Thiết Kế Thi Công Mô Hình Phân Loại Sản Phẩm Theo Màu Sắc - ĐH Bà Rịa Vũng Tàu

Thiết kế thi công mô hình phân loại sản phẩm theo màu sắc chuyên nghiệp. Giải pháp tự động hóa hiệu quả, tối ưu quy trình sản xuất, nâng cao năng suất. Liên hệ ngay!

• Tác giả: Nguyễn Quốc Việt
• Người hướng dẫn: ThS. Phạm Ngọc Hiệp
• Trường học: Trường Đại Học Bà Rịa - Vũng Tàu
• Chuyên ngành: Công Nghệ Kỹ Thuật Điện – Điện Tử
• Đề tài: Thiết Kế, Thi Công Mô Hình Phân Loại Sản Phẩm Theo Màu Sắc
• Loại tài liệu: Đồ Án Tốt Nghiệp
• Năm xuất bản: 2023
• Địa điểm: Vũng Tàu

Tóm tắt

I. Tổng Quan Về Mô Hình Phân Loại Sản Phẩm Theo Màu Sắc

Bài viết này trình bày tổng quan về mô hình phân loại sản phẩm dựa trên màu sắc, một phương pháp quan trọng trong nhiều lĩnh vực công nghiệp và thương mại. Việc phân loại màu sắc giúp tự động hóa quy trình, tăng năng suất và giảm thiểu sai sót do con người gây ra. Từ việc kiểm tra chất lượng sản phẩm đến phân loại hàng hóa trong kho, hệ thống phân loại sản phẩm theo màu sắc đóng vai trò then chốt. Sự phát triển của các thuật toán nhận diện màu sắc và xử lý ảnh màu đã mở ra những khả năng mới cho việc ứng dụng mô hình phân loại này. Nghiên cứu hiện tại tập trung vào việc nâng cao độ chính xác, tốc độ và khả năng thích ứng của mô hình machine learning phân loại màu trong các môi trường khác nhau. Theo báo cáo từ Bộ Giáo dục và Đào tạo (Trường Đại học Bà Rịa - Vũng Tàu), việc tự động hóa trong sản xuất là nhu cầu thiết yếu hiện nay. Điều này thúc đẩy việc nghiên cứu và ứng dụng các hệ thống phân loại tự động, trong đó có phân loại theo màu sắc. Phân loại màu sắc không chỉ là một kỹ thuật, mà là một yếu tố quan trọng trong việc đảm bảo chất lượng và hiệu quả trong sản xuất và bán lẻ.

1.1. Tầm Quan Trọng Của Phân Loại Màu Sắc Trong Sản Xuất

Trong sản xuất, phân loại màu sắc đóng vai trò quan trọng trong việc kiểm tra chất lượng sản phẩm, nhận diện lỗi, và phân loại sản phẩm theo các tiêu chuẩn khác nhau. Ví dụ, trong ngành thực phẩm, màu sắc có thể là một chỉ số quan trọng về độ chín, độ tươi và chất lượng. Hệ thống phân loại tự động dựa trên màu sắc có thể giúp loại bỏ các sản phẩm không đạt tiêu chuẩn một cách nhanh chóng và chính xác. Điều này không chỉ giúp giảm thiểu lãng phí mà còn đảm bảo chất lượng sản phẩm cuối cùng. Việc sử dụng các thuật toán nhận diện màu sắc tiên tiến cho phép hệ thống phân loại hoạt động hiệu quả ngay cả trong điều kiện ánh sáng không ổn định hoặc khi có sự thay đổi về màu sắc do các yếu tố bên ngoài. Theo nghiên cứu của Nguyễn Quốc Việt (2023), phân loại sản phẩm thủ công gây tốn nhiều nhân công và làm tăng chi phí sản xuất.

