền tảng Python/OpenCV vận hành trên kit Raspberry Pi 4B thực hiện tốt các khâu tiền xử lý, lọc nhiễu, nhị phân hóa và nhận dạng chính xác 4 nhóm hình dạng sản phẩm mục tiêu (tròn, vuông, chữ nhật, tam giác).
3. Chương trình điều khiển PLC: Lập trình hoàn chỉnh trên TIA Portal V16 cho PLC Siemens S7-1200 CPU 1214C, đáp ứng đầy đủ hai chế độ làm việc Manual (phục vụ cân chỉnh thiết bị) và Auto (vận hành tự động theo tín hiệu cảm biến và xử lý ảnh).
4. Hệ thống giám sát SCADA: Thiết kế giao diện WinCC RT Advanced trực quan, liên kết HMI Tags chuẩn xác, giám sát trạng thái thời gian thực của băng tải, xilanh và hiển thị bộ đếm số lượng từng loại sản phẩm.
5. Truyền thông công nghiệp Ethernet: Ứng dụng thành công thư viện mã nguồn mở Snap7 để thiết lập liên kết truyền thông giữa máy tính nhúng Linux (Raspberry Pi) và PLC S7-1200 qua cổng Ethernet, không cần bổ sung các module truyền thông chuyên dụng đắt tiền.

Đóng góp của đề tài

So với các nghiên cứu và đồ án phân loại truyền thống chỉ sử dụng cảm biến quang, cảm biến màu sắc hoặc xử lý ảnh trên máy tính để bàn (PC), công trình của nhóm tác giả mang lại các đóng góp thiết thực:

• Tích hợp liên nền tảng: Kết hợp thành công giữa thiết bị nhúng giá thành thấp (Raspberry Pi chạy Linux/Python) với bộ điều khiển công nghiệp tiêu chuẩn cao (Siemens S7-1200), chứng minh tính khả thi của việc đưa các thuật toán xử lý ảnh mã nguồn mở vào mạng điều khiển sản xuất thực tế.
• Giải quyết nhiễu biên cho vật thể 3D: Đề xuất giải pháp phối hợp giữa số lượng đỉnh xấp xỉ của thuật toán Ramer-Douglas-Peucker với tính toán hiệu độ dài hai cạnh kề và diện tích vùng điểm ảnh, giúp khắc phục hiện tượng sinh cạnh giả do góc chiếu sáng của sản phẩm có độ dày.

---

Hạn chế và hướng nghiên cứu tiếp

Hạn chế của hệ thống

• Phụ thuộc điều kiện môi trường: Xử lý ảnh dựa trên ngưỡng mức xám tĩnh và nhị phân hóa; do đó hệ thống nhạy cảm với sự thay đổi của ánh sáng môi trường xung quanh hoặc bóng sẫm của sản phẩm khối 3D nếu không có buồng chiếu sáng tiêu chuẩn.
• Quy mô đối tượng hạn chế: Hệ thống mới chỉ nhận dạng và phân loại được 4 hình dạng hình học cơ bản có độ tương phản cao so với nền băng tải; chưa xử lý được các sản phẩm có biên dạng uốn lượn phức tạp hoặc sản phẩm bị biến dạng, móp méo ngẫu nhiên.
• Tốc độ dây chuyền: Do độ trễ từ quá trình chụp ảnh, xử lý thuật toán trên Raspberry Pi và truyền nhận gói tin qua Snap7, tốc độ vận hành của băng tải phải duy trì ở mức vừa phải để đảm bảo tính chính xác cho hành trình đẩy của xilanh.

