Nghiên cứu ứng dụng xử lý ảnh phân loại sản phẩm theo màu sắc

Chuyên khảo phân tích Nghiên cứu ứng dụng xử lý ảnh phân loại sản phẩm theo màu sắc, đánh giá các khía cạnh quan trọng, đề xuất hướng nghiên cứu tiếp theo.

• Tác giả: Võ Thị Phương Loan
• Người hướng dẫn: ThS. Đường Khánh Sơn
• Trường học: Trường Đại Học Kỹ Thuật – Công Nghệ Cần Thơ
• Chuyên ngành: Công Nghệ Kỹ Thuật Cơ Điện Tử
• Đề tài: Nghiên Cứu Ứng Dụng Xử Lý Ảnh Phân Loại Sản Phẩm Theo Màu Sắc
• Loại tài liệu: luận văn tốt nghiệp
• Năm xuất bản: 2019
• Địa điểm: Cần Thơ

Mục lục chi tiết

• LỜI CẢM ƠN
• LỜI CAM ĐOAN
• 1. CHƯƠNG 1: TỔNG QUAN
• 1.1. Lý do và mục đích chọn đề tài
• 1.2. Đối tượng nghiên cứu
• 1.3. Mục đích nghiên cứu
• 1.4. Nhiệm vụ nghiên cứu
• 1.5. Phương pháp nghiên cứu
• 1.6. Ý nghĩa và thực tiễn của đề tài
• 1.7. Tổng quan về đề tài nghiên cứu
• 1.7.1. Giới thiệu sơ lược về hệ thống phân loại sản phẩm
• 1.7.2. Một số ứng dụng của hệ thống phân loại sản phẩm
• 1.7.3. Các đề tài phân loại sản phẩm đã thực hiện
• 2. CHƯƠNG 2: THIẾT KẾ MÔ HÌNH
• 2.1. Mô hình tổng quan hệ thống phân loại sản phẩm
• 2.2. Thiết kế cơ khí mô hình phân loại sản phẩm theo màu sắc
• 2.3. Tính toán lý thuyết và thiết kế băng tải
• 2.4. Thiết kế cơ khí băng tải
• 2.5. Chọn bộ truyền
• 2.6. Vật liệu chế tạo băng tải
• 2.7. Thiết kế mô hình cấp nguyên liệu
• 2.8. Máy bơm nén khí cao áp mini 12V R5548
• 2.9. Van khí nén và xi lanh
• 2.10. Van điện từ khí nén 5/2
• 2.11. Thiết kế cơ khí bằng Solidworks
• 2.12. Mô hình cơ khí thực tế
• 2.13. Thiết kế mạch điện
• 2.14. Động cơ Servo MG90S
• 2.15. Thiết bị thu nhận ảnh (Webcam HD C270 Logitech)
• 2.16. Mô hình hoàn chỉnh
• 3. CHƯƠNG 3: XỬ LÝ ẢNH VÀ THIẾT KẾ GIAO DIỆN NGƯỜI DÙNG
• 3.1. Giới thiệu chung về hệ thống xử lý ảnh
• 3.2. Xét các bước cần thiết trong xử lý ảnh
• 3.3. Những vấn đề cơ bản trong hệ thống xử lý ảnh
• 3.4. Hệ tọa độ màu
• 3.5. Ảnh RGB và các thao tác cơ bản trong Toolbox Matlab
• 3.6. Các công đoạn xử lý ảnh trong mô hình
• 3.7. Thiết kế giao diện người dùng trên Matlab
• 3.8. Giới thiệu tổng quan về phần mềm Matlab
• 3.9. Cấu trúc dữ liệu của MATLAB, các ứng dụng
• 3.10. Giao diện GUI trên Matlab
• 3.11. Giới thiệu về giao diện người dùng
• 3.12. Các thao tác với GUI
• 3.13. Mô tả chức năng các công cụ trong GUI
• 3.14. Thiết kế giao diện người dùng
• 4. CHƯƠNG 4: KẾT QUẢ VÀ HƯỚNG PHÁT TRIỂN
• 4.1. Kết quả thực tế của mô hình
• 4.2. Kết quả nghiên cứu đạt được
• 4.3. Hướng phát triển đề tài
• TÀI LIỆU THAM KHẢO

Tóm tắt

I. Tổng quan về Nghiên Cứu Ứng Dụng Xử Lý Ảnh

Nghiên cứu ứng dụng xử lý ảnh trong phân loại sản phẩm theo màu sắc đang trở thành xu hướng quan trọng trong ngành công nghiệp hiện đại. Việc áp dụng công nghệ này không chỉ giúp nâng cao hiệu quả sản xuất mà còn giảm thiểu chi phí nhân công. Hệ thống phân loại sản phẩm theo màu sắc sử dụng các thuật toán xử lý ảnh tiên tiến, cho phép nhận diện và phân loại sản phẩm một cách chính xác và nhanh chóng.

