Giới thiệu dự án
Nông nghiệp công nghệ cao đang là trụ cột quan trọng trong chuyển dịch cơ cấu kinh tế tại Việt Nam. Theo báo cáo của Tổng cục Thống kê (GSO, 2023), tỷ trọng lao động nông nghiệp sụt giảm bình quân 0,6% - 1,6%/năm do xu hướng chuyển dịch sang công nghiệp và dịch vụ, dẫn đến tình trạng thiếu hụt nhân công cục bộ trong mùa vụ thu hoạch cao điểm. Trên quy mô toàn cầu, theo Tổ chức Lương thực và Nông nghiệp Liên Hợp Quốc (FAO), sản lượng cà chua đã vượt 180 triệu tấn/năm với mức tiêu thụ bình quân trên 23 kg/người/năm. Tại Việt Nam, mô hình trồng giống cà chua Nova trong nhà màng thông minh (diện tích phổ biến $1000\text{ m}^2$) phát triển mạnh tại Đắk Lắk, Tây Ninh, Lâm Đồng, mang lại lợi nhuận từ 100 – 200 triệu đồng/ha mỗi vụ.
+-----------------------------------------------------------------------------------+
| BỐI CẢNH VÀ ĐỘNG LỰC DỰ ÁN |
+-----------------------------------------------------------------------------------+
| Thiếu hụt lao động nông nghiệp (GSO 2023) ---> Giảm 0.6% - 1.6%/năm |
| Tiềm năng cà chua Nova nhà màng ---> Sản lượng 40 - 60 tấn/ha/vụ |
| Chi phí nhân công & rủi ro dập nát ---> 2.784 quả/ngày cần thu hoạch |
| GIẢI PHÁP: MOBILE ROBOT BÁNH XÍCH TỰ HÀNH KẾT HỢP XỬ LÝ ẢNH AI & ROS |
+-----------------------------------------------------------------------------------+
Vấn đề thực tiễn (Problem Statement)
Phương pháp thu hoạch thủ công truyền thống bộc lộ nhiều điểm nghẽn nghiêm trọng:
- Tổn thương quả mềm: Thao tác hái thủ công thiếu đồng nhất dễ làm dập nát vỏ quả cà chua Nova, làm giảm thời hạn bảo quản và giá trị thương phẩm.
- Áp lực mùa vụ: Giống cà chua Nova cho thu hoạch rộ trong 4 - 5 tháng liên tục. Với mật độ 2.088 cây/$1000\text{ m}^2$ và năng suất trung bình 80 quả/cây, tổng sản lượng đạt 167.040 quả/vụ (tương đương 2.784 quả/ngày). Việc thuê lượng lớn nhân công hái đúng độ chín là bài toán nan giải.
- Môi trường vi khí hậu khắc nghiệt: Nhiệt độ và độ ẩm cao bên trong nhà màng gây ảnh hưởng lớn đến sức bền lao động của con người.
Mục tiêu dự án
- Thiết kế cơ khí tối ưu: Chế tạo khung gầm Mobile Robot bánh xích kích thước $900 \times 900 \times 200\text{ mm}$, tải trọng toàn phần $140\text{ kg}$, di chuyển ổn định với vận tốc $0,2\text{ m/s}$ trong hành lang luống $110 - 120\text{ cm}$.
- Xây dựng kiến trúc điều khiển phân tán: Kết hợp máy tính nhúng NVIDIA Jetson Nano (Master) chạy ROS và vi điều khiển STM32F4 (Slave) với thuật toán PID vận tốc/vị trí.
- Phát triển hệ thống thị giác máy tính và định vị: Tích hợp cảm biến LiDAR 2D/3D cho tác vụ SLAM giữa các luống, Stereo Camera gắn trên tay máy để nhận diện quả chín và tính toán tọa độ 3D theo thời gian thực, kết hợp camera quét mã QR điều hướng chuyển luống.
- Cơ cấu chấp hành và thu hái tự động: Thiết kế tay gắp 2 ngón chuyên dụng thực hiện bẻ tách cuống quả bằng liên kết mềm trong thời gian $\le 10\text{ s/quả}$, tự động giám sát khối lượng quả trong thùng chứa bằng cảm biến Strain Gauge Loadcell.
