I. Tổng quan nghiên cứu nhận dạng sản phẩm camera tốc độ cao ĐH SPKT
Nghiên cứu nhận dạng và phân loại sản phẩm bằng camera tốc độ cao là đề tài tiêu biểu thuộc ngành Điện - Điện tử tại Trường Đại học Sư phạm Kỹ thuật Thành phố Hồ Chí Minh. Đề tài do sinh viên Nguyễn Khắc Doãn thực hiện dưới sự hướng dẫn của giảng viên Tạ Văn Phương vào tháng 01/2015. Mục tiêu cốt lõi của công trình là xây dựng mô hình tự động hóa quy trình kiểm tra sản phẩm công nghiệp. Hệ thống tích hợp camera công nghiệp tốc độ cao để thu nhận hình ảnh rõ nét của các chi tiết chuyển động liên tục trên băng tải. Kỹ thuật này giải quyết triệt để vấn đề mờ nhòe quang học vốn thường gặp ở thiết bị quan sát thông thường. Dữ liệu hình ảnh được máy tính phân tích theo thời gian thực nhằm phát hiện các thuộc tính quang học cụ thể. Hai tiêu chí nhận dạng then chốt được lựa chọn là màu sắc và mã vạch sản phẩm. Đề tài kết hợp chặt chẽ giữa lý thuyết xử lý tín hiệu số và kỹ thuật điều khiển cơ điện tử. Kết quả nghiên cứu cung cấp cơ sở kỹ thuật thực tiễn cho các dây chuyền sản xuất công nghiệp hiện đại.
1.1. Bối cảnh học thuật tại ĐH Sư phạm Kỹ thuật TPHCM
Khoa Điện - Điện tử tại Trường Đại học Sư phạm Kỹ thuật Thành phố Hồ Chí Minh luôn tiên phong ứng dụng thị giác máy tính vào tự động hóa. Đồ án của tác giả Nguyễn Khắc Doãn ra đời trong bối cảnh các nhà máy đòi hỏi năng suất cao hơn. Việc kiểm định thủ công bộc lộ nhiều sai sót và làm suy giảm tốc độ dây chuyền. Đề tài đáp ứng yêu cầu cấp thiết về đào tạo kỹ sư gắn liền với nhu cầu thực tiễn của doanh nghiệp. Hướng tiếp cận này giúp sinh viên làm chủ công nghệ điều khiển tiên tiến và thuật toán xử lý ảnh chuyên sâu. Công trình đóng vai trò là tài liệu tham khảo giá trị cho các thế hệ nghiên cứu kế tiếp tại trường.
1.2. Tầm quan trọng của camera tốc độ cao trong công nghiệp
Trong môi trường sản xuất hiện đại, băng tải vận hành với vận tốc rất lớn. Camera thông thường có tần số quét thấp nên hình ảnh chụp được thường bị nhòe chuyển động. Camera tốc độ cao khắc phục triệt để hạn chế này nhờ thời gian phơi sáng cực ngắn. Thiết bị có khả năng ghi lại hàng trăm khung hình sắc nét mỗi giây. Cảm biến quang học chất lượng cao bảo đảm dữ liệu hình ảnh trung thực và ổn định. Nguồn cấp dữ liệu chuẩn xác giúp bộ xử lý tính toán đúng đắn và kích hoạt cơ cấu chấp hành kịp thời. Sự ổn định của thiết bị là điều kiện tiên quyết giúp hệ thống không xảy ra lỗi phân loại.
II. Khó khăn khi phân loại sản phẩm bằng camera tốc độ cao tự động
Hệ thống phân loại tự động tốc độ cao phải đối mặt với nhiều rào cản kỹ thuật phức tạp trong môi trường nhà máy. Thách thức hàng đầu là sự biến thiên liên tục của ánh sáng môi trường xung quanh. Ánh sáng không đồng đều làm sai lệch các thông số màu sắc thực tế của sản phẩm. Bên cạnh đó, hiện tượng phản xạ ánh sáng trên bao bì bóng hoặc bề mặt kim loại gây khó khăn cho việc quét mã vạch. Tốc độ di chuyển nhanh của băng tải tạo ra rung động cơ học, khiến việc định vị vật thể mất ổn định. Thời gian cho phép để thuật toán thu nhận, xử lý và ra quyết định chỉ diễn ra trong vài mili-giây. Nếu thuật toán xử lý quá phức tạp, hiện tượng trễ tín hiệu sẽ xuất hiện. Sự chậm trễ này dẫn đến việc cơ cấu chấp hành gạt nhầm hoặc bỏ sót sản phẩm. Do đó, việc cân bằng giữa độ chính xác nhận dạng và tốc độ tính toán là bài toán then chốt mà đề tài cần giải quyết triệt để.
