Luận Văn Thiết Kế Mô Hình Phân Loại Sản Phẩm Theo Màu Sắc Sử Dụng Arduino

Luận văn trình bày thiết kế mô hình phân loại sản phẩm theo màu sắc sử dụng Arduino, ứng dụng công nghệ trong sản xuất và tự động hóa.

• Tác giả: Tiêu Minh Phong
• Người hướng dẫn: ThS. Hoàng Đăng Khoa
• Trường học: Trường Đại Học Cần Thơ
• Chuyên ngành: Kỹ thuật điện
• Đề tài: Thiết kế mô hình phân loại sản phẩm theo màu sắc sử dụng Arduino
• Loại tài liệu: luận văn tốt nghiệp
• Năm xuất bản: 2022
• Địa điểm: Cần Thơ

Mục lục chi tiết

• LỜI CẢM ƠN
• 1. CHƯƠNG 1: TỔNG QUAN VỀ TỰ ĐỘNG HÓA TRONG SẢN XUẤT
• 1.1. Tổng quan về tự động hóa
• 1.2. Tình trạng phát triển của tự động hóa ở nước ta
• 1.3. Cơ hội phát triển và thách thức đặt ra của tự động hóa ở nước ta
• 1.3.1. Cơ hội phát triển
• 1.3.2. Thách thức đặt ra của tự động hóa ở nước ta
• 1.4. Lợi ích của tự động hóa trong sản xuất
• 2. CHƯƠNG 2: CƠ SỞ LÝ THUYẾT VỀ CÁC LINH KIỆN ĐIỆN TỬ, CÁC THIẾT BỊ VÀ CÁC PHẦN MỀM
• 2.1. Các linh kiện điện tử và thiết bị điện
• 2.2. Module cảm biến màu TCS3200
• 2.3. Cảm biến vật cản hồng ngoại
• 2.4. Động cơ giảm tốc
• 2.5. Động cơ servo SG90
• 2.6. Màn hình LCD
• 2.7. Các phần mềm lập trình, mô phỏng và thiết kế
• 2.7.1. Phần mềm lập trình Arduino IDE
• 2.7.2. Phần mềm mô phỏng Proteus
• 2.7.3. Phần mềm thiết kế AutoCad
• 3. CHƯƠNG 3: THIẾT KẾ MÔ HÌNH PHÂN LOẠI SẢN PHẨM THEO MÀU SẮC
• 3.1. Yêu cầu thiết kế
• 3.2. Thiết kế phần cơ khí cho mô hình phân loại sản phẩm theo màu sắc
• 3.3. Bản vẽ chi tiết các thiết bị trong mô hình
• 3.4. Bản vẽ mô hình phân loại tổng thể
• 3.5. Mô phỏng các mạch điện mô hình phân loại sản phẩm theo màu sắc
• 3.5.1. Mô phỏng mạch cảm biến màu TCS3200
• 3.5.2. Mô phỏng mạch cảm biến hồng ngoại điều khiển động cơ kéo băng tải và động cơ servo SG90
• 3.6. Thiết kế sơ đồ mạch nguyên lý mô hình phân loại sản phẩm
• 3.7. Đánh giá thiết kế mô hình phân loại sản phẩm theo màu sắc
• 4. CHƯƠNG 4: XÂY DỰNG MÔ HÌNH PHÂN LOẠI SẢN PHẨM THEO MÀU SẮC
• 4.1. Lựa chọn thiết bị
• 4.2. Vi điều khiển mô hình
• 4.3. Bộ phận điều khiển
• 4.4. Bộ phận cảm biến
• 4.5. Bộ phận phân loại sản phẩm
• 4.6. Màn hình hiển thị
• 4.7. Lựa chọn module relay
• 4.8. Lựa chọn giá đỡ động cơ và cảm biến
• 4.9. Lựa chọn giá đỡ băng tải
• 4.10. Lắp đặt phần cơ khí cho mô hình phân loại sản phẩm theo màu sắc
• 4.11. Lắp đặt phần điện cho mô hình phân loại sản phẩm theo màu sắc
• 4.12. Vận hành, kiểm tra và đánh giá mô hình phân loại sản phẩm theo màu sắc
• 4.12.1. Vận hành mô hình phân loại sản phẩm theo màu sắc
• 4.12.2. Kiểm tra quá trình phân loại sản phẩm theo màu sắc
• 4.12.3. Đánh giá mô hình phân loại sản phẩm theo màu sắc
• 5. CHƯƠNG 5: KẾT LUẬN VÀ KIẾN NGHỊ
• TÀI LIỆU THAM KHẢO

Tóm tắt

I. Tổng quan về mô hình phân loại sản phẩm theo màu sắc bằng Arduino

Mô hình phân loại sản phẩm theo màu sắc sử dụng Arduino đang trở thành một xu hướng quan trọng trong ngành công nghiệp tự động hóa. Việc áp dụng công nghệ này không chỉ giúp tăng năng suất mà còn cải thiện độ chính xác trong quá trình phân loại. Mô hình này sử dụng các cảm biến màu sắc để nhận diện và phân loại sản phẩm dựa trên màu sắc của chúng. Điều này giúp tiết kiệm thời gian và công sức cho người lao động.

