Đồ án phân loại sản phẩm theo hình dạng và khối lượng - ĐH Sư phạm Kỹ thuật TPHCM

Đồ án thiết kế thi công mô hình phân loại sản phẩm theo hình dạng và khối lượng dùng vi điều khiển Arduino, cảm biến loadcell và LabVIEW xử lý ảnh.

• Tác giả: Phạm Phú Vinh
• Người hướng dẫn: TS. Nguyễn Thị Lưỡng
• Trường học: Trường Đại học Sư phạm Kỹ thuật Thành phố Hồ Chí Minh
• Chuyên ngành: Công nghệ kỹ thuật Điện – Điện tử
• Đề tài: Thiết kế, thi công mô hình phân loại sản phẩm theo hình dạng và khối lượng
• Loại tài liệu: Báo cáo đồ án tốt nghiệp
• Năm xuất bản: 2022
• Địa điểm: Hồ Chí Minh

Tóm tắt

I. Tổng quan mô hình phân loại sản phẩm theo hình dạng khối lượng

Mô hình phân loại sản phẩm theo hình dạng, khối lượng tại ĐH SPKT TPHCM là đề tài nghiên cứu kỹ thuật tiêu biểu của sinh viên ngành Điện - Điện tử. Dự án giải quyết yêu cầu tự động hóa trong các dây chuyền sản xuất hiện đại. Hệ thống kết hợp cơ điện tử, xử lý ảnh thị giác máy và kỹ thuật đo lường cảm biến. Mục tiêu chính là thay thế hoàn toàn thao tác phân loại thủ công của con người. Thao tác thủ công vốn tiềm ẩn nhiều sai sót và tốn kém chi phí nhân công. Hệ thống hoạt động dựa trên sự liên kết giữa phần cứng Arduino và phần mềm LabVIEW. Cảm biến tải trọng Loadcell chịu trách nhiệm thu thập khối lượng vật thể. Camera công nghiệp ghi nhận hình ảnh để trích xuất kích thước và biên dạng hình học. Thiết bị vận hành nhịp nhàng với độ ổn định cao. Thời gian phân loại diễn ra nhanh chóng và chuẩn xác. Quy trình này nâng cao năng suất chung của toàn bộ nhà xưởng sản xuất. Nghiên cứu khẳng định năng lực ứng dụng công nghệ của sinh viên ĐH SPKT TPHCM.

1.1. Bối cảnh nghiên cứu đề tài tại ĐH SPKT TPHCM

Đề tài xuất phát từ yêu cầu thực tiễn trong các nhà máy sản xuất công nghiệp. Quá trình kiểm tra thủ công thường gây tắc nghẽn và làm giảm năng suất lao động. Thị trường đòi hỏi các giải pháp tự động có tốc độ cao và chi phí hợp lý. Nhóm tác giả tại Khoa Đào tạo Chất lượng cao của ĐH SPKT TPHCM đã xây dựng mô hình này. Công trình nhận được sự hướng dẫn trực tiếp từ TS. Nguyễn Thị Lưỡng. Nghiên cứu tập trung vào bài toán nhận diện vật thể đa tiêu chí trên băng tải. Việc kết hợp giữa thị giác máy tính và cân tải trọng tạo nên điểm mới nổi bật. Dự án đáp ứng tốt chuẩn đầu ra của ngành Điện - Điện tử.

1.2. Mục tiêu kỹ thuật của hệ thống phân loại

Mục tiêu cốt lõi của đề tài là hoàn thiện hệ thống phân loại sản phẩm tự động, liên tục. Thiết bị phải đảm bảo tính chính xác khi nhận biết hình dạng hình học của vật thể. Đồng thời hệ thống phải đo lường chuẩn xác khối lượng từng sản phẩm qua trạm cân. Thời gian xử lý cho mỗi chu kỳ sản phẩm được tối ưu hóa ở mức thấp nhất. Dữ liệu từ camera và cảm biến tải trọng được truyền về máy tính trung tâm đồng bộ. Sau đó vi điều khiển kích hoạt động cơ servo gạt sản phẩm về đúng khay chứa. Cơ cấu cơ khí vận hành êm ái, hạn chế rung lắc cơ học trên băng chuyền. Hệ thống hoạt động ổn định và đáp ứng tốt tiêu chuẩn kỹ thuật đề ra.

II. Phân tích bài toán phân loại sản phẩm theo hình dạng khối lượng

Quá trình phân loại sản phẩm trong công nghiệp đối mặt với nhiều thách thức kỹ thuật phức tạp. Một sản phẩm thường có sự sai lệch nhỏ về kích thước do sai số gia công. Khối lượng vật phẩm cũng biến thiên tùy thuộc vào chất liệu chế tạo. Nếu chỉ phân loại bằng cảm biến tiệm cận truyền thống, hệ thống không thể phân biệt hình dạng chi tiết. Ngược lại, nếu chỉ dựa vào camera, máy móc không thể đo lường tải trọng bên trong sản phẩm rỗng. Sự biến động về cường độ ánh sáng môi trường cũng gây nhiễu cho thuật toán xử lý ảnh. Rung động cơ học phát sinh từ động cơ băng tải dễ làm sai lệch tín hiệu từ cảm biến tải trọng Loadcell. Hiện tượng trễ truyền thông giữa phần cứng Arduino và phần mềm máy tính có thể dẫn đến phân loại sai vị trí. Việc kết hợp đồng thời hai tiêu chí đòi hỏi giải thuật đồng bộ dữ liệu thời gian thực. Toàn bộ thiết kế phần cứng và thuật toán điều khiển phải được tính toán chặt chẽ để triệt tiêu các sai số ngẫu nhiên này.

