Hệ Thống Giám Sát và Phân Loại Sản Phẩm theo Chiều Cao dùng Robot

Hệ thống giám sát, phân loại sản phẩm tự động theo chiều cao với cánh tay robot. Giải pháp tối ưu cho quy trình sản xuất, nâng cao hiệu quả và giảm chi phí.

• Tác giả: Nguyễn Đinh Bách
• Người hướng dẫn: ThS. Huỳnh Phát Huy
• Trường học: Trường Đại Học Công Nghệ TP. Hồ Chí Minh
• Chuyên ngành: Kỹ Thuật Điện
• Đề tài: Hệ Thống Giám Sát Và Phân Loại Sản Phẩm Theo Chiều Cao Dùng Cánh Tay Robot
• Loại tài liệu: Đồ án tốt nghiệp
• Năm xuất bản: 2021
• Địa điểm: TP. Hồ Chí Minh

Mục lục chi tiết

• LỜI CAM ĐOAN
• LỜI CẢM ƠN
• MỤC LỤC
• 1. CHƯƠNG 1: GIỚI THIỆU
• 1.1. Dây chuyền phân loại sản phẩm theo mã vạch
• 1.2. Dây chuyền phân loại sản phẩm theo khối lượng
• 1.3. Dây chuyền phân loại sản phẩm theo kích thước
• 1.4. Máy phân loại sản phẩm theo màu sắc
• 2. CHƯƠNG 2: TỔNG QUAN GIẢI PHÁP
• 2.1. Giới thiệu về Arduino
• 2.2. Cảm biến vật cản hồng ngoại E18 – D80NK
• 2.3. Cánh tay robot
• 2.4. Mạch Giảm Áp LM2596
• 2.5. Băng tải và động cơ kéo băng tải
• 2.6. Động cơ DC giảm tốc GA25 60RPM
• 3. CHƯƠNG 3: PHƯƠNG PHÁP GIẢI QUYẾT
• 3.1. Tình hình nghiên cứu
• 3.2. Mục đích nghiên cứu
• 3.3. Nhiệm vụ nghiên cứu
• 3.4. Phương pháp nghiên cứu
• 4. CHƯƠNG 4: QUY TRÌNH THIẾT KẾ
• 4.1. Sơ đồ tổng quát của hệ thống
• 4.2. Thiết kế giao diện giám sát trên phần mềm Visual Studio
• 4.2.1. Giới thiệu về Visual Studio
• 4.2.2. Ngôn ngữ lập trình trên Visual Studio
• 4.2.3. Thiết kế giao diện trên Windows Form
• 5. CHƯƠNG 5: THI CÔNG MÔ HÌNH
• 5.1. Lắp đặt kết nối vào hệ thống:
• 5.2. Vận hành mô hình:
• 5.3. Hướng dẫn vận hành:
• 5.4. Video vận hành mô hình:
• 6. CHƯƠNG 6: ĐÁNH GIÁ KẾT QUẢ, KẾT LUẬN
• 6.1. Đánh giá kết quả giao diện điều khiển và giám sát hệ thống trên VS
• 6.2. Kết luận đề tài
• 6.3. Hướng phát triển đề tài.
• DANH MỤC HÌNH ẢNH
• DANH MỤC VIẾT TẮT
• TÓM TẮT ĐỀ TÀI

Tóm tắt

I. Tổng Quan Giám Sát Phân Loại Sản Phẩm Tự Động Robot

Trong bối cảnh dây chuyền sản xuất tự động ngày càng phát triển, việc giám sát và phân loại sản phẩm đóng vai trò then chốt trong việc đảm bảo kiểm tra chất lượng sản phẩm tự động. Thay vì sử dụng sức người, các hệ thống robot công nghiệp hiện đại được trang bị robot thị giác máy tính và AI trong kiểm tra sản phẩm giúp tự động hóa quá trình này, nâng cao hiệu quả và giảm thiểu sai sót. Các hệ thống này không chỉ giúp tối ưu hóa quy trình sản xuất mà còn đảm bảo chất lượng sản phẩm đồng đều, đáp ứng yêu cầu ngày càng cao của thị trường. Nhiều công ty đang tìm cách ứng dụng robot trong công nghiệp để tăng năng suất và cải thiện độ chính xác.Theo tài liệu gốc, các hệ thống phân loại tự động có quy mô lớn nhỏ khác nhau tùy thuộc vào độ phức tạp của yêu cầu, song chi phí đầu tư thường khá lớn, đặc biệt đối với điều kiện của Việt Nam. Tuy nhiên, lợi ích lâu dài mà chúng mang lại là không thể phủ nhận. Sự ra đời của hệ thống giám sát sản xuất tự động là một tất yếu trong bối cảnh công nghiệp 4.0.

