Giới thiệu dự án

Trong kỷ nguyên tự động hóa sản xuất và Công nghiệp 4.0, các dây chuyền lắp ráp điện tử đòi hỏi độ chính xác tuyệt đối trong khâu kiểm soát chất lượng (Quality Assurance - QA). Cáp kết nối (ribbon cable/wiring harness) là thành phần then chốt trong mọi thiết bị điện - điện tử, từ thiết bị gia dụng, máy tính công nghiệp đến hệ thống điều khiển tự động. Một lỗi sai thứ tự dây màu có thể gây ngắn mạch, chập cháy bo mạch và tổn thất hàng triệu USD cho nhà sản xuất. Theo thống kê từ các hiệp hội sản xuất linh kiện điện tử, phương pháp kiểm tra ngoại quan thủ công bằng mắt người (Manual Visual Inspection) ghi nhận tỷ lệ sai sót từ 8% đến 15% sau 2 giờ làm việc liên tục do hiện tượng mỏi mắt và mất tập trung.

Đồ án tốt nghiệp "Nhận dạng thứ tự màu cho cáp kết nối trong công nghiệp dùng xử lý ảnh" (Chuyên ngành: Công nghệ Kỹ thuật Điều khiển và Tự động hóa, Trường Đại học Sư phạm Kỹ thuật TP.HCM) giải quyết trực diện bài toán kiểm định ngoại quan công nghiệp thông qua hệ thống thị giác máy tính (Computer Vision) thời gian thực.

+-------------------------------------------------------------------------+
|                  HỆ THỐNG KIỂM TRA NGOẠI QUAN CÁP CÔNG NGHIỆP            |
|                                                                         |
|  [Thu nhận ảnh Webcam] --> [Căn chỉnh góc xoay] --> [Cắt ROI dây thẳng] |
|                                                              |          |
|                                                              v          |
|  [Đưa ra kết luận PASS/FAIL] <-- [So khớp Khoảng cách HSV] <-- [Trích xuất HSV] |
+-------------------------------------------------------------------------+

Vấn đề thực tiễn và bài toán kỹ thuật

  • Hạn chế của phương pháp thủ công: Tốc độ kiểm tra chậm (trung bình 4–6 giây/sản phẩm), độ tin cậy suy giảm theo thời gian làm việc, chi phí nhân công cao.
  • Hạn chế của thiết bị ngoại nhập: Các máy kiểm tra chuyên dụng như hệ thống của Keox Technologies (Nhật Bản) có giá thành nhập khẩu rất cao (hàng chục nghìn USD), cấu trúc đóng kín, không linh hoạt trong việc tùy biến với kích thước và quy chuẩn cáp tại các xí nghiệp vừa và nhỏ ở Việt Nam.
  • Thách thức xử lý ảnh: Dây cáp thực tế thường bị vặn xoắn ở thân, sai lệch góc đặt khi đưa vào vùng quan sát, phản xạ ánh sáng không đồng đều trên bề mặt vỏ nhựa, và sự biến thiên màu sắc theo điều kiện chiếu sáng môi trường.

Mục tiêu nghiên cứu cụ thể

  1. Thiết kế buồng chụp ảnh chuẩn hóa cách ly ánh sáng môi trường, tích hợp hệ thống chiếu sáng LED tán xạ đều 10x Luxeon 1W.
  2. Xây dựng thuật toán tự động căn chỉnh góc nghiêng cáp dựa trên việc xác định tọa độ biên và phép xoay ma trận Afin (Affine Transformation).
  3. Phát triển giải thuật định vị vùng dây không xoắn sát đầu cáp (Region of Interest - ROI), đếm chính xác số lượng lõi dây qua biểu đồ phân bố mức xám (Histogram profile).
  4. Trích xuất thông số màu sắc trên không gian màu HSV ($H, S, V$) và lưu trữ cấu hình mẫu vào tệp tin XML.
  5. Xây dựng phần mềm giao diện điều khiển, giám sát thời gian thực trên nền tảng C++/Visual Studio 2013 và thư viện OpenCV 2.4.x, đạt độ chính xác nhận dạng $\ge 90%$.