1.2. Ứng Dụng Phân Loại Màu Sắc Trong Thương Mại Điện Tử Và Bán Lẻ

Trong thương mại điện tử và bán lẻ, phân loại màu sắc giúp cải thiện trải nghiệm người dùng và tăng doanh số. Khách hàng thường tìm kiếm sản phẩm theo màu sắc yêu thích, và việc phân loại chính xác giúp họ dễ dàng tìm thấy những gì họ cần. Ngoài ra, phân loại màu sắc cũng có thể được sử dụng để tạo ra các gợi ý sản phẩm cá nhân hóa, tăng khả năng mua hàng. Trong kho hàng, phân loại sản phẩm theo màu sắc giúp quản lý hàng tồn kho hiệu quả hơn và giảm thiểu thời gian tìm kiếm sản phẩm. Các tiêu chuẩn màu sắc sản phẩm cũng góp phần làm tăng tính thẩm mỹ và giá trị của sản phẩm. Các cơ sở dữ liệu màu sắc sản phẩm giúp các nhà thiết kế và nhà sản xuất tham khảo và lựa chọn màu sắc phù hợp với xu hướng thị trường. Điều này đặc biệt quan trọng trong ngành thời trang, nơi màu sắc đóng vai trò then chốt trong việc tạo ra các sản phẩm hấp dẫn.

II. Thách Thức Khi Xây Dựng Mô Hình Phân Loại Màu Sắc Hiệu Quả

Việc xây dựng một mô hình phân loại màu sắc hiệu quả đối mặt với nhiều thách thức kỹ thuật và thực tế. Sự thay đổi về ánh sáng, góc nhìn, và bề mặt sản phẩm có thể ảnh hưởng đến độ chính xác của hệ thống. Các thuật toán nhận diện màu sắc cần phải được thiết kế để có thể xử lý những biến đổi này một cách hiệu quả. Ngoài ra, việc xây dựng một cơ sở dữ liệu màu sắc sản phẩm đầy đủ và chính xác đòi hỏi nỗ lực lớn. Mã màu sản phẩm cần phải được chuẩn hóa để đảm bảo tính nhất quán và dễ dàng tích hợp với các hệ thống khác. Thách thức khác là lựa chọn thuật toán phân loại màu phù hợp với từng ứng dụng cụ thể. Một số ứng dụng có thể yêu cầu độ chính xác cao hơn, trong khi các ứng dụng khác có thể ưu tiên tốc độ xử lý. Theo ThS. Phạm Ngọc Hiệp (2023), việc lựa chọn thiết bị và công nghệ phù hợp là yếu tố then chốt để xây dựng một mô hình phân loại hiệu quả. Xử lý ảnh màu cũng đóng vai trò quan trọng trong việc giảm thiểu ảnh hưởng của các yếu tố bên ngoài.

2.1. Ảnh Hưởng Của Ánh Sáng Và Góc Nhìn Đến Nhận Diện Màu Sắc

Ánh sáng và góc nhìn là hai yếu tố chính có thể ảnh hưởng đến độ chính xác của nhận diện màu sắc. Sự thay đổi về cường độ và màu sắc của ánh sáng có thể làm thay đổi màu sắc hiển thị của sản phẩm. Ví dụ, một sản phẩm có thể trông có màu khác nhau dưới ánh sáng ban ngày và dưới ánh sáng nhân tạo. Góc nhìn cũng có thể ảnh hưởng đến màu sắc hiển thị do hiện tượng phản xạ và khúc xạ ánh sáng. Để giải quyết vấn đề này, các mô hình phân loại cần phải được huấn luyện với dữ liệu đa dạng, bao gồm các hình ảnh được chụp dưới nhiều điều kiện ánh sáng và góc nhìn khác nhau. Các kỹ thuật xử lý ảnh như cân bằng trắng và hiệu chỉnh gamma cũng có thể được sử dụng để giảm thiểu ảnh hưởng của ánh sáng và góc nhìn.