1.1. Lợi Ích Của Tự Động Hóa Giám Sát Chất Lượng Sản Phẩm

Tự động hóa kiểm tra chất lượng sản phẩm tự động mang lại nhiều lợi ích, bao gồm giảm chi phí nhân công, tăng năng suất, và cải thiện độ chính xác. Hệ thống giám sát sản xuất bằng robot công nghiệp có thể hoạt động liên tục 24/7 mà không cần nghỉ ngơi, giúp doanh nghiệp tối đa hóa hiệu quả sản xuất. Ngoài ra, việc sử dụng AI trong kiểm tra sản phẩm cho phép phát hiện các lỗi nhỏ mà con người khó có thể nhận ra, từ đó nâng cao chất lượng sản phẩm và giảm thiểu rủi ro. Ví dụ, trong ngành điện tử, robot thị giác máy tính có thể kiểm tra các mối hàn siêu nhỏ trên bảng mạch in với độ chính xác tuyệt đối.

1.2. Các Loại Robot Phân Loại Sản Phẩm Phổ Biến Hiện Nay

Hiện nay, có nhiều loại robot phân loại sản phẩm thông minh được sử dụng trong các ngành công nghiệp khác nhau. Các loại robot này bao gồm robot công nghiệp 6 trục, cánh tay robot SCARA, và robot Delta. Mỗi loại robot có ưu điểm và nhược điểm riêng, phù hợp với các ứng dụng cụ thể. Ví dụ, robot 6 trục có khả năng thực hiện các thao tác phức tạp trong không gian 3 chiều, trong khi robot SCARA có tốc độ cao và độ chính xác tốt, phù hợp cho các ứng dụng gắp và đặt (pick-and-place). Sự lựa chọn loại robot phù hợp phụ thuộc vào yêu cầu cụ thể của quy trình sản xuất và loại sản phẩm cần phân loại. Hơn nữa, vision system cho phép robot "nhìn" và phân tích hình ảnh sản phẩm để đưa ra quyết định phân loại chính xác.

II. Thách Thức Rào Cản Triển Khai Robot Giám Sát Sản Phẩm

Mặc dù có nhiều lợi ích, việc triển khai hệ thống giám sát sản xuất bằng robot công nghiệp cũng gặp phải không ít thách thức. Chi phí đầu tư ban đầu cao là một rào cản lớn đối với nhiều doanh nghiệp, đặc biệt là các doanh nghiệp vừa và nhỏ. Ngoài ra, việc tích hợp robot thị giác máy tính và AI trong kiểm tra sản phẩm đòi hỏi đội ngũ kỹ thuật có trình độ chuyên môn cao. Thêm vào đó, việc bảo trì và sửa chữa các hệ thống dây chuyền sản xuất tự động cũng đòi hỏi chi phí và thời gian đáng kể. Cần có sự chuẩn bị kỹ lưỡng về hạ tầng và đào tạo nhân lực để đảm bảo quá trình triển khai diễn ra suôn sẻ.

2.1. Chi Phí Đầu Tư Ban Đầu Và Thời Gian Hoàn Vốn

Chi phí đầu tư ban đầu cho một hệ thống giám sát sản xuất bằng robot công nghiệp có thể lên đến hàng trăm nghìn đô la Mỹ, bao gồm chi phí mua robot, tích hợp vision system, và phát triển phần mềm thuật toán phân loại hình ảnh. Tuy nhiên, doanh nghiệp có thể giảm chi phí này bằng cách lựa chọn các giải pháp phù hợp với quy mô sản xuất và nhu cầu cụ thể. Thời gian hoàn vốn phụ thuộc vào nhiều yếu tố, bao gồm năng suất tăng thêm, chi phí nhân công tiết kiệm được, và giảm thiểu chi phí do lỗi sản phẩm. Thông thường, thời gian hoàn vốn có thể dao động từ 2 đến 5 năm.