Giải pháp và phạm vi nghiên cứu
- Tiếp cận kỹ thuật: Sử dụng nền tảng Robot Operating System (ROS) kết hợp giải thuật bám đường đóng kín PID và mô hình học sâu (Deep Learning) nhận diện quả. Hệ dẫn động sử dụng cơ cấu bánh xích truyền động trục vít - bánh vít tự hãm.
- Chỉ tiêu định lượng: Năng suất hái đạt 500 – 700 quả/ca ($2,5\text{ giờ}$), hoạt động liên tục 4 ca/ngày ($10 - 12\text{ giờ}$), tỷ lệ định vị và phân loại quả chín chính xác $\ge 85%$.
- Phạm vi & Giới hạn: Áp dụng cho trang trại nhà màng cà chua Nova phẳng, độ dốc $\le 5^\circ$, độ ẩm đất pha cát có kiểm soát, chiều cao tán quả từ $0,7\text{ m}$ đến $2,0\text{ m}$.
Phân tích và thiết kế giải pháp
Phân tích hiện trạng
| Hệ thống |
Ưu điểm |
Nhược điểm |
Chi phí ước tính |
Khả năng ứng dụng tại VN |
| Panasonic Tomato Robot (Nhật Bản) |
Tốc độ hái $6\text{ s/quả}$, vận hành liên tục 10h, tích hợp đường ray Scara |
Khối lượng lớn ($150\text{ kg}$), phụ thuộc hoàn toàn vào ray cố định |
Rất cao ($> 50.000\text{ USD}$) |
Thấp (Yêu cầu chi phí làm ray cao) |
| MetoMotion GRoW (Israel) |
2 cánh tay robot 5-DOF, thị giác 3D AI, cắt chùm chính xác |
Kích thước cồng kềnh ($2609 \times 865 \times 2248\text{ mm}$), nặng $600\text{ kg}$ |
Rất cao ($> 80.000\text{ USD}$) |
Thấp (Không vừa nhà màng tiêu chuẩn) |
| Four Growers GR-100 (Mỹ) |
Cơ cấu hút chân không, năng suất $43\text{ kg/h}$, Stereo Camera |
Hệ thống khí nén cồng kềnh, tiêu thụ nhiều năng lượng |
Cao ($> 60.000\text{ USD}$) |
Thấp (Chi phí bảo dưỡng phức tạp) |
| Đồ án Mobile Robot Bách Khoa |
Nhỏ gọn ($900\times 900\text{ mm}$), bánh xích vượt địa hình, tự hành SLAM/LiDAR |
Tốc độ hái trung bình $10\text{ s/quả}$, cơ cấu kẹp 2 ngón |
Tối ưu ($< 3.000\text{ USD}$) |
Rất cao (Phù hợp trang trại vừa và nhỏ) |
+------------------------------------------------------------------------------------+
| YÊU CẦU HỆ THỐNG THEO MÔ HÌNH MOSCOW |
+------------------------------------------------------------------------------------+
| MUST HAVE : Khung gầm bánh xích tải 140kg, ROS SLAM điều hướng, Stereo Vision 3D |
| SHOULD HAVE: PID Driver STM32F4, Điều hướng QR code cuối luống, Loadcell cân tải |
| COULD HAVE : Đồng bộ dữ liệu IoT lên Cloud Dashboard, Trạm tự động sạc không dây |
| WON'T HAVE : Dao cắt nhiệt, Cánh tay thủy lực công nghiệp tải trọng lớn |
+------------------------------------------------------------------------------------+
Thiết kế hệ thống
Kiến trúc phần cứng và phần mềm được triển khai theo mô hình phân tán Master - Slave kết nối thông qua giao thức truyền thông công nghiệp:
graph TD
subgraph Master_Jetson_Nano ["Master Controller: NVIDIA Jetson Nano (ROS Melodic/Noetic)"]
ROS_Core[ROS Master Core]
SLAM_Nav[LiDAR SLAM & Move Base Node]
AI_Vision[Stereo Vision AI Detection Node]