2.1. Hạn chế của phương pháp phân loại truyền thống

Phương pháp phân loại thủ công dựa vào mắt thường và thao tác tay của công nhân. Cách làm này bộc lộ nhiều điểm yếu khi sản xuất với sản lượng lớn. Con người nhanh chóng mệt mỏi sau nhiều giờ làm việc. Tốc độ kiểm tra giảm dần và tỷ lệ nhầm lẫn tăng cao. Trong khi đó, các cơ cấu phân loại cơ học đơn thuần chỉ lọc theo kích thước ngoài. Cơ cấu cơ học không thể phát hiện lỗi sai lệch khối lượng bên trong. Nếu sản phẩm bị rỗng hoặc thiếu khối lượng, thiết bị thông thường sẽ bỏ sót. Chi phí duy trì nhân công kiểm tra cũng tạo áp lực ngân sách lớn. Việc chuyển đổi sang hệ thống cảm biến tự động là yêu cầu cấp thiết.

2.2. Thách thức kỹ thuật khi tích hợp hai tiêu chí

Tích hợp đồng thời xử lý ảnh và cảm biến trọng lượng đặt ra bài toán khó về đồng bộ tín hiệu. Camera thu thập hình ảnh sản phẩm cần môi trường ánh sáng đồng nhất. Sự thay đổi ánh sáng khiến giá trị ngưỡng màu và biên dạng hình học của vật thể bị sai lệch. Cảm biến Loadcell cũng rất nhạy cảm với dao động cơ học. Khi băng chuyền chuyển động, lực rung động cơ dễ làm sai lệch kết quả cân. Thuật toán điều khiển phải lọc nhiễu trước khi xác nhận khối lượng thực tế. Thời gian truyền dữ liệu giữa Arduino và LabVIEW cần độ trễ tối thiểu. Nếu tín hiệu bị chậm, cánh gạt servo sẽ tác động sai vị trí. Xử lý triệt để các yếu tố này là yêu cầu bắt buộc.

III. Giải pháp thiết kế phân loại sản phẩm theo hình dạng khối lượng

Giải pháp kỹ thuật của mô hình dựa trên sự kết hợp hài hòa giữa phần cứng và phần mềm chuyên dụng. Phần cứng bao gồm khung băng tải cơ khí, động cơ kéo, cảm biến cân Loadcell kết hợp mạch khuếch đại HX711, vi điều khiển Arduino Uno và các động cơ servo phân loại. Camera ghi hình được bố trí vuông góc với bề mặt băng chuyền để bắt trọn khung hình sản phẩm. Phần mềm LabVIEW giữ vai trò máy chủ xử lý trung tâm. LabVIEW thu thập dữ liệu hình ảnh qua các khối IMAQdx, sau đó thực hiện chuyển đổi ảnh nhị phân và lọc ngưỡng màu RGB bằng thuật toán bổ trợ từ MATLAB. Chương trình tự động tính toán bán kính, diện tích và nhận diện hình học của vật thể. Đồng thời, Arduino đọc dữ liệu khối lượng từ cảm biến Loadcell và truyền qua giao thức nối tiếp Serial về LabVIEW. Phần mềm so sánh thông số với các ngưỡng tiêu chuẩn đã thiết lập trước. Khi vật phẩm đến đúng vị trí trạm phân loại, Arduino kích hoạt tín hiệu điều khiển servo gạt sản phẩm vào đúng ngăn chứa quy định.

3.1. Ứng dụng LabVIEW và camera trong xử lý hình ảnh

LabVIEW đóng vai trò then chốt trong khâu xử lý thị giác máy tính. Camera ghi hình liên tục thông qua khối IMAQdx Open Camera và IMAQdx Configure Acquisition. Hình ảnh thu được chuyển đổi sang định dạng xám và nhị phân để làm nổi bật vật thể so với nền. Thuật toán trích xuất các thông số hình học quan trọng như bán kính và diện tích bề mặt. Quá trình tiền xử lý được tối ưu hóa nhờ bộ lọc ngưỡng màu RGB phối hợp cùng MATLAB. Nhờ đó, hệ thống loại bỏ hiệu quả các nhiễu sáng môi trường xung quanh. Giá trị bán kính đo được là căn cứ trực tiếp để phân biệt các loại sản phẩm. Giao diện LabVIEW trực quan giúp người vận hành theo dõi hình ảnh và trạng thái phân loại ngay trên màn hình máy tính.

3.2. Cấu hình Arduino và cảm biến Loadcell đo tải trọng

Arduino Uno đóng vai trò là bộ não điều khiển phần cứng của mô hình. Cảm biến tải trọng Loadcell được gắn tại vị trí trạm dừng để cân khối lượng sản phẩm. Tín hiệu điện áp siêu nhỏ từ Loadcell truyền qua module chuyển đổi ADC 24-bit HX711 nhằm khuếch đại chính xác. Arduino đọc giá trị số từ HX711 và gửi dữ liệu về máy tính qua cổng Serial. Sau khi phần mềm LabVIEW ra quyết định, Arduino nhận lệnh phản hồi để điều khiển hệ thống cơ cấu chấp hành. Vi điều khiển tạo tín hiệu xung PWM điều khiển góc quay của động cơ servo. Cánh tay gạt di chuyển dứt khoát để đẩy sản phẩm vào đúng vị trí quy định. Quá trình đo và gạt sản phẩm diễn ra nhịp nhàng, chính xác và có tính lặp lại cao.

IV. Đánh giá ứng dụng phân loại sản phẩm theo hình dạng khối lượng

Mô hình phân loại sản phẩm theo hình dạng và khối lượng của sinh viên ĐH SPKT TPHCM chứng minh tính khả thi kỹ thuật vượt trội. Hệ thống vận hành tự động, liên tục và đạt độ chính xác cao trong môi trường thử nghiệm thực tế. Tốc độ nhận diện hình ảnh và xử lý tải trọng đáp ứng tốt chu kỳ làm việc trên băng chuyền. Thành công của đồ án mở ra tiềm năng ứng dụng to lớn trong nhiều ngành công nghiệp sản xuất. Ngành chế biến nông sản thực phẩm có thể ứng dụng mô hình để phân loại trái cây theo kích thước và trọng lượng. Các nhà máy bưu chính và đóng gói linh kiện điện tử có thể sử dụng giải pháp này để kiểm tra chất lượng thành phẩm tự động. Mô hình còn là nguồn tài liệu học thuật giá trị cho sinh viên các khóa sau nghiên cứu chuyên sâu. Đề tài khẳng định sự thành công trong việc kết hợp kiến thức điều khiển, đo lường và thị giác máy tính.