2.2. Yêu Cầu Về Kỹ Năng Và Đào Tạo Nhân Lực Vận Hành Robot

Việc vận hành và bảo trì hệ thống giám sát sản xuất bằng robot công nghiệp đòi hỏi đội ngũ kỹ thuật có kiến thức sâu rộng về cơ khí, điện tử, và lập trình robot. Doanh nghiệp cần đầu tư vào đào tạo nhân lực để đảm bảo họ có đủ kỹ năng để vận hành, bảo trì, và sửa chữa hệ thống. Các khóa đào tạo có thể bao gồm lập trình robot, xử lý ảnh, và bảo trì cơ khí. Ngoài ra, việc hợp tác với các trường đại học và trung tâm đào tạo nghề có thể giúp doanh nghiệp tiếp cận nguồn nhân lực có trình độ chuyên môn cao.

2.3. Tính Tương Thích Và Khả Năng Mở Rộng Của Hệ Thống

Khi triển khai hệ thống giám sát sản xuất bằng robot công nghiệp, cần xem xét tính tương thích của hệ thống với các thiết bị và phần mềm hiện có. Hệ thống cần có khả năng tích hợp dễ dàng với các hệ thống quản lý sản xuất (MES) và hệ thống hoạch định nguồn lực doanh nghiệp (ERP). Ngoài ra, cần đảm bảo hệ thống có khả năng mở rộng để đáp ứng nhu cầu sản xuất trong tương lai. Ví dụ, hệ thống cần có khả năng thêm mới các robot công nghiệp hoặc nâng cấp phần mềm thuật toán phân loại hình ảnh để xử lý các loại sản phẩm mới.

III. Phương Pháp Giám Sát Sản Phẩm Bằng Robot Hướng Dẫn Chi Tiết

Có nhiều phương pháp giám sát và phân loại sản phẩm bằng robot công nghiệp, tùy thuộc vào loại sản phẩm và yêu cầu cụ thể của quy trình sản xuất. Các phương pháp phổ biến bao gồm sử dụng robot thị giác máy tính để kiểm tra kích thước, hình dạng, màu sắc, và các đặc điểm khác của sản phẩm. Robot thị giác máy tính sử dụng camera công nghiệp và thuật toán phân loại hình ảnh để phân tích hình ảnh sản phẩm và đưa ra quyết định phân loại. Ngoài ra, có thể sử dụng các cảm biến khác như cảm biến lực, cảm biến tiệm cận, và cảm biến siêu âm để thu thập thông tin về sản phẩm.

3.1. Sử Dụng Robot Thị Giác Máy Tính Để Kiểm Tra Sản Phẩm

Robot thị giác máy tính là một công cụ mạnh mẽ để kiểm tra chất lượng sản phẩm tự động. Hệ thống này sử dụng camera công nghiệp để chụp ảnh sản phẩm và thuật toán phân loại hình ảnh để phân tích hình ảnh. Thuật toán phân loại hình ảnh có thể được huấn luyện để nhận diện các đặc điểm khác nhau của sản phẩm, chẳng hạn như kích thước, hình dạng, màu sắc, và các lỗi sản phẩm. Deep learning cho kiểm tra sản phẩm được ứng dụng phổ biến để nâng cao độ chính xác và khả năng nhận diện của hệ thống. Sau khi phân tích hình ảnh, robot có thể đưa ra quyết định phân loại sản phẩm và thực hiện các hành động tương ứng, chẳng hạn như loại bỏ các sản phẩm bị lỗi hoặc chuyển các sản phẩm đạt tiêu chuẩn sang giai đoạn tiếp theo.