1.1. Định nghĩa mô hình phân loại sản phẩm theo màu sắc

Mô hình phân loại sản phẩm theo màu sắc là hệ thống tự động sử dụng cảm biến màu để xác định và phân loại sản phẩm dựa trên màu sắc. Hệ thống này thường được tích hợp với Arduino để điều khiển các thiết bị khác nhau.

1.2. Lợi ích của việc sử dụng Arduino trong mô hình phân loại

Sử dụng Arduino trong mô hình phân loại sản phẩm mang lại nhiều lợi ích như chi phí thấp, dễ dàng lập trình và khả năng mở rộng. Arduino cho phép người dùng dễ dàng điều khiển các cảm biến và động cơ, tạo ra một hệ thống linh hoạt và hiệu quả.

II. Thách thức trong việc thiết kế mô hình phân loại sản phẩm

Mặc dù mô hình phân loại sản phẩm theo màu sắc mang lại nhiều lợi ích, nhưng cũng tồn tại nhiều thách thức trong quá trình thiết kế và triển khai. Các vấn đề như độ chính xác của cảm biến, khả năng xử lý dữ liệu và sự ổn định của hệ thống là những yếu tố cần được xem xét kỹ lưỡng.

2.1. Độ chính xác của cảm biến màu

Độ chính xác của cảm biến màu là yếu tố quyết định đến hiệu quả của mô hình phân loại. Cảm biến cần phải được hiệu chỉnh đúng cách để đảm bảo nhận diện chính xác các màu sắc khác nhau.

2.2. Khả năng xử lý dữ liệu trong thời gian thực

Khả năng xử lý dữ liệu nhanh chóng và chính xác là rất quan trọng trong mô hình phân loại. Việc sử dụng các thuật toán tối ưu giúp cải thiện tốc độ và độ chính xác của quá trình phân loại.

III. Phương pháp thiết kế mô hình phân loại sản phẩm hiệu quả

Để thiết kế một mô hình phân loại sản phẩm theo màu sắc hiệu quả, cần áp dụng các phương pháp khoa học và công nghệ hiện đại. Việc lựa chọn linh kiện phù hợp và lập trình chính xác là rất quan trọng để đảm bảo mô hình hoạt động ổn định.

3.1. Lựa chọn linh kiện điện tử phù hợp

Linh kiện điện tử như cảm biến màu TCS3200, động cơ servo và màn hình LCD cần được lựa chọn kỹ lưỡng để đảm bảo tính tương thích và hiệu suất cao trong mô hình.

3.2. Lập trình Arduino cho mô hình phân loại

Lập trình Arduino là bước quan trọng để điều khiển các linh kiện trong mô hình. Việc viết mã lệnh rõ ràng và hiệu quả giúp mô hình hoạt động mượt mà và chính xác.

IV. Ứng dụng thực tiễn của mô hình phân loại sản phẩm

Mô hình phân loại sản phẩm theo màu sắc sử dụng Arduino có nhiều ứng dụng thực tiễn trong các lĩnh vực như sản xuất, nông nghiệp và logistics. Việc áp dụng công nghệ này giúp nâng cao hiệu quả sản xuất và giảm thiểu sai sót trong quá trình phân loại.

4.1. Ứng dụng trong ngành sản xuất

Trong ngành sản xuất, mô hình phân loại giúp tự động hóa quy trình phân loại sản phẩm, từ đó tiết kiệm thời gian và chi phí lao động.

4.2. Ứng dụng trong nông nghiệp

Mô hình này cũng có thể được áp dụng trong nông nghiệp để phân loại nông sản theo màu sắc, giúp nâng cao chất lượng sản phẩm và đáp ứng nhu cầu thị trường.

V. Kết luận và triển vọng tương lai của mô hình phân loại

Mô hình phân loại sản phẩm theo màu sắc bằng Arduino không chỉ mang lại lợi ích kinh tế mà còn góp phần vào sự phát triển bền vững trong ngành công nghiệp. Với sự phát triển của công nghệ, mô hình này hứa hẹn sẽ ngày càng hoàn thiện và được ứng dụng rộng rãi hơn.

5.1. Tương lai của công nghệ phân loại tự động

Công nghệ phân loại tự động sẽ tiếp tục phát triển với sự hỗ trợ của trí tuệ nhân tạo và học máy, giúp cải thiện độ chính xác và hiệu suất của mô hình.

5.2. Khả năng mở rộng và phát triển mô hình

Mô hình phân loại sản phẩm có thể được mở rộng để áp dụng cho nhiều loại sản phẩm khác nhau, từ đó tạo ra nhiều giá trị hơn cho doanh nghiệp.

