Bối cảnh và vấn đề nghiên cứu

Trong quá trình lắp ráp thiết bị điện tử và hệ thống điều khiển công nghiệp, các bó cáp kết nối nhiều màu đóng vai trò liên kết tín hiệu giữa các bo mạch và cụm cơ cấu chấp hành. Việc bấm đầu cosse và cắm dây vào đầu nối (connector) đòi hỏi thứ tự màu sắc của từng sợi dây phải tuân thủ nghiêm ngặt theo sơ đồ kỹ thuật. Theo trình bày của nhóm tác giả, công đoạn kiểm tra ngoại quan thứ tự màu dây trong các nhà máy sản xuất tại Việt Nam phần lớn vẫn được thực hiện thủ công bằng mắt thường của công nhân. Phương pháp này dễ dẫn đến sai sót do hiện tượng mỏi mắt, giảm tập trung khi làm việc trong thời gian dài, gây ảnh hưởng trực tiếp đến năng suất và độ tin cậy của sản phẩm.

Trên thế giới, các hệ thống thị giác máy tính tự động đã được đưa vào ứng dụng để thay thế con người trong khâu kiểm soát chất lượng. Điển hình như máy kiểm tra màu sắc cáp của Công ty Keox Technologies (Nhật Bản). Tuy nhiên, các thiết bị nhập khẩu thương mại có giá thành rất cao, cấu hình cố định và khó tương thích với đặc thù sản xuất đa dạng, quy mô vừa và nhỏ tại Việt Nam. Xuất phát từ thực tiễn thiếu hụt giải pháp tự động hóa chi phí thấp trong ngành công nghiệp phụ trợ, đề tài "Nhận dạng thứ tự màu cho cáp kết nối trong công nghiệp dùng xử lý ảnh" được thực hiện nhằm xây dựng một mô hình kiểm tra tự động đáp ứng thời gian thực (real-time).

Nhiệm vụ nghiên cứu của đề tài được tác giả xác định cụ thể gồm 3 nhiệm vụ chính:

  1. Thiết kế hệ thống nhận dạng thứ tự màu cho cáp kết nối dựa trên kỹ thuật xử lý ảnh.
  2. Xây dựng mô hình phần cứng thực nghiệm để kiểm chứng độ chính xác của giải thuật phân loại.
  3. Thiết kế màn hình giao diện điều khiển và giám sát nhằm thống kê các thông số màu, kiểm tra sai số giữa màu mẫu chuẩn và màu sản phẩm cần kiểm tra.

Đối tượng nghiên cứu của đồ án là các loại cáp kết nối nhiều sợi với các màu sắc khác nhau dùng trong thiết bị công nghiệp. Phạm vi thực nghiệm được giới hạn trong không gian buồng chụp khép kín kích thước 30cm x 20cm x 30cm với nguồn sáng nhân tạo cố định, khoảng cách từ camera đến vùng làm việc là 12cm. Thời gian và địa điểm thực hiện đồ án diễn ra tại Khoa Đào tạo Chất lượng cao, Trường Đại học Sư phạm Kỹ thuật TP.HCM, hoàn thành vào tháng 7 năm 2016.

Cơ sở lý thuyết và phương pháp

Đồ án tổng hợp và áp dụng hệ thống cơ sở lý thuyết xử lý ảnh số kinh điển kết hợp các công cụ lập trình thị giác máy tính:

  • Khái niệm và đặc trưng ảnh số: Nghiên cứu cấu trúc điểm ảnh (pixel), độ phân giải (resolution), thang mức xám 8-bit (0–255), ảnh nhị phân (1-bit) và ảnh màu 24-bit (khoảng 16,7 triệu màu). Đồ án cũng phân tích đặc tính nén của các định dạng ảnh thông dụng gồm JPG (nén mất dữ liệu), GIF (ảnh 8-bit hỗ trợ ảnh động và trong suốt) và PNG (nén không mất dữ liệu).
  • Các hệ thống không gian màu:
    • Không gian màu RGB: Hệ màu cộng cơ bản gồm 3 kênh Red, Green, Blue biểu diễn bằng bộ ba số nguyên từ 0 đến 255.
    • Không gian màu CMYK: Hệ màu trừ phục vụ in ấn gồm Cyan, Magenta, Yellow và Key (Black).
    • Không gian màu HSV: Biểu diễn màu qua 3 thành phần gồm Hue (sắc thái màu, góc quay từ 0° đến 360°), Saturation (độ bão hòa màu, giá trị từ 0 đến 1) và Value (cường độ sáng, giá trị từ 0 đến 1). Không gian này được nhóm tác giả lựa chọn để trích xuất đặc trưng màu sắc của dây cáp do tách biệt được thông tin màu sắc và độ sáng.
    • Không gian màu CIE L*a*b*: Hệ màu độc lập thiết bị dựa trên cảm nhận thị giác của mắt người với kênh L biểu thị độ sáng, kênh a* biểu thị trục Lục - Đỏ, và kênh b* biểu thị trục Lam - Vàng.
  • Kỹ thuật phát hiện biên: Sử dụng gradient đạo hàm bậc nhất theo hai hướng vuông góc $x$ và $y$ ($g_1 = f'_x$, $g_2 = f'_y$) để tính biên độ $A_0 = |g_1| + |g_2|$ và góc pha $\theta = \arctan(g_2 / g_1)$. Phân tích các cặp mặt nạ nhân chập đạo hàm gồm toán tử Sobel (Duda và Hart, 1973), Prewitt (1970) và Robert.
  • Biến đổi Histogram và lấy ngưỡng: Phương pháp cân bằng biểu đồ mức xám (Histogram Equalization) để trải đều giá trị pixel, nâng cao độ tương phản toàn cục theo công thức tính giá trị trung bình $TB = (m \times n) / new_level$ và ánh xạ tích lũy $f(g)$. Phân tích kỹ thuật phân ngưỡng cố định (Fixed Threshold) và ngưỡng thích nghi (Adaptive Threshold) để chuyển ảnh xám sang ảnh nhị phân.
  • Hình thái học toán học (Mathematical Morphology): Ứng dụng các phần tử cấu trúc (Structuring Element) dạng chữ thập, hình vuông, hình elip trên ảnh nhị phân và ảnh xám để thực hiện phép giãn nở (Dilation: $A \oplus B$), phép co (Erosion: $A \ominus B$), phép mở (Opening: co trước, giãn sau nhằm khử nhiễu nhỏ và mượt đường biên) và phép đóng (Closing: giãn trước, co sau nhằm lấp khoảng trống).
  • Phép biến đổi Hough và So khớp mẫu: Trình bày thuật toán biến đổi Hough tìm đường thẳng (HoughLines, HoughLinesP) thông qua không gian tham số $(\rho, \theta)$ và mảng tích lũy (accumulator); thuật toán phát hiện đường tròn (HoughCircles). Phân tích kỹ thuật so khớp mẫu (Template Matching) dựa trên khoảng cách Euclidean và hệ số tương quan chuẩn hóa $cor \in [-1, 1]$.
  • Thư viện OpenCV: Phân tích sự chuyển dịch kiến trúc giữa OpenCV 1.x (giao diện C, quản trị bộ nhớ thủ công qua con trỏ IplImage*, CvMemStorage*) và OpenCV 2.x (giao diện C++, tự động giải phóng bộ nhớ qua lớp cv::Mat, tối ưu hóa hiệu năng nhận dạng).

Phương pháp nghiên cứu thực tế là phương pháp nghiên cứu lý thuyết kết hợp thiết kế, chế tạo mô hình thực nghiệm và kiểm chứng thuật toán. Tác giả sử dụng môi trường lập trình Microsoft Visual Studio 2013 với ngôn ngữ C++, tích hợp thư viện OpenCV phiên bản 2.x chạy trên hệ điều hành Windows để thu nhận luồng hình ảnh từ webcam, xử lý số liệu ma trận theo thời gian thực và xuất tín hiệu đánh giá.