Hướng phát triển của đề tài

Theo định hướng được nhóm tác giả nêu trong báo cáo, hệ thống có thể mở rộng theo các hướng:

1. Nâng cấp thuật toán xử lý ảnh: Nghiên cứu áp dụng các mô hình học máy (Machine Learning) hoặc mạng nơ-ron tích chập (CNN) để nhận diện các sản phẩm có hình khối 3D phức tạp, kết hợp đồng thời phân loại theo màu sắc, kích thước và kiểm tra khuyết tật bề mặt sản phẩm.
2. Tích hợp buồng chụp chuyên dụng: Lắp đặt hệ thống chiếu sáng chuẩn (đèn LED vòng hoặc đèn chiếu xuyên) để triệt tiêu bóng đổ, ổn định nguồn sáng độc lập với môi trường nhà xưởng.
3. Nâng cấp hệ thống giám sát SCADA: Tích hợp tính năng Webserver trên PLC S7-1200 hoặc xây dựng ứng dụng giám sát trên nền tảng Cloud/IoT, cho phép theo dõi số liệu sản xuất từ xa qua các thiết bị di động.

---

Giá trị tham khảo

Báo cáo đồ án tốt nghiệp là tài liệu tham khảo hữu ích cho:

• Sinh viên ngành Kỹ thuật Điều khiển và Tự động hóa, Cơ điện tử, Kỹ thuật Điện - Điện tử: Học tập phương pháp lập trình điều khiển PLC Siemens S7-1200 trên TIA Portal V16, kỹ thuật lập trình LAD cho các chu trình điều khiển tuần tự và thiết kế hệ thống giám sát WinCC SCADA.
• Người nghiên cứu hệ thống nhúng và thị giác máy tính: Tham khảo cấu hình thư viện Snap7 trên Python để truyền nhận dữ liệu trực tiếp với vùng nhớ PLC qua cổng Ethernet mà không cần mua license phần mềm trung gian OPC; đồng thời ứng dụng hàm approxPolyDP trong OpenCV để giải bài toán phân loại hình học.
• Kỹ sư thiết kế tủ điện và mô hình công nghiệp: Tham khảo sơ đồ nguyên lý đấu nối nút bấm, cảm biến PNP, rơ le đệm cách ly transistor và cơ cấu van khí nén bảo đảm an toàn điện.

---

Câu hỏi thường gặp

Đồ án sử dụng phương pháp nào để phân biệt giữa hình vuông và hình chữ nhật khi cả hai đều có 4 đỉnh?

Do cả hình vuông và hình chữ nhật đều có 4 đỉnh và 4 cạnh, nhóm tác giả không chỉ dựa vào số đỉnh mà tiến hành tính toán hiệu độ dài của hai cạnh kề trên ảnh. Đối với hình vuông, hiệu hai cạnh kề xấp xỉ bằng 0; đối với hình chữ nhật, hiệu hai cạnh kề có giá trị chênh lệch rõ rệt. Đồng thời, tác giả còn kết hợp so sánh diện tích vùng điểm ảnh (vùng điểm ảnh hình chữ nhật lớn hơn hình vuông) để bảo đảm độ chính xác.

Cần thiết lập cấu hình nào trên PLC S7-1200 để Raspberry Pi có thể đọc/ghi dữ liệu qua Snap7?

Trong phần mềm TIA Portal V16, người lập trình phải truy cập vào phần thuộc tính của CPU S7-1200 (Properties), điều hướng đến mục Protection & Security -> Connection mechanisms, sau đó tích chọn mục "Permit access with PUT/GET communication from remote partner". Đồng thời, cổng Ethernet của PLC và Raspberry Pi phải được cấu hình cùng một dải mạng IP tĩnh.

Tại sao đồ án lựa chọn PLC S7-1200 CPU 1214C DC/DC/DC thay vì các phiên bản khác như CPU 1211C hay 1212C?

Dòng CPU 1214C sở hữu 14 ngõ vào số DI và 10 ngõ ra số DO, bộ nhớ làm việc 50 KB (lớn gấp đôi so với 25 KB của 1211C và 1212C), hỗ trợ mở rộng tối đa 8 module tín hiệu SM. Cấu hình này đáp ứng đủ số lượng I/O cho toàn bộ các nút ấn Manual, nút chức năng, cảm biến và cuộn van xilanh của đề tài mà không cần mua thêm module mở rộng, đồng thời đảm bảo tốc độ tính toán cho các chu trình tuần tự phức tạp.