2.2. Xây Dựng Cơ Sở Dữ Liệu Màu Sắc Sản Phẩm Đầy Đủ Và Chính Xác

Một cơ sở dữ liệu màu sắc sản phẩm đầy đủ và chính xác là nền tảng của bất kỳ mô hình phân loại màu sắc nào. Việc thu thập và gắn nhãn dữ liệu màu sắc đòi hỏi nỗ lực lớn và quy trình kiểm soát chất lượng nghiêm ngặt. Mã màu sản phẩm cần phải được chuẩn hóa theo các tiêu chuẩn quốc tế như RGB, CMYK, hoặc Lab. Các công cụ phần mềm chuyên dụng có thể được sử dụng để đo màu sắc một cách chính xác và tạo ra các hồ sơ màu sắc cho từng sản phẩm. Cơ sở dữ liệu cũng cần phải được cập nhật thường xuyên để phản ánh các thay đổi về màu sắc do quá trình sản xuất hoặc do sự khác biệt giữa các lô hàng. Việc sử dụng các phương pháp học tăng cường (transfer learning) có thể giúp giảm thiểu lượng dữ liệu cần thiết để huấn luyện mô hình.

2.3. Lựa chọn Thuật Toán Phân Loại Màu Sắc Phù Hợp

Việc lựa chọn thuật toán phân loại màu sắc phù hợp là một yếu tố quan trọng để xây dựng một mô hình phân loại hiệu quả. Có nhiều thuật toán khác nhau có sẵn, mỗi thuật toán có ưu và nhược điểm riêng. Các thuật toán phổ biến bao gồm K-Nearest Neighbors (KNN), Support Vector Machines (SVM), và Deep Learning. KNN là một thuật toán đơn giản và dễ hiểu, nhưng có thể không hiệu quả với dữ liệu phức tạp. SVM là một thuật toán mạnh mẽ có thể xử lý dữ liệu phi tuyến tính, nhưng có thể tốn nhiều thời gian để huấn luyện. Deep Learning là một thuật toán tiên tiến có thể đạt được độ chính xác cao, nhưng đòi hỏi lượng dữ liệu lớn và tài nguyên tính toán đáng kể. Việc lựa chọn thuật toán phù hợp phụ thuộc vào yêu cầu cụ thể của ứng dụng, bao gồm độ chính xác, tốc độ, và tài nguyên có sẵn.

III. Phương Pháp Phân Loại Màu Sắc Sản Phẩm Bằng Xử Lý Ảnh

Phương pháp phân loại màu sắc sản phẩm bằng xử lý ảnh là một trong những phương pháp phổ biến nhất hiện nay. Phương pháp này sử dụng các thuật toán xử lý ảnh để trích xuất các đặc trưng màu sắc từ hình ảnh sản phẩm và sau đó sử dụng các thuật toán phân loại để phân loại sản phẩm dựa trên các đặc trưng này. Các đặc trưng màu sắc có thể bao gồm giá trị RGB, HSV, hoặc Lab, cũng như các đặc trưng thống kê như trung bình, độ lệch chuẩn, và histogram. Xử lý ảnh màu có thể được sử dụng để giảm thiểu ảnh hưởng của các yếu tố bên ngoài như ánh sáng và góc nhìn. Các thuật toán nhận diện màu sắc tiên tiến có thể đạt được độ chính xác cao ngay cả trong điều kiện môi trường phức tạp. Theo Nguyễn Quốc Việt (2023), việc sử dụng cảm biến quang và camera chất lượng cao là yếu tố quan trọng để đảm bảo chất lượng hình ảnh đầu vào. Mô hình machine learning phân loại màu có thể được huấn luyện với dữ liệu hình ảnh lớn để tăng độ chính xác và khả năng thích ứng.

3.1. Các Bước Cơ Bản Trong Xử Lý Ảnh Để Phân Loại Màu Sắc

Quá trình xử lý ảnh để phân loại màu sắc thường bao gồm các bước sau: Thu thập hình ảnh: Sử dụng camera để chụp hình ảnh sản phẩm. Tiền xử lý ảnh: Thực hiện các bước như cân bằng trắng, hiệu chỉnh gamma, và lọc nhiễu để cải thiện chất lượng hình ảnh. Phân đoạn màu sắc: Chia hình ảnh thành các vùng dựa trên màu sắc. Trích xuất đặc trưng**: Trích xuất các đặc trưng màu sắc từ các vùng đã phân đoạn. Phân loại: Sử dụng các thuật toán phân loại để phân loại sản phẩm dựa trên các đặc trưng màu sắc. Đánh giá**: Đánh giá độ chính xác của mô hình phân loại. Các bước này có thể được thực hiện bằng các công cụ phần mềm xử lý ảnh như OpenCV hoặc MATLAB.