4.1. Hiệu quả vận hành và độ chính xác thực tế

Kết quả thử nghiệm thực tế khẳng định hệ thống hoạt động rất ổn định. Khâu nhận diện hình ảnh trên LabVIEW phân biệt chính xác kích thước bán kính sản phẩm với tỷ lệ sai số dưới mức cho phép. Cảm biến Loadcell đo khối lượng với độ nhạy cao và phản hồi tín hiệu nhanh chóng. Cánh gạt servo thực hiện thao tác phân loại dứt khoát, không gây va đập làm trầy xước bề mặt vật thể. Dây chuyền có khả năng chạy liên tục trong nhiều giờ mà không xảy ra sự cố nghẽn mạch hay treo phần mềm. Các chỉ số kỹ thuật đều đáp ứng sát sao yêu cầu ban đầu của đồ án tốt nghiệp. Đây là minh chứng rõ rệt cho tính đúng đắn của phương pháp thiết kế.

4.2. Hướng phát triển và khả năng chuyển giao thực tế

Mô hình sở hữu tiềm năng lớn để tiếp tục nâng cấp và chuyển giao công nghệ. Trong giai đoạn tiếp theo, hệ thống có thể tích hợp thuật toán học sâu Deep Learning để nhận diện các hình khối phức tạp 3D. Việc thay thế camera tiêu chuẩn bằng camera công nghiệp tốc độ cao sẽ nâng gấp đôi năng suất xử lý. Hệ thống điều khiển có thể tích hợp thêm chuẩn giao tiếp công nghiệp như Modbus hoặc OPC UA để kết nối trực tiếp vào mạng SCADA toàn nhà máy. Ngoài ra, việc thiết kế vỏ hộp bảo vệ đạt chuẩn công nghiệp IP65 sẽ giúp thiết bị vận hành tốt trong môi trường bụi bẩn và ẩm ướt. Giải pháp này hoàn toàn có thể thương mại hóa phục vụ các doanh nghiệp sản xuất vừa và nhỏ.

Nội dung chính

Bối cảnh và vấn đề nghiên cứu

Trong xu thế hiện đại hóa quy trình sản xuất, công nghệ tự động hóa đóng vai trò then chốt trong việc hỗ trợ doanh nghiệp tối ưu chi phí vận hành, tiết kiệm thời gian và đảm bảo an toàn lao động. Tại các dây chuyền công nghiệp ở Việt Nam, khâu phân loại sản phẩm truyền thống phụ thuộc chủ yếu vào thao tác thủ công của con người. Hình thức này bộc lộ nhiều hạn chế do người lao động khó duy trì sự tập trung liên tục trong thời gian dài, dễ dẫn đến sai sót đối với các chi tiết phức tạp hoặc đòi hỏi độ chính xác cao về kích thước và khối lượng, từ đó ảnh hưởng tiêu cực đến chất lượng đầu ra.

Nhằm khắc phục tình trạng trên, đề tài "Thiết kế, thi công mô hình phân loại sản phẩm theo hình dạng và khối lượng" được nhóm tác giả Phạm Phú Vinh và Lê Hữu Toàn thực hiện dưới sự hướng dẫn của TS. Nguyễn Thị Lưỡng tại Khoa Đào tạo Chất lượng cao và Khoa Điện – Điện tử, Trường Đại học Sư phạm Kỹ thuật Thành phố Hồ Chí Minh.

Mục tiêu và nhiệm vụ cụ thể của đề tài bao gồm:

1. Thiết kế và chế tạo một mô hình cơ điện tử có khả năng nhận diện và phân loại sản phẩm một cách tự động, vận hành ổn định và liên tục.
2. Ứng dụng kỹ thuật xử lý ảnh kỹ thuật số trên nền tảng máy tính để nhận dạng hình dạng (thông qua đo bán kính sản phẩm) kết hợp đo lường khối lượng thực tế bằng cảm biến lực.
3. Xây dựng giao diện giám sát và điều khiển người dùng trực quan trên phần mềm LabVIEW để theo dõi các thông số vận hành và số lượng sản phẩm.
4. Điều khiển cơ cấu chấp hành (động cơ servo) thông qua vi điều khiển để phân chia các sản phẩm về đúng vị trí định trước theo các tiêu chuẩn phân loại.

Phạm vi và đối tượng nghiên cứu của đồ án:

• Đối tượng nghiên cứu: Mô hình phôi mẫu mô phỏng sản phẩm là bánh kẹo.
• Tiêu chí phân loại: Sản phẩm được kiểm tra và phân chia thành ba nhóm tiêu chí: sản phẩm tốt, sản phẩm loại I và sản phẩm loại II.
• Phạm vi không gian và thời gian: Đề tài được triển khai thực nghiệm tại phòng thí nghiệm ngành Công nghệ kỹ thuật Điện – Điện tử, tiếp nhận từ ngày 26/09/2022 và hoàn thành nộp báo cáo vào ngày 28/12/2022.

Cơ sở lý thuyết và phương pháp

Cơ sở lý thuyết của đề tài tập trung vào hai mảng chính: tổng quan các phương pháp phân loại công nghiệp và lý thuyết xử lý ảnh kỹ thuật số.

