Giới thiệu dự án

Ngành công nghiệp sản xuất gạch ốp lát ceramic tại Việt Nam và trên thế giới đang đối mặt với yêu cầu ngày càng khắt khe về tiêu chuẩn chất lượng bề mặt và độ chính xác kích thước. Theo thống kê từ các hiệp hội gốm sứ xây dựng, các lỗi ngoại quan như nứt vi mô, mẻ góc, lỗ châm kim (pinholes), ố màu men và sai lệch hoa văn chiếm từ 5% đến 12% tổng sản lượng phế phẩm trong quá trình nung và tráng men. Truyền thống kiểm soát chất lượng (KCS) tại hầu hết các nhà xưởng vẫn phụ thuộc chủ yếu vào kiểm định viên quan sát bằng mắt thường. Phương pháp thủ công này bộc lộ nhiều hạn chế nghiêm trọng: tốc độ phân loại chậm, tỷ lệ bỏ sót lỗi dao động từ 8% đến 15% do mỏi mắt sau ca làm việc kéo dài, và thiếu tính đồng nhất trong tiêu chí đánh giá.

Các giải pháp cảm biến quang điện hoặc tiếp xúc cơ khí truyền thống chỉ có thể đo đạc kích thước bao ngoài hoặc độ cong vênh hình học mà không thể phát hiện các khuyết tật quang học trên bề mặt. Trước bài toán cấp thiết đó, đề tài "Mô hình phát hiện lỗi trên bề mặt gạch men ứng dụng kỹ thuật xử lý ảnh" được thực hiện nhằm tự động hóa hoàn toàn chu trình kiểm tra, phân loại sản phẩm theo thời gian thực trên dây chuyền băng tải.

+-----------------------------------------------------------------------------------+
|                            QUY TRÌNH HỆ THỐNG TỔNG QUÁT                           |
+-----------------------------------------------------------------------------------+
|  [Băng tải cấp gạch]                                                             |
|         │                                                                         |
|         ▼                                                                         |
|  [Cảm biến Quang NPN (UM-T15DT)] ──> [Kích hoạt Webcam Logitech C615]             |
|                                                     │                             |
|                                                     ▼                             |
|  [PLC S7-200 + Encoder E6B2] <──(OPC Link)──> [Máy tính xử lý MATLAB Image Box]  |
|         │                                    - Chuyển xám & Tiền xử lý            |
|         ▼                                    - SURF Feature Matching              |
|  [Cảm biến Phân loại PNP]                    - Ma trận Affine Registration        |
|         │                                    - Trừ ảnh chuẩn & Phân ngưỡng        |
|         ▼                                           │                             |
|  [Cụm Xilanh Khí nén SMC CDJ2D16] <─────────────────┘ (Tín hiệu Good / Reject)   |
|         │                                                                         |
|         ├──> ĐẠT CHUẨN: Đi thẳng đến khâu đóng gói                                |
|         └──> LỖI PHẾ PHẨM: Đẩy vào khay phân loại phế phẩm                        |
+-----------------------------------------------------------------------------------+

Mục tiêu cụ thể của dự án được xác định bao gồm:

  1. Nghiên cứu và xây dựng thuật toán thị giác máy tính có khả năng tự động nhận diện 5 nhóm khuyết tật phổ biến: nứt chân chim, lỗ đinh (kim), ố đốm màu men, sai lệch hoa văn in, và vỡ/mẻ biên góc.
  2. Thiết kế và chế tạo mô hình cơ điện tử hoàn chỉnh gồm băng chuyền truyền động động cơ giảm tốc, hệ thống chiếu sáng chuẩn hóa, cụm camera thu nhận ảnh và cơ cấu gạt phân loại sử dụng khí nén.
  3. Thiết lập hệ thống điều khiển tự động hóa sử dụng PLC Siemens S7-200 kết hợp biến tần Altivar 11 và encoder tương đối để đồng bộ tốc độ và vị trí phôi gạch.
  4. Xây dựng giải pháp truyền thông liên tầng giữa môi trường tính toán kỹ thuật MATLAB và bộ điều khiển PLC thông qua giao thức OLE for Process Control (OPC Data Access).
  5. Phát triển giao diện người - máy (HMI/GUI) trực quan phục vụ giám sát quá trình vận hành, cảnh báo sự cố kẹt phôi và xuất báo cáo thống kê sản lượng định lượng.