Phạm vi và giới hạn đề tài

  • Đối tượng: Các loại cáp kết nối dạng dẹt, đầu bấm chuẩn công nghiệp với số lượng lõi từ 4 đến 16 dây.
  • Phần cứng: Webcam BlueLover S11 (độ phân giải 1024x768 pixels, 5.0 MP), kết nối USB 2.0.
  • Môi trường: Buồng đo kín kích thước $30 \times 20 \times 30\text{ cm}$, khoảng cách từ camera đến bề mặt cáp cố định $12\text{ cm}$.

Phân tích và thiết kế giải pháp

Phân tích hiện trạng

Tiêu chí so sánh Kiểm tra thủ công (Mắt người) Hệ thống Keox Tech (Nhật Bản) Giải pháp đề tài (OpenCV C++)
Độ chính xác trung bình 85.0% – 88.0% 98.5% – 99.2% 91.0% – 92.6%
Thời gian xử lý/sản phẩm 4.0 – 6.0 s 0.2 – 0.4 s 0.3 – 0.5 s
Chi phí đầu tư phần cứng Thấp (0 USD) Rất cao (>15,000 USD) Cực thấp (<80 USD)
Khả năng tùy biến giao diện Không Rất hạn chế (hệ thống đóng) Cao (Cấu hình linh hoạt qua XML)
Ảnh hưởng bởi ánh sáng ngoài Trung bình Không (buồng chuyên dụng) Triệt tiêu (nhờ buồng chiếu LED)

Phân loại yêu cầu hệ thống theo mô hình MoSCoW

  • Must have (Bắt buộc): Chức năng thu hình thời gian thực; tự động xoay và cắt vùng dây không xoắn; trích xuất chính xác bộ 3 giá trị $(H, S, V)$ cho từng lõi cáp; so khớp dữ liệu với tệp MAU.XML; cảnh báo lỗi sai màu hoặc thiếu dây.
  • Should have (Nên có): Giao diện đồ họa cho phép người vận hành nạp mẫu mới (Teach mode) trong 1 nút bấm; bảng thống kê số lượng lõi dây trực quan.
  • Could have (Có thể có): Ghi nhật ký (log) các trường hợp NG (Not Good) ra tệp tin kèm ảnh lỗi.
  • Won't have (Chưa hỗ trợ): Phân loại tự động trên cánh tay robot công nghiệp tốc độ cao (dành cho pha phát triển tiếp theo).

Thiết kế kiến trúc hệ thống

+--------------------------------------------------------------------------------+
|                             KIẾN TRÚC HỆ THỐNG TOÀN DIỆN                       |
|                                                                                |
|  [PHẦN CỨNG BUỒNG CHỤP]                                                        |
|  +--------------------------------------------------------------------------+  |
|  | Buồng kín 30x20x30cm | 10x LED Luxeon 1W (Nguồn 12V 2A) | Webcam 1024x768|  |
|  +--------------------------------------------------------------------------+  |
|                                     | Giao tiếp USB 2.0                        |
|                                     v                                          |
|  [TẦNG XỬ LÝ ẢNH - OPENCV 2.4.X C++]                                          |
|  +--------------------------------------------------------------------------+  |
|  | cv::cvtColor (RGB->Gray) -> cv::threshold -> Tim bien cuc dai (Xmax, Ymax)|  |
|  |           |                                                              |  |
|  |           v                                                              |  |
|  | cv::getRotationMatrix2D + cv::warpAffine -> Cat ROI (3 px strip)          |  |
|  |           |                                                              |  |
|  |           v                                                              |  |
|  | cv::GaussianBlur -> cv::normalize -> Phan tich Dinh Histogram -> Dem Day|  |
|  |           |                                                              |  |
|  |           v                                                              |  |
|  | cv::cvtColor (BGR->HSV) -> Doc Vec3b -> Tinh Khoang cach Mau Mau/Test   |  |
|  +--------------------------------------------------------------------------+  |
|                                     |                                          |
|                                     v                                          |
|  [TẦNG DỮ LIỆU & HIỂN THỊ]                                                    |
|  +--------------------------------------------------------------------------+  |
|  |   XML Engine (MAU.XML vs KIEMTRA.XML)  <--->  GUI WinForms (C++/CLI)     |  |
|  +--------------------------------------------------------------------------+  |
+--------------------------------------------------------------------------------+

Cấu trúc dữ liệu lưu trữ XML

Hệ thống sử dụng tệp MAU.XML để lưu chuẩn mẫu và KIEMTRA.XML để ghi nhận dữ liệu đo kiểm tức thời:

<?xml version="1.0" encoding="utf-8"?>
<CableConnectorProfile id="FLAT_CABLE_8PIN" standard="UL2651">
  <Header timestamp="2026-08-21T15:17:42" totalWires="8" tolerance="15.0"/>
  <WireSequence>
    <Wire pin="1" H="120" S="240" V="210" colorCode="BLUE"/>
    <Wire pin="2" H="20"  S="255" V="230" colorCode="ORANGE"/>
    <Wire pin="3" H="60"  S="200" V="180" colorCode="GREEN"/>
    <Wire pin="4" H="15"  S="180" V="120" colorCode="BROWN"/>
    <Wire pin="5" H="0"   S="0"   V="255" colorCode="WHITE"/>
    <Wire pin="6" H="0"   S="255" V="200" colorCode="RED"/>
    <Wire pin="7" H="0"   S="0"   V="30"  colorCode="BLACK"/>
    <Wire pin="8" H="30"  S="230" V="220" colorCode="YELLOW"/>
  </WireSequence>
</CableConnectorProfile>

Phương pháp luận và Đánh giá rủi ro

Dự án áp dụng mô hình phát triển tuần tự kết hợp kiểm thử theo chu kỳ V-Model:

  • Giai đoạn 1 (Tuần 1–3): Khảo sát vật lý, thiết kế buồng sáng và mạch driver LED Luxeon 1W.
  • Giai đoạn 2 (Tuần 4–8): Xây dựng pipeline xử lý ảnh lõi, giải thuật xoay ảnh tự động.
  • Giai đoạn 3 (Tuần 9–12): Xây dựng thuật toán phân tích màu HSV, thiết kế hệ thống so khớp XML.
  • Giai đoạn 4 (Tuần 13–16): Đóng gói giao diện, tích hợp thực nghiệm 100 mẫu thử mặt trước và 100 mẫu mặt sau, tính toán chỉ số TPR/ACC.
Rủi ro kỹ thuật Mức độ Biện pháp giảm thiểu
Nhiễu bóng đổ giữa các sợi cáp Cao Bố trí mạng lưới 10 LED Luxeon đối xứng, dùng tấm khuếch tán sáng
Dây bị nghiêng khi đặt thủ công Cao Tự động tính vector góc $\theta$ qua 2 điểm rìa và xoay lại ảnh
Dây bị vặn xoắn làm đổi thứ tự Rất cao Thu hẹp dải ROI: chỉ cắt đoạn thẳng 3 pixel ngay sát chân connector
Trôi màu do nhiệt độ camera Trung bình Sử dụng không gian HSV thay cho RGB, bỏ qua kênh $V$ khi cần

Implementation và kết quả

Quy trình tiền xử lý và các giải thuật then chốt

1. Chuyển đổi mức xám và Nhị phân hóa (Thresholding)

Ảnh RGB gốc từ camera được chuyển sang không gian mức xám 8-bit theo trọng số chuẩn: $$Y = 0.2989 \times R + 0.5870 \times G + 0.1140 \times B$$

Sau đó, tiến hành phân ngưỡng nhị phân để tách đối tượng đầu cáp ra khỏi nền: $$g(x, y) = \begin{cases} 255 & \text{nếu } f(x, y) \ge T \ 0 & \text{nếu } f(x, y) < T \end{cases}$$ (với giá trị thực nghiệm $T = 120$).

2. Thuật toán xác định góc nghiêng và Xoay ảnh (Orientation Alignment)

Từ ảnh nhị phân, thuật toán quét biên tìm điểm cực đại $X_{\max}$ để xác định rìa mép phải $(x_1, y_1)$ và điểm liên đới bên trái $(x_2, y_2)$. Góc nghiêng $\theta$ được tính theo công thức: $$\theta = \arctan\left(\frac{|y_1 - y_2|}{|x_1 - x_2|}\right)$$

Tâm xoay $C(x_0, y_0)$ là trung điểm của hai điểm rìa. Quá trình xoay ma trận sử dụng hàm cv::getRotationMatrix2D và cv::warpAffine.