Về phương pháp phân loại sản phẩm công nghiệp:

• Phân loại bằng mã vạch và mã QR: Dùng cho các kiện hàng đóng gói sẵn, có thể đạt tốc độ trên 10.000 sản phẩm/giờ, nâng cao năng suất từ 3 đến 5 lần so với thao tác thủ công.
• Phân loại dựa trên khối lượng: Ứng dụng cảm biến đo lực Loadcell để xác định trọng lượng và so sánh với dải ngưỡng tiêu chuẩn được thiết lập trước.
• Phân loại dựa trên màu sắc và hình ảnh: Sử dụng camera và kỹ thuật thị giác máy để trích xuất đặc trưng hình thái học hoặc nhận diện dải màu sắc (lên tới 58 màu khác nhau), hỗ trợ phân loại linh hoạt và chính xác.

Về lý thuyết xử lý ảnh kỹ thuật số: Hình ảnh kỹ thuật số được định nghĩa dưới dạng một hàm toán học hai chiều $F(x, y)$, trong đó $x$ và $y$ là tọa độ không gian, còn biên độ của $F$ tại mỗi điểm biểu thị cường độ ảnh (pixel). Xử lý ảnh bao gồm chuỗi quy trình từ cấp thấp (đầu vào và đầu ra là ảnh, ví dụ: khử nhiễu, làm sắc nét), cấp trung bình (đầu vào là ảnh, đầu ra là thuộc tính, ví dụ: nhận dạng đối tượng, phân đoạn ảnh), đến cấp cao (hiểu biết ngữ cảnh).

Chuỗi các bước xử lý ảnh cơ bản được tác giả vận dụng gồm:

• Image acquisition (Thu nhận ảnh): Ghi lại ảnh kỹ thuật số thông qua thiết bị quang học.
• Image preprocessing (Tiền xử lý ảnh): Lọc nhiễu, nâng cao độ tương phản, làm nổi bật chi tiết.
• Image segmentation (Phân đoạn ảnh): Phân tách vùng ảnh quan tâm khỏi phông nền.
• Image representation & description (Biểu diễn và mô tả ảnh): Trích xuất các thuộc tính định lượng.
• Image recognition & interpretation (Nhận dạng và giải thích ảnh): Gán nhãn đối tượng dựa trên các thông số đo lường.

Hình ảnh nhị phân (Binary Image) giữ vai trò chủ đạo trong việc trích xuất biên dạng vật thể: ảnh chỉ chứa hai giá trị pixel là 0 (màu đen, thường là nền) và 1 hoặc 255 (màu trắng, đại diện cho đối tượng cần nhận diện). Việc chuyển đổi từ ảnh màu RGB (hệ màu 24-bit với 8 bit cho mỗi kênh Đỏ, Xanh lục, Xanh lam) sang ảnh nhị phân được thực hiện qua các phép toán phân ngưỡng màu sắc.

Phương pháp nghiên cứu thực tế:

• Phương pháp lý thuyết: Thu thập, tổng hợp tài liệu chuyên ngành về kỹ thuật cảm biến, truyền thông nối tiếp và các thuật toán hình thái học (morphological operations) trong xử lý ảnh.
• Phương pháp thực nghiệm: Thiết kế kết cấu cơ khí băng tải, lắp đặt phần cứng điện tử (cảm biến, vi điều khiển, mạch nguồn, cơ cấu gạt), xây dựng thuật toán điều khiển trên Arduino IDE và thuật toán thị giác máy trên LabVIEW kết hợp MATLAB.
• Nguồn dữ liệu: Dữ liệu thực nghiệm thu thập trực tiếp từ số lần phân loại mẫu phôi bánh kẹo, thông số điện áp từ module biến đổi ADC và các khung hình thu nhận từ webcam.

Thiết kế và triển khai

Hệ thống được thiết kế thành một chỉnh thể tích hợp giữa thiết bị cơ điện tử, khối điều khiển phần cứng và phần mềm máy tính.

Cấu trúc phần cứng và thiết bị lựa chọn

Mô hình sử dụng các thiết bị phần cứng với thông số kỹ thuật cụ thể như sau:

Tên thiết bị	Thông số kỹ thuật chính	Vai trò trong hệ thống
Arduino Uno	Chip ATmega328, thạch anh 16 MHz, 14 chân Digital I/O (6 PWM), 6 chân Analog, Flash 32KB, SRAM 2KB, EEPROM 1KB	Nhận lệnh từ máy tính, điều khiển các động cơ servo gạt sản phẩm
Động cơ Servo MG955	Khối lượng 55g, kích thước 40,7 x 19,7 x 42,9 mm, mô-men xoắn 8,5 kgf·cm (4,8V) / 10 kgf·cm (6V), tốc độ 0,2s/60º (4,8V)	Truyền động gạt sản phẩm vào băng tải và đẩy sản phẩm phân loại ra khỏi băng tải
Cảm biến Loadcell	Model YZC-133, tải trọng tối đa 1Kg, ngõ ra định mức 1,15 mV/V, trở kháng vào 1066 ± 20 Ω, trở kháng ra 1000 ± 20 Ω	Đo lực/khối lượng của phôi mẫu tại vị trí cấp liệu
Module HX711	Độ phân giải 24-bit ADC, tốc độ lấy mẫu 10–80 mẫu/giây, điện áp hoạt động 2,7 – 5V, độ phân giải điện áp 40mV	Khuếch đại và chuyển đổi tín hiệu tương tự từ Loadcell gửi về vi điều khiển
Khung băng tải & Động cơ	Kích thước 60cm x 7cm x 10cm; truyền động bằng động cơ DC 12V	Vận chuyển phôi mẫu từ vị trí cân qua khu vực camera và các vị trí phân loại
Webcam Logitech HD C270	Độ phân giải 720p/30fps, cảm biến 0,9 megapixel, tiêu cự cố định, tầm nhìn chéo (dFoV) 55°	Thu nhận hình ảnh phôi sản phẩm trên băng tải phục vụ nhận dạng
Mạch Buck LM2596HVS	Điện áp vào 4,5V – 53V, điện áp ra 3V – 40V, dòng tải tối đa 3A, công suất 15W	Hạ áp từ nguồn 24V xuống cấp cho servo (4,8V–7,2V) và động cơ DC (12V)
Bộ nguồn tổ ong	Model S-120-24A, ngõ vào 110–220VAC, ngõ ra 24VDC/5A, công suất 120W	Cung cấp nguồn tổng cho hệ thống cơ điện
Thiết bị phụ trợ	CB bảo vệ 1 pha (240VAC, 6A, dòng cắt 1,5kA); Relay Omron 8 chân 24VDC DPDT 5A; Nút nhấn nhả CRF-F25M2R; Nút nhấn tự giữ DS-428	Đóng/cắt nguồn điện, bảo vệ ngắn mạch và điều khiển đóng cắt động cơ