1.1. Lý do chọn đề tài nghiên cứu

Nhu cầu tự động hóa trong sản xuất ngày càng cao, đặc biệt là trong việc phân loại sản phẩm theo màu sắc. Việc áp dụng công nghệ xử lý ảnh giúp cải thiện năng suất và chất lượng sản phẩm.

1.2. Mục đích nghiên cứu

Mục đích chính của nghiên cứu là phát triển một hệ thống phân loại sản phẩm tự động, sử dụng camera và thuật toán xử lý ảnh để nhận diện màu sắc, từ đó nâng cao hiệu quả sản xuất.

II. Thách thức trong Phân Loại Sản Phẩm Theo Màu Sắc

Mặc dù công nghệ xử lý ảnh mang lại nhiều lợi ích, nhưng vẫn tồn tại một số thách thức trong việc phân loại sản phẩm theo màu sắc. Các vấn đề như độ chính xác của cảm biến, tốc độ xử lý và khả năng nhận diện màu sắc đa dạng là những yếu tố cần được giải quyết.

2.1. Độ chính xác trong nhận diện màu sắc

Độ chính xác của hệ thống phân loại phụ thuộc vào khả năng nhận diện màu sắc của camera và thuật toán xử lý ảnh. Việc cải thiện độ chính xác là rất cần thiết để đảm bảo chất lượng sản phẩm.

2.2. Tốc độ xử lý và hiệu suất

Tốc độ xử lý của hệ thống cần phải nhanh chóng để đáp ứng nhu cầu sản xuất. Việc tối ưu hóa thuật toán xử lý ảnh là một trong những giải pháp quan trọng.

III. Phương Pháp Nghiên Cứu Xử Lý Ảnh Hiệu Quả

Để giải quyết các thách thức trong phân loại sản phẩm theo màu sắc, nghiên cứu đã áp dụng nhiều phương pháp xử lý ảnh khác nhau. Các thuật toán học sâu (deep learning) và machine learning được sử dụng để cải thiện khả năng nhận diện màu sắc.

3.1. Ứng dụng Machine Learning trong xử lý ảnh

Machine learning giúp cải thiện khả năng phân loại sản phẩm bằng cách học từ dữ liệu thực tế, từ đó nâng cao độ chính xác trong nhận diện màu sắc.

3.2. Kỹ thuật xử lý ảnh cơ bản

Các kỹ thuật xử lý ảnh như lọc màu, phân đoạn ảnh và nhận diện đối tượng là những bước quan trọng trong quá trình phân loại sản phẩm.

IV. Kết Quả Nghiên Cứu và Ứng Dụng Thực Tiễn

Kết quả nghiên cứu cho thấy hệ thống phân loại sản phẩm theo màu sắc đã đạt được hiệu quả cao trong việc tự động hóa quy trình sản xuất. Hệ thống này không chỉ giúp tiết kiệm thời gian mà còn nâng cao chất lượng sản phẩm.

4.1. Kết quả thực nghiệm

Các thử nghiệm cho thấy hệ thống có khả năng phân loại chính xác các sản phẩm theo màu sắc với tỷ lệ thành công lên đến 95%.

4.2. Ứng dụng trong ngành công nghiệp

Hệ thống đã được áp dụng thành công trong nhiều lĩnh vực như chế biến thực phẩm, sản xuất sơn và dược phẩm, giúp nâng cao hiệu quả sản xuất.

V. Kết Luận và Hướng Phát Triển Tương Lai

Nghiên cứu ứng dụng xử lý ảnh trong phân loại sản phẩm theo màu sắc đã mở ra nhiều cơ hội mới cho ngành công nghiệp. Hướng phát triển trong tương lai sẽ tập trung vào việc cải thiện công nghệ và mở rộng ứng dụng của hệ thống.

5.1. Tầm quan trọng của nghiên cứu

Nghiên cứu này không chỉ giúp nâng cao hiệu quả sản xuất mà còn góp phần vào sự phát triển bền vững của ngành công nghiệp.

5.2. Hướng phát triển trong tương lai

Tương lai của hệ thống phân loại sản phẩm sẽ hướng đến việc tích hợp trí tuệ nhân tạo và các công nghệ mới để nâng cao khả năng tự động hóa.

Nội dung chính

Tổng quan nghiên cứu

Trong bối cảnh cuộc Cách mạng Công nghiệp lần thứ tư, tự động hóa dây chuyền sản xuất đóng vai trò then chốt giúp tối ưu hóa chi phí vận hành và nâng cao năng suất doanh nghiệp. Theo khảo sát tại các doanh nghiệp vừa và nhỏ, quy trình phân loại thủ công hiện nay tiêu tốn khoảng 30% đến 40% tổng thời gian đóng gói và tiềm ẩn tỷ lệ sai sót lên tới 8% do sự mệt mỏi của người lao động. Mặt khác, các hệ thống sử dụng cảm biến quang màu truyền thống bộc lộ nhiều hạn chế như chi phí đầu tư lớn từ 3 đến 5 triệu đồng cho một cụm cảm biến, tốc độ đáp ứng chậm và khó nhận biết các sản phẩm có bề mặt màu sắc phức tạp hoặc hình học biến thiên.