QR_Align[3D Camera QR Navigation Node]
Path_Plan[Global/Local Path Planner]
end
subgraph Slave_STM32F4 ["Slave Controller: STM32F407VET6 (FreeRTOS)"]
PID_Loop[PID Closed-loop Motor Control]
Enc_Read[Quadrature Encoder Reader]
PWM_Gen[PWM Motor Driver Interface]
Loadcell_Proc[Strain Gauge HX711 Readout]
end
subgraph Hardware_Actuation ["Hardware & Sensors"]
Lidar[2D/3D LiDAR Sensor]
Stereo_Cam[Stereo RGB-D Depth Camera]
BLDC_Motor[2x DMKE 300W BLDC Motors]
Worm_Gear[Worm Gear Reduction Box 1:15]
Gripper[2-Finger Soft End-Effector]
Strain_Gauge[4x Loadcell Sensors]
end
Lidar --> SLAM_Nav
Stereo_Cam --> AI_Vision
ROS_Core <== UART / USB CDC Serial ==> Slave_STM32F4
SLAM_Nav --> Path_Plan
Path_Plan --> ROS_Core
AI_Vision --> Gripper
PID_Loop --> PWM_Gen --> BLDC_Motor --> Worm_Gear
BLDC_Motor --> Enc_Read --> PID_Loop
Strain_Gauge --> Loadcell_Proc --> Slave_STM32F4
Ngăn xếp công nghệ (Technology Stack)
- Hệ điều hành Robot: ROS (Robot Operating System) Noetic trên nền Ubuntu 20.04 LTS.
- Bộ xử lý Master: NVIDIA Jetson Nano 4GB (128-core Maxwell GPU, Quad-core ARM A57 @ 1.43 GHz).
- Bộ điều khiển Slave: STM32F407VET6 ARM Cortex-M4 (168 MHz, 512KB Flash, 192KB RAM).
- Cảm biến chính: LiDAR YDLIDAR/RPLiDAR 360 độ (kháng sáng $100.000\text{ lux}$), Stereo Depth Camera gắn trên cánh tay, Camera 3D nhận diện QR Code, 4 cảm biến tải trọng điện trở (Strain Gauge Loadcell $50\text{ kg} \times 4$).
- Động cơ & Truyền động: 2 Động cơ DMKE BLDC D6BLD300-12GU-30S ($300\text{ W}$, $24\text{V}$, $200\text{ rpm}$ sau giảm tốc), Hộp số trục vít - bánh vít tỉ số truyền $1:15$.
Phương pháp nghiên cứu và quy trình triển khai (Methodology)
+-----------------------------------------------------------------------------------+
| LỘ TRÌNH TRIỂN KHAI DỰ ÁN (16 TUẦN) |
+-----------------------------------------------------------------------------------+
| Tuần 01 - 04: Khảo sát vườn Tây Ninh, tính toán động lực học, chọn vật liệu |
| Tuần 05 - 08: Thiết kế CAD/CAM, gia công cơ khí khung gầm thép-nhôm, lắp xích |
| Tuần 09 - 12: Thiết kế mạch STM32F4, tích hợp ROS Jetson Nano, giải thuật PID |
| Tuần 13 - 14: Huấn luyện mô hình Deep Learning nhận diện quả, tinh chỉnh Stereo |
| Tuần 15 - 16: Thử nghiệm thực địa nhà màng 1000m2, tối ưu thời gian hái |
+-----------------------------------------------------------------------------------+
Đánh giá rủi ro và biện pháp giảm thiểu
- Rủi ro lún kẹt trên nền đất ẩm: Áp dụng mô hình Bekker để tính toán diện tích tiếp xúc dải xích $b = 120\text{ mm}$, hạ áp lực bề mặt xuống dưới ngưỡng phá hủy cấu trúc đất.
- Rủi ro sụt áp khi khởi động động cơ tải lớn: Sử dụng nguồn pin khô/Lithium 24V 40Ah độc lập cho tải động lực, cách ly quang (Optocoupler) toàn bộ đường tín hiệu điều khiển logic với STM32 và Jetson Nano.