Nội dung chính

Tổng quan nghiên cứu

Theo báo cáo của ngành tự động hóa, hơn 90% doanh nghiệp có vốn đầu tư trực tiếp nước ngoài tại Việt Nam đã chủ động áp dụng các dây chuyền tự động hóa vào quy trình sản xuất nhằm tối ưu hóa năng suất và giảm thiểu 40% chi phí vận hành. Trong bối cảnh cuộc Cách mạng Công nghiệp 4.0 đang diễn ra mạnh mẽ, khâu phân loại sản phẩm theo màu sắc đóng vai trò then chốt trong các quy trình kiểm soát chất lượng, đóng gói hàng hóa và chế biến nông sản. Tuy nhiên, rào cản lớn đối với phần lớn các cơ sở sản xuất vừa và nhỏ trong nước hiện nay là chi phí đầu tư các hệ thống phân loại công nghiệp nhập khẩu thường rất cao, dao động từ hàng chục đến hàng trăm triệu đồng.

Nghiên cứu tập trung giải quyết bài toán tự động hóa với chi phí tối ưu thông qua việc thiết kế và chế tạo mô hình phân loại sản phẩm theo màu sắc sử dụng vi điều khiển mã nguồn mở Arduino. Mục tiêu cụ thể là xây dựng một hệ thống băng tải mini tích hợp cảm biến màu và cơ cấu gạt phân loại tự động, đảm bảo kích thước nhỏ gọn 600 x 100 x 93 mm, hoạt động ổn định và vận hành liên tục 24/24 giờ. Phạm vi nghiên cứu được thực hiện tại Bộ môn Kỹ thuật điện, Khoa Công nghệ thuộc Trường Đại học Cần Thơ trong giai đoạn từ tháng 8/2022 đến tháng 12/2022.

Ý nghĩa của nghiên cứu thể hiện qua việc mang lại giải pháp công nghệ có tính ứng dụng cao, giúp giảm thiểu 95% sai sót do thao tác thủ công của con người và tiết kiệm hơn 85% chi phí đầu tư ban đầu so với các hệ thống điều khiển PLC truyền thống.

Cơ sở lý thuyết và phương pháp nghiên cứu

Khung lý thuyết áp dụng

Nghiên cứu được xây dựng dựa trên 2 nền tảng lý thuyết trọng tâm gồm Lý thuyết quang phổ học và phản xạ ánh sáng RGB cùng Lý thuyết điều khiển tự động với kỹ thuật điều chế độ rộng xung PWM. Mô hình tích hợp 4 khái niệm kỹ thuật cốt lõi:

• Nguyên lý cảm biến quang phổ màu: Module TCS3200 tích hợp ma trận 64 photodiode bán dẫn (gồm 16 photodiode lọc màu đỏ, 16 màu xanh lá, 16 màu xanh dương và 16 photodiode không lọc) giúp chuyển đổi cường độ ánh sáng phản xạ từ bề mặt sản phẩm thành chuỗi xung vuông có tần số biến thiên từ 2 Hz đến 500 kHz.
• Nguyên lý điều khiển góc quay servo: Cơ chế hồi tiếp vòng kín sử dụng chuỗi xung điều chế độ rộng PWM ở tần số 50 Hz, chu kỳ xung từ 1 ms đến 2 ms để định vị chính xác góc quay từ 0 đến 180 độ cho động cơ servo SG90 có moment xoắn 1.8 kg/cm.
• Giao thức truyền thông nối tiếp I2C: Kỹ thuật truyền thông 2 dây gồm đường dữ liệu SDA và đường xung nhịp SCL giúp kết nối vi điều khiển với màn hình LCD 2004 hiển thị 4 dòng ký tự.
• Nguyên lý cảm biến tiệm cận hồng ngoại: Module LM393 sử dụng bức xạ hồng ngoại bước sóng dài hơn 700 nm để phát hiện vật cản trong phạm vi từ 20 đến 50 mm dựa trên mạch so sánh điện áp tích hợp.

Phương pháp nghiên cứu

Nguồn dữ liệu của đề tài được thu thập trực tiếp thông qua các đợt chạy thực nghiệm đo đạc trên mô hình vật lý.

• Cỡ mẫu thực nghiệm: Hệ thống tiến hành kiểm thử trên tổng số 150 mẫu phôi hình khối kích thước 30 x 30 x 30 mm, chia đều thành 3 nhóm màu gồm 50 mẫu màu đỏ, 50 mẫu màu xanh lá và 50 mẫu màu vàng.
• Phương pháp chọn mẫu: Áp dụng phương pháp lấy mẫu ngẫu nhiên phân tầng theo màu sắc và bề mặt vật liệu nhằm đánh giá độ tin cậy của thuật toán dưới nhiều điều kiện bề mặt phôi khác nhau.
• Phương pháp phân tích: Dữ liệu tần số phản xạ được xử lý định lượng thông qua thuật toán phân ngưỡng giá trị trên bộ nhớ Flash 32 kB của vi điều khiển ATmega328P hoạt động ở tần số thạch anh 16 MHz. Lý do lựa chọn phương pháp phân tích tần số là vì tín hiệu xung số có khả năng miễn nhiễu vượt trội so với tín hiệu điện áp analog, đồng thời đảm bảo thời gian xử lý nhanh dưới 20 ms. Toàn bộ timeline nghiên cứu được thực hiện khép kín trong 5 tháng, từ khâu thiết kế mô phỏng trên Proteus 8, lập trình trên Arduino IDE đến gia công mạch in và thử nghiệm thực tế.