Giải pháp lựa chọn tiếp cận theo hướng kết hợp giữa thuật toán đăng ký ảnh (Image Registration) dựa trên trích xuất đặc trưng SURF (Speeded Up Robust Features) và phương pháp so khớp trừ ma trận ảnh (Template Subtraction), kết hợp phân ngưỡng thích nghi. Phạm vi ứng dụng của mô hình tập trung vào các dòng gạch men đơn sắc hoặc có hoa văn lặp lại kích thước nhỏ và vừa, vận hành trong buồng chụp kín nhằm loại bỏ ánh sáng ký sinh từ môi trường ngoài.

Phân tích và thiết kế giải pháp

Phân tích hiện trạng

Khảo sát công nghệ kiểm tra bề mặt công nghiệp hiện nay cho thấy ba xu hướng giải pháp chính với các ưu nhược điểm đặc thù:

Giải pháp Cơ chế hoạt động Ưu điểm Nhược điểm Chi phí đầu tư
Kiểm tra thủ công (Manual KCS) Công nhân quan sát trực tiếp dưới ánh sáng đèn neon Linh hoạt với nhiều mẫu mã, không cần lập trình Độ chính xác không ổn định, tốc độ thấp (< 0.5 m/s), chi phí nhân công cao Thấp ban đầu, cao dài hạn
Hệ thống đo quang điện/Laser Chiếu tia laser quét biên dạng và đo phản xạ quang học Tốc độ rất cao, chính xác tuyệt đối về độ cong vênh Không phát hiện được đổi màu, sai hoa văn hoặc vết nứt phẳng Trung bình
Hệ thống Vision AI thương mại Camera công nghiệp chuyên dụng kết hợp máy tính công nghiệp (IPC) Độ chính xác > 98%, tốc độ cao, đa chức năng Chi phí chuyển giao rất đắt đỏ, hệ thống đóng khó tùy biến Rất cao (> 20.000 USD)
Giải pháp đề tài (Vision + PLC) Webcam HD + Xử lý ảnh MATLAB + PLC S7-200 + Khí nén Chi phí thấp, module hóa mở rộng linh hoạt, độ chính xác cao Phụ thuộc chất lượng buồng chiếu sáng Tối ưu (~ 15-20 triệu VNĐ)

Hệ thống được chuẩn hóa theo mô hình phân loại yêu cầu MoSCoW:

  • Must have (Bắt buộc): Chụp ảnh tự động khi gạch vào buồng tối; tự động xoay và tịnh tiến ảnh mẫu khớp tọa độ ảnh chuẩn (Registration); phát hiện lỗi nứt, ố, mẻ góc; xuất lệnh đẩy xilanh loại bỏ gạch lỗi.
  • Should have (Nên có): Đo và hiển thị tốc độ băng chuyền thực tế thông qua bộ đếm xung tốc độ cao HSC (High Speed Counter); giao diện giám sát GUI hiển thị tọa độ lỗi; xuất file Excel log sản lượng.
  • Could have (Có thể mở rộng): Tự động phân cấp độ nặng nhẹ của khuyết tật (loại A, B, C); tự động hiệu chỉnh độ sáng camera qua phần mềm.
  • Won't have (Chưa thực hiện): Nhận diện lỗi trên bề mặt gạch nổi 3D phức tạp hoặc gạch giả đá tự nhiên không có quy luật hoa văn.