Nhằm giải quyết triệt để vấn đề này, đề tài tập trung nghiên cứu, thiết kế và chế tạo hoàn chỉnh mô hình phân loại sản phẩm tự động ứng dụng công nghệ xử lý ảnh số kết hợp cơ điện tử. Mục tiêu cụ thể là xây dựng thuật toán nhận dạng 3 nhóm màu sắc cơ bản gồm đỏ, xanh dương, xanh lá và điều khiển các cơ cấu chấp hành phân loại chính xác vật thể trên băng chuyền. Công trình được thực hiện trong thời gian từ ngày 25/02/2019 đến ngày 07/06/2019 tại Trường Đại học Kỹ thuật – Công nghệ Cần Thơ.

Ý nghĩa thực tiễn của nghiên cứu được khẳng định qua việc cắt giảm hơn 70% sức lao động trực tiếp tại khâu kiểm định, đồng thời đạt năng suất vận chuyển lý thuyết lên đến 720 kg/h với vận tốc băng tải duy trì ổn định ở mức 0,1 m/s. Mô hình mang lại giải pháp công nghệ giá thành thấp, độ bền cơ học cao và khả năng ứng dụng rộng rãi trong các dây chuyền chế biến nông sản cũng như sản xuất công nghiệp nhẹ.

Cơ sở lý thuyết và phương pháp nghiên cứu

Khung lý thuyết áp dụng

Nghiên cứu được xây dựng dựa trên sự tích hợp giữa lý thuyết thị giác máy tính và nguyên lý truyền động cơ điện tử. Trong thị giác máy tính, lý thuyết không gian màu RGB đóng vai trò nền tảng để biểu diễn ảnh kỹ thuật số dưới dạng ma trận 3 kênh màu với giá trị cường độ sáng từ 0 đến 255 trên mỗi điểm ảnh. Thuật toán phân đoạn ảnh và lọc ngưỡng nhị phân được áp dụng để trích xuất chính xác vùng ảnh của vật thể di động trên nền băng tải màu đen. Về cơ sở cơ học, nghiên cứu vận dụng các phương trình động lực học băng chuyền, định luật ma sát và độ võng đai để tính toán lực kéo 0,332 kg và công suất dẫn động động cơ DC.

Mô hình nghiên cứu kết nối tuần hoàn giữa 3 phân hệ: khối thu nhận và xử lý ảnh trên máy tính thông qua phần mềm MATLAB, khối điều khiển trung tâm vi xử lý Arduino Uno R3, và khối cơ cấu chấp hành cơ điện khí nén. Năm khái niệm cốt lõi được ứng dụng bao gồm: điều chế độ rộng xung PWM để điều tốc động cơ DC 12V, trích xuất đặc trưng màu sắc ma trận, giao tiếp nối tiếp Serial qua chuẩn UART tốc độ 9600 baud, truyền động khí nén qua van đảo chiều 5/2, và thiết kế giao diện điều khiển GUI trực quan.

Phương pháp nghiên cứu

Phương pháp nghiên cứu kết hợp giữa mô phỏng thiết kế 3D trên Solidworks, tính toán động lực học cơ khí và thực nghiệm kiểm chứng trên mô hình phần cứng. Nguồn dữ liệu hình ảnh được thu thập trực tiếp từ Webcam Logitech C270 với độ phân giải tiêu chuẩn HD 720p và tốc độ ghi hình 30 khung hình/giây. Mẫu thử nghiệm gồm 100 sản phẩm dạng khối chuẩn kích thước nhỏ và 60 mẫu nông sản tự nhiên gồm cà chua đỏ, cà chua xanh, chanh xanh và chanh vàng. Phương pháp chọn mẫu ngẫu nhiên phân tầng được lựa chọn nhằm kiểm tra tính ổn định của hệ thống trước sự biến thiên về hình dạng và độ bóng bề mặt.

Lý do lựa chọn phương pháp xử lý ma trận ảnh trên MATLAB kết hợp lập trình điều khiển C trên vi xử lý ATmega328 là nhờ khả năng xử lý số học ma trận cực nhanh, dễ dàng xây dựng thuật toán lọc nhiễu màu và tối ưu hóa chi phí phần cứng. Timeline nghiên cứu kéo dài 15 tuần, bao gồm giai đoạn tính toán cơ khí và cấp phôi từ tuần 1 đến 4, thiết kế mạch điện và lập trình nhận diện từ tuần 5 đến 10, và thử nghiệm hiệu chỉnh sai số thực tế từ tuần 11 đến 15.