Cơ chế nhận diện hình tròn trong hệ thống được thực hiện ra sao khi sử dụng thuật toán xấp xỉ đa giác?

Khi áp dụng thuật toán Ramer-Douglas-Peucker (cv2.approxPolyDP) lên đường biên của hình tròn, do đường cong của hình tròn liên tục thay đổi hướng, thuật toán xấp xỉ đường gấp khúc sẽ tạo ra một đa giác khép kín có rất nhiều cạnh. Nhóm tác giả đặt ngưỡng nhận dạng: những đối tượng có số cạnh xấp xỉ lớn hơn 8 cạnh sẽ được phân loại là hình tròn. Ngoài ra, tính chất các bán kính tính từ tâm đến các điểm trên đường bao bằng nhau cũng được sử dụng làm cơ sở lý thuyết kiểm chứng.

Hệ thống chấp hành cơ khí thực hiện việc phân loại 4 sản phẩm như thế nào?

Mô hình bố trí 3 cụm xilanh khí nén tác động kép dọc theo chiều dài của băng tải, mỗi xilanh được điều khiển thông qua một van điện từ 5/2. Khi sản phẩm di chuyển qua camera và được xác định hình dạng, PLC sẽ kích hoạt bộ định thời tương ứng với quãng đường di chuyển: xilanh 1 gạt sản phẩm thứ nhất, xilanh 2 gạt sản phẩm thứ hai, xilanh 3 gạt sản phẩm thứ ba vào các khay chứa riêng; sản phẩm thuộc hình dạng còn lại sẽ không bị tác động và tiếp tục di chuyển về khay chứa ở cuối băng tải.

---

Kết luận

Đồ án tốt nghiệp của hai sinh viên Bùi Anh Dũng và Phạm Lê Bảo Hoàng đã giải quyết trọn vẹn bài toán tích hợp giữa thị giác máy tính và tự động hóa công nghiệp nhằm phân loại sản phẩm theo hình dạng. Bằng việc phối hợp linh hoạt giữa kit máy tính nhúng Raspberry Pi 4B chạy ngôn ngữ Python/OpenCV và bộ điều khiển khả trình PLC Siemens S7-1200 CPU 1214C, hệ thống đã nhận dạng chính xác 4 hình dạng cơ bản và điều khiển cơ cấu xilanh phân loại tự động trên băng tải. Việc triển khai thành công giao tiếp Ethernet qua thư viện Snap7 cùng giao diện giám sát SCADA trên WinCC RT Advanced đã hoàn thiện một mô hình thực nghiệm khép kín, mang tính ứng dụng cao và cung cấp tài liệu tham khảo giá trị cho chuyên ngành Kỹ thuật Điều khiển và Tự động hóa.

Trích đoạn nội dung tài liệu

CHƯƠNG 1: TỔNG QUAN VỀ HỆ THỐNG PHÂN LOẠI SẢN PHẨM THEO HÌNH DẠNG 1.1 Tổng quan về hệ thống Ngày nay, nước ta đang thực chính sách “Công nghiệp hoá – hiện đại hoá đất nước”. Nền Công nghiệp đang hướng tới Công nghiệp 4.0, là sự kết hợp các công nghệ lại với nhau, làm mờ ranh giới giữa vật lý, kỹ thuật số và sinh học. Với sự phát triển của công nghệ kỹ thuật, các bộ điều khiển đang có ứng dụng rộng rãi trong các lĩnh vực khoa học kỹ thuật và đời sống xã hội, đặc biệt là trong tự động hoá và điều khiển. Từ đó mà việc đưa tự động hóa vào sản xuất như diễn ra một điều tất yếu.