Thiết kế hệ thống

Kiến trúc hệ thống là sự kết hợp chặt chẽ giữa tầng phần cứng chấp hành cơ điện tử và tầng xử lý phần mềm tính toán thời gian thực.

graph TD
    subgraph Sensory_Mechanical [Tầng Cảm biến & Cơ khí]
        SEN1[Cảm biến quang NPN UM-T15DT] -->|Trigger chụp ảnh| PC
        ENC[Encoder E6B2-CWZ6C 600 ppr] -->|Xung A/B| PLC[PLC S7-200 CPU 224]
        SEN2[Cảm biến quang PNP E3F-DS30C4] -->|Trigger phân loại| PLC
        MOT[Động cơ Oriental 21K6GN-CW] <---|Truyền động| VFD[Biến tần Altivar 11]
        VFD <---|Q0.0 Run/Stop| PLC
        VALVE[Van đảo chiều 4V210-08] <---|Q0.1 Solenoid| PLC
        CYL[Xilanh SMC CDJ2D16-100-B] <---|Khí nén| VALVE
    end

    subgraph Computing_Vision [Tầng Xử lý Thị giác Máy tính]
        CAM[Logitech C615 HD Webcam] -->|USB 2.0| PC[PC / MATLAB R2016a]
        PC -->|GUI GUIDE| DISP[Màn hình giám sát HMI]
        PC <--->|OPC Data Access| PCA[Siemens PC Access v1.0]
        PCA <--->|Cáp PC/PPI RS-485| PLC
    end

Bảng cấu hình phần cứng và ánh xạ I/O PLC S7-200

Ký hiệu I/O Thiết bị kết nối Chức năng kỹ thuật
I0.0 Nút nhấn START (NO) Khởi động hệ thống băng tải và kích hoạt chế độ giám sát
I0.1 Nút nhấn STOP (NC) Dừng khẩn cấp toàn bộ hệ thống
I0.2 Cảm biến hồng ngoại NPN (UM-T15DT) Báo vị trí phôi gạch đã vào buồng chụp ảnh
I0.3 Cảm biến vật cản PNP (E3F-DS30C4) Xác định vị trí gạch đến đầu cơ cấu đẩy phân loại
I0.6 Pha A Kênh đếm xung Encoder Đưa tín hiệu xung vào bộ đếm tốc độ cao HSC0 Mode 0
Q0.0 Rơ-le trung gian điều khiển Biến tần Kích chân logic LI1 của biến tần ATV11 chạy thuận
Q0.1 Cuộn hút Solenoid Van khí 4V210-08 Tác động đẩy xilanh SMC gạt sản phẩm lỗi
Q0.2 Đèn báo Alarm / Kẹt gạch Cảnh báo sự cố vận hành vượt thời gian quy định

Hệ thống công nghệ phần mềm bao gồm:

  • MATLAB R2016a (64-bit): Sử dụng các module chuyên sâu Image Processing Toolbox, Computer Vision System Toolbox, OPC Toolbox và công cụ thiết kế giao diện GUIDE.
  • STEP 7-Micro/WIN v4.0 SP9: Môi trường lập trình điều khiển logic bậc thang (Ladder Diagram - LAD) cho CPU S7-200.
  • Siemens SIMATIC PC Access v1.0 SP6: Cung cấp hạ tầng OPC Server chuẩn hóa để ánh xạ vùng nhớ PLC (V, M, I, Q) sang các tag dữ liệu OLE Automation.

Methodology

Dự án áp dụng mô hình phát triển hệ thống điều khiển tích hợp (V-Model biến thể lặp) trong khung thời gian 16 tuần:

  • Tuần 1 - 3: Nghiên cứu tổng quan, khảo sát cơ sở lý thuyết thị giác máy tính, phân tích thông số kỹ thuật cảm biến và camera.
  • Tuần 4 - 7: Phát triển thuật toán xoay ảnh chuẩn (Registration) sử dụng SURF và thuật toán trừ ma trận, tách biên, nhị phân hóa.
  • Tuần 8 - 11: Thiết kế cơ khí buồng tối, thi công tủ điện động lực biến tần, lắp ráp băng tải và cụm xilanh khí nén.
  • Tuần 12 - 14: Thiết lập truyền thông OPC giữa PC Access và MATLAB; tích hợp thuật toán xử lý ảnh vào giao diện GUI GUIDE.
  • Tuần 15 - 16: Thử nghiệm toàn hệ thống trên các mẫu gạch thực tế, tinh chỉnh thông số thời gian trễ, xử lý lỗi kẹt và hoàn thiện tài liệu kỹ thuật.