Kết quả nghiên cứu và thảo luận

Những phát hiện chính

Kết quả thực nghiệm trên mô hình băng tải thực tế với 150 mẫu vật thể đã ghi nhận 4 phát hiện quan trọng:

• Độ chính xác nhận diện màu sắc cao: Hệ thống đạt tỷ lệ phân loại thành công 96.0% đối với mẫu màu đỏ (48/50 sản phẩm), 94.0% đối với mẫu màu xanh lá (47/50 sản phẩm) và 92.0% đối với mẫu màu vàng (46/50 sản phẩm). Tỷ lệ phân loại chính xác trung bình toàn hệ thống đạt 94.0%.
• Thời gian đáp ứng cơ điện tối ưu: Động cơ servo SG90 hoàn thành chu trình gạt sản phẩm với tốc độ 0.12 giây cho góc quét 60 độ, đồng bộ hoàn hảo với tốc độ vận hành của động cơ giảm tốc 180 kéo băng tải ở tốc độ 100 vòng/phút và dòng không tải 150 mA.
• Năng suất phân loại ổn định: Mô hình duy trì tốc độ phân loại đều đặn từ 25 đến 30 sản phẩm/phút mà không xảy ra hiện tượng kẹt phôi hay trễ tín hiệu trong suốt 4 giờ vận hành thử nghiệm liên tục.
• Tiết kiệm tài nguyên phần cứng: Việc sử dụng module chuyển đổi I2C giúp giảm 75% số chân giao tiếp trên Arduino UNO R3 (từ 8 chân xuống 2 chân A4 và A5), trong khi dung lượng bộ nhớ SRAM 2 kB chỉ chiếm khoảng 35% cho việc lưu trữ biến chương trình.

Thảo luận kết quả

Kết quả đo đạc được trình bày trực quan qua bảng đối chiếu tần số và biểu đồ phân bố phổ xung RGB ở các mức tỷ lệ tần số 2%, 20% và 100%. Tại tỷ lệ chia tần số 20%, giá trị tần số ngõ ra của cảm biến TCS3200 cho màu đỏ tập trung trong khoảng 15-25 kHz, màu xanh lá từ 28-38 kHz và màu vàng từ 18-32 kHz. Sự phân tách rõ ràng giữa các dải tần số đã chứng minh tính hiệu quả của thuật toán nhận diện màu sắc được lập trình trên vi điều khiển.

So sánh với các nghiên cứu phân loại bằng hệ thống xử lý ảnh công nghiệp trên nền tảng PLC, giải pháp sử dụng vi điều khiển Arduino UNO R3 giúp giảm hơn 85% tổng chi phí thiết bị (tổng chi phí linh kiện chỉ khoảng 1.300.000 VNĐ) nhưng vẫn đảm bảo độ tin cậy trên 92%. Tỷ lệ sai số 6.0% còn lại chủ yếu do hiện tượng tán xạ ánh sáng môi trường tác động vào cảm biến TCS3200 khi khoảng cách giữa vật thể và cảm biến bị dao động ngoài mức tiêu chuẩn 10-15 mm.

Đề xuất và khuyến nghị

Nhằm nâng cao hiệu quả vận hành và mở rộng khả năng ứng dụng của mô hình trong thực tế, 4 giải pháp cụ thể được đề xuất:

• Thiết kế buồng đo quang học khép kín: Đội ngũ kỹ thuật cơ khí cần chế tạo vỏ chắn sáng bằng nhựa in 3D bao bọc cụm cảm biến TCS3200 với khoảng cách cố định 10 mm so với bề mặt băng tải, giúp loại bỏ 100% ánh sáng tán xạ bên ngoài và nâng độ chính xác phân loại lên trên 98.5% trong vòng 2 tháng triển khai.
• Tối ưu hóa thuật toán lọc số thích nghi: Kỹ sư lập trình nhúng cần bổ sung thuật toán trung bình trượt lấy mẫu 10 chu kỳ xung liên tiếp trên Arduino IDE, triệt tiêu 90% hiện tượng dao động tần số đột biến trong thời hạn 1 tháng.
• Nâng cấp cơ cấu chấp hành công nghiệp: Ban quản lý kỹ thuật xưởng sản xuất cần thay thế động cơ servo SG90 bằng cơ cấu xylanh khí nén tác động kép kết hợp van điện từ 24 VDC, giúp tăng công suất phân loại lên 60-80 sản phẩm/phút và nâng tuổi thọ vận hành thiết bị vượt mức 15.000 giờ trong kế hoạch 6 tháng tới.
• Tích hợp module IoT giám sát từ xa: Bộ phận phát triển phần mềm cần tích hợp vi điều khiển ESP32 và giao thức truyền thông không dây MQTT trong vòng 3 tháng, cho phép truyền dữ liệu sản lượng phân loại theo thời gian thực về ứng dụng điện thoại với độ trễ dưới 150 ms.