Nguồn dữ liệu thực nghiệm được thu nhận trực tiếp từ các mẫu cáp kết nối nhiều màu đặt trong buồng chụp thực nghiệm của nhóm nghiên cứu.

Thiết kế và triển khai

Hệ thống được thiết kế hoàn chỉnh gồm hai phân hệ: kết cấu phần cứng thu nhận ảnh và đường ống thuật toán xử lý dữ liệu.

Cấu trúc phần cứng hệ thống

Bộ phận phần cứng Thông số kỹ thuật chi tiết Vai trò trong hệ thống
Buồng chụp (Hộp) Kích thước: dài 30 cm $\times$ rộng 20 cm $\times$ cao 30 cm. Chất liệu: giấy bìa cứng ba lớp, bên trong phủ nền trắng, bên ngoài bọc giấy. Cách ly ánh sáng tự nhiên từ môi trường bên ngoài, tạo nền phản xạ đồng nhất.
Hệ thống chiếu sáng 10 đèn LED Luxeon 1W (điện áp hoạt động: 3,15V – 5V; dòng điện: 350 mA; độ sáng: 80 – 90 LM; nhiệt độ làm việc: -20°C đến 60°C). Chiếu sáng đều khắp vùng làm việc, triệt tiêu độ chói cục bộ và hạn chế bóng mờ giữa các sợi dây cáp.
Bộ nguồn cung cấp Nguồn AC/DC: điện áp vào 220VAC; điện áp ra điều chỉnh 0 – 12VDC; dòng tải tối đa 2A. Cung cấp nguồn điện ổn định cho hệ thống chiếu sáng LED và các mạch phụ trợ.
Cảm biến hình ảnh Webcam WC S11 BlueLover: độ phân giải cảm biến 5MP; độ phân giải khung hình xuất ra: $1024 \times 768$ pixel; giao tiếp USB 2.0; khoảng cách đặt camera: 12 cm tới bề mặt làm việc. Thu nhận khung hình màu của đầu cáp và truyền dữ liệu số về máy tính xử lý.

Quy trình và giải thuật xử lý ảnh

Hệ thống vận hành theo quy trình 3 giai đoạn:

  1. Giai đoạn 1 - Thiết lập thuật toán đếm dây và nhận dạng màu: Khung hình đầu vào được xử lý qua chuỗi giải thuật liên hoàn gồm 17 bước:
    • Chuyển ảnh màu gốc sang ảnh mức xám bằng hàm cvtColor() theo công thức độ sáng trọng số kênh màu.
    • Nhị phân hóa ảnh xám bằng hàm threshold().
    • Tìm và vẽ đường bao biên đối tượng, loại bỏ các vùng biên có diện tích điểm ảnh nhỏ.
    • Xác định tọa độ 2 điểm rìa ở mép ngoài của đầu nối cáp dựa vào giá trị hoành độ cực đại ($X_{max}$) kết hợp tung độ cực trị ($Y_{max}, Y_{min}$).
    • Tính toán góc lệch dựa trên hiệu khoảng cách $C = |x - x_1|$ và $D = |y - y_1|$ qua hàm atan(), sau đó xoay khung hình quanh tâm trung điểm giữa hai điểm rìa để đưa đầu cáp về phương nằm ngang chuẩn.
    • Chuyển ảnh đã xoay sang mức xám và lấy ngưỡng nhị phân lần thứ hai.
    • Dùng một cửa sổ trượt hình chữ nhật kích thước $(x, y)$ quét toàn bộ bức ảnh; lọc bỏ các vùng nhiễu có số điểm ảnh thấp hơn ngưỡng thực nghiệm $C$ để giữ lại vùng đầu cáp.
    • Áp dụng các phép biến đổi hình thái học Morphology (morphologyEx()) để làm mịn và khép kín vùng biên đầu cáp.
    • Khoanh vùng xác định tọa độ chính xác của đầu cắm cáp.
    • Trích xuất (cắt) một dải ảnh hẹp nằm ngay dưới mép đầu cắm với chiều rộng cố định 3 pixel và chiều dài bằng chiều rộng đầu cáp. Vị trí này được chọn vì các sợi dây còn nằm thẳng hàng, chưa bị xoắn hay đè lên nhau.
    • Phóng to ảnh cắt bằng hàm resize(), chuyển sang ảnh xám và làm mịn bằng bộ lọc Gaussian để triệt tiêu nhiễu tần số cao.
    • Thực hiện chuẩn hóa mức xám (Normalize) để kéo giãn dải tương phản, làm sáng màu nền và tách biệt rõ rệt sợi dây với nền trắng.
    • Áp dụng lấy ngưỡng nhị phân trên dải ảnh cắt để phân tách độc lập từng sợi dây.
    • Xác định vị trí tâm của từng sợi dây thông qua việc tìm các đỉnh xung trên biểu đồ phân bố mức xám (histogram) theo phương ngang.
    • Đếm tổng số lượng sợi dây cáp hiện diện.
    • Trích xuất giá trị màu sắc tại tâm sợi dây và chuyển đổi sang không gian màu HSV. Mỗi sợi dây được mô tả bằng một ma trận kích thước $1 \times 3$ gồm 3 tham số $[H, S, V]$.
    • Lưu trữ dữ liệu cấu hình vào tệp tin định dạng XML.
  2. Giai đoạn 2 - Lấy mẫu dây chuẩn: Đưa sợi cáp mẫu đạt chuẩn vào buồng chụp, camera ghi nhận hình ảnh và chạy giải thuật ở Giai đoạn 1. Các thông số gồm số lượng dây, tọa độ vị trí và bộ thông số màu $[H, S, V]$ của từng sợi sau khi lấy trung bình được lưu cố định vào tệp MAU.XML.
  3. Giai đoạn 3 - Kiểm tra và so sánh sản phẩm: Đưa cáp cần kiểm tra vào buồng chụp, hệ thống trích xuất thông số và ghi tạm thời vào tệp KIEMTRA.XML. Chương trình so sánh đối chiếu dữ liệu giữa KIEMTRA.XML và MAU.XML. Nếu số lượng dây và hệ số màu trùng khớp trong khoảng dung sai cho phép, hệ thống đưa ra thông báo không có lỗi; nếu có sai khác, hệ thống chỉ rõ dạng lỗi: "Lỗi thiếu dây" hoặc "Lỗi sai màu dây".

Thiết kế giao diện vận hành

Giao diện người dùng được xây dựng hoàn chỉnh với 10 nút bấm chức năng:

  1. Hiển thị camera: Bật luồng ghi nhận video trực tiếp từ webcam.
  2. Chụp ảnh mẫu: Lưu khung hình tĩnh của cáp chuẩn.
  3. Chụp ảnh kiểm tra: Lưu khung hình tĩnh của sản phẩm cần kiểm tra.
  4. Xoay ảnh mẫu và cắt phần dây không xoắn: Tự động nắn thẳng và cắt dải dây 3 pixel cho ảnh mẫu.
  5. Xoay ảnh kiểm tra và cắt phần dây không xoắn: Tự động nắn thẳng và cắt dải dây 3 pixel cho ảnh kiểm tra.
  6. Xử lý xác định số dây và màu dây của ảnh mẫu: Chạy giải thuật trích xuất đặc trưng cho mẫu chuẩn.
  7. Xử lý xác định số dây và màu dây của ảnh kiểm tra: Chạy giải thuật trích xuất đặc trưng cho mẫu kiểm tra.
  8. Hiển thị số dây ảnh mẫu: Xuất giá trị số lượng dây mẫu nhận diện được lên giao diện.
  9. Hiển thị số dây ảnh kiểm tra: Xuất giá trị số lượng dây kiểm tra nhận diện được lên giao diện.
  10. Hiển thị kết quả: Thông báo trạng thái kiểm định (đúng tiêu chuẩn, lỗi thiếu dây hoặc lỗi sai thứ tự màu).