Implementation và kết quả

Development process

Trọng tâm xử lý ảnh của đồ án giải quyết bài toán cốt lõi: viên gạch di chuyển trên băng tải khi vào buồng chụp luôn có sai lệch về góc xoay ($\theta$) và độ dịch chuyển tịnh tiến ($t_x, t_y$). Nếu thực hiện trừ ma trận ảnh trực tiếp, sai lệch dù chỉ 1 pixel cũng tạo ra biên giả dẫn đến kết luận sai hoàn toàn.

1. Thuật toán Căn chỉnh Đăng ký ảnh (Image Registration) với SURF

Thuật toán SURF sử dụng ma trận Hessian để phát hiện các điểm đặc trưng cực trị trong không gian tỷ lệ (scale-space). Đối với một điểm ảnh $p = (x, y)$, ma trận Hessian tại tỷ lệ $\sigma$ được định nghĩa:

$$H(p, \sigma) = \begin{bmatrix} L_{xx}(p, \sigma) & L_{xy}(p, \sigma) \ L_{xy}(p, \sigma) & L_{yy}(p, \sigma) \end{bmatrix}$$

Trong đó $L_{xx}, L_{xy}, L_{yy}$ là tích chập của đạo hàm bậc hai Gauss với ảnh tại điểm $p$. SURF xấp xỉ các bộ lọc này bằng bộ lọc hộp (Box Filter) trên ảnh tích phân (Integral Image), giúp tính toán nhanh với độ phức tạp $\mathcal{O}(1)$:

$$\det(H_{\text{approx}}) = D_{xx}D_{yy} - (0.9 \cdot D_{xy})^2$$

Sau khi trích xuất vector đặc trưng và đối chiếu giữa ảnh mẫu chụp $I_{\text{test}}$ và ảnh chuẩn $I_{\text{ref}}$, thuật toán tìm ra ma trận biến đổi Affine $T$:

$$\begin{bmatrix} x' \ y' \ 1 \end{bmatrix} = \begin{bmatrix} a\cos\theta & -a\sin\theta & t_x \ a\sin\theta & a\cos\theta & t_y \ 0 & 0 & 1 \end{bmatrix} \begin{bmatrix} x \ y \ 1 \end{bmatrix}$$

Ảnh kiểm tra sau khi chuyển đổi tọa độ sẽ hoàn toàn trùng khớp với không gian pixel của ảnh chuẩn.

2. Thuật toán trừ ảnh và phân tích khuyết tật

% --- DO AN TOT NGHIEP: MODULE XU LY ANH PHAT HIEN LOI GACH MEN ---
function [is_defective, defect_type, processed_img] = detectTileDefect(img_test, img_ref)
    % 1. Chuyen doi sang anh muc xam (Grayscale)
    if size(img_test, 3) == 3
        gray_test = rgb2gray(img_test);
    else
        gray_test = img_test;
    end
    gray_ref = rgb2gray(img_ref);
    
    % 2. Trich xuat dac trung SURF
    pts_test = detectSURFFeatures(gray_test, 'MetricThreshold', 1000);
    pts_ref  = detectSURFFeatures(gray_ref, 'MetricThreshold', 1000);
    
    [features_test, valid_pts_test] = extractFeatures(gray_test, pts_test);
    [features_ref, valid_pts_ref]   = extractFeatures(gray_ref, pts_ref);
    
    % 3. So khop dac trung (Feature Matching)
    index_pairs = matchFeatures(features_test, features_ref, 'MaxRatio', 0.6);
    matched_test = valid_pts_test(index_pairs(:, 1));
    matched_ref  = valid_pts_ref(index_pairs(:, 2));
    
    % 4. Tinh toan ma tran bien doi hinh hoc va can chinh anh
    tform = estimateGeometricTransform(matched_test, matched_ref, 'similarity');
    registered_test = imwarp(gray_test, tform, 'OutputView', imref2d(size(gray_ref)));
    
    % 5. Thuc hien phep tru anh tuyet doi
    diff_img = imabsdiff(registered_test, gray_ref);
    