Nguyên lý kết nối phần cứng:

• Cảm biến Loadcell kết nối với Module HX711 thông qua 4 dây tín hiệu theo quy chuẩn màu: Dây đỏ nối cực dương nguồn ngõ vào (+), dây đen nối cực âm nguồn ngõ vào (-), dây xanh lá nối cực dương ngõ ra tín hiệu (+), và dây trắng nối cực âm ngõ ra tín hiệu (-). Module HX711 sau đó truyền dữ liệu về Arduino qua giao tiếp số 2 dây (Clock và Data).
• Ba động cơ Servo MG955 nhận nguồn cấp qua mạch hạ áp LM2596 và nhận tín hiệu điều khiển xung PWM từ các chân kỹ thuật số 10, 11, 12 của mạch Arduino Uno.
• Cụm điều khiển động cơ DC kéo băng tải hoạt động ở nguồn 12V thông qua tiếp điểm rơ-le trung gian Omron và cụm nút nhấn vận hành RUN/STOP.
• Webcam Logitech C270 và Arduino Uno kết nối trực tiếp với máy tính (PC) qua các cổng giao tiếp USB riêng biệt.

Bố trí không gian mô hình: Sản phẩm di chuyển trên băng chuyền theo hướng từ phải sang trái. Phôi sản phẩm được cấp bằng tay đặt lên bề mặt cân Loadcell. Cạnh cân Loadcell có bố trí 1 động cơ Servo làm nhiệm vụ đẩy sản phẩm sau khi cân lên mặt băng tải. Webcam gắn trên giá đỡ phía trên tâm băng tải để ghi hình phôi mẫu trong trường nhìn bao quát nhất. Phía cuối dòng di chuyển của băng tải bố trí 2 động cơ Servo để gạt các sản phẩm lỗi hoặc sản phẩm phân loại vào các khay chứa riêng biệt. Toàn bộ thiết bị bảo vệ (CB), rơ-le, mạch nguồn và nút bấm được quy hoạch trong hộp điện kỹ thuật.

Kiến trúc phần mềm và giải thuật xử lý

Hệ thống phần mềm được xây dựng trên sự phối hợp của ba môi trường:

1. MATLAB: Khai thác ứng dụng Color Thresholder trong thư viện Image Processing and Computer Vision Toolbox để trích xuất không gian màu RGB tối ưu từ ảnh chụp thực tế của camera, xác lập ngưỡng phân tách đối tượng và nền chính xác trước khi tích hợp sang LabVIEW.
2. LabVIEW: Đảm nhiệm vai trò trung tâm trong chuỗi thị giác máy và hiển thị dữ liệu:
   • Khối thu thập hình ảnh: Sử dụng các hàm trong bộ NI Vision Acquisition Software bao gồm IMAQ I/O (chọn cổng camera), IMAQdx Open Camera (mở và cấu hình tham chiếu camera), IMAQdx Configure Acquisition (thiết lập chế độ quét liên tục), IMAQdx Start Acquisition (kích hoạt quét), IMAQdx Get Image (lấy khung hình) và đưa ra khối hiển thị Image trên giao diện người dùng (Front Panel).
   • Khối tiền xử lý và lọc hình thái học: Sau khi phân ngưỡng màu, ảnh nhị phân được khử nhiễu qua các thuật toán hình thái học:
     • Phép co ảnh (Erode) và giãn ảnh (Dilate).
     • Phép mở ảnh (Open): Thực hiện chuỗi co trước, giãn sau để xóa bỏ các đốm nhiễu nhỏ xung quanh vùng vật thể.
     • Hàm Remove Particle: Loại bỏ các phần tử nhiễu cô lập có kích thước nhỏ.
     • Hàm FillHole: Lấp đầy các vùng khuyết rỗng bên trong biên dạng sản phẩm.
   • Khối nhận diện vật thể: Ứng dụng khối IMAQ Find Circles kết hợp cụm giải mã Unbundle để dò tìm hình tròn và đo lường trực tiếp bán kính vật thể trên vùng nhận diện được giới hạn trước.
   • Khối truyền thông ngõ ra: Dữ liệu quyết định phân loại từ LabVIEW được gửi tới Arduino Uno qua chuẩn giao tiếp nối tiếp RS-232/USB bằng việc sử dụng các hàm thư viện VISA: VISA Configure Serial Port (cấu hình tốc độ baud, cổng COM) và VISA Write Function (truyền chuỗi ký tự điều khiển).
3. Arduino IDE: Chương trình biên dịch ngôn ngữ C/C++ với hai hàm cơ bản setup() (thiết lập thông số cổng nối tiếp và chân điều khiển) và loop() (quét trạng thái liên tục). Vi điều khiển tiếp nhận kết quả đo bán kính từ LabVIEW, thu thập giá trị đo từ module HX711, thực hiện so sánh với giá trị ngưỡng của từng loại sản phẩm, sau đó điều khiển góc quay của các servo tương ứng để phân loại.

Nội dung chính theo từng chương

Chương 1: Tổng quan

Chương 1 trình bày tính cấp thiết của tự động hóa trong sản xuất công nghiệp, phân tích thực trạng của khâu phân loại thủ công tại các cơ sở chế biến, sản xuất. Tác giả công bố mục tiêu chế tạo hệ thống phân loại kết hợp hai tiêu chí hình dạng và khối lượng bằng việc tích hợp LabVIEW và Arduino; đồng thời xác định giới hạn nghiên cứu tập trung trên mẫu phôi bánh kẹo, chia làm 3 nhóm phân loại (tốt, loại I, loại II) và phác thảo đề cương thực hiện gồm 5 chương.