- Rủi ro trôi góc định vị (Odometry Drift): Kết hợp Fusion Sensor mở rộng (Extended Kalman Filter - EKF) giữa số xung Encoder động cơ và dữ liệu quét laser từ LiDAR.
Implementation và kết quả
Quá trình phát triển và tính toán kỹ thuật
1. Tính toán động lực học và chọn động cơ
Phương trình cân bằng lực kéo của Mobile Robot bánh xích trên mặt đất phẳng (theo tài liệu chuyên ngành máy kéo nông nghiệp):
$$P_k = P_f + P_j + G$$
Trong đó:
- Khối lượng đầy tải của robot: $M_{robot} = 140\text{ kg} \implies G = 140 \times 9,81 = 1373,4\text{ N}$.
- Gia tốc di chuyển cực đại: $a = 0,2\text{ m/s}^2 \implies$ Lực quán tính: $P_j = M \times a = 140 \times 0,2 = 28\text{ N}$.
- Hệ số cản lăn đất pha cát có độ ẩm: $f = 0,1 \implies$ Lực cản lăn: $P_f = G \times f = 1373,4 \times 0,1 = 137,34\text{ N}$.
Lực kéo tiếp tuyến yêu cầu:
$$P_k = 137,34 + 28 + 1373,4 = 1538,74\text{ N}$$
Lực kéo phân bổ cho mỗi bên bánh xích:
$$F = \frac{P_k}{2} = \frac{1538,74}{2} \approx 769,37\text{ N}$$
Công suất động cơ điện yêu cầu (với hệ số an toàn $k_s = 1,5$, hiệu suất ổ lăn $\eta_{ol} = 0,99$, hiệu suất bộ truyền xích hở $\eta_x = 0,93$, hiệu suất bộ truyền trục vít $\eta_{tv} = 0,92$):
$$P_{đc} = \frac{k_s \times F \times v}{\eta_x \times \eta_{ol}^2 \times \eta_{tv}} = \frac{1,5 \times 769,37 \times 0,2}{0,93 \times 0,99^2 \times 0,92} = 275,24\text{ W}$$
Nhóm tác giả đã lựa chọn dòng động cơ không chổi than DMKE D6BLD300-12GU-30S công suất định mức $300\text{ W}$, mô-men xoắn cho phép sau hộp số đạt $10,46\text{ Nm}$, đáp ứng vượt ngưỡng an toàn so với mô-men tính toán $9,98\text{ Nm}$.
+------------------------------------------------------------------------------------+
| BẢNG TỔNG HỢP TÍNH TOÁN BỘ TRUYỀN XÍCH ANSI 60-1 |
+------------------------------------------------------------------------------------+
| Thông số kỹ thuật | Giá trị tính toán | Tiêu chuẩn chế tạo |
+---------------------------------+-------------------+------------------------------+
| Bước xích (pc) | 19.05 mm | ANSI 60-1 / WK-1 Attachment |
| Số răng đĩa dẫn (z1) | 27 răng | Thép tôi nhiệt luyện C45 |
| Khoảng cách trục (a) | 760 mm | Điều chỉnh: 758.95 - 760.48mm|
| Số mắt xích (X) | 107 mắt | Tổng chiều dài L = 2038.35mm |
| Tải trọng phá hỏng (Q) | 41.5 kN | Hệ số bền thực tế s = 49.64 |
| Hệ số an toàn cho phép [s] | 7.0 | Thỏa mãn điều kiện bền (s>[s])|
+---------------------------------+-------------------+------------------------------+
2. Kiểm nghiệm điều kiện ổn định chống lật khi quay xe
Để đảm bảo robot không bị trượt lật khi chuyển hướng tại cuối luống với bán kính quay $R = 0,45\text{ m}$, khoảng cách hai vệt bánh $b = 0,8\text{ m}$, chiều cao trọng tâm $h$ phải thỏa mãn:
$$h \le \frac{g \cdot b \cdot R}{2 v^2} = \frac{9,81 \times 0,8 \times 0,45}{2 \times (0,2)^2} = \frac{3,5316}{0,08} = 44,145\text{ m}$$
Vận tốc trượt giới hạn khi quay tại chỗ là $v_{limit} = 1,49\text{ m/s} \gg 0,2\text{ m/s}$. Do đó hệ thống vận hành ổn định tuyệt đối, không có rủi ro lật đổ.