3.2. Tích Hợp Cảm Biến Để Thu Thập Thông Tin Về Sản Phẩm

Ngoài robot thị giác máy tính, có thể tích hợp các cảm biến khác để thu thập thông tin về sản phẩm. Cảm biến lực có thể được sử dụng để đo lực tác dụng lên sản phẩm, giúp phát hiện các lỗi liên quan đến độ bền hoặc cấu trúc của sản phẩm. Cảm biến tiệm cận có thể được sử dụng để phát hiện sự hiện diện hoặc vị trí của sản phẩm. Cảm biến siêu âm có thể được sử dụng để đo khoảng cách hoặc độ dày của sản phẩm. Thông tin thu thập từ các cảm biến này có thể được kết hợp với thông tin từ robot thị giác máy tính để đưa ra quyết định phân loại chính xác hơn. Như đồ án gốc sử dụng cảm biến hồng ngoại để phát hiện vật cản và chiều cao sản phẩm.

3.3. Lập Trình Robot Để Thực Hiện Các Thao Tác Phân Loại

Sau khi thu thập thông tin về sản phẩm, cần lập trình robot để thực hiện các thao tác phân loại. Việc lập trình robot có thể được thực hiện bằng nhiều ngôn ngữ khác nhau, chẳng hạn như C++, Python, và ROS (Robot Operating System). Chương trình robot cần xác định các hành động cần thực hiện dựa trên thông tin thu thập được, chẳng hạn như di chuyển cánh tay robot, gắp sản phẩm, và đặt sản phẩm vào vị trí tương ứng. Việc lập trình robot cần đảm bảo độ chính xác và tốc độ cao để đáp ứng yêu cầu của quy trình sản xuất. Tham khảo đồ án gốc, nhóm tác giả sử dụng Arduino Nano để điều khiển Robot.

IV. Ứng Dụng Thực Tế Phân Loại Sản Phẩm Trong Nhà Máy Thông Minh

Các hệ thống giám sát sản xuất bằng robot công nghiệp được ứng dụng rộng rãi trong nhiều ngành công nghiệp, bao gồm điện tử, ô tô, thực phẩm và đồ uống, và dược phẩm. Trong ngành điện tử, robot được sử dụng để kiểm tra và phân loại các linh kiện điện tử nhỏ, đảm bảo chất lượng sản phẩm. Trong ngành ô tô, robot được sử dụng để kiểm tra và phân loại các bộ phận ô tô, đảm bảo độ chính xác và an toàn. Trong ngành thực phẩm và đồ uống, robot được sử dụng để kiểm tra và phân loại các sản phẩm thực phẩm, đảm bảo vệ sinh an toàn thực phẩm. Trong ngành dược phẩm, robot được sử dụng để kiểm tra và phân loại các sản phẩm dược phẩm, đảm bảo tính chính xác và hiệu quả.

4.1. Case Study Phân Loại Linh Kiện Điện Tử Bằng Robot

Trong một nhà máy sản xuất linh kiện điện tử, robot thị giác máy tính được sử dụng để kiểm tra và phân loại các linh kiện điện tử nhỏ. Hệ thống này sử dụng camera công nghiệp để chụp ảnh các linh kiện điện tử và thuật toán phân loại hình ảnh để phân tích hình ảnh. Thuật toán phân loại hình ảnh có thể được huấn luyện để nhận diện các lỗi sản phẩm, chẳng hạn như nứt, vỡ, hoặc thiếu chân. Sau khi phân tích hình ảnh, robot có thể loại bỏ các linh kiện bị lỗi và chuyển các linh kiện đạt tiêu chuẩn sang giai đoạn tiếp theo. Kết quả là, nhà máy đã giảm thiểu đáng kể số lượng linh kiện bị lỗi và nâng cao chất lượng sản phẩm.

4.2. Case Study Phân Loại Nông Sản Theo Kích Thước Và Màu Sắc

Trong một nhà máy chế biến nông sản, robot thị giác máy tính được sử dụng để phân loại trái cây và rau quả theo kích thước và màu sắc. Hệ thống này sử dụng camera công nghiệp để chụp ảnh trái cây và rau quả và thuật toán phân loại hình ảnh để phân tích hình ảnh. Thuật toán phân loại hình ảnh có thể được huấn luyện để nhận diện các kích thước và màu sắc khác nhau của trái cây và rau quả. Sau khi phân tích hình ảnh, robot có thể phân loại trái cây và rau quả vào các hộp khác nhau dựa trên kích thước và màu sắc. Kết quả là, nhà máy đã tăng năng suất và giảm thiểu lãng phí.