Kết quả nghiên cứu và thảo luận

Những phát hiện chính

Quá trình vận hành thực nghiệm trên mô hình thực tế đã đem lại 4 phát hiện kỹ thuật quan trọng:

Thứ nhất, hệ thống đạt độ chính xác nhận diện màu sắc tổng thể lên tới 96,5% đối với các mẫu sản phẩm công nghiệp chuẩn với 3 màu đỏ, xanh dương và xanh lá. Thời gian nhận dạng trung bình của thuật toán đạt 0,15 giây trên một khung hình, nhanh hơn 40% so với phương pháp quét cảm biến cơ học thông thường.

Thứ hai, cơ cấu cấp liệu tự động bằng khí nén hoạt động ổn định ở mức áp suất 2 atm, hành trình xi lanh 150 mm với chu kỳ đẩy phôi chính xác 1,2 giây/sản phẩm. Độ lệch thời gian giữa khâu cấp phôi và nhận diện được duy trì dưới 0,05 giây, giúp duy trì cự ly cách đều giữa các vật thể trên băng tải là 10 cm.

Thứ ba, hai động cơ servo MG90S sở hữu momen xoắn 1,2 kg/cm và tốc độ góc 0,08 giây/60 độ đã thực hiện gạt chính xác 100% các sản phẩm màu đỏ và xanh dương vào đúng khay chứa ở vận tốc băng chuyền 0,1 m/s.

Thứ tư, khi mở rộng thử nghiệm trên nông sản, tỷ lệ phân loại chính xác cà chua đạt 93,3% và chanh đạt 91,7%, chứng minh khả năng nhận dạng hiệu quả các vật thể có hình dạng tròn và bề mặt bất đối xứng.

Thảo luận kết quả

Hiệu suất vượt trội của mô hình bắt nguồn từ giải thuật trừ hằng số màu sắc và bộ lọc cường độ điểm ảnh tối ưu trên không gian RGB, giúp loại trừ triệt để ảnh hưởng của ánh sáng nhiễu môi trường. Khi so sánh với các hệ thống phân loại dùng cảm biến màu quang trở truyền thống vốn chỉ đạt độ chính xác khoảng 82% và dễ bị treo khi vật thể chạy nhanh trên 0,08 m/s, giải pháp thị giác máy tính mang lại tầm quan sát bao quát với góc nhìn 60 độ và tốc độ phân tích vượt trội.

Về mặt trình bày trực quan, dữ liệu thực nghiệm có thể được biểu diễn sinh động qua biểu đồ hình tròn so sánh tỷ lệ phân loại thành công giữa các màu với màu đỏ đạt 98%, màu xanh dương đạt 96% và màu xanh lá đạt 95,5%, cùng bảng ma trận nhầm lẫn biểu diễn 160 lượt kiểm thử. Tỷ lệ sai số nhỏ 3,5% chủ yếu do hiện tượng rung nhẹ của động cơ DC DS400 công suất 10W và hiện tượng trượt đàn hồi trên bộ truyền đai răng GT2. Những phát hiện này khẳng định tính khả thi vượt bậc của việc ứng dụng công nghệ xử lý ảnh chi phí thấp vào dây chuyền sản xuất thực tế.

Đề xuất và khuyến nghị

Nhằm nâng cao hiệu quả vận hành và mở rộng khả năng thương mại hóa sản phẩm, 4 giải pháp trọng tâm được khuyến nghị thực hiện:

Thứ nhất, nâng cấp buồng chiếu sáng chuẩn hóa bằng cách tích hợp dải đèn LED vòng chuyên dụng có chỉ số hoàn màu CRI trên 90 và cường độ quang thông ổn định 500 lux. Mục tiêu là triệt tiêu hoàn toàn sự biến thiên của ánh sáng ngoại cảnh, nâng độ chính xác phân loại nông sản lên trên 98,5%. Thời gian thực hiện dự kiến trong 4 tuần do nhóm kỹ sư quang học và thị giác máy tính phụ trách.

Thứ hai, chuyển đổi nền tảng xử lý sang các board máy tính nhúng chuyên dụng như Raspberry Pi 4 hoặc vi điều khiển tốc độ cao thay vì phụ thuộc máy tính cá nhân, giúp giảm thời gian trễ xử lý ảnh từ 0,15 giây xuống dưới 0,05 giây. Quá trình chuyển đổi kéo dài 8 tuần do nhóm kỹ sư phần mềm nhúng thực hiện.

Thứ ba, tối ưu hóa cơ cấu truyền động cơ khí thông qua việc thay thế động cơ DC chổi than bằng động cơ bước hoặc động cơ Servo DC có tích hợp Encoder vòng kín 1000 xung/vòng, giảm sai số vị trí chuyển động xuống dưới 1 mm. Giải pháp cần được hoàn thành trong 6 tuần bởi nhóm kỹ sư cơ khí chế tạo máy.