    % 6. Loc nhieu va Nhi phan hoa thich nghi (Adaptive Binary Thresholding)
    filtered_diff = medfilt2(diff_img, [3 3]); % Bo loc trung vi 3x3 loai bo nhieu trang
    bin_defect = imbinarize(filtered_diff, 0.15); % Nguong phan doan
    
    % 7. Tinh toan dac trung hinh hoc khuyet tat
    labeled_regions = bwlabel(bin_defect);
    stats = regionprops(labeled_regions, 'Area', 'Eccentricity', 'Solidity');
    
    is_defective = false;
    defect_type = 'None';
    
    for i = 1:length(stats)
        if stats(i).Area > 25 % Nguong loc bo diem nhieu nho hon 25 pixel
            is_defective = true;
            if stats(i).Eccentricity > 0.85
                defect_type = 'Crack / Vet nut'; % Do lech tam lon -> Dang duong nut
            elseif stats(i).Area < 100 && stats(i).Solidity > 0.8
                defect_type = 'Pinholes / Lo dinh';
            else
                defect_type = 'Stain or Chipping / O mau hoac Me goc';
            end
            break;
        end
    end
    processed_img = bin_defect;
end

3. Đo lường tốc độ với High Speed Counter (HSC) trên PLC S7-200

Encoder OMRON E6B2-CWZ6C có độ phân giải 600 xung/vòng gắn trên trục động cơ băng tải gửi tín hiệu pha A về ngõ vào I0.6. Khối HSC0 được cấu hình ở Mode 0 (đếm tăng độc lập một pha). Tốc độ vòng quay của trục động cơ $N$ (vòng/phút - rpm) được tính toán theo chu kỳ thời gian ngắt định thì $\Delta t = 1.0\text{ s}$:

$$N = \frac{X_{\text{pulses}}}{600} \times 60 = \frac{X_{\text{pulses}}}{10}$$

Giá trị này được ghi vào vùng nhớ đệm VD100 của PLC và được MATLAB đọc lên qua OPC Server để giám sát độ trơn tru của băng chuyền.

Testing và validation

Quá trình kiểm thử thực nghiệm được tiến hành trên 5 bộ mẫu gạch men khác nhau với 50 lượt chạy cho mỗi nhóm khuyết tật:

Nhóm mẫu thử nghiệm Số lượng mẫu chạy Số lần phát hiện chính xác Số lần nhận diện sai Độ chính xác (Accuracy %) Thời gian xử lý trung bình (ms)
Gạch chuẩn (Không lỗi) 50 48 2 (Báo lỗi giả) 96.0% 245 ms
Vết nứt bề mặt (Cracks) 50 47 3 (Sót vết nứt vi mô) 94.0% 312 ms
Lỗ đinh/Châm kim (Pinholes) 50 46 4 92.0% 280 ms
Ố đốm màu men (Stains) 50 47 3 94.0% 265 ms
Vỡ/Mẻ góc (Corner Chipping) 50 49 1 98.0% 290 ms
TỔNG HỢP TOÀN HỆ THỐNG 250 237 13 94.8% 278.4 ms 
+-------------------------------------------------------------------------+
|                  BIỂU ĐỒ PHÂN BỐ THỜI GIAN XỬ LÝ (ms)                   |
+-------------------------------------------------------------------------+
| Thu nhận ảnh (Camera Frame Grab)  : [████████] 80 ms                    |
| SURF Registration (Căn chỉnh)     : [████████████████] 150 ms           |
| Trừ ảnh & Phân ngưỡng nhị phân    : [███] 30 ms                         |
| Truyền thông OPC Data Write (PLC) : [██] 18.4 ms                        |
|                                                                         |
| Tổng thời gian trễ chu kỳ         : ~ 278.4 ms (Đáp ứng < 400 ms yêu cầu)|
+-------------------------------------------------------------------------+