3.2. Sử Dụng Thuật Toán Machine Learning Trong Phân Loại Màu Sắc

Các thuật toán machine learning có thể được sử dụng để phân loại sản phẩm dựa trên các đặc trưng màu sắc được trích xuất từ hình ảnh. Các thuật toán phổ biến bao gồm KNN, SVM, và Deep Learning. KNN là một thuật toán đơn giản và dễ hiểu, nhưng có thể không hiệu quả với dữ liệu phức tạp. SVM là một thuật toán mạnh mẽ có thể xử lý dữ liệu phi tuyến tính, nhưng có thể tốn nhiều thời gian để huấn luyện. Deep Learning là một thuật toán tiên tiến có thể đạt được độ chính xác cao, nhưng đòi hỏi lượng dữ liệu lớn và tài nguyên tính toán đáng kể. Việc lựa chọn thuật toán phù hợp phụ thuộc vào yêu cầu cụ thể của ứng dụng. Các mô hình machine learning phân loại màu có thể được huấn luyện với dữ liệu hình ảnh lớn để tăng độ chính xác và khả năng thích ứng.

IV. Ứng Dụng Của Mô Hình Phân Loại Màu Sắc Sản Phẩm Trong Công Nghiệp

Mô hình phân loại màu sắc sản phẩm có rất nhiều ứng dụng trong công nghiệp, bao gồm: Kiểm tra chất lượng: Phân loại sản phẩm dựa trên màu sắc để đảm bảo chất lượng. Tự động hóa quy trình**: Tự động hóa quy trình phân loại sản phẩm để tăng năng suất. Quản lý hàng tồn kho**: Quản lý hàng tồn kho hiệu quả hơn bằng cách phân loại sản phẩm theo màu sắc. Phân loại phế liệu**: Phân loại phế liệu theo màu sắc để tái chế hiệu quả. Theo ThS. Phạm Ngọc Hiệp (2023), việc ứng dụng mô hình phân loại tự động giúp giảm chi phí sản xuất và tăng tính cạnh tranh. Phân loại màu sắc trong bán lẻ cũng giúp cải thiện trải nghiệm người dùng và tăng doanh số.

4.1. Phân Loại Màu Sắc Trong Ngành Dệt May

Trong ngành dệt may, phân loại màu sắc được sử dụng để kiểm tra chất lượng vải, phân loại vải theo màu sắc và in ấn màu sắc chính xác. Hệ thống phân loại tự động có thể phát hiện các lỗi màu sắc nhỏ nhất, giúp đảm bảo chất lượng sản phẩm. Các tiêu chuẩn màu sắc sản phẩm trong ngành dệt may rất khắt khe, và việc sử dụng mô hình phân loại tự động giúp đáp ứng các tiêu chuẩn này một cách hiệu quả.

4.2. Phân Loại Màu Sắc Trong Ngành Thực Phẩm

Trong ngành thực phẩm, phân loại màu sắc được sử dụng để kiểm tra độ chín, độ tươi và chất lượng của sản phẩm. Ví dụ, màu sắc của trái cây và rau quả có thể là một chỉ số quan trọng về độ chín. Hệ thống phân loại tự động có thể loại bỏ các sản phẩm không đạt tiêu chuẩn một cách nhanh chóng và chính xác. Phân loại màu sắc cũng được sử dụng để phân loại các loại thực phẩm khác nhau, giúp quản lý hàng tồn kho hiệu quả hơn. Trong ngành chế biến thủy sản, phân loại sản phẩm theo màu sắc giúp kiểm tra chất lượng và độ tươi.