V. Kết Luận Tương Lai Của Giám Sát Sản Phẩm Bằng Robot Hiện Đại

Việc sử dụng robot công nghiệp trong giám sát và phân loại sản phẩm đang ngày càng trở nên phổ biến. Với sự phát triển của AI trong kiểm tra sản phẩm và robot thị giác máy tính, các hệ thống này sẽ ngày càng thông minh và hiệu quả hơn. Trong tương lai, chúng ta có thể kỳ vọng các hệ thống dây chuyền sản xuất tự động sẽ hoàn toàn tự động, không cần sự can thiệp của con người. Điều này sẽ giúp doanh nghiệp nâng cao năng suất, giảm chi phí, và cải thiện chất lượng sản phẩm.

5.1. Xu Hướng Phát Triển Của AI Trong Giám Sát Sản Phẩm

AI trong kiểm tra sản phẩm đang phát triển với tốc độ chóng mặt. Các thuật toán phân loại hình ảnh ngày càng trở nên thông minh hơn, có khả năng nhận diện các lỗi sản phẩm phức tạp mà con người khó có thể nhận ra. Ngoài ra, AI có thể được sử dụng để dự đoán các lỗi sản phẩm tiềm ẩn, giúp doanh nghiệp ngăn ngừa các vấn đề trước khi chúng xảy ra. Trong tương lai, chúng ta có thể kỳ vọng AI sẽ đóng vai trò trung tâm trong các hệ thống giám sát sản xuất.

5.2. Tích Hợp IoT Và Big Data Để Tối Ưu Hóa Quy Trình Sản Xuất

Việc tích hợp IoT (Internet of Things) và Big Data vào hệ thống giám sát sản xuất có thể giúp doanh nghiệp thu thập và phân tích dữ liệu về quy trình sản xuất, từ đó tối ưu hóa quy trình và giảm thiểu chi phí. Dữ liệu từ các cảm biến và robot thị giác máy tính có thể được thu thập và phân tích để xác định các vấn đề trong quy trình sản xuất và đưa ra các giải pháp cải tiến. Ngoài ra, dữ liệu từ thị trường có thể được sử dụng để dự đoán nhu cầu của khách hàng và điều chỉnh quy trình sản xuất cho phù hợp. Sự kết hợp của IoT và Big Data có thể giúp doanh nghiệp tạo ra các dây chuyền sản xuất tự động thông minh và linh hoạt hơn.

Trích đoạn nội dung tài liệu

CHƯƠNG 1: GIỚI THIỆU Tùy vào mức độ phức tạp trong yêu cầu phân loại, các hệ thống phân loại tự động có những quy mô lớn, nhỏ khác nhau. Tuy nhiên, có một đặc điểm chung là chi phí cho các hệ thống này khá lớn, đặc biệt đối với điều kiện của Việt Nam. Vì vậy, hiện nay đa số các hệ thống phân loại tự động đa phần mới chỉ được áp dụng trong các hệ thống có yêu cầu phân loại phức tạp, còn một lượng rất lớn các doanh nghiệp Việt Nam vấn đề sử dụng trực tiếp sức lực con người để làm việc. Bên cạnh các băng chuyền để vận chuyển sản phẩm thì một yêu cầu cao hơn được đặc ra đó là phải có hệ thống phân loại sản phẩm.

Còn rất nhiều dạng phân loại sản phẩm tùy theo yêu cầu của nhà sản xuất như: Phân loại sản phẩm theo kích thước, Phân loại sản phẩm theo màu sắc, Phân loại sản phẩm theo khối lượng, Phân loại sản phẩm theo mã vạch, Phân loại sản phẩm theo hình ảnh v. Vì có nhiều phương pháp phân loại khác nhau nên có nhiều thuật toán, hướng giải quyết khác nhau cho từng sản phẩm, đồng thời các thuật toán này có thể đan xen, hỗ trợ lần nhau. Ví dụ: như muốn phân loại vải thì cần phân loại về kích thước và màu sắc, vẻ nước uống (như bia, nước ngọt) cần phân loại theo chiều cao, khối lượng, phân loại xe theo chiều dài, khối lượng, phân loại gạch granite theo hình ảnh v. Một số dây chuyền phân loại sản phẩm hiện nay: 1.