Đối tượng nên tham khảo luận văn

Nội dung và kết quả nghiên cứu của luận văn mang lại giá trị tham khảo thiết thực cho 4 nhóm đối tượng:

• Sinh viên và học viên cao học chuyên ngành Kỹ thuật điện, Cơ điện tử và Tự động hóa: Luận văn cung cấp toàn bộ quy trình thiết kế từ sơ đồ mạch in trên Proteus 8, bản vẽ cơ khí trên AutoCAD đến mã nguồn C/C++, giúp tối ưu hóa quá trình thực hiện đồ án tốt nghiệp với kinh phí dưới 2.000.000 VNĐ.
• Kỹ sư R&D tại các doanh nghiệp chế tạo máy: Tài liệu là cơ sở hữu ích để phát triển các module phân loại hàng hóa cỡ nhỏ trong dây chuyền đóng gói bao bì, nông sản hoặc phân loại linh kiện điện tử với chi phí đầu tư ban đầu thấp.
• Giảng viên các trường đại học và cao đẳng kỹ thuật: Có thể khai thác mô hình băng tải mini dài 600 mm làm giáo cụ trực quan trong các môn học Thực tập Vi điều khiển, Cảm biến công nghiệp và Tự động hóa với thời lượng thực hành từ 30 đến 45 tiết.
• Chủ các cơ sở sản xuất và xưởng gia công vừa và nhỏ: Cung cấp giải pháp khả thi để chuyển đổi số và tự động hóa khâu phân loại phôi, giúp cắt giảm 50% chi phí nhân công trực tiếp và tăng 30% tốc độ luân chuyển đơn hàng.

Câu hỏi thường gặp

Module cảm biến màu TCS3200 nhận biết các màu sắc dựa trên nguyên lý nào? Cảm biến TCS3200 tích hợp ma trận 64 photodiode với 4 bộ lọc màu sắc quang học. Khi chiếu ánh sáng vào vật thể, cảm biến thu nhận ánh sáng phản xạ và chuyển đổi cường độ quang thông thành chuỗi xung vuông có tần số từ 2 Hz đến 500 kHz, giúp vi điều khiển nhận dạng chính xác giá trị phổ màu với độ trễ dưới 20 ms.

Động cơ servo SG90 có đáp ứng tốt tốc độ di chuyển của sản phẩm trên băng tải không? Động cơ servo SG90 có tốc độ đáp ứng 0.12 giây cho góc quay 60 độ cùng moment xoắn 1.8 kg/cm ở điện áp 5 VDC. Thử nghiệm thực tế với 150 mẫu phôi cho thấy servo gạt phôi chính xác, đồng bộ hoàn toàn với tốc độ băng chuyền 100 vòng/phút mà không gây hiện tượng kẹt phôi.

Tại sao mô hình cần tích hợp module chuyển đổi giao tiếp I2C cho màn hình LCD 2004? Màn hình LCD 2004 thông thường đòi hỏi từ 6 đến 8 chân tín hiệu kết nối vi điều khiển. Việc sử dụng module I2C giúp rút gọn chỉ còn 2 dây tín hiệu SDA (chân A4) và SCL (chân A5), tiết kiệm hơn 75% số chân I/O trên Arduino UNO R3 và giảm thiểu tối đa nguy cơ chập cháy đường mạch.

Hệ thống xử lý như thế nào để tránh phân loại sai khi sản phẩm đi qua liên tục? Hệ thống bố trí 4 cảm biến vật cản hồng ngoại LM393 có khoảng cách phát hiện 20-50 mm dọc theo băng tải dài 600 mm. Khi phôi đến đúng vị trí, cảm biến gửi tín hiệu ngắt để vi điều khiển kích hoạt cánh tay servo tương ứng, đảm bảo khoảng cách an toàn giữa các phôi tối thiểu 50 mm.

Tổng chi phí chế tạo mô hình là bao nhiêu và có khả năng ứng dụng thực tiễn không? Tổng kinh phí chế tạo phần cứng cho mô hình hoàn chỉnh dao động từ 1.200.000 đến 1.500.000 VNĐ. Với chi phí thấp và độ chính xác phân loại trung bình đạt 94.0%, mô hình hoàn toàn có khả năng nhân rộng để ứng dụng tại các xưởng sản xuất nông sản và đóng gói linh kiện nhỏ.