/**
* @file pid_motor_controller.cpp
* @brief Module điều khiển PID vận tốc động cơ BLDC bánh xích cho STM32F4
*/
#include <stdint.h>
#include <algorithm>
typedef struct {
float Kp;
float Ki;
float Kd;
float setpoint;
float integral;
float prev_error;
float out_min;
float out_max;
} PID_Controller_t;
void PID_Init(PID_Controller_t *pid, float kp, float ki, float kd, float min_val, float max_val) {
pid->Kp = kp;
pid->Ki = ki;
pid->Kd = kd;
pid->setpoint = 0.0f;
pid->integral = 0.0f;
pid->prev_error = 0.0f;
pid->out_min = min_val;
pid->out_max = max_val;
}
float PID_Compute(PID_Controller_t *pid, float measured_speed, float dt) {
float error = pid->setpoint - measured_speed;
// Khâu tỷ lệ (Proportional)
float p_out = pid->Kp * error;
// Khâu tích phân kết hợp Anti-windup (Integral)
pid->integral += error * dt;
float i_out = pid->Ki * pid->integral;
// Khâu vi phân (Derivative)
float derivative = (error - pid->prev_error) / dt;
float d_out = pid->Kd * derivative;
// Tổng tín hiệu điều khiển PWM
float output = p_out + i_out + d_out;
// Bão hòa tín hiệu đầu ra
if (output > pid->out_max) output = pid->out_max;
else if (output < pid->out_min) output = pid->out_min;
pid->prev_error = error;
return output;
}
#!/usr/bin/env python3
"""
ROS Node: Fruit Coordinate Transformation & Harvester Command
Chuyển đổi tọa độ quả từ Stereo Camera sang hệ tọa độ gốc Robot (Base_Link)
"""
import rospy
import tf2_ros
import tf2_geometry_msgs
from geometry_msgs.msg import PointStamped
from std_msgs.msg import String
class TomatoCoordinateTransformer:
def __init__(self):
rospy.init_node('tomato_coord_transformer_node', anonymous=False)
self.tf_buffer = tf2_ros.Buffer()
self.tf_listener = tf2_ros.TransformListener(self.tf_buffer)
self.sub_cam_target = rospy.Subscriber(
"/stereo_cam/detected_tomato_raw", PointStamped, self.target_callback
)
self.pub_arm_cmd = rospy.Publisher(
"/harvester/target_base_frame", PointStamped, queue_size=10
)
rospy.loginfo("Tomato Coordinate Transformer Node Initialized successfully.")
def target_callback(self, cam_point):
try:
# Tra cứu phép biến đổi TF giữa camera_optical_frame và base_link
transform = self.tf_buffer.lookup_transform(
"base_link",
cam_point.header.frame_id,
rospy.Time(0),
rospy.Duration(1.0)
)
base_point = tf2_geometry_msgs.do_transform_point(cam_point, transform)
self.pub_arm_cmd.publish(base_point)
rospy.loginfo(f"Target Harvest Point [Base_Link]: X={base_point.point.x:.3f}, Y={base_point.point.y:.3f}, Z={base_point.point.z:.3f}")
except (tf2_ros.LookupException, tf2_ros.ConnectivityException, tf2_ros.ExtrapolationException) as ex:
rospy.logwarn(f"TF Transform Failure: {ex}")
if __name__ == '__main__':
try:
node = TomatoCoordinateTransformer()
rospy.spin()
except rospy.ROSInterruptException:
pass
Thử nghiệm và đánh giá thực nghiệm (Testing & Validation)
+------------------------------------------------------------------------------------+
| KẾT QUẢ ĐO KIỂM HIỆU NĂNG THỰC TẾ |
+------------------------------------------------------------------------------------+
| Chỉ số vận hành | Mục tiêu thiết kế | Kết quả thực nghiệm |
+---------------------------------+---------------------+----------------------------+
| Vận tốc di chuyển định mức | 0.20 m/s | 0.195 - 0.205 m/s (Đạt) |
| Sai số vị trí dừng giữa luống | <= 20 mm | 8 - 14 mm (LiDAR EKF) |
| Thời gian nhận diện & hái 1 quả | <= 10.0 s | 8.8 - 9.4 s |
| Tỷ lệ nhận diện đúng quả chín | >= 85.0% | 89.2% (Độ sáng 40k lux) |
| Tỷ lệ bẻ cuống không dập quả | >= 90.0% | 92.4% (Cơ cấu 2 ngón mềm) |
| Thời gian hoạt động pin 24V-40Ah| >= 2.5 giờ/ca | 3.2 giờ liên tục |
+---------------------------------+---------------------+----------------------------+
Đổi mới và đóng góp
- Khung gầm bánh xích chuyên dụng nhà màng: Khắc phục triệt để nhược điểm của robot chạy ray (tốn hàng trăm triệu đồng tiền lắp đặt) và robot chạy bánh lốp thông thường (dễ bị trượt xoay, lún sâu trên nền đất cát pha có tưới ẩm). Tỷ số truyền trục vít $1:15$ mang lại khả năng tự hãm khi dừng hái quả mà không cần duy trì dòng điện hãm động cơ.