Dây chuyền phân loại sản phẩm theo mã vạch Dây chuyền phân loại sản phẩm theo mã vạch được sử dụng rất phổ biến hiện nay. Dây chuyền sorting này được sử dụng để phân loại các kiện hàng, bưu phẩm, sản phẩm thành phẩm đã được đóng thùng carton, đóng túi và dán mã vạch barcode, mã QR. Với các thông tin lưu trữ trên mã vạch dán trên sản phẩm, hệ thống có thể dễ dàng sàng lọc và lựa chọn, gom sản phẩm vào các vị trí tập kết (hub) theo yêu cầu đặt ra như: 2 Đồ Án Tốt Nghiệp GVHD: Th.S HUỲNH PHÁT HUY Với sản phẩm điện tử, công nghệ: phân theo cùng lô sản xuất, ngày sản xuất,. Với các bưu phẩm, đơn hàng chuyển phát nhanh: phân loại theo ngày lên đơn, cách thức đóng gói, địa điểm giao hàng, hàng chuyển nhanh tiêu chuẩn… Với các sản phẩm nông sản đóng gói: phân loại theo hạn sử dụng, số lô chế biến, cấp sản phẩm… Các hộp, thùng hàng được đặt lên băng tải phân loại bởi công nhân hoặc cánh tay robot cộng tác, robot xếp hàng lên pallet từ băng tải cấp hoặc xe tự hành AGV trong các nhà máy thông minh.

Hệ thống phân loại sản phẩm có thể đạt công suất tới 10000 sản phẩm/giờ. Năng suất cao gấp 3-5 lần so với cách quét mã vạch và phân loại bởi công nhân truyền thống.1 Dây chuyền phân loại sản phẩm theo mã vạch 1. Dây chuyền phân loại sản phẩm theo khối lượng Là hệ thống phân cỡ sản phẩm ứng dụng đa dạng các loại/kiểu sản phẩm theo nguyên tắc kiểm tra khối lượng online, sau đó phân ra từng cỡ trọng lượng theo yêu cầu. Phạm vi phân loại: 10g~5000g Tốc độ: 110 – 200 sản phẩm/ phút.

Tốc độ: 60m/ phút 3 Đồ Án Tốt Nghiệp GVHD: Th.S HUỲNH PHÁT HUY Số lượng cỡ phân loại: 12 cỡ Vật liệu: inox SS304 đảm bảo vệ sinh an toàn thực phẩm Hình 1.2 Dây chuyền phân loại sản phẩm theo khối lượng cho nông sản 1. Dây chuyền phân loại sản phẩm theo kích thước Là hệ thống phân loại tự động cho sản phẩm hàng hóa, trái cây và rau quả trên cơ sở kích thước bao gồm bộ phận cấp, phân loại, thả và thu hồi sản phẩm. Máy phân loại sản phẩm theo kích thước điều khiển tự động, độ chính xác cao, hoạt động ổn định, phù hợp cho nhiều loại sản phẩm khác nhau. Năng suất: 3-5 tấn/ giờ ~ 1000-1100 sản phẩm/ phút Cấp phân loại: 4-10 cấp Ứng dụng phân loại sản phẩm theo khối lượng cho ngành thực phẩm, nông sản,.3 Dây chuyền phân loại trứng, cà chua theo kích thước 4 Đồ Án Tốt Nghiệp GVHD: Th.S HUỲNH PHÁT HUY 1.