Việc tạo ra các sản phẩm tự động hoá không những trong công nghiệp mà ngay cả trong đời sống con người ngày càng được phổ biến. Phân loại sản phẩm là một bài toán đã và đang được ứng dụng rất nhiều trong thực tế hiện nay. Công việc này đòi hỏi sự tập trung cao và có tính lặp lại, nên các công nhân khó đảm bảo được sự chính xác trong công việc. Chưa kể đến có những phân loại dựa trên các chi tiết kĩ thuật rất nhỏ mà mắt thường khó có thể nhận ra.

Điều đó sẽ ảnh hưởng trực tiếp tới chất lượng sản phẩm và uy tín của nhà sản xuất. Vì vậy, hệ thống tự động nhận dạng và phân loại sản phẩm ra đời là một sự phát triển tất yếu nhằm đáp ứng nhu cầu cấp bách này.2 Nguyên lý hoạt động của hệ thống Đề tài “Ứng dụng xử lý ảnh để phân loại sản phẩm theo hình dạng, điều khiển và giám sát qua WinCC” là mô hình phân loại sản phẩm theo hình dạng (hình tròn, hình vuông, hình tam giác và hình chữ nhật). Dựa trên ngôn ngữ Python với thư viện chính là OpenCV và được thực hiện trên Kit Raspberry Pi 4B và PLC S7 - 1200. Tại đây sử dụng các đặc điểm riêng biệt của từng hình dạng để đi nhận dạng rồi sau đó phân loại từng sản phẩm.

Hệ thống gồm camera, Raspberry, PLC. Camera sẽ chụp ảnh sản phẩm cần phân loại rồi sau đó gửi đến Rasppberry để xử lí, sau khi xử lí được ảnh thì Rasppberry sẽ gửi đến PLC để điều khiển và phân loại sản phẩm. Kết quả thực hiện của đề tài là nhận dạng được những sản phẩm có hình dạng (hình tròn, hình vuông, hình tam giác và hình chữ nhật) cùng với việc đếm được sản phẩm theo hình dạng của từng sản phẩm, hiển thị trên màn hình.3 Các công nghệ sử dụng trong hệ thống  Phương pháp xử lý ảnh dùng phần mềm Matlab Matlab là ngôn ngữ lập trình bậc cao dùng cho kỹ thuật. Đồng thời nó là môi trường tương tác có thể thực hiện nhiều nhiệm vụ, phát triển giải thiết, phân tích dữ liệu, tính SVTH: Bùi Anh Dũng Người hướng dẫn: ThS.

Phan Thị Thanh Vân Phạm Lê Bảo Hoàng 2 Tên đề tài: Ứng dụng xử lý ảnh để phân loai sản phẩm theo hình dạng, điều khiển và giám sát qua WinCC toán các phép tính số học và hình ảnh hoá số liệu. So với các ngôn ngữ lập trình truyền thống như C, C++ hay Fortran thì Matlab có nhiều ưu điểm hơn do được tích hợp các hỗ trợ rất mạnh. - Ưu điểm : Phần mềm dễ sử dụng - Nhược điểm : + Độ chính xác không cao + Việc truyền thông, giao tiếp với các phần mềm rất khó  Phương pháp xử lý ảnh dùng phần mềm Labview Labview là một phần mềm lập trình mô phỏng robot được sáng chế ra với mục đích hỗ trợ người dùng tạo ra các thiết bị ảo dựa trên nhu cầu cá nhân. - Ưu điểm : + Phần mềm dễ sử dụng nên được nhiều người sử dụng + Khả năng phát hiện hình dạng của chương trình LabView là cực kì nhanh chóng.