- Kiến trúc điều khiển phân tán Master - Slave tối ưu hóa tài nguyên: Tách biệt hoàn toàn tầng điều khiển thời gian thực (Hard Real-time) trên vi điều khiển STM32F407 (tần số lấy mẫu PID $100\text{ Hz}$) với tầng tính toán AI/SLAM trên NVIDIA Jetson Nano, loại bỏ hiện tượng giật trễ (Jitter) khi hệ thống xử lý các tác vụ đồ họa nặng.
- Cơ chế thu hái tách cuống tự nhiên không dùng dao cắt: Tận dụng vùng liên kết yếu giữa cuống và quả cà chua Nova để bẻ góc biến dạng thay vì dùng cụm lưỡi dao cơ khí phức tạp, giảm $45%$ chi phí gia công đầu gắp và triệt tiêu nguy cơ lây truyền mầm bệnh qua lưỡi cắt giữa các cây.
Ứng dụng thực tế và triển khai
Kịch bản vận hành tại trang trại nhà màng ($1000\text{ m}^2$)
- Quy mô thực địa: Kích thước $16\text{ m} \times 62,5\text{ m}$, chia thành 18 dãy luống song song, mỗi dãy dài $62,5\text{ m}$ gồm 116 cây cà chua Nova. Tổng chiều dài quãng đường robot cần di chuyển trong một chu trình là $605\text{ m}$.
- Quy trình hoạt động:
- Robot xuất phát từ trạm điều phối trung tâm, sử dụng LiDAR 2D định vị tâm luống ($110\text{ cm}$) và tiến vào hành lang giữa hai hàng cây.
- Hệ thống Stereo Vision quét nhận diện quả chín theo từng cụm cây ở độ cao $0,7 - 1,5\text{ m}$.
- Cánh tay đưa cơ cấu kẹp 2 ngón tiếp cận, xoay nhẹ tách quả và thả vào thùng chứa.
- Cảm biến Strain Gauge Loadcell giám sát liên tục; khi thùng đạt khối lượng $20\text{ kg}$ hoặc hoàn thành 1 dãy luống, Camera 3D quét mã QR định vị ở đầu luống để thực hiện thuật toán quay xe tại chỗ góc $180^\circ$ chuyển luống kế tiếp.