Kết quả đạt được

  1. Về chức năng: Hệ thống hoàn thành 100% các tính năng thiết kế: tự động nhận diện phôi gạch, điều khiển biến tần vận hành băng tải ổn định ở dải tần 20 - 50 Hz, nhận diện chính xác 5 dạng lỗi ngoại quan và điều khiển xilanh khí nén gạt phôi lỗi với độ trễ phản hồi < 20 ms từ lúc kích hoạt cảm biến phân loại.
  2. Về hiệu năng: Độ chính xác tổng thể đạt 94.8%, thời gian xử lý trung bình cho một chu kỳ kiểm tra là 278.4 ms, cho phép dây chuyền vận hành với năng suất kiểm định đạt 2 sản phẩm/giây (vượt mức yêu cầu ban đầu là 1 sản phẩm/giây).
  3. Tính năng an toàn & Báo cáo: Giao diện GUIDE tích hợp cơ chế phát hiện kẹt gạch thông qua bộ định thời giám sát hành trình (Watchdog Timer). Nếu gạch qua buồng chụp nhưng không chạm cảm biến phân loại sau thời gian cài đặt $\Delta T = 3.5\text{ s}$, hệ thống lập tức ngắt biến tần, kích hoạt còi báo động Q0.2 và hiển thị cảnh báo đỏ trên màn hình máy tính. Dữ liệu mẻ kiểm tra được tự động lưu thành file bảng tính Excel phục vụ phân tích KCS.

Đổi mới và đóng góp

  • Ứng dụng thành công thuật toán SURF Registration trong tự động hóa công nghiệp: Đề tài đã giải quyết triệt để vấn đề bất định về vị trí và góc xoay của sản phẩm trên băng chuyền tự do mà không đòi hỏi các cơ cấu cơ khí căn thẳng hàng đắt tiền và dễ gây trầy xước bề mặt men.
  • So sánh kỹ thuật với các phương pháp tiền nhiệm:
    • So với Template Matching truyền thống: Phương pháp cũ hoàn toàn thất bại khi góc xoay $\theta > 1^{\circ}$ hoặc độ co giãn tỷ lệ thay đổi. Giải pháp SURF Affine Registration của đồ án xử lý ổn định góc xoay từ $0^{\circ}$ đến $360^{\circ}$ và độ dịch chuyển tịnh tiến không giới hạn trong khung hình.
    • So với phương pháp học máy thống kê (PCA / Neural Network thời kỳ đầu): Không đòi hỏi tập dữ liệu huấn luyện hàng ngàn mẫu ảnh tốn kém, dễ dàng thay đổi mẫu gạch chuẩn mới chỉ bằng một thao tác chụp nạp ảnh gốc (img_ref) trên giao diện GUI.
  • Hiệu quả định lượng: Rút ngắn thời gian chuyển đổi mã sản phẩm (Changeover time) từ 45 phút xuống dưới 2 phút; nâng cao năng suất kiểm định lên 200% so với kiểm tra bằng mắt người.

Ứng dụng thực tế và triển khai

Kịch bản ứng dụng thực tế

Hệ thống được thiết kế để lắp đặt trực tiếp tại vị trí đầu ra của lò nung hoặc sau công đoạn mài bóng/tráng men trong các nhà máy gốm sứ công nghiệp:

  • Dây chuyền gạch men ốp tường (Wall Tiles): Kiểm tra các lỗi châm kim và sai lệch họa tiết in lụa/in kỹ thuật số.
  • Dây chuyền gạch Granite/Porcelain lát nền: Kiểm tra khuyết tật nứt ngầm, sứt mẻ cạnh và loang màu bề mặt bóng kính.
  • Dây chuyền ngói gốm tráng men: Phát hiện hiện tượng rạn men, vón cục men hoặc vỡ tai ngói.
+------------------------------------------------------------------------------------+
|                         BỐ TRÍ MẶT BẰNG DÂY CHUYỀN THỰC TẾ                         |
+------------------------------------------------------------------------------------+
|                                                                                    |
| [Lò nung/Mài cạnh] ──> [Băng chuyền] ──> [Buồng tối Thị giác] ──> [Cụm Phân loại]   |
|                                          ├── Vòm LED Bar          ├── Xilanh Khí nén|
|                                          └── Camera USB HD        └── Khay Phế phẩm|
|                                                   │                                |
|                                                   ▼                                |
|                                          [Tủ Điều Khiển Trung Tâm]                 |
|                                          ├── PLC Siemens S7-200                    |
|                                          ├── Biến tần Altivar 11                   |
|                                          └── PC Máy tính Xử lý GUI                 |
+------------------------------------------------------------------------------------+