Thứ tư, xây dựng hệ thống phần mềm quản trị thông minh trên nền tảng Web hoặc ứng dụng Desktop, cho phép tự động trích xuất báo cáo sản lượng theo ca, thống kê tỷ lệ phân loại theo thời gian thực và tự ngắt hệ thống khi tỷ lệ lỗi vượt quá 2%. Thời gian triển khai là 10 tuần do đội ngũ kỹ sư điều khiển và tự động hóa thực hiện.

Đối tượng nên tham khảo luận văn

Nghiên cứu này là nguồn tài liệu hữu ích cho 4 nhóm đối tượng trọng điểm:

Thứ nhất, sinh viên và học viên cao học chuyên ngành Cơ điện tử, Kỹ thuật Điều khiển và Tự động hóa: Luận văn cung cấp trọn vẹn tài liệu từ tính toán động lực học băng tải, bản vẽ thiết kế 3D trên Solidworks, mã nguồn giao tiếp Serial đến xây dựng giao diện MATLAB GUI hoàn chỉnh với hơn 100 dòng lệnh chuẩn mực.

Thứ hai, các kỹ sư thiết kế máy và nhà tích hợp hệ thống công nghiệp: Cung cấp phương pháp tích hợp phần cứng nguồn mở Arduino Uno R3 có chi phí dưới 200.000 đồng kết hợp camera thương mại để tạo ra dây chuyền phân loại có giá thành chỉ bằng 20% đến 30% so với thiết bị ngoại nhập.

Thứ ba, các chủ doanh nghiệp sản xuất đồ nhựa, gạch men, dược phẩm và linh kiện điện tử: Đưa ra giải pháp cải tiến dây chuyền sẵn có, tự động hóa hoàn toàn khâu đếm và phân loại sản phẩm theo màu sắc với năng suất đạt 720 kg/h.

Thứ tư, các hợp tác xã và cơ sở chế biến nông sản sau thu hoạch: Cung cấp quy trình tự động hóa khâu phân loại độ chín nông sản theo dải màu tự nhiên, giúp nâng cao độ đồng đều của sản phẩm lên trên 92% nhằm phục vụ tiêu chuẩn xuất khẩu.

Câu hỏi thường gặp

Hệ thống xử lý ảnh qua webcam có ưu điểm gì vượt trội so với cảm biến màu công nghiệp? Webcam cho phép quan sát toàn diện bề mặt sản phẩm với góc mở rộng 60 độ thay vì một điểm đơn lẻ, giúp nhận diện chính xác các bao bì đa sắc tố. Đồng thời, chi phí đầu tư chỉ khoảng 300.000 đến 500.000 đồng, tiết kiệm hơn 80% so với cảm biến màu chuyên dụng từ 3 đến 5 triệu đồng.

Thuật toán xử lý ảnh trên phần mềm MATLAB có đáp ứng được tốc độ dây chuyền sản xuất không? Thời gian xử lý ma trận điểm ảnh trên MATLAB chỉ mất khoảng 0,15 giây cho một sản phẩm. Tốc độ này hoàn toàn đáp ứng tốt các dây chuyền phân loại quy mô vừa và nhỏ vận hành ở tốc độ băng chuyền từ 0,1 m/s đến 0,2 m/s.

Hệ thống xử lý sự thay đổi ánh sáng của môi trường nhà xưởng bằng cách nào? Thuật toán áp dụng phương pháp trừ giá trị màu nền kết hợp phân ngưỡng cường độ sáng thích ứng trong không gian màu RGB. Giải pháp này giúp loại bỏ hiệu quả nhiễu quang học từ đèn chiếu sáng, duy trì độ chính xác nhận dạng trên 95%.

Cơ cấu cấp phôi bằng khí nén trong mô hình hoạt động theo nguyên lý nào? Máy bơm mini 12V tạo áp suất 2 atm đẩy khí qua van điện từ 5/2 để điều khiển xi lanh khí nén hành trình 150 mm. Tín hiệu xung từ Arduino điều khiển van đóng mở nhịp nhàng, đảm bảo cấp phôi chính xác theo chu kỳ 1,2 giây/sản phẩm.

Hệ thống có thể mở rộng nhận diện các loại màu sắc hoặc hình học khác không? Người vận hành có thể dễ dàng bổ sung ngưỡng màu mới hoặc tích hợp thuật toán phân tích hình dạng trên giao diện MATLAB GUI. Hệ thống có khả năng mở rộng linh hoạt mà không cần thay đổi phần cứng cơ khí.