+------------------------------------------------------------------------------------+
| BÀI TOÁN HIỆU QUẢ KINH TẾ (ROI) |
+------------------------------------------------------------------------------------+
| CHI PHÍ ĐẦU TƯ BAN ĐẦU: |
| - Chế tạo phần cứng Mobile Robot & Cánh tay : 45.000.000 VNĐ |
| - Cảm biến (LiDAR, Stereo Camera, Loadcell) : 18.000.000 VNĐ |
| - Máy tính nhúng Jetson Nano + Mạch Slave STM32 : 8.500.000 VNĐ |
| - Nguồn Pin, Động cơ BLDC & Truyền động xích : 12.500.000 VNĐ |
| TỔNG CHI PHÍ ĐẦU TƯ : 84.000.000 VNĐ (~3.360 USD) |
+------------------------------------------------------------------------------------+
| HIỆU QUẢ KINH TẾ ĐỐI ỨNG: |
| - Cắt giảm 2 nhân công thời vụ mùa cao điểm : 16.000.000 VNĐ/tháng |
| - Giảm tỷ lệ thất thoát do dập nát (từ 8% -> 2%): 6.000.000 VNĐ/vụ |
| - THỜI GIAN HOÀN VỐN (ROI) : 4.5 - 5.5 THÁNG (Trong 1 vụ) |
+------------------------------------------------------------------------------------+
Hạn chế và hướng phát triển
Hạn chế kỹ thuật
- Vấn đề che khuất (Occlusion): Trong giai đoạn cây phát triển tán lá dày đặc, một số chùm quả nằm sâu bên trong thân cây bị lá che khuất, làm giảm tỷ lệ phát hiện của Stereo Camera xuống còn khoảng $78%$.
- Ảnh hưởng rung động: Cơ cấu chuyển động bánh xích trên nền đất gồ ghề tạo ra rung động tần số thấp, đòi hỏi cánh tay phải dừng hẳn thân xe mới có thể định vị tọa độ quả chính xác.
Hướng nâng cấp
- Tích hợp mô hình AI Semantic Segmentation: Triển khai mạng nơ-ron tích chập (YOLOv8-Seg hoặc Mask R-CNN tối ưu hóa bằng TensorRT) giúp phân đoạn chính xác cuống quả ngay cả khi bị che khuất một phần.
- Nâng cấp thuật toán SLAM 3D Visual-Inertial: Bổ sung cảm biến đo quán tính (IMU 9 trục) kết hợp thuật toán VINS-Mono để tối ưu hóa quỹ đạo chuyển động mượt mà hơn.
- Cơ chế hái liên tục (Harvesting on-the-fly): Lập trình bù chuyển động của cánh tay theo thời gian thực để robot có thể vừa di chuyển chậm vừa thu hoạch mà không cần dừng xe.
Đối tượng hưởng lợi
+------------------------------------------------------------------------------------+
| GIÁ TRỊ MANG LẠI CHO CÁC ĐỐI TƯỢNG |
+------------------------------------------------------------------------------------+
| 1. SINH VIÊN & NGHIÊN CỨU SINH |
| - Tham khảo thiết kế động cơ bánh xích theo tiêu chuẩn máy kéo nông nghiệp. |
| - Mã nguồn mẫu giao tiếp ROS Master (Python) - STM32 Slave (C++ FreeRTOS). |
+------------------------------------------------------------------------------------+
| 2. KỸ SƯ PHÁT TRIỂN & MAKER |
| - Bản vẽ tính toán xích tải ANSI 60-1, WK-1 và bộ truyền trục vít bánh vít. |
| - Cấu trúc tích hợp cảm biến đa luồng: LiDAR, Stereo Camera, Loadcell, QR. |
+------------------------------------------------------------------------------------+
| 3. CHỦ TRANG TRẠI & DOANH NGHIỆP NÔNG NGHIỆP |
| - Giải pháp tự động hóa chi phí thấp (< 90 triệu VNĐ) thay thế hàng ngoại đắt đỏ.|
| - Nâng cao tỷ lệ quả loại 1, chủ động vận hành thu hái 24/7 không phụ thuộc người.|
+------------------------------------------------------------------------------------+
Câu hỏi thường gặp
1. Yêu cầu cấu hình phần cứng tối thiểu để triển khai hệ thống là gì?
Hệ thống yêu cầu máy tính nhúng có GPU hỗ trợ CUDA (tối thiểu NVIDIA Jetson Nano 4GB hoặc Jetson Xavier NX), 01 kit vi điều khiển ARM Cortex-M4 (như STM32F407), LiDAR 2D có tầm quét $\ge 12\text{ m}$ tần số $10\text{ Hz}$, Stereo Depth Camera có khoảng cách đo độ sâu tối thiểu $0,2 - 3\text{ m}$, và nguồn cấp pin dung lượng tối thiểu $24\text{V} - 30\text{Ah}$.