Kết luận

• Chế tạo thành công mô hình phân loại sản phẩm tự động theo màu sắc với kết cấu khung nhôm 20100 kích thước nhỏ gọn 600 x 100 x 93 mm.
• Ứng dụng hiệu quả vi điều khiển Arduino UNO R3 16 MHz kết hợp cảm biến màu TCS3200, đạt độ chính xác phân loại trung bình 94.0% trên 150 mẫu thử nghiệm.
• Đồng bộ hóa chuyển động cơ điện giữa động cơ giảm tốc 180 tốc độ 100 vòng/phút, cảm biến hồng ngoại LM393 và 2 động cơ servo SG90 phản hồi 0.12 giây.
• Tiết kiệm 75% số chân I/O trên vi điều khiển nhờ giao tiếp I2C trên màn hình LCD 2004 và cách ly an toàn mạch lực bằng module relay PC817.
• Cắt giảm hơn 85% chi phí đầu tư so với việc lắp đặt hệ thống PLC công nghiệp, mang lại giải pháp tự động hóa giá rẻ cho doanh nghiệp nhỏ.

Đóng góp chính của luận văn là hoàn thiện một giải pháp kỹ thuật có tính ổn định cao, chi phí thấp cho bài toán phân loại sản phẩm tự động. Kế hoạch nghiên cứu tiếp theo trong 6-12 tháng tới sẽ tập trung tích hợp camera xử lý ảnh AI và module truyền thông đám mây. Bạn đọc hãy tham khảo toàn văn luận văn để nắm bắt chi tiết sơ đồ nguyên lý, mã nguồn lập trình và áp dụng hiệu quả vào các dự án tự động hóa thực tế.

Trích đoạn nội dung tài liệu

Chương 1: Tổng quan về tự động hóa trong sản xuất thay đổi quản lý, đội nhóm. Thế nhưng khi ứng dụng tự động hóa thì chỉ cần lập trình lại là chương trình sẽ có độ tùy biến cao. Độ tùy biến cao: Việc thay đổi quy trình sản xuất, nhất là khi thêm các công đoạn mới, thường rất phức tạp, do công việc này phải đi kèm với các hoạt động đào tạo công nhân cũng như thay đổi quản lý. Đối với robot, chương trình sẽ đảm bảo khả năng làm tất cả các công việc được giao.

Điều này sẽ làm tăng độ tùy biến trong sản xuất. Nâng cao vị thế cạnh tranh cho doanh nghiệp: Việc tăng năng suất, cắt giảm chi phí nguyên vật liệu, chi phí nhân công, sẽ giúp các nhà máy sản xuất giảm giá thành. Khi đó chất lượng sản phẩm được cải thiện rõ rệt, do vậy sẽ giúp doanh nghiệp nâng cao vị thế cạnh tranh trên thị trường. Ứng dụng các dây chuyền tự động trong sản xuất sẽ giúp doanh nghiệp tạo ra những bước đột phá trong sản xuất kinh doanh, tất nhiên là trong điều kiện doanh nghiệp biết cách ứng dụng phù hợp.

SVTH: Tiêu Minh Phong 6 Chương 2: Cơ sở lý thuyết về các linh kiện điện tử, các thiết bị và các phần mềm CHƯƠNG 2 CƠ SỞ LÝ THUYẾT VỀ CÁC LINH KIỆN ĐIỆN TỬ, CÁC THIẾT BỊ VÀ CÁC PHẦN MỀM 2. Các linh kiện điện tử và thiết bị điện 2. Arduino UNO R3 Mạch Arduino UNO là dòng mạch Arduino phổ biến, khi mới bắt đầu làm quen, lập trình với Arduino thì mạch Arduino thường nói tới chính là dòng Arduino UNO, hiện dòng mạch này đã phát triển tới thế hệ thứ 3. Arduino UNO R3 là dòng cơ bản, linh hoạt, thường được sử dụng cho người mới bắt đầu.

Có thể sử dụng các dòng Arduino khác như: Arduino Mega, Arduino Nano, Arduino Micro. Đối với những ứng dụng cơ bản thì mạch Arduino UNO là lựa chọn phù hợp [1]. Mạch Arduino UNO R3 với thiết kế tiêu chuẩn sử dụng vi điều khiển ATmega328. Tuy nhiên, nếu yêu cầu phần cứng không cao hoặc túi tiền không cho phép, có thể sử dụng các loại vi điều khiển khác có chức năng tương đương nhưng rẻ hơn như ATmega8 hoặc ATmega168.

Arduino UNO R3 [2] Arduino UNO R3 có thể được cấp nguồn 5 V thông qua cổng USB hoặc cấp nguồn ngoài với điện áp khuyên dùng là 7-12 V hoặc điện áp giới hạn là 6-20 V. Cấp nguồn 9 V là một lựa chọn phù hợp nếu không có sẵn nguồn từ cổng USB. Nếu cấp nguồn vượt quá ngưỡng giới hạn trên, sẽ làm hỏng Arduino UNO. SVTH: Tiêu Minh Phong 7 Chương 2: Cơ sở lý thuyết về các linh kiện điện tử, các thiết bị và các phần mềm Hình 2.