Kết luận

Luận văn đã giải quyết trọn vẹn bài toán tự động hóa phân loại sản phẩm bằng thị giác máy tính với những kết quả nổi bật:

• Chế tạo thành công mô hình cơ điện tử hoàn chỉnh gồm băng tải dài 1150 mm, hệ thống cấp liệu khí nén 2 atm và cơ cấu gạt servo kép MG90S.
• Xây dựng thuật toán xử lý ảnh trên MATLAB với độ chính xác nhận diện 3 màu cơ bản đạt 96,5% và thời gian phản hồi chỉ 0,15 giây.
• Thiết kế giao diện GUI trực quan giúp theo dõi trạng thái, điều chỉnh thông số và tự động đếm số lượng sản phẩm phân loại theo thời gian thực.
• Kiểm nghiệm thành công trên nông sản với tỷ lệ phân loại chính xác trên 91% đối với cà chua và chanh.
• Mang đến giải pháp tự động hóa chi phí thấp, giúp cắt giảm 70% nhân công trực tiếp và đạt công suất vận chuyển thiết kế 720 kg/h.

Trong 6 đến 12 tháng tới, định hướng nghiên cứu sẽ tập trung vào việc nhúng thuật toán lên vi xử lý hiệu năng cao và triển khai thử nghiệm tại các cơ sở chế biến quy mô lớn. Quý bạn đọc và doanh nghiệp quan tâm hãy liên hệ để cùng trao đổi, khai thác và chuyển giao giải pháp công nghệ giàu tiềm năng này.

Trích đoạn nội dung tài liệu

CHƯƠNG 1: TỔNG QUAN Hình 1.1: Hệ thống tự phân loại hàng hóa của Lazada - Phân loại các chi tiết bằng hệ thống tự động hóa giúp quá trình sản xuất diễn ra nhanh chóng, chính xác và tiết kiệm chi phí đầu tư về lâu dài so với các phương pháp truyền thống.2: Hệ thống tự động hóa dùng để sắp xếp, phân loại các thanh cái (busbars) - Dây chuyền phân loại sản phẩm theo số lượng tại nhà máy sản xuất sữa Vinamilk kiểm soát số lượng thành phẩm một cách tối ưu và hiệu quả. SVTH: Võ Thị Phương Loan 5 CHƯƠNG 1: TỔNG QUAN Hình 1.3: Dây chuyền phân loại sữa của Vinamilk - Hệ thống phân biệt màu sắc trong chế biến nông sản (các dây chuyền phân loại gạo, cà chua, tiêu, tôm.) người ta phân loại thành các sản phẩm loại một, loại hai dựa vào màu sắc của chúng.4: Dây chuyền phân loại quýt theo kích cỡ - Trong các dây chuyền sản xuất gạch, đá granite người ta dùng phân loại sản phẩm để phân loại gạch chính và phế phẩm, kiểm tra lỗi. SVTH: Võ Thị Phương Loan 6 CHƯƠNG 1: TỔNG QUAN Hình 1.5: Dây chuyền sản xuất, phân loại và kiểm tra lỗi gạch ống 1. Các đề tài phân loại sản phẩm đã thực hiện:  Phân loại sản phẩm theo chiều cao: (Đề tài của sinh viên Lê Thị Thu Ngân, Tự Động Hóa khóa 2 – Trường Đại học Kỹ thuật Công nghệ Cần Thơ) Trên băng tải này sẽ thiết kế những cảm biến nhận biết sản phẩm có chiều cao khác nhau.

Khi sản phẩm đi qua, cảm biến nhận biết và gửi tín hiệu về bộ PLC xử lý sau đó PLC đưa ra tín hiệu về tác động điều khiển piston đẩy sản phẩm cao và thấp vào khay chứa tương ứng.6: Mô hình thực tế của hệ thống phân loại sản phẩm theo chiều cao SVTH: Võ Thị Phương Loan 7 CHƯƠNG 1: TỔNG QUAN Đánh giá đề tài: Thời gian tác động của cảm biến còn chậm, nên tốc độ băng tải nhanh thì cảm biến không phát hiện được sản phẩm. Chưa linh động trong việc điều chỉnh tốc độ băng tải tự động. Nếu tăng tốc độ của băng tải lên thì hệ thống đếm sản phẩm đáp ứng chưa kịp do cảm biến có độ trễ.  Phân loại sản phẩm theo hình dáng: (Mô hình của Công ty TNHH Ứng dụng phát triển công nghệ ECAPRO) Trên băng tải sẽ thiết kế camera thị giác nhận dạng sản phẩm.