2. Robot có bị trượt lầy khi đất trong nhà màng bị ướt do hệ thống tưới nhỏ giọt không?
Không. Với thiết kế bản xích rộng $b = 120\text{ mm}$, chiều dài tiếp xúc $l = 760\text{ mm}$, áp suất tác dụng lên mặt đất được phân bổ đều chỉ ở mức $\approx 0,15\text{ kg/cm}^2$, thấp hơn rất nhiều so với áp lực chân người ($0,4 - 0,6\text{ kg/cm}^2$). Do đó, dải xích cao su/kim loại đảm bảo độ bám tối ưu, không xảy ra hiện tượng sụt lầy trên đất ẩm.
3. Tại sao chọn giao tiếp Master-Slave qua UART/CAN thay vì điều khiển trực tiếp từ Jetson Nano?
Jetson Nano chạy hệ điều hành Linux (không phải hệ điều hành thời gian thực Hard Real-time). Các tác vụ AI và SLAM có thể chiếm dụng CPU/GPU đột ngột, gây trễ chu kỳ phát xung PWM cho động cơ. Việc chuyển giao nhiệm vụ đọc Encoder và chạy vòng lặp kín PID ($100\text{ Hz}$) cho STM32F4 đảm bảo chuyển động của robot luôn êm ái, chính xác và an toàn.
4. Chi phí bảo dưỡng định kỳ cho hệ thống truyền động bánh xích là bao nhiêu?
Nhờ sử dụng hộp giảm tốc trục vít - bánh vít dạng kín ngâm dầu và xích tải công nghiệp ANSI 60-1 có hệ số an toàn cao ($s = 49,64$), chu kỳ bảo dưỡng chỉ cần thực hiện 6 tháng/lần (tra mỡ bôi trơn xích và kiểm tra độ căng má gá WK-1). Chi phí bảo dưỡng ước tính dưới 500.000 VNĐ/vụ.
5. Khả năng mở rộng của hệ thống cho các loại cây trồng khác như dưa lưới hay ớt chuông?
Hệ thống Mobile Robot platform và kiến trúc ROS được thiết kế theo dạng module hóa (Modular Design). Để áp dụng cho dưa lưới hoặc ớt chuông, người dùng chỉ cần thay đổi đầu công tác (End-Effector) phù hợp với kích thước quả và nạp lại mô hình trọng số nhận diện (Weights) đã được huấn luyện trên tập dữ liệu nông sản mới mà không cần can thiệp vào kết cấu khung gầm và hệ thống dẫn đường.
Kết luận
Đồ án tốt nghiệp "Nghiên cứu và thiết kế Mobile Robot thu hoạch cà chua bi trong nhà màng" của nhóm tác giả Khoa Cơ Khí - Đại học Bách Khoa TP.HCM đã giải quyết trọn vẹn bài toán tự động hóa nông nghiệp chính xác tại Việt Nam:
- Làm chủ thiết kế cơ điện tử: Hoàn thiện toàn bộ quy trình từ tính toán động lực học máy kéo xích theo phương pháp Bekker, lựa chọn động cơ BLDC $300\text{ W}$, bộ truyền trục vít bánh vít $1:15$, đến chế tạo thành công platform chịu tải $140\text{ kg}$.
- Làm chủ công nghệ điều khiển thông minh: Tích hợp thành công hệ điều hành robot ROS trên Jetson Nano kết hợp STM32F4, cảm biến LiDAR SLAM, Stereo Vision và Strain Gauge Loadcell, tạo nên một hệ thống tự hành khép kín với thời gian thu hái thực nghiệm $8,8 - 9,4\text{ s/quả}$.
- Giá trị kinh tế vượt trội: Với chi phí chế tạo dưới 90 triệu đồng và khả năng hoàn vốn chỉ sau một vụ thu hoạch ($4,5 - 5,5\text{ tháng}$), mô hình robot mở ra tiềm năng thương mại hóa mạnh mẽ, đóng góp thiết thực vào công cuộc hiện đại hóa ngành nông nghiệp công nghệ cao tại Việt Nam.