Có thể sử dụng các chứng năng mở rộng có sẵn trong Labview đê tăng khả năng phân biệt nhiều sản phẩm + Kết quả xử lý ảnh với tỷ lệ sai lệch nhỏ và có độ chính xác cao - Nhược điểm : Khó khăn về kết hợp giữa phần mềm Labview với các phần mềm khác Trên đây là 2 phương pháp được sử dụng rất nhiều hiện nay. Tuy nhiên, trong một hệ thống đòi hỏi độ chính xác cao, việc giao tiếp và truyền thống với các thiết bị khác phải đảm bảo tính ổn định và nhanh chóng. Trong các nhà máy, xí nghiệp hiện nay thì việc sử dụng phương pháp xử lý ảnh thông qua Raspberry kết hợp với PLC đang dần thay thế các phương pháp khác. Do vậy, trong đề tài này sử dụng các công nghệ như sau: - Sử dụng Kit Raspberry Pi 4B thông qua thư viện OpenCV để xử lý ảnh - Sử dụng PLC S7 – 1200 để phân loại sản phẩm - Sử dụng WinCC để giám sát quá trình hoạt động và hiện thị số lượng lên màn hình 1.4 Phương pháp phân loại sản phẩm theo hình dạng Với đề tài “Ứng dụng xử lý ảnh để phân loại sản phẩm theo hình dạng, điều khiển và giám sát qua WinCC”.

Ở phần này sẽ đi tìm hiểu chi tiết phương pháp nhận dạng của từng sản phẩm và phân loại sản phẩm theo từng hình dạng đã được nhận dạng.1 Các hình dạng cơ bản của sản phẩm Trong cuộc sống hiện nay, nhu cầu về kiểu dáng sản phẩm ngày càng được chứ trọng, để đáp ứng nhu cầu thiết yếu đó nên trên thị trường ra nhiều sản phẩm có hình dạng và kiểu dáng đa dạng. Ở đề tài này, để gần với thực tế, nhóm chọn sản phẩm có SVTH: Bùi Anh Dũng Người hướng dẫn: ThS. Phan Thị Thanh Vân Phạm Lê Bảo Hoàng 3 Tên đề tài: Ứng dụng xử lý ảnh để phân loai sản phẩm theo hình dạng, điều khiển và giám sát qua WinCC hình dạng phổ biến. Chủ yếu là các hình dạng ở ngoài cuộc sống (hình tròn, hình vuông, hình tam giác và hình chữ nhật).

Đặc điểm cơ bản của sản phẩm có hình dạng phổ biến:  Đặc điểm nhận dạng hình chữ nhật: Có 4 đỉnh, 4 cạnh, 4 góc vuông, 2 cạnh đối diện đều bằng nhau khác với so với hình vuông là 2 cạnh kề không bằng nhau,…  Đặc điểm nhận dạng hình vuông : Có 4 đỉnh, 4 cạnh, 4 góc vuông, 2 cạnh đối diện đều bằng nhau, 2 cạnh kề bằng nhau,…  Đặc điểm nhận dạng hình tròn: Một hình tròn là một vùng trên mặt phẳng nằm "bên trong" đường tròn. Bán kính tính từ tâm đến đường tròn. Đặc điểm nhận dạng: Bán kính đều bằng nhau,…  Đặc điểm nhận dạng hình tam giác: có 3 đỉnh và 3 cạnh là hình tam giác,… 1.2 Phương pháp nhận dạng hình dạng Phương pháp nhận dạng hình ảnh là giai đoạn quan trọng của hệ thống xử lý ảnh. Nhận dạng là quá trình phân loại các đối tượng được biểu diễn theo một mô hình nào đó.

Ảnh được chụp sẽ được phân tích thành các đặc trưng riêng biệt, với những đặc trưng đó ta đem đi nhận dạng. Như đã đề cập ở trên thì các hình dạng của sản phẩm sẽ có các đặc điểm riêng biệt. Tuy nhiên, thì vẫn có một số đặc điểm giống nhau, đặc điểm khác nhau, cùng với đó có thêm một số đặc điểm bị dư thừa trong việc so sánh với các sản phẩm khác. Chính vì vậy, ở đề tài này, ta cần chọn lọc ra từng đặc điểm riêng biệt của từng hình mà các hình khác không có và loại bỏ các đặc điểm không cần thiết.