V. Kết Luận Về Mô Hình Phân Loại Sản Phẩm Theo Màu Sắc

Mô hình phân loại sản phẩm theo màu sắc là một công cụ mạnh mẽ có thể giúp tự động hóa quy trình, tăng năng suất và giảm thiểu sai sót. Sự phát triển của các thuật toán nhận diện màu sắc và xử lý ảnh đã mở ra những khả năng mới cho việc ứng dụng mô hình phân loại này. Nghiên cứu hiện tại tập trung vào việc nâng cao độ chính xác, tốc độ và khả năng thích ứng của mô hình machine learning phân loại màu trong các môi trường khác nhau. Theo Nguyễn Quốc Việt (2023), việc nghiên cứu và ứng dụng các hệ thống phân loại tự động là cần thiết để nâng cao năng lực cạnh tranh của các doanh nghiệp Việt Nam. Phân loại màu sắc trong thương mại điện tử và bán lẻ cũng đóng vai trò quan trọng trong việc cải thiện trải nghiệm người dùng và tăng doanh số. Việc xây dựng cơ sở dữ liệu màu sắc sản phẩm đầy đủ và chính xác là nền tảng của bất kỳ mô hình phân loại nào.

5.1. Tương Lai Của Mô Hình Phân Loại Màu Sắc

Tương lai của mô hình phân loại màu sắc hứa hẹn nhiều tiềm năng phát triển. Các thuật toán nhận diện màu sắc sẽ ngày càng chính xác và mạnh mẽ hơn. Xử lý ảnh màu sẽ trở nên hiệu quả hơn trong việc giảm thiểu ảnh hưởng của các yếu tố bên ngoài. Các mô hình machine learning sẽ có khả năng học hỏi và thích ứng với các môi trường khác nhau. Việc tích hợp mô hình phân loại màu sắc với các hệ thống khác như robot và IoT sẽ mở ra những ứng dụng mới trong nhiều lĩnh vực. Nghiên cứu về tiêu chuẩn màu sắc sản phẩm và mã màu sản phẩm sẽ tiếp tục đóng vai trò quan trọng trong việc đảm bảo tính nhất quán và dễ dàng tích hợp.

5.2. Hướng Phát Triển Của Nghiên Cứu Về Phân Loại Màu Sắc Sản Phẩm

Các hướng phát triển của nghiên cứu về phân loại màu sắc sản phẩm bao gồm: Nâng cao độ chính xác và tốc độ của các thuật toán nhận diện màu sắc. Phát triển các thuật toán xử lý ảnh màu mạnh mẽ hơn. Xây dựng các cơ sở dữ liệu màu sắc sản phẩm lớn và chính xác hơn. Nghiên cứu về các phương pháp học tăng cường (transfer learning) để giảm thiểu lượng dữ liệu cần thiết để huấn luyện mô hình. Tích hợp mô hình phân loại màu sắc với các hệ thống khác như robot và IoT. Nghiên cứu về tiêu chuẩn màu sắc sản phẩm và mã màu sản phẩm.

Trích đoạn nội dung tài liệu

CHƯƠNG I: TỔNG QUAN VỀ HỆ THỐNG PHÂN LOẠI SẢN PHẨM 1. Tình hình nghiên cứu thuộc lĩnh vực của đề tài.1 Tình hình nghiên cứu trong nước Việc nghiên cứu và xây dựng các hệ thống áp dụng tự động hóa trong sản xuất được ngày càng đẩy mạnh và phát triển. Do vậy, trong trường đại học sinh viên ngành kỹ thuật điều khiển/tự động hóa được tìm hiểu, học tập, nghiên cứu và xây dựng các hệ thống mô hình ứng dụng tự động hóa trong sản xuất. Từ đó được cái nhìn tổng quan và kinh nghiệm cơ bản trong việc triển khai thiết kế và xây dựng một hệ thống cơ điện tử.