Nội dung chính theo từng chương

Chương 1: Tổng quan đề tài

Chương 1 giới thiệu lịch sử hình thành và phát triển của ngành xử lý ảnh từ những năm 1920 (truyền ảnh báo qua cáp xuyên Đại Tây Dương giữa Luân Đôn và New York) đến các dấu mốc phát triển máy tính năm 1955, 1964 (vệ tinh Ranger 7 xử lý ảnh mặt trăng). Tác giả phân tích nhu cầu ứng dụng thị giác máy tính tại Việt Nam, sự cần thiết của việc thay thế kiểm tra mắt người bằng hệ thống tự động, giới hạn đề tài ở mô hình nghiên cứu trong trường đại học, mục tiêu, nhiệm vụ và cấu trúc của đồ án.

Chương 2: Nền tảng và cơ sở lý thuyết

Chương 2 trình bày chi tiết cơ sở toán học và kỹ thuật của xử lý ảnh số gồm 5 bước kinh điển: Thu nhận ảnh, Tiền xử lý, Phân vùng ảnh, Biểu diễn - mô tả và Nhận dạng - nội suy. Tác giả làm rõ lý thuyết các không gian màu (RGB, CMYK, HSV, LAB), kỹ thuật tách biên đạo hàm (Gradient, Sobel, Prewitt, Robert), kỹ thuật cân bằng Histogram, nguyên lý phân ngưỡng Threshold cố định và thích nghi, thuật toán hình thái học Morphology (phép co, giãn, đóng, mở), phép biến đổi Hough phát hiện đường thẳng/tròn và thuật toán so khớp mẫu Template Matching. Chương này cũng phân tích sự khác biệt về kiến trúc lớp đối tượng và quản lý bộ nhớ giữa hai thế hệ thư viện OpenCV 1.x và OpenCV 2.x.

Chương 3: Hệ thống nhận dạng thứ tự màu cho cáp kết nối trong công nghiệp dùng xử lý ảnh

Chương 3 tập trung vào thiết kế hệ thống và giải thuật điều khiển. Tác giả đặt ra 4 yêu cầu thiết kế kỹ thuật, xây dựng lưu đồ thuật toán tổng thể và giải thích chi tiết 17 bước xử lý ảnh thực nghiệm để xác định số lượng và màu sắc dây cáp. Trình bày phương thức trích xuất dải ảnh hẹp 3 pixel tại vị trí dây không xoắn, thuật toán tìm đỉnh biểu đồ histogram để định vị tâm dây, phương pháp chuyển đổi giá trị màu sang hệ HSV lưu thành ma trận $1 \times 3$, cũng như quy trình quản lý cơ sở dữ liệu so sánh thông qua các tệp tin cấu hình MAU.XML và KIEMTRA.XML.

Chương 4: Kết quả thực nghiệm

Chương 4 công bố kết quả thi công mô hình phần cứng thực tế (hộp chụp 30x20x30 cm, hệ thống 10 đèn LED Luxeon 1W, nguồn DC 12V 2A, webcam BlueLover S11 đặt cách mẫu 12 cm). Tác giả mô tả thiết kế giao diện giám sát 10 nút bấm trên máy tính, đưa ra cơ sở dữ liệu các mẫu cáp kiểm nghiệm, định nghĩa các công thức tính chỉ số đánh giá độ chính xác TPR và ACC, đồng thời tổng hợp các bảng số liệu thực nghiệm trên 100 mẫu thử cho cả mặt trước và mặt sau của cáp.