Chương 2: Cơ sở lý thuyết

Nội dung chương 2 khái quát các mô hình phân loại tự động hiện nay trong công nghiệp (mã vạch, khối lượng bằng Loadcell, nhận diện màu sắc bằng xử lý ảnh). Phần tiếp theo tập trung vào lý thuyết thị giác máy tính: định nghĩa pixel, mô hình toán học ảnh $F(x, y)$, phân loại hệ màu (thang độ xám 8-bit, 16-bit, và 24-bit RGB), cấu trúc ảnh nhị phân và ngưỡng nhị phân. Chương này cũng điểm lại lược sử phát triển của xử lý ảnh số từ dịch vụ cáp hình ảnh Bartlane (thập niên 1920), tàu vũ trụ Ranger 7 chụp ảnh Mặt Trăng (1964) đến chụp cắt lớp vi tính CAT (1970).

Chương 3: Thiết kế hệ thống

Chương 3 là trọng tâm kỹ thuật của đồ án, mô tả chi tiết:

• Đặt ra các yêu cầu kỹ thuật: Vận hành ổn định, chính xác, đo đồng thời kích thước và khối lượng, hoạt động tự động.
• Tính toán và lựa chọn thông số phần cứng: Vi điều khiển Arduino Uno (chip ATmega328), động cơ Servo MG955, cảm biến trọng lượng Loadcell YZC-133 1Kg, bộ biến đổi 24-bit ADC HX711, cơ cấu băng tải mini (động cơ DC 12V), webcam Logitech HD C270, mạch hạ áp LM2596HVS, nguồn xung 24VDC/5A, khí cụ đóng cắt bảo vệ (CB, relay, nút nhấn).
• Bản vẽ thiết kế sơ đồ khối, sơ đồ nguyên lý kết nối mạch điện và mặt bằng bố trí thiết bị cơ khí.
• Thiết kế phần mềm: Xây dựng sơ đồ nhận diện trên LabVIEW, thu thập ảnh qua bộ thư viện NI-IMAQdx, phối hợp công cụ Color Thresholder trên MATLAB để trích xuất ngưỡng màu RGB, áp dụng các toán tử hình thái học (Erode, Dilate, Open, Remove Particle, FillHole), đo bán kính phôi qua khối IMAQ Find Circles, và thiết lập giao tiếp chuỗi qua VISA Serial truyền tín hiệu sang Arduino IDE.

Chương 4: Kết quả và so sánh thực nghiệm

Chương 4 công bố sản phẩm phần cứng hoàn chỉnh sau khi thi công và đánh giá hoạt động liên động giữa phần mềm LabVIEW và phần cứng Arduino. Tác giả thiết lập các kịch bản chạy thử nghiệm để đánh giá độ chính xác và năng suất qua 4 bảng số liệu thực nghiệm:

• Bảng 4.1: Đánh giá kết quả phân loại kết hợp cả hình dạng và khối lượng sau 50 lần chạy mẫu.
• Bảng 4.2: Đánh giá năng suất phân loại kết hợp hình dạng và khối lượng trong thời gian định chuẩn 1 phút.
• Bảng 4.3: Đánh giá kết quả phân loại độc lập chỉ theo tiêu chí hình dạng sau 50 lần thử nghiệm.
• Bảng 4.4: Đánh giá năng suất phân loại độc lập chỉ theo hình dạng trong thời gian 1 phút. Các kết quả cho thấy hệ thống thực hiện đúng trình tự: nhận phôi tại trạm cân Loadcell, kích hoạt servo đẩy lên băng tải, camera ghi nhận bán kính qua LabVIEW, truyền dữ liệu qua cổng nối tiếp và điều khiển servo gạt phôi loại 1, loại 2 hoặc đưa sản phẩm tốt về cuối băng chuyền kèm hiển thị đếm số lượng trên màn hình máy tính.

Chương 5: Kết luận và hướng phát triển

Chương cuối cùng tổng kết các hạng mục đã hoàn thành trong đề tài so với mục tiêu đề ra ban đầu, đánh giá ưu điểm về tính trực quan của giao diện và tính liên động giữa cơ - điện - quang học; đồng thời chỉ ra một số điểm tồn tại của hệ thống và đề xuất các giải pháp kỹ thuật cần cải tiến tiếp theo.

Kết quả và đóng góp

Đồ án đã đạt được các kết quả kỹ thuật cụ thể:

1. Thi công hoàn chỉnh mô hình vật lý bao gồm băng tải vận chuyển, bàn cân Loadcell, cụm 3 động cơ servo gạt phân loại, hệ thống cấp nguồn hạ áp LM2596 và tủ điều khiển bảo vệ an toàn bằng CB.
2. Xây dựng giải thuật xử lý ảnh hoàn chỉnh trên LabVIEW: Kết nối thành công webcam Logitech HD C270, thực hiện các thuật toán lọc hình thái học (Erode, Dilate, Open, Remove Particle, FillHole) và tính toán kích thước vật thể qua khối IMAQ Find Circles.
3. Thiết lập truyền thông nối tiếp ổn định giữa LabVIEW và Arduino Uno bằng chuẩn giao tiếp VISA Serial, đảm bảo đồng bộ thời gian thực giữa tín hiệu nhận diện hình ảnh và thao tác đóng ngắt của các cánh tay gạt servo.
4. Xây dựng giao diện điều khiển và giám sát Front Panel trên LabVIEW cho phép hiển thị hình ảnh từ camera, khối lượng đo được từ cân điện tử, trạng thái phân loại (tốt, loại I, loại II) và bộ đếm tổng số lượng sản phẩm hoàn thành.