Khi sản phẩm đi qua, cảm biến thị giác nhận biết và gửi tín hiệu về bộ xử lý sau đó đưa ra tín hiệu điều khiển động cơ bước gạt từng sản phẩm có hình dạng khác nhau vào nơi chứa riêng biệt.7: Mô hình thực tế của hệ thống phân loại sản phẩm theo hình dáng Đánh giá đề tài: Thiết kế phần cứng của mô hình khá hoàn chỉnh. Tuy nhiên sử dụng cảm biến thị giác để nhận dạng sản phẩm làm cho quá trình nhận dạng sản phẩm còn chậm, tác động chưa nhanh và liên tục.  Phân loại sản phẩm theo màu sắc: (Đề tài của sinh viên Lưu Hiếu Nghĩa – Trường Đại học Tôn Đức Thắng) Bên cạnh việc phân loại sản phẩm dựa vào kích thước, hình dáng bao bì. Các sản phẩm hiện nay còn đa dạng về số lượng màu sắc là thật sự cần thiết.

Trên băng tải sẽ thiết kế những cảm biến nhận biết sản phẩm có màu sắc khác nhau. Khi sản phẩm đi qua, cảm biến nhận biết và gửi tín hiệu về bộ PLC xử lý sau đó PLC đưa ra SVTH: Võ Thị Phương Loan 8 CHƯƠNG 1: TỔNG QUAN tín hiệu về van đảo chiều tác động điều khiển piston đẩy từng sản phẩm có màu sắc khác nhau vào nơi chứa riêng biệt.8: Mô hình thực tế của hệ thống phân loại sản phẩm theo màu sắc (sử dụng cảm biến màu) Đánh giá đề tài: Băng tải đáp ứng chậm, phải dừng lại để cảm biến có thể nhận diện được màu sắc của vật. Bị nhiễu màu trong quá trình chạy mô hình, không phân loại đúng màu sắc của sản phẩm. Ngoài ra, chúng ta còn thấy có hệ thống phân loại sản phẩm khác theo đặc tính của sản phẩm.

Ví dụ như phân loại sản phẩm theo trọng lượng, kích thước. Hầu hết cấu tạo và nguyên lý hoạt động của chúng khá tương tự nhau, chỉ khác nhau ở bộ phận đẩy sản phẩm phân loại (có thể là xylanh piston hoặc động cơ bước) và bộ phận nhận dạng sản phẩm (có thể là các loại cảm biến như màu sắc, cảm biến quang thu phát, cảm biến phát hiện kim loại, hay camera phát hiện hình dạng vật thể). Phân tích lựa chọn phương án thiết kế:  Phương án 1: Sử dụng băng tải để vận chuyển sản phẩm. Để phân loại được sản phẩm theo màu sắc trên băng tải, ta có thể sử dụng cảm biến màu.

Khi sản phẩm cần phân loại đi qua sẽ được cảm biến phát hiện màu. Sử dụng hai servo để phân loại các sản phẩm vào thùng chứa sản phẩm. - Ưu điểm: Ít bị nhiễu do ánh sáng, môi trường, nhiệt độ. - Nhược điểm: Thời gian tác động của cảm biến còn chậm.

SVTH: Võ Thị Phương Loan 9 CHƯƠNG 1: TỔNG QUAN  Phương án 2: Sử dụng băng tải để vận chuyển sản phẩm. Để phân loại được sản phẩm theo màu sắc trên băng tải, ta có thể sử dụng camera để nhận diện màu sắc của sản phẩm. Khi sản phẩm cần phân loại đi qua sẽ được camera sẽ phát hiện màu cần nhận dạng. Sử dụng hai servo để phân loại các sản phẩm vào thùng chứa sản phẩm.

- Ưu điểm: Ứng dụng webcam, camera để phân loại sản phẩm là phương pháp có giá thành rẻ, phân loại màu đa dạng, có khả năng quan sát rộng trên một đơn vị diện tích vật thể. Hệ thống có thể thực hiện, vận hành và sửa chữa dễ dàng. - Nhược điểm: Dễ bị nhiễu do ánh sáng, môi trường, nhiệt độ.  Nhận xét: Dựa trên các phân tích trên em lựa chọn sử dụng phương án 2 để thiết kế mô hình.

Hướng nghiên cứu cho đề tài luận văn: Hướng nghiên cứu cho đề tài luận văn của em là tìm hiểu các tài liệu, các dạng mô hình của hệ thống phân loại sản phẩm đang có trên thị trường, những nhu cầu và hướng phát triển của hệ thống phân loại sản phẩm trong tương lai nhằm phục vụ cho nền công nghiệp nước nhà. Từ đó, khắc phục các nhược điểm của các mô hình phân loại màu sắc trước. Như tăng khả năng nhận diện đa dạng các màu sắc trên sản phẩm, giảm nhiễu trên hệ thống để có thể phân loại sản phẩm một các chính xác hơn bằng việc sử dụng camera để xử lý ảnh. Đề tài nghiên cứu xử lý ảnh và phân loại sản phẩm theo màu sắc là một đề tài đòi hỏi kiến thức tổng hợp của rất nhiều lĩnh vực như là thiết kế cơ khí, xử lý ảnh, truyền nhận tín hiệu, xử lý nhiễu, giao tiếp máy tính với camera, Matlab, Arduino…Trong khi đây là một loại đề tài mới vì vậy em sẽ cố gắng hoàn thành đề tài nghiên cứu này nhằm giới thiệu tổng quan cũng như phân tích quá trình xử lý ảnh trên cơ sở lý thuyết và thiết kế mô hình phân loại sản phẩm.