Nguồn Adapter [2] Các chân năng lượng của Arduino UNO R3: Chân GND: Cực âm của nguồn điện cấp cho Arduino UNO. Chân 5 V: Cấp điện áp 5 V đầu ra. Dòng tối đa cho phép là 500 mA. Chân 3,3 V: Cấp điện áp 3,3 V đầu ra.

Dòng tối đa cho phép là 50 mA. Chân Vin: Để cấp nguồn ngoài cho Arduino UNO, nối cực dương của nguồn với chân này và cực âm của nguồn với chân GND. Chân IOREF: Điện áp hoạt động của vi điều khiển trên Arduino UNO có thể được đo ở chân này và nó luôn là 5 V. Mặc dù vậy không được lấy nguồn 5 V từ chân này để sử dụng bởi chức năng của nó không phải là cấp nguồn.

Nút RESET: Việc nhấn nút Reset trên board để reset vi điều khiển tương đương với việc chân RESET được nối với GND qua 1 điện trở 10 kΩ. Bộ nhớ sử dụng của vi điều khiển Atmega328 tiêu chuẩn sử dụng trên Arduino UNO R3 có: Bộ nhớ Flash 32 kB: Những đoạn lệnh lập trình sẽ được lưu trữ trong bộ nhớ Flash của vi điều khiển. Thường thì sẽ có khoảng vài kB trong số này sẽ được dùng cho bootloader, hiếm khi nào cần quá 20 kB bộ nhớ này. Bộ nhớ SRAM 2 kB: Bộ nhớ này có giá trị các biến khai báo khi lập trình.

Nếu khai báo càng nhiều biến thì càng tốn nhiều bộ nhớ này. Tuy vậy, hiếm khi nào sử dụng hết bộ nhớ này. Khi mất điện, dữ liệu trên SRAM sẽ bị mất. Bộ nhớ EEPROM 1 kB: Một dạng bộ nhớ có chu kì ghi và xoá khoảng 100,000 lần và có kích thước rất nhỏ.

Bộ nhớ này cũng giống như một chiếc ổ cứng mini, nơi có thể đọc và ghi dữ liệu vào mà không phải lo bị mất khi cúp điện giống như dữ liệu trên SRAM. SVTH: Tiêu Minh Phong 8 Chương 2: Cơ sở lý thuyết về các linh kiện điện tử, các thiết bị và các phần mềm Hình 2. Vi điều khiển Atmega328P [2] Các cổng vào/ra trên Arduino Board: Mạch Arduino UNO có 14 chân digital dùng để đọc hoặc xuất tín hiệu. Chúng chỉ có 2 mức điện áp là 0 V và 5 V với dòng vào/ra tối đa trên mỗi chân là 40 mA.

Ở mỗi chân đều có các điện trở pull-up từ được cài đặt ngay trong vi điều khiển ATmega328. Một số chân digital có các chức năng đặc biệt như sau: Chân Serial gồm 2 chân là: 0 (RX) và 1 (TX): Dùng để gửi (transmit-TX) và nhận (receive-RX) dữ liệu TTL Serial. Arduino UNO có thể giao tiếp với thiết bị khác thông qua 2 chân này. Kết nối Bluetooth chính là kết nối Serial không dây.

Nếu không cần giao tiếp Serial, không nên sử dụng 2 chân này nếu không cần thiết. Nói một cách đơn giản, có thể điều chỉnh được điện áp ra ở chân này từ mức 0 V đến 5 V thay vì chỉ cố định ở mức 0 V và 5 V như những chân khác. Chân giao tiếp SPI: 10 (SS), 11 (MOSI), 12 (MISO), 13 (SCK). Ngoài các chức năng thông thường, 4 chân này còn dùng để truyền phát dữ liệu bằng giao thức SPI với các thiết bị khác.

LED 13: Trên Arduino UNO có 1 đèn led màu cam (kí hiệu chữ L). Khi bấm nút Reset, sẽ thấy đèn này nhấp nháy để báo hiệu. Nó được nối với chân số 13. Khi chân này được người dùng sử dụng, LED sẽ sáng.

SVTH: Tiêu Minh Phong 9 Chương 2: Cơ sở lý thuyết về các linh kiện điện tử, các thiết bị và các phần mềm Arduino UNO Broad có 6 chân analog (A0→A5) cung cấp độ phân giải tín hiệu 10 bit (0→210-1) để đọc giá trị điện áp trong khoảng 0-5 V. Với chân AREF trên board, có thể để đưa vào điện áp tham chiếu khi sử dụng các chân analog. Tức là nếu cấp điện áp 2,5 V vào chân này thì có thể dùng các chân analog để đo điện áp trong khoảng từ 0-2,5 V với độ phân giải vẫn là 10 bit. Đặc biệt, Arduino UNO có 2 chân A4 (SDA) và A5 (SCL) hỗ trợ giao tiếp I2C/TWI với các thiết bị khác.