2.1. Biến thiên quang học và sự sai lệch không gian màu
Trong môi trường xưởng sản xuất, ánh sáng tự nhiên thay đổi liên tục theo từng thời điểm trong ngày. Đèn chiếu sáng nhân tạo cũng có thể phát sinh hiện tượng nhấp nháy tần số cao. Những yếu tố này tác động tiêu cực đến không gian màu RGB tiêu chuẩn của ảnh chụp. Sự thay đổi cường độ sáng khiến cùng một vật thể xuất hiện với các giá trị pixel khác nhau. Sai lệch này dễ dẫn đến nhận định sai về mã màu của sản phẩm. Việc thiết lập hệ thống chiếu sáng chuẩn hóa và chuyển đổi không gian màu thích hợp là yêu cầu bắt buộc để triệt tiêu nhiễu quang học.
2.2. Áp lực thời gian thực và hiện tượng trễ cơ điện tử
Hệ thống yêu cầu xử lý dữ liệu với độ trễ cực thấp để đồng bộ với chuyển động băng tải. Khoảng cách từ vị trí chụp ảnh đến cơ cấu phân loại thường rất ngắn. Khi sản phẩm di chuyển với tốc độ hàng mét trên giây, thời gian phản hồi chỉ tính bằng mili-giây. Nếu chương trình xử lý ảnh chiếm quá nhiều tài nguyên tính toán, tín hiệu kích hoạt xi lanh khí nén sẽ bị lệch pha. Hậu quả là cần gạt tác động sai thời điểm, làm hư hại sản phẩm hoặc làm tắc nghẽn dây chuyền. Vì vậy, tối ưu hóa mã nguồn xử lý ảnh đóng vai trò quyết định đến sự sống còn của toàn hệ thống.
III. Phương pháp nhận dạng và phân loại sản phẩm bằng xử lý ảnh số
Để khắc phục các thách thức thực tế, đề tài tại ĐH Sư phạm Kỹ thuật TPHCM triển khai giải pháp xử lý ảnh kết hợp điều khiển cơ điện tử chặt chẽ. Hệ thống sử dụng camera tốc độ cao kết hợp buồng chiếu sáng LED vòm chuyên dụng. Cấu hình này bảo đảm cường độ sáng đồng đều và loại bỏ hoàn toàn hiện tượng phản xạ chói lóa. Dữ liệu hình ảnh thô sau khi thu nhận được đưa qua các bước tiền xử lý lọc nhiễu Gaussian và cân bằng mức xám. Tiếp theo, hệ thống ứng dụng hai giải thuật phân tích độc lập tùy theo loại sản phẩm. Với sản phẩm phân loại theo màu sắc, ảnh được chuyển sang không gian màu HSV để tách biệt rõ ràng kênh màu và kênh độ sáng. Với sản phẩm phân loại theo mã vạch, phần mềm tiến hành nhị phân hóa cục bộ và quét biên nhận dạng mẫu vạch 1D tiêu chuẩn. Sau khi xác định chính xác thuộc tính, máy tính truyền lệnh điều khiển qua vi điều khiển để tác động cơ cấu gạt khí nén.
3.1. Kỹ thuật phân đoạn không gian màu HSV ổn định
Không gian màu HSV tỏ ra vượt trội so với RGB trong việc phân loại đối tượng dưới điều kiện ánh sáng thay đổi. Kênh sắc thái H đại diện cho màu sắc thực tế và hầu như không phụ thuộc vào cường độ ánh sáng chiếu tới. Kênh S thể hiện độ bão hòa, còn kênh V kiểm soát độ sáng. Thuật toán thiết lập ngưỡng phân ngưỡng trên kênh H nhằm cô lập chính xác các vùng màu đỏ, xanh lục hoặc vàng của vỏ sản phẩm. Sau bước phân đoạn ngưỡng, phép toán hình thái học Opening và Closing được áp dụng để loại bỏ các điểm nhiễu lốm đốm. Phương pháp này bảo đảm độ chính xác nhận dạng màu sắc đạt mức tối ưu.