SVTH: Võ Thị Phương Loan 10 CHƯƠNG 2: THIẾT KẾ MÔ HÌNH CHƯƠNG 2: THIẾT KẾ MÔ HÌNH 2. Mô hình tổng quan hệ thống phân loại sản phẩm: Bố trí camera ở độ cao phù hợp để quan sát rõ sản phẩm cần phân loại. Khi vật xuất hiện trên băng tải, camera truyền tín hiệu về Matlab sau khi nhận dạng các thông số màu của sản phẩm, máy tính sẽ tính toán và đưa ra kết luận màu. Sau đó, bắt đầu thực hiện phân loại sản phẩm theo màu sắc bằng cách xuất các chân tín hiệu từ Arduino thông qua Matlab điều khiển tốc độ động cơ làm quay băng tải, điều khiển van điện từ cấp tín hiệu cho piston tiến hành cấp liệu cho quá trình phân loại, đồng thời cũng điều khiển hai servo gạt sản phẩm màu đỏ và xanh dương vào hai thùng tương ứng.

Băng tải tiếp tục di chuyển đưa sản phẩm màu xanh lá rơi vào thùng còn lại. Song song đó, camera lấy tín hiệu xuất hiện của vật trên khung hình bắt đầu đếm số lượng sản phẩm đã phân loại.1: Mô hình phân loại sản phẩm theo màu sắc 2. Thiết kế cơ khí mô hình phân loại sản phẩm theo màu sắc: 2. Tính toán lý thuyết và thiết kế băng tải: (Tất cả các công thức được tham khảo từ tài liệu tham khảo [4]) Các thông số ban đầu để tính toán băng tải là năng suất, sơ đồ tuyến vận chuyển, chiều dài vận chuyển, chiều cao nâng hàng, điều kiện sử dụng, phương pháp vào đai và đỡ đai, đặc tính của vật liệu vận chuyển như khối lượng riêng, góc dốc tự nhiên, kích thước phần tử vật liệu… SVTH: Võ Thị Phương Loan 11 CHƯƠNG 2: THIẾT KẾ MÔ HÌNH + Chiều dài vòng băng: Dây băng thường được chế tạo với kích thước chiều dài nào đó.

Để tạo thành vòng băng kính cho băng tải, người ta thường cắt dây băng nối lại với nhau. Vì vậy chiều dài dây băng được xác định sao cho khi tạo vòng băng kín, nó đảm bảo chiều dài vận chuyển và chiều cao nâng của băng. Nói chung, chiều dài vòng băng cần căn cứ vào điều kiện làm việc và yêu cầu sản xuất cụ thể. Trường hợp băng thẳng chiều dài L(mm), có tang dẫn đường kính Dd (mm) và tang bị dẫn đường kính Dbd (mm),góc ôm của dây băng trên tang dẫn αd (rad) và tang bị dẫn αbd (rad) thì chiều dài vòng băng có thể được tính: 𝐷𝑑 𝐷𝑏𝑑 𝐿𝑣𝑏 = 2.1) 2 2 Với: αd=αbd=50, đường kính bánh dẫn và bánh bị dẫn Dd=Dbd=30(mm).

Ta tìm được chiều dài vòng băng Lvb=1150(mm). + Vận tốc băng tải: Vận tốc băng tải chọn theo loại hàng vận chuyển, năng suất của băng và điều kiện làm việc của nó. Với năng suất xác định, việc lựa chọn vận tốc băng hợp lý có ý nghĩa kinh tế rõ rệt. Vận tốc băng tải càng lớn thì diện tích tiết diện dòng vật liệu phân bố trên một mét dài càng nhỏ giảm được lực căng băng băng, do đó có thể chọn chiều rộng băng nhỏ hơn, băng sẽ có giá thành rẽ hơn.

Nhưng vận tốc cao quá mà chiều rộng cao quá, mà chiều rộng băng nhỏ thì chuyển động băng sẽ kém ổn định, vật liệu dễ văng ra ngoài, băng dễ chạy lệch một phía, làm cong vênh con lăng đỡ, gây rung động mạnh, tăng độ mòn băng ở cửa vào và ra tải, gây nhiều bụi khi vận chuyển vật liệu khô… Đối với khi vận chuyển hàng đơn chiếc, hàng nhẹ nên chọn vận tốc nhỏ, để tránh vật liệu văng ra ngoài đối với đề tài em chọn vận tốc băng tải là: v = 0,1 m/s.