Chương 5: Kết luận và hướng phát triển

Chương 5 đúc kết các kết quả đạt được về mặt giải thuật và mô hình thực nghiệm; đồng thời nêu rõ các điểm hạn chế về phần cứng, khả năng thích ứng môi trường và đề ra các hướng nghiên cứu hoàn thiện trong tương lai.

Kết quả và đóng góp

Hệ thống đã hoàn thành việc thiết kế, chế tạo mô hình thực nghiệm và lập trình phần mềm nhận dạng hoạt động ổn định. Để đánh giá hiệu năng phân loại của hệ thống, tác giả áp dụng hai chỉ số đánh giá thống kê:

  • Tỷ lệ nhận dạng đúng sản phẩm không lỗi (True Positive Rate - TPR): $$\text{TPR} = \frac{\text{TP}}{\text{TP} + \text{FN}}$$
  • Độ chính xác tổng thể của toàn hệ thống (Accuracy - ACC): $$\text{ACC} = \frac{\text{TP} + \text{TN}}{\text{TP} + \text{TN} + \text{FP} + \text{FN}}$$

Trong đó:

  • TP (True Positive): Số sản phẩm không lỗi được hệ thống nhận dạng chính xác là không lỗi.
  • TN (True Negative): Số sản phẩm có lỗi được hệ thống nhận diện chính xác là có lỗi.
  • FP (False Positive): Số sản phẩm có lỗi nhưng hệ thống nhận dạng nhầm thành không lỗi.
  • FN (False Negative): Số sản phẩm không lỗi nhưng hệ thống đánh giá nhầm thành có lỗi.

Kết quả thử nghiệm thực tế trên tập dữ liệu gồm 100 mẫu thử nghiệm mặt trước và 100 mẫu thử nghiệm mặt sau được tác giả thống kê cụ thể:

Thông số đo lường thực nghiệm Mặt trước cáp (100 mẫu) Mặt sau cáp (100 mẫu)
Số lượng True Positive (TP) 37 35
Số lượng True Negative (TN) 54 51
Số lượng False Positive (FP) 6 19
Số lượng False Negative (FN) 3 5
Tổng số mẫu kiểm tra 100 100
Độ chính xác toàn hệ thống (ACC) 91% 86%
Độ chính xác nhận dạng mẫu đúng (TPR) 92,6% 87,5%

Giải pháp và đóng góp của đề tài

  • Giải pháp kỹ thuật: Đề xuất giải pháp trích xuất vùng ảnh cắt có bề rộng chỉ 3 pixel ngay sát chân đế đầu cáp kết hợp chuẩn hóa mức xám và dò đỉnh biểu đồ histogram. Giải pháp này giải quyết triệt để vấn đề dây cáp bị xoắn, vặn chéo hoặc đè lên nhau ở các đoạn xa đầu cắm, giúp việc định vị tâm dây đạt độ tin cậy cao mà không đòi hỏi thuật toán dò biên phức tạp.
  • Đóng góp thực tiễn: Tác giả đã tự thiết kế một hệ thống kiểm tra ngoại quan hoàn chỉnh từ cơ khí, chiếu sáng, thu nhận ảnh đến giao diện điều khiển với chi phí chế tạo thấp bằng các linh kiện phổ thông (webcam, LED Luxeon, bìa phản quang), chứng minh tính khả thi của việc thay thế các hệ thống kiểm tra quang học tự động ngoại nhập đắt tiền trong các xưởng sản xuất dây cáp vừa và nhỏ tại Việt Nam.