Như vậy có thể thấy rằng, việc nghiên cứu, xây dựng các hệ thống này đang được các trường đại học quan tâm và chú trọng đẩy mạnh.2 Tình hình nghiên cứu ngoài nước Tương tự, ở các nước phát triển, sinh viên khối ngành kỹ thuật được tạo điều kiện để có thể tự thiết kế, xây dựng các hệ thống mô hình tự động. Sử dụng các thiết bị như động cơ Servo, van điều khiển khí nén và các bộ điều khiển PLC S7-1200 hoặc 1500 hiện đại, có tính đáp ứng và độ chính xác cao.2 Tổng quan đề tài.1 Lý do chọn đề tài Ở các doanh nghiệp phân loại thống kê để phục vụ cho việc lập kế hoạch sản xuất. Hiện tại, khâu phân loại ở các công ty trong nước được công nhân cân thủ công bằng cân điện tử. Quá trình phân loại cá gây tốn nhiều công nhân làm tăng chi phí sản xuất, thời gian cá chờ đợi nhập kho lâu, làm giảm chất lượng sản phẩm Để khắc phục hạn chế trên các công ty chế biến cân phân loại cá theo trọng lượng.

Hiện nay các hệ thống cân động dùng phân loại sản phẩm đang được sử dụng rộng rãi trong nhiều lĩnh vực. Tuy nhiên, các hạn chế tạo cân động thường chỉ sản xuất ra các dòng sản phẩm có công dụng rộng để có thể chế tạo hàng loạt. Nếu doanh nghiệp có yêu cầu đặc thù về thiết bị, cần phải đạt riêng với chi phí rất cao. Ngoài ra, khi có đầu tư từ nước ngoài thì việc bảo trì khó khăn do phải chờ đợi chuyên gia từ nước ngoài và phụ tùng thay thế đắt tiền để giảm chi phí nhập khẩu cho doanh nghiệp và chủ động trong việc bảo trì và sửa chữa, cần nghiên cứu thiết kế, chế tạo hệ thống phân loại cá theo điều kiện trong nước.

DATN: Thiết kế, thi công mô hình phân loại sản phẩm theo màu sắc Trang - 9 - SVTH: Nguyễn Quốc Việt GVHD: ThS. Phạm Ngọc Hiệp 1.2 Vận dụng Mô hình là sự kết hợp, vận dụng tổng hợp những kiến thức đã học vào thực tế, để có thể thiết kế, mô phỏng, xây dựng, đấu nối mạch điện và lập trình một mô hình hệ thống Cơ điện tử. Từ đó củng cố lại kiến thức đã học, hiểu sâu hơn về nguyên lý hoạt động và cách thức ứng dụng của chúng trong thực tế cho sinh viên. Có thể kể đến những học phần/kiến thức được ứng dụng trong đồ án này như: Hệ thống cơ điện tử, Kỹ thuật điện, Nguyên lý chi tiết máy, Cảm biến/Đo lường, Thiết kế 3D, Lập trình mô phỏng và PLC.

Giúp sinh viên có thể tiếp cận, làm việc với các thiết bị hiện đại và mang tính thực tế cao, được ứng dụng rộng rãi trong ngành công nghiệp tự động hóa hiện nay.3 Ứng dụng Mô hình có thể được phục vụ cho giảng dạy và học tập của một số học phần như: Nguyên lý chi tiết máy, PLC, Truyền động khí nén, Robotics, Cảm biến, Hệ thống cơ điện tử,. Sinh viên trong quá trình học các học phần trên có thể thí nghiệm, kiểm tra hoạt động của hệ thống dưới sự hướng dẫn của giảng viên, giúp các sinh viên hiểu được nguyên lý làm việc của hệ thống và ứng dụng của các thiết bị trong thực tế. Xa hơn nữa, có thể nâng cấp, tối ưu hóa mô hình để phục vụ các đề tài nghiên cứu khác nhau trong tương lai. DATN: Thiết kế, thi công mô hình phân loại sản phẩm theo màu sắc Trang - 10 - SVTH: Nguyễn Quốc Việt GVHD: ThS.