Thông số kỹ thuật Arduino UNO R3 STT CHÂN NĂNG LƯỢNG VÀ DIGITAL CHỨC NĂNG VÀ GIỚI HẠN 1 Vi điều khiển ATmega328P 2 Điện áp hoạt động 5V 3 Điện áp đầu vào 7-12 V 4 Điện áp đầu vào 6-20 V 5 Số chân I/O kỹ thuật số 14 6 PWM Digital I/O Pins 6 7 Analog Input Pins 6 8 Dòng điện DC mỗi I/O 20 mA 9 Dòng điện DC với chân 3,3 V 50 mA 10 Bộ nhớ flash 32 kB 11 SRAM 2 kB 12 EEPROM 1 kB 13 Tốc độ đồng hồ 16 MHz 14 Chiều dài 68,6 mm 15 Bề rộng 53,4 mm 16 Trọng lượng 25 g 2. Module cảm biến màu TCS3200 Cảm biến màu sử dụng IC TAOS TCS3200 RGB với 4 led trắng. Cảm biến màu TCS3200 có thể phát hiện và đo lường một phạm vi gần như vô hạn của màu sắc có thể nhìn thấy. Cảm biến màu TCS3200 tích hợp một dãy bộ dò ánh sáng quang bên trong, với mỗi cảm biến ứng với các màu đỏ, xanh lá, xanh dương.

Các SVTH: Tiêu Minh Phong 10 Chương 2: Cơ sở lý thuyết về các linh kiện điện tử, các thiết bị và các phần mềm bộ lọc của mỗi màu được phân bố đều khắp cảm biến để loại bỏ sai lệch vị trí giữa các màu sắc, bên trong cảm biến có bộ dao động tạo ra sóng vuông có tần số là tỷ lệ thuận với cường độ của màu sắc được lựa chọn. Cảm biến màu TCS3200 [5] Cảm biến màu TCS3200 được sử dụng để nhận biết màu sắc bằng cách đo phản xạ 3 màu sắc cơ bản từ vật thể là đỏ, xanh lá và xanh dương từ đó xuất ra tần số xung tương ứng với 3 màu này qua các chân tín hiệu, đo 3 tần số xung này và qua một vài bước chuyển đổi nhất định là sẽ có đươc thông tin của màu sắc của vật thể cần đo. Các chân cảm biến màu sắc TCS3200 [5] Bảng 2. Chức năng các chân cảm biến màu TCS3200 ST TÊN CHÂN MÔ TẢ T 1 S1, S0 (1,2) Ngõ vào chọn tỷ lệ tần số ngõ ra 2 OE (3) Ngõ vào cho phép xuất tần số ở chân OUT 3 GND (4) Chân nối đất 4 VDD (5) Chân cấp nguồn (2,7-5,5 V) 5 OUT (6) Ngõ ra là tần số thay đổi phụ thuộc cường độ và 6 S2, S3 (7,8) Ngõ vào chọn loại photodiode Thông số kỹ thuật module cảm biến màu TCS3200: - Chuyển đổi cường độ ánh sáng thành tần số có độ phân giải cao.

- Lập trình lựa chọn bộ lọc màu sắc khác nhau và dạng tần số xuất ra. SVTH: Tiêu Minh Phong 11 Chương 2: Cơ sở lý thuyết về các linh kiện điện tử, các thiết bị và các phần mềm - Giao tiếp trực tiếp với vi điều khiển. - Kích thước: Chiều dài 28,4 mm và chiều rộng 28,4 mm. - Tần số ngõ ra có độ rộng xung 50 %.

- Tần số tỷ lệ với ánh sáng có cường độ và màu sắc khác nhau. - Tần số ngõ ra nằm trong khoảng 2 Hz đến 500 kHz. Nguyên lý hoạt động module cảm biến màu TCS3200: Ánh sáng trắng là hỗn hợp rất nhiều ánh sáng có bước sóng màu sắc khác nhau. Khi chiếu ánh sáng trắng vào một vật thể bất kỳ, tại bề mặt vật thể sẽ xảy ra hiện tượng hấp thụ và phản xạ ánh sáng.

Dựa trên nguyên lý sự phản xạ, hấp thụ ánh sáng trắng của vật thể và sự phối trộn màu sắc bởi 3 màu cơ bản là màu đỏ, màu xanh lá và màu xanh dương. Cảm biến màu sắc TCS3200 có cấu tạo là 4 bộ lọc photodiode Blue (màu xanh dương), Green (màu xanh lá), Red (màu đỏ) và Clear (không lọc). Cảm biến gồm 2 khối như hình vẽ phía dưới: Hình 2. Mô tả sơ đồ khối hoạt động cảm biến màu TCS3200 [5] Khối đầu tiên là mảng ma trận 8×8 gồm các photodiode.