Hạn chế và hướng nghiên cứu tiếp

Từ các số liệu thực nghiệm và phân tích trong đồ án, nhóm tác giả chỉ ra các hạn chế sau:

  • Hạn chế về kết cấu phần cứng: Buồng chụp làm bằng bìa giấy cứng ba lớp, tính cơ động và độ bền công nghiệp chưa cao; khả năng chống rung và độ kín quang học có thể bị suy giảm theo thời gian. Việc sử dụng webcam dân dụng BlueLover 5MP với thấu kính tiêu cự cố định làm giới hạn độ sâu trường ảnh và độ tương phản màu sắc trong các điều kiện làm việc khắc nghiệt.
  • Sự suy giảm độ chính xác ở mặt sau: Độ chính xác toàn hệ thống ở mặt sau giảm còn 86% và chỉ số FP tăng lên 19 (so với 6 ở mặt trước). Nguyên nhân do mặt sau cáp có độ nghiêng, bề mặt tiếp xúc không phẳng và bóng đổ của các sợi dây làm thuật toán nhận diện màu sắc bị sai lệch.
  • Mức độ tự động hóa dây chuyền: Hệ thống mới dừng lại ở việc đưa mẫu thủ công bằng tay vào buồng chụp và quan sát kết quả trên màn hình máy tính; chưa tích hợp cơ cấu cấp phôi tự động hay tay gắp phân loại sản phẩm lỗi trên băng tải công nghiệp.

Hướng nghiên cứu tiếp theo được tác giả đề ra là nâng cấp kết cấu buồng chụp cơ khí bằng kim loại chuyên dụng, sử dụng camera công nghiệp có độ phân giải cao và tốc độ màn trập nhanh hơn, cải tiến thuật toán cân bằng trắng thích nghi để triệt tiêu hiện tượng bóng đổ ở mặt sau cáp, đồng thời kết nối hệ thống với bộ điều khiển PLC để tự động hóa hoàn toàn khâu cấp - loại phôi.

Giá trị tham khảo

Đồ án là tài liệu kỹ thuật có giá trị tham khảo thiết thực cho:

  • Đối tượng người đọc: Sinh viên, giảng viên và kỹ sư thuộc các ngành Công nghệ Kỹ thuật Điều khiển - Tự động hóa, Cơ điện tử, Kỹ thuật Máy tính và Công nghệ Thông tin đang thực hiện đồ án tốt nghiệp hoặc các dự án nghiên cứu về thị giác máy tính công nghiệp (Machine Vision / Computer Vision) và kiểm tra quang học tự động (AOI).
  • Các nội dung nổi bật đáng tham khảo:
    • Quy trình tiền xử lý ảnh tuần tự gồm 17 bước xử lý hình học và hình thái học trong OpenCV C++ (từ xoay ảnh dựa trên hàm lượng giác atan, cắt dải ảnh hẹp, lọc Gaussian, đến chuẩn hóa độ tương phản Normalize).
    • Phương pháp chuyển đổi và lưu trữ đặc trưng màu sắc sang không gian HSV dạng ma trận $[H, S, V]$ tương thích với tệp dữ liệu có cấu trúc XML (MAU.XML, KIEMTRA.XML).
    • Thiết kế thực nghiệm và phương pháp đánh giá hệ thống phân loại bằng ma trận nhầm lẫn (Confusion Matrix) qua hai chỉ số định lượng TPR và ACC.

Câu hỏi thường gặp

1. Tại sao nhóm tác giả lại lựa chọn không gian màu HSV thay vì RGB để nhận dạng màu sợi cáp?
Không gian màu RGB kết hợp chặt chẽ cả thông tin màu sắc lẫn cường độ chiếu sáng trong từng kênh (R, G, B), khiến giá trị điểm ảnh dễ bị biến động lớn khi độ rọi của đèn thay đổi. Trong khi đó, không gian HSV tách biệt độc lập thành phần sắc thái màu ($H$ - Hue) khỏi độ bão hòa ($S$ - Saturation) và cường độ sáng ($V$ - Value). Việc sử dụng kênh $H$ và $S$ giúp hệ thống nhận dạng chính xác màu gốc của vỏ cách điện sợi cáp mà ít bị ảnh hưởng bởi độ chênh lệch ánh sáng cục bộ trong buồng chụp.