Phạm Ngọc Hiệp CHƯƠNG II: GIỚI THIỆU THIẾT BỊ SỬ DỤNG TRONG HỆ THỐNG 2. Bộ điều khiển PLC S7 1200 Hình 2.1 Bộ điều khiển PLC S7 1200 Các thành phần của PLC S7-1200 bao gồm: - 3 bộ điều khiển nhỏ gọn với sự phân loại trong các phiên bản khác nhau giống như điều khiển AC, RELAY hoặc DC phạm vi rộng. - 2 mạch tương tự và số mở rộng ngõ vào/ra trực tiếp trên CPU làm giảm chi phí sản phẩm. - 13 module tín hiệu số và tương tự khác nhau bao gồm (module SM và SB).

- 2 module giao tiếp RS232/RS485 để giao tiếp thông qua kết nối PTP. - Bổ sung 4 cổng Ethernet. - Module nguồn PS 1207 ổn định, dòng điện áp 115/230 VAC và điện áp 24 VDC. - PLC S7 1200 có cấu trúc phần cứng gồm: module nguồn, module CPU, module IO, module signal board, module truyền thông.

- PLC S7 1200 có thể kết nối tối đa 8 module IO và 3 module truyền thông chuẩn Rs 422, Rs 232, Rs485. - PLC S7 1200 có thể kết nối tối đa 146 đầu vào, 147 đầu ra số hoặc 67 đầu vào analog hoặc 33 đầu ra analog. - PLC S7 1200 còn hỗ trợ 6 bộ đếm tốc độ cao HSC và 4 kênh phát xung PWM - PLC S7 1200 có tích hợp sẵn cổng truyền thông profinet hỗ trợ giao thức Profinet để kết nối mạng profinet. - PLC S7 1200 tích hợp thêm 3 module truyền thông hỗ trợ giao thức truyền thông Profibus, Modbus… - PLC S7 1200 có phép mở rộng thêm 4DI/4DO hoặc 1 AI/1AO thông qua Signal Board gắn trực tiếp trên module CPU.

- PLC S7 1200 tích hợp khe cắm thẻ nhớ SIMATIC. DATN: Thiết kế, thi công mô hình phân loại sản phẩm theo màu sắc Trang - 11 - SVTH: Nguyễn Quốc Việt GVHD: ThS. Phạm Ngọc Hiệp Các loại module của PLC S7 1200: - CPU 1211C: tích hợp 6DI, 4DO, 2AI (0-10V), 1 cổng Profinet, 1 Signal board, 1 khe cắm thẻ nhớ, không mở rộng được thêm IO. - CPU 1212C: tích hợp 8DI, 6DO, 2AI (0-10V), 1 cổng Profinet, 1 Signal board, 1 khe cắm thẻ nhớ, mở rộng được thêm 2 module IO.

- CPU 1214C: tích hợp 14DI, 10DO, 2AI (0-10V), 1 cổng Profinet, 1 Signal board, 1 khe cắm thẻ nhớ, mở rộng được thêm 8 module IO. - CPU 1215C: tích hợp 14DI, 10DO, 2AI (0-10V), 2AO, 1 cổng Profinet, 1 Signal board, 1 khe cắm thẻ nhớ, mở rộng được thêm 8 module IO. - CPU 1217C: tích hợp 14DI, 10DO, 2AI (0-10V), 2AO, 1 cổng Profinet, 1 Signal board, 1 khe cắm thẻ nhớ, mở rộng được thêm 8 module IO.2 Xy lanh khí nén. Xi lanh khí nén hay còn gọi là ben khí nén, xi lanh khí là một thiết bị cơ học, sử dụng sức mạnh của khí nén để tạo ra lực cung cấp cho chuyển động.Xi lanh khí nén giúp chuyển hóa năng lượng của khí nén thành động năng, tác dụng làm piston của xi lanh chuyển động, thông qua đó truyền động đến thiết bị hoạt động.