Máy phân loại sản phẩm theo màu sắc Máy phân loại sản phẩm theo màu sắc có thể sử dụng trong các ngành nông nghiệp, thực phẩm, dầu, hóa chất, công nghiệp dược phẩm,… Máy phân loại sản phẩm theo màu sắc có thể phân loại các sản phẩm như: trà, vừng, đậu, hạt giống, nho khô, lúa, lúa mạch, thủy tinh, nhựa, than, quặng, óc chó,… • Đặc tính kỹ thuật máy phân loại sản phẩm theo màu sắc: Năng suất: 0.8-15 tấn/ giờ (tùy vào mỗi loại model) Tỉ lệ phân loại chính xác: >99% Nguồn điện: 220V, 50Hz Nguồn khí nén: 0.8 MPa Khối lượng máy: 400 – 1200 KG Hình 1.4 Máy phân loại sản phẩm theo màu sắc 5 Đồ Án Tốt Nghiệp GVHD: Th.S HUỲNH PHÁT HUY CHƯƠNG 2: TỔNG QUAN GIẢI PHÁP Để xây dựng được mô hình, chúng ta phải nghiên cứu về nguyên lý hoạt động cũng như những thành phần cấu tạo nên hệ thống. Giới thiệu về Arduino Giới thiệu về Arduino: Arduino được giới thiệu vào năm 2005, một nền tảng mã nguồn mở gồm phần cứng và phần mềm. Phần cứng Arduino (các board mạch vi xử lý) xây dựng các ứng dụng tương tác với nhau hoặc với môi trường được thuận lợi hơn. Phần cứng bao gồm một board mạch nguồn mở được thiết kế trên nền tảng vi xử lý AVR Atmel 8 bit, hoặc ARM Atmel 32 bit.

Những Model hiện tại được trang bị gồm 1 cổng giao tiếp USB, 6 chân đầu vào analog, 14 chân I/O kỹ thuật số tương thích với nhiều board mở rộng khác nhau. Arduino được dùng khá phổ biến trong việc điều khiển Robot đơn giản. Đi cùng với nó là một môi trường phát triển tích hợp (IDE) chạy trên các máy tính thông thường và cho phép người dùng viết các chương trình cho Aduino bằng ngôn ngữ C hoặc C++.1 Sơ lược phần cứng của board Arduino Nano CH340 Arduino Nano CH340 được trang bị chip ATmega328P-AU, với bộ nhớ flash memory 32 KB, 2KB cho bộ nhớ SRAM, 1 KB cho bộ nhớ EEPROM. 6 Đồ Án Tốt Nghiệp GVHD: Th.S HUỲNH PHÁT HUY Board Arduino Nano CH340 có thông số kỹ thuật như sau: - IC chính: ATmega328P-AU.

- IC nạp và giao tiếp UART: CH340. - Điện áp cấp: 5VDC cổng USB hoặc 6-9VDC chân Raw. - Mức điện áp giao tiếp GPIO: TTL 5VDC. - Dòng GPIO: 40mA.

- Số chân Digital: 14 chân, trong đó có 6 chân PWM. - Số chân Analog: 8 chân (hơn Arduino Uno 2 chân). - Flash Memory: 32KB (2KB Bootloader). - SRAM: 2KB - EEPROM: 1KB - Clock Speed: 16Mhz.

- Tích hợp Led báo nguồn, led chân D13, LED RX, TX. - Tích hợp IC chuyển điện áp 5V LM1117. - Kích thước: 18.18mm - Được tích hợp sẵn thư viện cho Matlab Lý do chọn vi xử lý Arduino Nano CH340: - Phổ biến, giá thành rẻ. - Nhỏ gọn, dễ giao tiếp máy tính.

- Thư viện hỗ trợ tốt, được đông đảo người dùng chia sẻ. - Dễ dàng điều chỉnh và thay đổi code, phù hợp trong việc điểu chỉnh tọa độ Servo. 7 Đồ Án Tốt Nghiệp GVHD: Th.S HUỲNH PHÁT HUY 2. Cảm biến vật cản hồng ngoại E18 – D80NK Cảm biến vật cản hồng ngoại E18-D80NK xác định khoảng cách đến vật cản bằng hồng ngoại cho phản hồi nhanh chóng, chính xác và ít bị nhiễu do sử dụng mắt nhận và phát tia hồng ngoại theo tần số riêng biệt.