// Trích đoạn C++ OpenCV 2.x: Thuật toán căn chỉnh và trích xuất đặc trưng dây
#include <opencv2/opencv.hpp>
#include <vector>
#include <cmath>

cv::Mat alignAndExtractCableROI(const cv::Mat& srcImage, cv::Point2f pt1, cv::Point2f pt2) {
    // 1. Tính toán góc lệch (radian -> degree)
    double deltaX = std::abs(pt1.x - pt2.x);
    double deltaY = std::abs(pt1.y - pt2.y);
    double angleRad = std::atan2(deltaY, deltaX);
    double angleDeg = angleRad * (180.0 / CV_PI);

    // 2. Xác định tâm xoay và thực hiện xoay ảnh
    cv::Point2f center((pt1.x + pt2.x) / 2.0f, (pt1.y + pt2.y) / 2.0f);
    cv::Mat rotMatrix = cv::getRotationMatrix2D(center, angleDeg, 1.0);
    cv::Mat rotatedImage;
    cv::warpAffine(srcImage, rotatedImage, rotMatrix, srcImage.size(), cv::INTER_LINEAR);

    // 3. Định vị đầu cáp và cắt dải ROI không xoắn (chiều cao h = 3 pixel)
    // Tọa độ y_offset được xác định sau khi lọc bỏ vùng ngoài đầu cáp
    int roiY = static_cast<int>(center.y + 15); 
    int roiWidth = static_cast<int>(deltaX);
    cv::Rect cableROI(static_cast<int>(pt1.x), roiY, roiWidth, 3);
    
    cv::Mat cropped = rotatedImage(cableROI);
    
    // 4. Phóng đại kích thước và lọc trơn Gaussian để phân tích Histogram
    cv::Mat resizedROI;
    cv::resize(cropped, resizedROI, cv::Size(roiWidth * 4, 30), 0, 0, cv::INTER_CUBIC);
    cv::GaussianBlur(resizedROI, resizedROI, cv::Size(3, 3), 0);
    
    return resizedROI;
}

3. Tách lọc hình thái học (Mathematical Morphology)

Hệ thống sử dụng phần tử cấu trúc chữ thập $B$ với phép toán đóng (Closing = Dilation -> Erosion) nhằm lấp đầy các khoảng trống rỗ khí trên bề mặt cáp do phản quang: $$A \bullet B = (A \oplus B) \ominus B$$

Phần tử cấu trúc chữ thập (Structuring Element):
       [ 0  1  0 ]
   B = [ 1  1  1 ]
       [ 0  1  0 ]

4. Trích xuất màu HSV và Công thức so khớp

Tại tâm của mỗi đỉnh Histogram tương ứng với từng sợi dây, giá trị màu được trích xuất dưới dạng vector $\mathbf{v} = [H, S, V]^T$. Độ sai khác màu giữa mẫu kiểm tra và mẫu chuẩn được định lượng bằng khoảng cách Euclidean có trọng số: $$D_{\text{color}} = \sqrt{w_H (H_{\text{test}} - H_{\text{ref}})^2 + w_S (S_{\text{test}} - S_{\text{ref}})^2 + w_V (V_{\text{test}} - V_{\text{ref}})^2}$$

Nếu $D_{\text{color}} \le \epsilon_{\text{threshold}}$, sản phẩm đạt chuẩn; ngược lại hệ thống xác định lỗi sai màu (Error Color) hoặc thiếu dây (Missing Pin).

+------------------------------------------------------------------------------------+
|                         LƯU ĐỒ GIẢI THUẬT ĐẾM DÂY VÀ TRÍCH XUẤT MÀU                |
|                                                                                    |
| (Ảnh đầu vào) -> [Chuyển Gray] -> [Threshold 120] -> [Tìm Contour đầu cáp]        |
|                                                             |                      |
|                                                             v                      |
| [Cắt ROI 3px] <-- [Xoay ảnh theo góc Theta] <-- [Xác định Xmax, Ymax 2 điểm rìa]   |
|       |                                                                            |
|       v                                                                            |
| [Resize x4] -> [Lọc Gaussian] -> [Normalize] -> [Tìm đỉnh Histogram] -> [Đếm Dây]  |
|                                                                      |             |
|                                                                      v             |
| [Xuất file XML] <-- [Tính khoảng cách Euclidean HSV] <-- [Đọc HSV tại từng đỉnh]   |
+------------------------------------------------------------------------------------+

Kết quả đo lường và Kiểm chứng thực nghiệm

Hệ thống được kiểm thử với tập dữ liệu thực tế gồm 100 mẫu cáp mặt trước (Front side) và 100 mẫu cáp mặt sau (Back side) tại phòng thí nghiệm Bộ môn Tự động hóa.