Hệ thống được kiểm chứng qua hai chế độ vận hành độc lập: chế độ phân loại kết hợp (hình dạng kèm khối lượng) và chế độ phân loại đơn tiêu chí (chỉ theo hình dạng), cung cấp số liệu thực nghiệm qua các thử nghiệm chu kỳ 50 lần và bài kiểm tra năng suất trong 1 phút.

Đóng góp của đề tài: Nhóm tác giả đã tích hợp thành công giải pháp kết hợp giữa cảm biến đo lực tương tự độ phân giải cao (24-bit qua HX711) và thị giác máy tính trên nền tảng phần mềm công nghiệp LabVIEW, giúp giải quyết bài toán kiểm tra đa thông số đồng thời cho sản phẩm mà không cần đầu tư các hệ thống thị giác máy chuyên dụng đắt tiền.

Hạn chế và hướng nghiên cứu tiếp

Hạn chế của đề tài:

• Khâu cấp phôi ban đầu vào bàn cân Loadcell vẫn phải thực hiện thủ công bằng tay, chưa tích hợp cơ cấu cấp phôi tự động (phễu rung hoặc băng chuyền cấp liệu).
• Mô hình chỉ áp dụng thử nghiệm trên các phôi mẫu mô phỏng sản phẩm bánh kẹo kích thước nhỏ và tải trọng nhẹ (<100g).
• Hệ thống thị giác máy chưa trang bị buồng chiếu sáng chuẩn (lighting enclosure), do đó chất lượng ảnh chụp từ webcam còn phụ thuộc vào ánh sáng của môi trường xung quanh, có thể ảnh hưởng đến kết quả lọc ngưỡng màu.
• Khả năng phân loại dừng lại ở 3 nhóm tiêu chí cố định và đối tượng hình học dạng tròn (thông qua giải thuật đo bán kính hình tròn).

Hướng phát triển tiếp theo được đề xuất:

• Thiết kế bổ sung cụm cấp phôi tự động để hoàn thiện dây chuyền khép kín 100%.
• Lắp đặt buồng chiếu sáng chuyên dụng với đèn LED tán xạ để cố định điều kiện quang học, tăng độ ổn định của khâu phân đoạn ảnh.
• Nâng cấp thuật toán xử lý ảnh trên LabVIEW để nhận dạng các hình dạng hình học phức tạp hơn (hình vuông, đa giác, dị vật, nứt vỡ) hoặc kết hợp nhận diện màu sắc đa kênh.
• Mở rộng dải đo của cảm biến lực và tăng công suất cơ cấu chấp hành để ứng dụng cho các sản phẩm công nghiệp có khối lượng và kích thước lớn hơn.

Giá trị tham khảo

Báo cáo đồ án tốt nghiệp này là tài liệu tham khảo có giá trị ứng dụng cho:

• Sinh viên các ngành Công nghệ kỹ thuật Điện – Điện tử, Kỹ thuật Điều khiển và Tự động hóa, Cơ điện tử và Kỹ thuật Máy tính khi thực hiện đồ án môn học hoặc khóa luận tốt nghiệp liên quan đến tự động hóa dây chuyền.
• Người nghiên cứu ứng dụng thực tế quan tâm đến phương pháp kết nối và truyền thông giữa phần mềm đồ họa LabVIEW với phần cứng mã nguồn mở Arduino qua giao thức VISA.
• Các nội dung đáng tham khảo chuyên sâu gồm:
  • Bảng tra cứu thông số kỹ thuật chi tiết của các linh kiện: cảm biến Loadcell YZC-133, mạch chuyển đổi ADC 24-bit HX711, động cơ Servo MG955, vi điều khiển ATmega328.
  • Quy trình từng bước thu thập ảnh, lọc màu bằng MATLAB, áp dụng chuỗi biến đổi hình thái học (Erode, Dilate, Open, Remove Particle, FillHole) và trích xuất hình học bằng IMAQ Find Circles trên LabVIEW.
  • Sơ đồ nguyên lý ghép nối mạch lực và mạch điều khiển hoàn chỉnh cho mô hình băng chuyền tự động.

Câu hỏi thường gặp

1. Hệ thống sử dụng cảm biến lực và module biến đổi nào để đo khối lượng sản phẩm? Hệ thống sử dụng cảm biến lực Loadcell YZC-133 tải trọng tối đa 1Kg (cấu tạo mạch cầu điện trở Wheatstone, ngõ ra định mức 1,15 mV/V) kết hợp với module chuyển đổi ADC 24-bit HX711 (tốc độ lấy mẫu 10–80 mẫu/giây, độ phân giải điện áp 40mV) để gửi dữ liệu về Arduino.

2. Quá trình xử lý ảnh trên LabVIEW sử dụng những thuật toán hình thái học nào để làm sạch ảnh? Sau khi lọc ngưỡng màu, LabVIEW áp dụng các phép toán hình thái học gồm: phép co ảnh (Erode), phép giãn ảnh (Dilate), phép mở ảnh (Open - co trước giãn sau), loại bỏ phần tử nhiễu nhỏ (Remove Particle) và lấp đầy các khoảng trống bên trong đối tượng (FillHole).

3. Phần mềm MATLAB đóng vai trò gì trong khâu xử lý ảnh của hệ thống? Phần mềm MATLAB được sử dụng để hỗ trợ lọc màu: tác giả sử dụng ứng dụng trích xuất ảnh trong công cụ Image Processing and Computer Vision Toolbox để điều chỉnh các thanh màu RGB, tìm ra ngưỡng giá trị tối ưu của vật thể trước khi nạp tham số ngưỡng này vào chương trình xử lý chính trên LabVIEW.

4. Dữ liệu nhận dạng từ LabVIEW được truyền sang vi điều khiển Arduino qua phương thức nào? Dữ liệu được truyền từ máy tính sang Arduino Uno thông qua kết nối nối tiếp (Serial) qua cổng USB, sử dụng các hàm giao tiếp chuyên dụng của thư viện NI-VISA trên LabVIEW bao gồm khối VISA Configure Serial Port để khởi tạo cổng và VISA Write Function để gửi chuỗi ký tự điều khiển.