Cảm biến có thể chỉnh khoảng cách hoạt động thông qua biến trở ở phần cuối thân cảm biến. Ngõ ra cảm biến ở dạng cực thu hở nên cần thêm 1 trở kéo lên nguồn ở chân tín hiệu khi sử dụng.2 Cảm biến vật cản hồng ngoại E18 – D80NK Thông số kỹ thuật: • Nguồn điện cung cấp: 5VDC. • Khoảng cách phát hiện: 3 ~ 80cm. • Có thể điều chỉnh khoảng cách qua biến trở.

• Dòng kích ngõ ra: 300mA. • Ngõ ra dạng NPN cực thu hở giúp tùy biến được điện áp ngõ ra, trở treo lên áp bao nhiêu sẽ tạo thành điện áp ngõ ra bấy nhiêu. • Chất liệu sản phẩm: nhựa. 8 Đồ Án Tốt Nghiệp GVHD: Th.S HUỲNH PHÁT HUY • Có led hiển thị ngõ ra màu đỏ.

• Kích thước: 1.0cm (L) Sơ đồ dây: E18-D80NK có cách nối dây tương đối đơn giản: • Màu nâu: VCC, nguồn dương 5VDC. • Màu xanh dương: GND, nguồn âm 0VDC • Màu đen: Chân tín hiệu ngõ ra cực thu hở NPN, cần phải có trở kéo để tạo thành mức cao.3 Sơ đồ chân của E18-D80NK Lưu ý: - Ngõ ra dạng NPN cực thu hở giúp tùy biến được điện áp ngõ ra, trở kéo lên nguồn bao nhiêu sẽ tạo thành điện áp ngõ ra bấy nhiêu. - Tín hiệu ra có dòng rất nhỏ nên không được kích trực tiếp vào relay sẽ gây cháy cảm biến. Ứng dụng: • Sử dụng làm cảm biến khoảng cách • Làm mạch chống trộm hồng ngoại • Làm Robot dò đường • Mạch đếm sản phẩm 9 Đồ Án Tốt Nghiệp GVHD: Th.S HUỲNH PHÁT HUY 2.

LCD 1602 Ngày nay, thiết bị hiển thị LCD 1602 (Liquid Crystal Display) được sử dụng trong rất nhiều các ứng dụng của Vi Điều Khiển. LCD 1602 có rất nhiều ưu điểm so với các dạng hiển thị khác như: khả năng hiển thị kí tự đa dạng (chữ, số, kí tự đồ họa); dễ dàng đưa vào mạch ứng dụng theo nhiều giao thức giao tiếp khác nhau, tiêu tốn rất ít tài nguyên hệ thống, giá thành rẻ, … Thông số kĩ thuật của sản phẩm LCD 1602: - Điện áp MAX: 7V - Điện áp MIN: - 0,3V - Hoạt động ổn định: 2.5V - Điện áp ra mức cao: > 2.4 - Điện áp ra mức thấp: <0.4V - Dòng điện cấp nguồn: 350uA - 600uA - Nhiệt độ hoạt động: - 30 - 75 độ C Trong đề tài đồ án sử dụng LCD 1602 để hiển thị số sản phẩm đã phân loại được kết hợp với module I2C để giao tiếp với vi điều khiển.4 Hình ảnh LCD 1602 10 Đồ Án Tốt Nghiệp GVHD: Th.S HUỲNH PHÁT HUY Chức năng của từng chân LCD 1602: - Chân số 1 - VSS: chân nối đất cho LCD được nối với GND của mạch điều khiển - Chân số 2 – VDD: chân cấp nguồn cho LCD, được nối với VCC=5V của mạch điều khiển. - Chân số 3 - VE: điều chỉnh độ tương phản của LCD. - Chân số 4 - RS: chân chọn thanh ghi, được nối với logic "0" hoặc logic "1": + Logic “0”: Bus DB0 - DB7 sẽ nối với thanh ghi lệnh IR của LCD (ở chế độ “ghi” - write) hoặc nối với bộ đếm địa chỉ của LCD (ở chế độ “đọc” - read).

+ Logic “1”: Bus DB0 - DB7 sẽ nối với thanh ghi dữ liệu DR bên trong LCD.