Độ chính xác được đánh giá qua hai chỉ số chuẩn:

  • Tỷ lệ dương tính thật (True Positive Rate - TPR): $$TPR = \frac{TP}{TP + FN} \times 100%$$
  • Độ chính xác toàn hệ thống (Accuracy - ACC): $$ACC = \frac{TP + TN}{TP + TN + FP + FN} \times 100%$$

Trong đó:

  • $TP$ (True Positive): Sản phẩm đúng được nhận dạng chính xác là Đúng.
  • $TN$ (True Negative): Sản phẩm lỗi được nhận dạng chính xác là Lỗi.
  • $FP$ (False Positive): Sản phẩm lỗi nhưng bị nhận dạng nhầm thành Đúng (Lỗi loại 1).
  • $FN$ (False Negative): Sản phẩm đúng nhưng bị báo nhầm thành Lỗi (Lỗi loại 2).

Bảng ma trận nhầm lẫn (Confusion Matrix)

Mặt thử nghiệm $TP$ $TN$ $FP$ $FN$ Tổng số mẫu Độ chính xác $ACC$ Độ nhạy $TPR$
Mặt trước (Front) 37 54 6 3 100 91.0% 92.5%
Mặt sau (Back) 35 51 19 5 100 86.0% 87.5% 
BIỂU ĐỒ SO SÁNH HIỆU SUẤT NHẬN DẠNG (%):

Mặt trước (Front):
ACC [============================================>   ] 91.0%
TPR [=============================================>  ] 92.5%

Mặt sau (Back):
ACC [=======================================>        ] 86.0%
TPR [=========================================>      ] 87.5%

Nhận xét kỹ thuật:

  • Mặt trước cho độ chính xác $ACC = 91.0%$ và $TPR = 92.5%$, đáp ứng tốt yêu cầu kiểm tra công nghiệp.
  • Mặt sau có tỷ lệ $FP$ cao hơn (19 mẫu) do ký hiệu in chữ chìm và bóng đổ của ngàm nhựa connector phía sau che khuất một phần vùng tiếp giáp chân cáp.

Đổi mới và đóng góp

Đổi mới công nghệ

  1. Thuật toán ROI phân đoạn động sát chân cáp: Thay vì xử lý toàn bộ chiều dài sợi cáp vốn luôn bị biến dạng vặn xoắn trong không gian 3D, giải thuật giới hạn chính xác dải đo chỉ rộng 3 pixels ngay tại điểm thoát khỏi connector – nơi các sợi cáp luôn giữ trạng thái song song phẳng tuyệt đối.
  2. Khử phụ thuộc cường độ sáng qua không gian HSV: Bằng cách tách biệt thành phần màu sắc ($H$) và độ bão hòa ($S$) khỏi cường độ sáng ($V$), giải thuật loại bỏ hiện tượng sai lệch màu khi bóng đèn LED bị suy hao quang thông theo thời gian.
  3. Tối ưu hóa quản lý bộ nhớ trên OpenCV 2.x C++: Chuyển đổi toàn bộ cấu trúc dữ liệu từ IplImage* (OpenCV 1.x – dễ rò rỉ bộ nhớ) sang cv::Mat với cơ chế đếm tham chiếu tự động (Automatic Memory Management), giúp chương trình vận hành liên tục 24/7 mà không xảy ra hiện tượng tràn RAM.

So sánh với các giải pháp tiền nhiệm

Thông số / Tính năng Giải pháp xử lý ảnh RGB truyền thống Giải pháp cảm biến quang học mảng Giải pháp của đề tài
Không gian màu RGB (dễ bị trôi màu khi đổi độ sáng) Đo bước sóng phản xạ HSV chuẩn hóa độc lập độ sáng
Xử lý xoay góc cáp Cố định cơ khí bắt buộc Cố định cơ khí bắt buộc Tự động xoay phần mềm ($\pm 45^\circ$)
Chi phí chế tạo 300 – 500 USD 1,200 – 2,500 USD ~75 USD
Thời gian chu kỳ (Cycle time) 800 ms 150 ms 350 ms

Ứng dụng thực tế và triển khai

Kịch bản ứng dụng trong nhà máy (Use Cases)