5. Sản phẩm mẫu trong đề tài được chia thành bao nhiêu tiêu chí phân loại và vận hành bằng cơ cấu chấp hành nào? Sản phẩm phôi mẫu (mô phỏng bánh kẹo) được phân chia thành 3 tiêu chí: sản phẩm tốt, sản phẩm loại I và sản phẩm loại II. Việc gạt và phân hướng sản phẩm vào các khay phân loại được thực thi bởi 3 động cơ Servo MG955 nhận lệnh điều khiển xung PWM từ Arduino Uno.

Kết luận

Đồ án tốt nghiệp "Thiết kế, thi công mô hình phân loại sản phẩm theo hình dạng và khối lượng" của sinh viên Lê Hữu Toàn và Phạm Phú Vinh đã thiết kế và chế tạo thành công một mô hình tự động hóa hoàn chỉnh kết hợp giữa thị giác máy tính và cảm biến đo lực. Bằng việc phối hợp linh hoạt giữa phần cứng điều khiển Arduino Uno, các cơ cấu servo, cảm biến Loadcell HX711 và nền tảng xử lý ảnh LabVIEW - MATLAB, hệ thống đã giải quyết hiệu quả bài toán phân loại sản phẩm theo đa tiêu chí. Các kết quả kiểm nghiệm thực tế đã chứng minh tính khả thi, độ tin cậy của thuật toán nhận diện và sơ đồ phối ghép điều khiển, tạo tiền đề kỹ thuật rõ ràng cho việc phát triển các dây chuyền phân loại tự động chuyên sâu hơn trong tương lai.

Trích đoạn nội dung tài liệu

Chương 1: Tổng quan Giới thiệu về hệ thống phân loại và lý thuyết xử lý ảnh. Chương 3: Thiết kế hệ thống Thiết kế và vẽ sơ đồ nguyên lý của hệ thống. Phần mềm LabVIEW thực hiện xử lý ảnh và nhận dạng hình ảnh kết hợp giao tiếp với Arduino IDE để điều khiển và phân loại sản phẩm. Chương 4: Kết quả và so sánh thực nghiệm Trình bày các kết quả sau khi thi công phần cứng và phần mềm của hệ thống, kết quả giao tiếp giữa các phần mềm và các bảng số liệu sau khi thực hiện khảo sát hoạt động thực tế của hệ thống.

Chương 5: Kết luận và hướng phát triển Thảo luận, phân tích kết quả để rút ra ưu nhược điểm của hệ thống và đưa ra một số hướng cải tiến nhằm khắc phục một số hạn chế của hệ thống. 2 Chương 2: Cơ sơ lý thuyết CHƯƠNG 2: CƠ SỞ LÝ THUYẾT Chương này sẽ minh họa một số phương pháp phân loại sản phẩm hiện nay và sơ đồ của các hệ thống phân loại. Trình bày thêm các kiến thức cơ bản về xử lý hình ảnh kỹ thuật số, các bước cơ bản trong xử lý hình ảnh, ảnh màu và ảnh nhị phân.1 Tổng quan về hệ thống phân loại Đối với trước đây, việc phân loại chủ yếu dựa trên sức lao động thủ công của con người, việc này đòi hỏi sự tập trung cao độ và làm việc một cách liên tục dẫn đến việc người lao động khó duy trì được độ chính xác cao trong công việc. Ngoài ra, các loại sản phẩm có hình dạng tương đối phức tạp như linh kiện, thiết bị điện tử mà bằng mắt thường khó mà phát hiện những chi tiết lỗi một cách chính xác, điều này ảnh hưởng rất lớn đến đầu ra chất lượng sản phẩm và uy tín của nhà sản xuất trên thị trường quốc tế.

Để giải quyết vấn đề trên, ngày nay hệ thống phân loại sản phẩm đã được áp dụng nhiều trong các lĩnh vực khác nhau. Hệ thống phân loại tự động là một dây chuyền phân loại tự động xử lý trong suốt quá trình phân loại và đóng gói. Đây là nơi mà các sản phẩm được phân loại dựa trên một số thông số cơ bản như hình dạng, kích thước, cân nặng, chiều cao, màu sắc hay chất liệu… Dưới đây là một số ưu điểm của hệ thống phân loại sản phẩm tự động so với phân loại thủ công truyền thống: - Tiết kiệm không gian hơn do cần ít công nhân hơn (phần lớn công nhân trong dây chuyền phân loại sản phẩm tự động chỉ thực hiện công việc sắp xếp hàng hóa, sản phẩm lên xe sau khi được phân loại và đóng gói tự động). - Tiết kiệm thời gian hơn do quá trình phân loại và xử lý được thực hiện bởi máy móc hiện đại.

- Giảm chi phí cho việc thuê công nhân phân loại theo phương pháp thủ công truyền thống. - Hiệu quả năng suất phân loại tự động tăng gấp nhiều lần so với phân loại thủ công. Một số hệ thống phân loại được ứng dụng phổ biến trong các ngành công nghiệp: 3 Chương 2: Cơ sơ lý thuyết Hình 2.1: Phương pháp phân loại thủ công và tự động - Phân loại dựa trên mã vạch, mã QR: loại hệ thống phân loại này được sử dụng rộng rãi hiện nay, dây chuyền phân loại này sử dụng để phân loại các kiện hàng, sản phẩm được đóng gói có đính kèm mã vạch hoặc mã QR. Hệ thống này có thể đạt tốc độ phân loại hơn 10.000 sản phẩm trong mỗi giờ, nâng cao năng suất từ 3 đến 5 lần so với phương pháp phân loại thủ công.2: Mã vạch và mã QR trên sản phẩm 4 Chương 2: Cơ sơ lý thuyết Hình 2.