Như vậy, để nhận dạng được hình dạng của sản phẩm cần xác định các đặc điểm đặc trưng riêng biệt của từng hình dạng. Ở đây chỉ có 4 hình dạng sản phẩm (hình chữ nhật, hình vuông, hình tròn, hình tam giác) cần phân loại, chính vì vậy sẽ có một số đặc điểm hình dạng không cần xét tới. Sản phẩm hình chữ nhật Hình chữ nhật là hình có 4 đỉnh, 4 cạnh, 4 góc vuông, 2 cạnh đối diện bằng nhau,. Từ đặc điểm đó ta đi so sánh với 3 hình còn lại và phân tích thấy: Đặc điểm thứ nhất có 4 đỉnh, nhưng sản phẩm hình vuông cũng có 4 đỉnh.

Vì vậy ta có đặc điểm thứ hai để so sánh sự khác biệt với hình vuông, đó là 2 cạnh kề không bằng nhau với hình chữ nhật, với hình vuông thì chúng bằng nhau. Như vậy, đặc điểm nhận dạng sản phẩm hình chữ nhật, gồm 4 đỉnh và 2 cạnh kề không bằng nhau. SVTH: Bùi Anh Dũng Người hướng dẫn: ThS. Phan Thị Thanh Vân Phạm Lê Bảo Hoàng 4 Tên đề tài: Ứng dụng xử lý ảnh để phân loai sản phẩm theo hình dạng, điều khiển và giám sát qua WinCC Hình 1.

1: Đặc điểm hình chữ nhật Sản phẩm hình vuông Đặc điểm nhận dạng: Có 4 đỉnh, 4 cạnh, 4 góc vuông, 2 cạnh đối diện đều bằng nhau, 2 cạnh kề bằng nhau,… Từ đặc điểm đó ta đi so sánh với 3 hình còn lại và phân tích thấy: Đặc điểm thứ nhất có 4 đỉnh, nhưng sản phẩm hình chữ nhật cũng có 4 đỉnh như đã đề cập ở trên. Chính vì vậy ta có đặc điểm thứ hai để so sánh sự khác biệt với hình chữ nhật, đó là 2 cạnh bằng nhau. Như vậy, đặc điểm nhận dạng sản phẩm hình vuông, gồm 4 đỉnh và 2 cạnh kề bằng nhau. 2: Đặc điểm hình vuông Sản phẩm hình tròn Đặc điểm nhận dạng: Bán kính đều bằng nhau,… Từ đặc điểm đó ta đi so sánh với 3 hình còn lại và phân tích thấy: bán kính tính từ tâm đến đường tròn bên ngoài tất cả chúng đều bằn nhau chính vì vậy đó là đặc điểm riêng biệt của hình tròn.

3: Đặc điểm hình tròn SVTH: Bùi Anh Dũng Người hướng dẫn: ThS. Phan Thị Thanh Vân Phạm Lê Bảo Hoàng 5 Tên đề tài: Ứng dụng xử lý ảnh để phân loai sản phẩm theo hình dạng, điều khiển và giám sát qua WinCC Sản phẩm hình tam giác Đặc điểm nhận dạng: có 3 đỉnh và 3 cạnh là hình tam giác,… Từ đặc điểm đó ta đi so sánh với 3 hình còn lại và phân tích thấy: Chỉ có hình tam giác có 3 đỉnh, và đó chính là đặc điểm đặc trưng riêng biệt của tam giác. 4: Đặc điểm hình tam giác Bảng 1. 1 Đặc điểm hình dạng sản phẩm Đặc điểm Hình vuông Hình chữ nhật Hình tròn Hình tam giác đỉnh 4 đỉnh 4 đỉnh không 3 đỉnh 2 cạnh kề bằng 2 cạnh kề không cạnh không 3 cạnh nhau bằng nhau bán kính không Không bằng nhau không Như vậy ta có thể thấy, ta chỉ cần tìm ba đặc điểm chính: Đỉnh, cạnh và bán kính.

Trong đó đỉnh liên quan đến hình tam giác, hình chữ nhật và hình vuông. Cạnh chỉ có hai hình là hình vuông và hình chữ nhật. Bán kính chỉ liên quan tới hình tròn.