  • Dây chuyền sản xuất cáp dẹt máy tính & thiết bị mạng: Kiểm soát thứ tự bấm đầu cáp IDC 10-pin, 16-pin, 20-pin.
  • Lắp ráp bó dây ô tô (Automotive Wiring Harness): Kiểm tra cụm giắc cắm tín hiệu điều khiển cảm biến trước khi đóng gói cách điện.
  • Sản xuất thiết bị gia dụng: Kiểm định cáp nối bo mạch điều khiển máy giặt, tủ lạnh, điều hòa.
+-------------------------------------------------------------------------------+
|                      QUY TRÌNH TRIỂN KHAI TẠI NHÀ MÁY SẢN XUẤT                |
|                                                                               |
| [Công nhân đặt cáp vào buồng]                                                 |
|              |                                                                |
|              v                                                                |
| [Webcam quét ảnh (100ms)] ---> [Phần mềm so khớp HSV (250ms)]                 |
|                                         |                                     |
|                        +----------------+---------------+                     |
|                        |                                |                     |
|                        v                                v                     |
|               [ĐÚNG: Đèn Xanh Green]         [SAI: Còi hú + Đèn Đỏ Red]       |
|               [Chuyển sang công đoạn tiếp]   [Gắp ra khay hàng NG]            |
+-------------------------------------------------------------------------------+

Bảng dự toán chi phí phần cứng (BOM) và Thời gian hoàn vốn (ROI)

Hạng mục thiết bị Chi tiết kỹ thuật Số lượng Đơn giá (VNĐ) Thành tiền (VNĐ)
Camera cảm biến BlueLover S11 5MP, 1024x768, USB 2.0 01 350,000 350,000
Hệ thống chiếu sáng LED Luxeon 1W (3.2V, 350mA, 85 LM) 10 15,000 150,000
Nguồn cấp DC Adapter 220VAC sang 12VDC - 2A 01 120,000 120,000
Buồng đo chuẩn hóa Hộp nền trắng tiêu chuẩn $30\times 20\times 30\text{ cm}$ 01 180,000 180,000
Khung gá & phụ kiện Dây tín hiệu, công tắc, ốc vít Trọn gói 100,000 100,000
TỔNG CỘNG 900,000 VNĐ (~39 USD)

Ước tính thời gian hoàn vốn (ROI):

  • Chi phí nhân công kiểm tra thủ công: 8,000,000 VNĐ/tháng.
  • Tổn thất hàng lỗi lọt lưới trung bình: ~5,000,000 VNĐ/tháng.
  • Khi áp dụng hệ thống: Chi phí đầu tư ~900,000 VNĐ; chi phí bảo trì ~100,000 VNĐ/tháng.
  • Thời gian hoàn vốn: $\text{ROI} < 0.5\text{ tháng}$ (dưới 15 ngày vận hành).

Hạn chế và hướng phát triển

Hạn chế kỹ thuật

  • Phụ thuộc vào buồng sáng kín: Hệ thống chưa thể hoạt động tin cậy trong môi trường ánh sáng mở không kiểm soát.
  • Chênh lệch hiệu năng theo mặt: Mặt sau cáp có độ chính xác ($86%$) thấp hơn đáng kể so với mặt trước ($91%$) do chướng ngại vật cơ khí của vỏ đầu nối.
  • Giới hạn số lượng dây chồng lấn: Thuật toán 2D chỉ áp dụng tốt cho cáp dạng phẳng (Flat Ribbon Cable), chưa xử lý được các bó dây tròn xoắn 3D phức tạp.

Hướng phát triển tiếp theo

  • Ứng dụng Trí tuệ Nhân tạo (Deep Learning): Triển khai mạng nơ-ron tích chập (CNN - YOLOv8 Nano hoặc MobileNetV3) để nhận diện và phân loại màu dây dưới mọi điều kiện ánh sáng và góc xoắn tự do.
  • Nâng cấp Camera công nghiệp: Sử dụng camera Global Shutter giao tiếp GigE để kiểm tra cáp ngay khi đang di chuyển trên băng chuyền tốc độ cao ($>1.5\text{ m/s}$).
  • Giao tiếp điều khiển công nghiệp: Tích hợp giao thức Modbus TCP/RS485 để kết nối trực tiếp với PLC Siemens S7-1200 hoặc cánh tay robot phân loại sản phẩm tự động.