Bởi vì khí nén có khả năng nở rộng, không có sự xuất hiện của năng lượng đầu vào từ bên ngoài. Nguyên lý hoạt động của xy lanh: Khi được kích thích, không khí nén vào thành ống với một đầu của piston và do đó sẽ chiếm không gian trong xy lanh.Lượng khí này lớn dần sẽ làm piston di chuyển, khi piston di chuyển sẽ sinh ra công và làm thiết bị bên ngoài hoạt động.2 Xy lanh kép 2.3 Van điện từ khí nén. Van điện từ khí nén là thiết bị cơ điện có tác dụng đóng, mở đường dẫn khí và điều hướng dòng khí tùy theo mục đích sử dụng và vận hành dưới tác động của cuộn dây điện từ. DATN: Thiết kế, thi công mô hình phân loại sản phẩm theo màu sắc Trang - 12 - SVTH: Nguyễn Quốc Việt GVHD: ThS.

Phạm Ngọc Hiệp Ưu điểm: - Sử dụng dễ dàng, tiện lợi - Thiết kế nhỏ gọn tiết kiệm diện tích - Độ bền cao, chất lượng tốt Van điện từ khí nén 5/2 Hình 2.3 Van điện từ 5/2 Cấu tạo của van điện từ 5/2: gồm 2 phần chính gồm coil và thân van: - Phần coil điện: Là nơi tiếp nhận nguồn điện từ bên ngoài, cho phép van hoạt động. Tùy 2nguồn điện mà có thể chọn loại coil điện cho phù hợp: nguồn AC hoặc nguồn DC 24V, AC 220V … - Phần thân van: Cấu tạo gồm 5 cửa và 2 vị trí được đánh dấu lần lượt A, B, R, P, S với nhiệm vụ. Nguyên lý hoạt động: Khi có nguồn điện sẽ sinh ra lực từ trường. Lực này sẽ hút trục van chuyển động dọc trục và khiến cho các cửa van được mở ra để cho khí nén thông cửa.

Hoạt động này giúp cho van có thể thực điện nhiệm vụ cấp hoặc đóng dòng khí nén cho thiết bị cần hoạt động. Khi van nằm ở trạng thái bình thường hay còn gọi là ở trạng thái van đóng thì cửa số 1 sẽ được thiết kế thông với cửa số 2. Trong khi đó thì cửa số 4 sẽ được thông với cửa số 5. Nhưng khi van được cấp khí nén khiến cho van nằm trong tình trạng được mơ hoàn toàn thì sẽ có sự thay đổi bắt đầu từ cửa số 1 và số 4.

Ở đây sẽ xảy ra hiện tượng đảo chiều và khiến cho cửa số 1 thông với cửa số 4. Trong khi đó thì cửa số 2 thông với cửa số 3. Riêng cửa số 5 sẽ bị chặn lại. DATN: Thiết kế, thi công mô hình phân loại sản phẩm theo màu sắc Trang - 13 - SVTH: Nguyễn Quốc Việt GVHD: ThS.

Phạm Ngọc Hiệp 2.4 Dây nối khí nén và đầu nối khí nén.4 Dây khí và đầu nối van khí nén A: Dây khí nén: - Khả năng chịu nhiệt tốt, chịu được một trường khắc nghiệt như các máy móc sản xuất công nghiệp. - Chất lượng sản phẩm tốt tuổi thọ cao đa dạng màu sắc và kích thước phù hợp với nhiều loại máy móc. - Áp suất hoạt động: 13kg/cm2 - Áp suất hoạt động tối đa: 24kg/cm2 B: Đầu nối khí nén: Đầu nối khí nén là linh kiện nhằm liên kết những thiết bị khí nén như các loại ống dẫn và những thiết bị dẫn động khí nén. Có cấu tạo đơn giản gọn nhẹ và thường làm bằng Niken-Đồng để chống ăn mòn và ngăn ô nhiễm hiệu quả 2.5 Loadcell và bộ khuếch đại.

Loadcell: Loadcell là thiết bị cảm biến dùng để chuyển đổi lực hoặc trọng lượng thành tín hiệu điện Hình 4.3: Loadcell Cấu tạo của loadcell: Loadcell được cấu tạo bởi hai thành phần, thành phần thứ nhất là “Strain gage” và thành phần còn lại là “Load”.