3.2. Thuật toán giải mã vạch và điều khiển cơ cấu phân loại
Đối với sản phẩm dán tem nhãn, hệ thống áp dụng thuật toán dò biên Sobel để khoanh vùng khu vực chứa mã vạch. Quá trình nhị phân hóa Otsu tự động tính toán ngưỡng sáng cục bộ nhằm làm rõ các thanh vạch đen trắng. Phần mềm tính toán tỷ lệ độ rộng tương đối giữa các thanh để giải mã chuỗi số theo chuẩn EAN-13. Ngay khi dữ liệu mã vạch được xác thực, máy tính gửi tín hiệu điều khiển xuống vi điều khiển trung tâm qua giao tiếp nối tiếp RS-232. Vi điều khiển đếm xung từ bộ mã hóa vòng quay encoder để kích hoạt van điện từ đúng lúc sản phẩm đi tới ngăn chứa chỉ định.
IV. Đánh giá kết quả và ứng dụng hệ thống phân loại tại ĐH SPKT
Mô hình thực nghiệm do tác giả Nguyễn Khắc Doãn chế tạo đã chứng minh tính hiệu quả vượt trội trong điều kiện vận hành liên tục. Hệ thống phân loại thành công các mẫu sản phẩm có màu sắc và mã vạch khác nhau với độ chính xác trên 95%. Tốc độ đáp ứng của toàn bộ chu trình từ lúc chụp ảnh đến khi kích hoạt cơ cấu gạt chỉ mất dưới 100 mili-giây. Kết quả này chứng minh tính khả thi của giải pháp kết hợp camera tốc độ cao với vi xử lý công nghiệp. Nghiên cứu mở ra tiềm năng ứng dụng to lớn trong ngành chế biến thực phẩm, đóng gói dược phẩm và logistics phân loại bưu kiện. Công trình là minh chứng rõ nét cho chất lượng đào tạo gắn kết thực nghiệm của Đại học Sư phạm Kỹ thuật TPHCM. Trong tương lai, hệ thống có thể tích hợp thêm mạng nơ-ron học sâu để mở rộng khả năng nhận dạng các lỗi khuyết tật bề mặt phức tạp hơn.
4.1. Hiệu suất vận hành thực tế của mô hình thử nghiệm
Trong các đợt kiểm thử với nhiều chuỗi sản phẩm liên tục, hệ thống duy trì độ ổn định ấn tượng. Tỷ lệ nhận diện sai màu chỉ xấp xỉ 3% và chủ yếu xảy ra khi bề mặt sản phẩm bị bám bụi bẩn nặng. Tốc độ đọc mã vạch đạt hiệu suất gần như tuyệt đối khi tem nhãn giữ nguyên độ phẳng tiêu chuẩn. Khí nén tác động dứt khoát, đẩy sản phẩm vào đúng khay chứa mà không gây va đập trầy xước. Bộ mã hóa encoder cung cấp thông tin vị trí chính xác tuyệt đối, ngăn ngừa hoàn toàn tình trạng trôi sản phẩm trên băng chuyền. Mô hình đã chứng minh được tính ổn định cần thiết cho môi trường công nghiệp.
4.2. Tiềm năng mở rộng và ứng dụng công nghiệp tương lai
Nền tảng của đề tài có khả năng ứng dụng rộng rãi vào các nhà máy sản xuất linh kiện điện tử và đồ uống. Việc thay thế camera đơn sắc bằng camera màu tốc độ cao mở đường cho việc kiểm tra chất lượng in ấn bao bì. Bên cạnh đó, thuật toán có thể được nâng cấp lên các kiến trúc mạng học sâu như YOLO hoặc ResNet để phân loại đối tượng có hình dạng dị thể. Sự phối hợp giữa phần cứng xử lý nhúng và trí tuệ nhân tạo sẽ nâng cao năng suất của toàn bộ chuỗi cung ứng. Đây là hướng đi đầy hứa hẹn để tiếp nối đề tài nghiên cứu này. Công trình đặt nền móng kỹ thuật vững chắc cho việc hiện đại hóa dây chuyền sản xuất tự động.