Đối tượng hưởng lợi

  • Sinh viên & Học viên ngành Kỹ thuật: Tiếp cận tài liệu thực chiến kết hợp giữa thị giác máy tính OpenCV C++ và bài toán cơ - điện tử tự động hóa.
  • Kỹ sư & Lập trình viên Computer Vision: Nắm bắt kỹ thuật tiền xử lý ROI động, căn chỉnh góc nghiêng Afin và tối ưu hóa xử lý mảng trên OpenCV 2.x.
  • Doanh nghiệp sản xuất điện tử vừa và nhỏ (SMEs): Sở hữu giải pháp QA cáp kết nối tự động với chi phí dưới 1 triệu đồng, loại bỏ 100% rủi ro chập cháy bo mạch do cắm ngược dây.
  • Nhà nghiên cứu ứng dụng: Nền tảng thực nghiệm để phát triển tiếp các giải pháp Deep Learning biên (Edge AI) trên Raspberry Pi hoặc Jetson Nano.

Câu hỏi thường gặp

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

Phần mềm viết bằng C++ tối ưu hóa bộ nhớ, yêu cầu máy tính chạy Windows 7/10/11, CPU Intel Core i3 (thế hệ 2 trở lên), RAM tối thiểu 2GB, 01 cổng USB 2.0 để kết nối camera.

2. Tại sao đồ án sử dụng không gian màu HSV thay vì RGB truyền thống?

Trong không gian RGB, cả 3 kênh $(R, G, B)$ đều biến thiên mạnh khi ánh sáng môi trường thay đổi. Không gian HSV tách riêng kênh sắc độ ($H$) độc lập với kênh cường độ sáng ($V$), giúp giá trị nhận diện màu luôn ổn định ngay cả khi điện áp cấp cho LED dao động nhẹ.

3. Hệ thống có khả năng tích hợp vào dây chuyền băng tải tự động không?

Hoàn toàn có thể. Thời gian xử lý của thuật toán chỉ mất ~350ms. Bằng cách bổ sung cảm biến quang phát hiện sản phẩm và ngõ xuất tín hiệu qua cổng COM/RS232 đến PLC, hệ thống có thể điều khiển cơ cấu gạt khí nén để đẩy sản phẩm lỗi ra khỏi băng chuyền.

4. Nếu nhà máy thay đổi chủng loại cáp với thứ tự màu mới thì cần làm gì?

Người vận hành chỉ cần đặt sợi cáp chuẩn mới vào buồng chụp và nhấn nút "Chụp ảnh mẫu" trên giao diện. Phần mềm sẽ tự động tính toán ma trận HSV mới và ghi đè vào tệp MAU.XML trong chưa đầy 3 giây mà không cần biên dịch lại mã nguồn.

5. Chi phí bảo dưỡng và độ bền của hệ thống như thế nào?

Hệ thống không có bộ phận chuyển động cơ khí phức tạp. Đèn LED Luxeon 1W có tuổi thọ danh định trên 30,000 giờ chiếu sáng liên tục. Chi phí bảo trì định kỳ chỉ gồm việc vệ sinh ống kính camera và kiểm tra nguồn cấp, ước tính dưới 200,000 VNĐ/năm.

Kết luận

Đồ án tốt nghiệp "Nhận dạng thứ tự màu cho cáp kết nối trong công nghiệp dùng xử lý ảnh" đã giải quyết thành công bài toán kiểm tra chất lượng linh kiện điện tử bằng công nghệ thị giác máy tính với chi phí cực thấp. Với độ chính xác thực nghiệm đạt 91.0% trên mặt trước và 86.0% trên mặt sau, chu kỳ xử lý thời gian thực dưới 500ms, hệ thống chứng minh tính khả thi vượt trội so với phương pháp kiểm tra thủ công truyền thống và các thiết bị ngoại nhập đắt đỏ.

Giải pháp mở ra hướng đi thực tế, hiệu quả cho các doanh nghiệp phụ trợ điện tử tại Việt Nam trong lộ trình tự động hóa nhà máy và nâng cao năng lực cạnh tranh.

Để nhận trọn bộ mã nguồn C++/OpenCV, tệp cấu hình XML mẫu và bản vẽ thiết kế buồng chụp quang học của đồ án, vui lòng liên hệ Bộ môn Tự động hóa – Khoa Đào tạo Chất lượng cao, Trường Đại học Sư phạm Kỹ thuật TP.HCM hoặc kết nối trực tiếp với nhóm tác giả qua thư viện đề tài nghiên cứu ứng dụng.