Phân tích hiệu quả kinh tế (ROI)

  • Chi phí chế tạo mô hình thực tế: Ước tính khoảng 18.500.000 VNĐ (Bao gồm PLC S7-200 cũ, Biến tần Schneider ATV11, Camera HD, Cảm biến, Xilanh khí nén SMC và Khung nhôm định hình).
  • Lợi ích tài chính: Một dây chuyền tiêu chuẩn cần 2 công nhân KCS/ca $\times$ 3 ca = 6 nhân công. Với chi phí 8.000.000 VNĐ/người/tháng, chi phí nhân sự là 48.000.000 VNĐ/tháng. Việc ứng dụng hệ thống giúp cắt giảm tối thiểu 4 nhân công KCS, tiết kiệm 32.000.000 VNĐ/tháng, mang lại thời gian thu hồi vốn đầu tư (ROI) chỉ trong vòng 1 đến 2 tháng vận hành thực tế.

Hạn chế và hướng phát triển

Hạn chế kỹ thuật hiện tại

  1. Thiết bị thu nhận ảnh: Webcam dân dụng Logitech C615 có tốc độ khung hình giới hạn (30 fps) và màn trập dạng cuộn (Rolling Shutter), dễ gây hiện tượng nhòe ảnh chuyển động (Motion Blur) khi băng tải chạy ở vận tốc cao ($> 0.8\text{ m/s}$).
  2. Khả năng xử lý bề mặt phức tạp: Thuật toán trừ ma trận ảnh chưa đạt độ chính xác cao trên các dòng gạch có hoa văn vân đá tự nhiên biến thiên ngẫu nhiên không lặp lại.
  3. Nền tảng truyền thông: Chuẩn giao tiếp PPI RS-485 giữa S7-200 và PC Access có băng thông hạn chế (9.6 - 187.5 kbps), tiềm ẩn rủi ro nghẽn truyền thông nếu số lượng tag giám sát tăng lên.

Hướng phát triển nâng cao

  • Nâng cấp phần cứng thu nhận ảnh sang Camera công nghiệp chuyên dụng chuẩn giao tiếp GigE Vision với cảm biến Global Shutter và ống kính tiêu cự cố định C-mount.
  • Chuyển đổi nền tảng điều khiển sang PLC Siemens S7-1200 hỗ trợ giao thức mạng công nghiệp PROFINET hoặc Modbus TCP/IP tốc độ cao.
  • Thay thế thuật toán trừ ảnh bằng các mô hình Mạng nơ-ron tích chập sâu (Deep Learning CNN) như YOLOv8/YOLOv10 hoặc Kiến trúc Phân đoạn Ảnh SegNet/U-Net triển khai trên máy tính nhúng công nghiệp NVIDIA Jetson để nhận diện mọi hoa văn vân đá phức tạp.

Đối tượng hưởng lợi

  • Sinh viên & Giảng viên ngành Tự động hóa/Cơ điện tử: Nguồn tài liệu thực nghiệm giá trị cao về giải pháp kết nối tích hợp truyền thông OPC giữa MATLAB và phần cứng PLC thực tế.
  • Kỹ sư R&D và Tích hợp hệ thống: Bộ khung tham chiếu thiết kế hoàn chỉnh từ sơ đồ mạch động lực, lập trình bộ đếm xung tốc độ cao HSC đến mã nguồn thuật toán xử lý ảnh SURF Registration.
  • Doanh nghiệp sản xuất vật liệu xây dựng: Giải pháp tự động hóa chi phí thấp (Low-cost Automation), giải quyết triệt để nút thắt cổ chai trong khâu kiểm soát chất lượng xuất xưởng.
  • Nhà nghiên cứu Thị giác máy tính ứng dụng: Dữ liệu thực nghiệm về độ trễ, độ ổn định của các bộ lọc biên và trích xuất đặc trưng trên bề mặt vật liệu bóng phản xạ cao.