2. Kỹ thuật cắt dải ảnh rộng 3 pixel ở vị trí sát đầu cắm cáp có ý nghĩa kỹ thuật gì?
Khi ra xa đầu cắm, các sợi cáp thường bị uốn cong, vặn xoắn hoặc xếp chồng chéo lên nhau, gây khó khăn cho việc phân đoạn từng sợi dây riêng biệt. Tại vị trí sát đầu cắm, các sợi dây bắt buộc phải nằm cố định trên một mặt phẳng thẳng hàng và song song. Do đó, việc trích xuất một dải ảnh có bề rộng chỉ 3 pixel cho phép chuyển bài toán phân tích ảnh 2D phức tạp thành bài toán dò tìm cực trị trên biểu đồ phân bố mức xám (histogram) 1D, giúp đếm chính xác số lượng dây và định vị đúng tâm dây để lấy mẫu màu.

3. Phần cứng chiếu sáng của hệ thống sử dụng loại đèn nào và thông số kỹ thuật ra sao?
Hệ thống sử dụng 10 đèn LED Luxeon công suất 1W bố trí tỏa đều trên vùng làm việc để giảm bóng mờ. Thông số kỹ thuật của đèn LED bao gồm: điện áp hoạt động từ 3,15V đến 5V, dòng điện tiêu thụ 350 mA, quang thông (độ sáng) đạt 80 – 90 Lumen (LM), và dải nhiệt độ hoạt động từ -20°C đến 60°C.

4. Dữ liệu chuẩn của mẫu cáp được lưu trữ và so sánh dưới định dạng nào?
Hệ thống sử dụng các tệp tin có định dạng XML để lưu trữ dữ liệu. Các thông số về số lượng sợi dây, tọa độ vị trí tâm và ma trận màu sắc kích thước $1 \times 3$ biểu diễn theo ba thành phần $[H, S, V]$ của mẫu chuẩn được lưu trong tệp MAU.XML. Khi kiểm tra sản phẩm mới, dữ liệu đo được ghi vào tệp KIEMTRA.XML trước khi đối chiếu sai số giữa hai tệp để đưa ra kết luận.

5. Kết quả độ chính xác nhận dạng thực tế của hệ thống đạt bao nhiêu phần trăm?
Qua kiểm nghiệm trên 100 mẫu cáp cho mỗi mặt, hệ thống đạt độ chính xác toàn hệ thống (ACC) là 91% đối với mặt trước (với 37 mẫu TP, 54 mẫu TN, 6 mẫu FP và 3 mẫu FN; độ nhạy TPR đạt 92,6%). Đối với mặt sau, độ chính xác toàn hệ thống (ACC) đạt 86% (với 35 mẫu TP, 51 mẫu TN, 19 mẫu FP và 5 mẫu FN; độ nhạy TPR đạt 87,5%).

Kết luận

Đồ án tốt nghiệp của sinh viên Lê Quốc Nhật và Châu Thái Bảo (Trường Đại học Sư phạm Kỹ thuật TP.HCM) đã nghiên cứu và chế tạo thành công mô hình nhận dạng thứ tự màu cáp kết nối công nghiệp sử dụng thư viện OpenCV trên nền tảng Visual Studio C++. Bằng việc kết hợp buồng chụp kiểm soát ánh sáng và chuỗi giải thuật xử lý ảnh trích xuất không gian màu HSV trên dải ảnh hẹp, hệ thống đạt độ chính xác thực nghiệm 91% ở mặt trước và 86% ở mặt sau. Đề tài đã giải quyết được bài toán kiểm tra ngoại quan tự động với chi phí thấp, cung cấp tài liệu tham khảo thực nghiệm giá trị cho sinh viên và kỹ sư chuyên ngành Kỹ thuật Điều khiển và Tự động hóa.