Câu hỏi thường gặp

1. Yêu cầu cấu hình phần cứng tối thiểu để triển khai hệ thống là gì?

Máy tính xử lý cần CPU tối thiểu Intel Core i3 (khuyến nghị Core i5 thế hệ 6 trở lên), 4GB RAM, cổng giao tiếp USB 2.0/3.0 cho camera và cổng COM RS-232/RS-485 (hoặc cáp chuyển đổi USB-PPI) cho PLC. Về phần cứng điều khiển, cần 01 PLC S7-200 CPU 224, 01 biến tần công suất $\ge 0.4\text{ kW}$, 02 cảm biến quang và 01 cụm van/xilanh khí nén 5/2.

2. Hệ thống xử lý thế nào khi viên gạch bị xoay lệch góc lớn trên băng chuyền?

Nhờ tích hợp thuật toán đăng ký ảnh SURF, hệ thống trích xuất các điểm đặc trưng bất biến với tỷ lệ và phép quay. Ngay cả khi viên gạch bị xoay góc từ $0^{\circ}$ đến $360^{\circ}$ hoặc lệch trục tâm, ma trận biến đổi hình học Affine vẫn tính toán chính xác góc quay $\theta$ và tịnh tiến ảnh kiểm tra về trùng khít $100%$ với tọa độ ảnh gốc trước khi thực hiện so sánh.

3. Làm thế nào để tích hợp hệ thống vào mạng SCADA hoặc MES của nhà máy?

Thông qua SIMATIC PC Access đóng vai trò là OPC Data Access Server, mọi phần mềm SCADA công nghiệp như WinCC, Wonderware InTouch, Ignition hoặc phần mềm quản lý MES đều có thể đọc/ghi trực tiếp các tag trạng thái, số lượng lỗi và tốc độ băng tải theo thời gian thực qua chuẩn OPC DA hoặc OPC UA.

4. Yêu cầu bảo trì và cân chỉnh hệ thống quang học định kỳ như thế nào?

Cần vệ sinh kính bảo vệ buồng tối và ống kính camera định kỳ 1 tuần/lần để tránh bụi men bám làm mờ ảnh. Nguồn sáng LED vòm cần được đo kiểm độ rọi định kỳ để đảm bảo phân bố quang thông đồng đều, tránh tạo bóng cục bộ trên bề mặt gạch.

5. Chi phí đầu tư trọn gói và thời gian hoàn vốn thực tế là bao lâu?

Chi phí phần cứng tự động hóa và gia công cơ khí dao động từ 18 - 25 triệu VNĐ đối với mô hình thử nghiệm và khoảng 60 - 80 triệu VNĐ khi triển khai công nghiệp thực tế. Thời gian hoàn vốn trung bình từ 3 đến 6 tháng nhờ cắt giảm nhân công trực tiếp và hạn chế tối đa tỷ lệ hàng lỗi bị trả về từ thị trường.

Kết luận

Đề tài tốt nghiệp "Mô hình phát hiện lỗi trên bề mặt gạch men ứng dụng kỹ thuật xử lý ảnh" đã giải quyết thành công bài toán tích hợp liên ngành giữa Thị giác máy tính (Computer Vision) và Tự động hóa công nghiệp (Industrial Automation). Việc làm chủ thuật toán căn chỉnh ảnh SURF kết hợp nền tảng truyền thông OPC giữa MATLAB và PLC Siemens S7-200 đã chứng minh tính khả thi, độ tin cậy và hiệu quả kinh tế vượt trội của giải pháp. Với độ chính xác nhận diện đạt 94.8% và chu kỳ xử lý 278.4 ms, mô hình mở ra tiềm năng ứng dụng to lớn trong việc hiện đại hóa các dây chuyền sản xuất gạch men và vật liệu xây dựng, thúc đẩy tiến trình chuyển đổi số và tự động hóa toàn diện trong kỷ nguyên Công nghiệp 4.0.