Bối cảnh và vấn đề nghiên cứu

Khóa luận tốt nghiệp "Nhận dạng và phân biệt cỏ dại với hoa màu, sử dụng cánh tay Robot để phun thuốc trừ sâu" do sinh viên Nguyễn Quốc (MSSV: 18071481) và Tưởng Trần Hải Long (MSSV: 18050251), chuyên ngành Hệ thống thông minh (Mã chuyên ngành: 7510302), Khoa Công nghệ Điện tử, Trường Đại học Công nghiệp Thành phố Hồ Chí Minh thực hiện vào năm 2022 dưới sự hướng dẫn của ThS. Phan Vinh Hiếu.

Trong bối cảnh nền nông nghiệp Việt Nam đang từng bước tiếp cận công nghệ cao và đón nhận các chương trình hỗ trợ phát triển như Aus4Innovation (trị giá 11 triệu đô la Úc nhằm tăng cường đổi mới sáng tạo và chuẩn bị cho Cách mạng Công nghiệp 4.0), phương thức canh tác truyền thống vẫn bộc lộ nhiều điểm hạn chế. Thực tế người nông dân phải mang vác bình xịt thuốc bảo vệ thực vật nặng hàng chục kilôgam trên lưng, đối mặt trực tiếp với các hóa chất độc hại gây ảnh hưởng nghiêm trọng đến sức khỏe. Đồng thời, việc phun thuốc đại trà không chọn lọc làm tăng dư lượng hóa chất trong đất và nông sản, dẫn đến ô nhiễm môi trường. Việc nghiên cứu ứng dụng thị giác máy tính và cánh tay robot tự động định vị, phun thuốc chính xác vào cỏ dại là một giải pháp nhằm giảm sức lao động, tiết kiệm chi phí hóa chất và bảo vệ môi trường sinh thái.

Mục tiêu chính của đề tài là áp dụng kỹ thuật xử lý ảnh để nhận diện, phân biệt và định vị chính xác vị trí cỏ dại và hoa màu; sử dụng ngôn ngữ lập trình Python kết hợp thư viện OpenCV trên máy tính, truyền dữ liệu điều khiển sang vi điều khiển Arduino Nano để vận hành cánh tay robot SCARA mang cơ cấu phun thuốc đến đúng mục tiêu.

Nội dung và nhiệm vụ nghiên cứu được văn bản xác định cụ thể qua các bước:

  1. Tổng quan về xử lý ảnh (XLA).
  2. Nghiên cứu về mạng nơ-ron tích chập áp dụng vào bài toán nhận dạng.
  3. Nghiên cứu về vi điều khiển Arduino và động học robot.
  4. Thiết kế, tính toán và thi công mô hình phần cứng.
  5. Viết chương trình điều khiển và xử lý thuật toán.
  6. Kiểm thử và hoàn thiện mô hình.
  7. Viết báo cáo khóa luận tốt nghiệp.

Đối tượng nghiên cứu của đề tài là đối tượng cỏ dại và hoa màu. Về phạm vi không gian, nghiên cứu triển khai thử nghiệm trên mô hình mảnh vườn nhân tạo có diện tích giới hạn $40 \times 40\text{ cm}$. Về phạm vi mẫu vật, do gặp khó khăn trong việc duy trì độ tươi của cây cỏ tự nhiên trong suốt quá trình thử nghiệm dài ngày, nhóm tác giả đã sử dụng hoa và cỏ nhựa để thu thập dữ liệu huấn luyện mô hình và thực nghiệm cơ cấu chấp hành.

Cơ sở lý thuyết và phương pháp

Khóa luận kết hợp nền tảng lý thuyết giữa thị giác máy tính, học sâu (Deep Learning) và cơ học robot cánh tay máy:

Khung lý thuyết thị giác máy tính và học sâu:

  • Mạng nơ-ron tích chập (CNN): Cấu tạo gồm các lớp cơ bản: Lớp tích chập (Convolutional layer) làm nhiệm vụ trích xuất đặc trưng không gian thông qua các bộ lọc kernel; Lớp kích hoạt phi tuyến ReLU ($f(x) = \max(0, x)$) nhằm triệt tiêu giá trị âm mà không làm bão hòa giá trị lớn như hàm Sigmoid hay Tanh; Lớp lấy mẫu (Pooling layer) gồm Max Pooling và Average Pooling để giảm chiều dữ liệu mà vẫn giữ lại thông tin cốt lõi; Lớp kết nối đầy đủ (Fully Connected - FC layer) kết hợp hàm Softmax để đưa ra xác suất phân loại; Lớp Dropout được tích hợp ngẫu nhiên để ngắt các liên kết nơ-ron nhằm chống hiện tượng quá khớp (overfitting).
  • Kiến trúc MobileNet: Sử dụng kỹ thuật tích chập có thể phân tách theo chiều sâu (Depthwise Separable Convolution - DSC) nhằm giảm thiểu khối lượng tính toán trên các thiết bị nhúng và di động. Kỹ thuật này phân tách một phép tích chập thông thường thành hai bước: Tích chập theo chiều sâu (Depthwise Convolution - TCTCS) áp dụng một bộ lọc cho từng kênh đầu vào, và Tích chập theo điểm (Pointwise Convolution - TCTĐ) sử dụng bộ lọc kích thước $1 \times 1$ để tổng hợp thông tin giữa các kênh. Tỷ số độ phức tạp tính toán giữa DSC và tích chập chuẩn được tính theo công thức: $$\frac{\text{Độ phức tạp DSC}}{\text{Độ phức tạp tích chập thường}} = \frac{1}{N} + \frac{1}{D_K^2}$$ Trong đó $N$ là số lượng kênh đầu ra và $D_K$ là kích thước không gian của bộ lọc tích chập.
  • Kiến trúc MobileNetV2: Cải tiến từ MobileNet bằng việc bổ sung hai thành phần chính: Khối Linear Bottlenecks và Inverted Residual Block. Không giống như khối Residual truyền thống, Inverted Residual Block thu hẹp số kênh ở đầu vào và đầu ra, nhưng mở rộng số kênh ở các lớp trung gian để thực hiện biến đổi phi tuyến phong phú hơn, kết hợp nhánh kết nối tắt $x + F(x)$. Để tránh mất mát thông tin tại các kênh biểu diễn hẹp, các hàm kích hoạt phi tuyến tại lớp thắt cổ chai đầu ra được loại bỏ hoàn toàn.

Cơ sở lý thuyết động học robot:

  • Bậc tự do (DOF): Xác định trạng thái của cơ hệ theo công thức: $$W = 6n - \sum_{i=1}^{5} (i \cdot P_i)$$ Trong đó $W$ là số bậc tự do của robot, $n$ là số khâu động, $P_i$ là số khớp loại $i$ (khống chế $i$ bậc tự do).
  • Quy tắc bàn tay phải và tham số Denavit-Hartenberg (D-H): Gắn các hệ tọa độ lên từng khâu động của cánh tay robot SCARA để xác định phương trình động học thuận và nghịch, phục vụ việc điều khiển góc quay của các khớp dẫn động.

Phương pháp nghiên cứu thực nghiệm:

  • Phương pháp thu thập và tiền xử lý dữ liệu: Sử dụng webcam để thu nhận ảnh thực tế các mẫu hoa và cỏ, áp dụng thuật toán phát hiện biên Canny (trong văn bản viết là "candy") để định vị vùng nghi vấn và trích xuất tọa độ tâm của đối tượng.
  • Phương pháp chuyển đổi hệ tọa độ: Sử dụng ma trận biến đổi $[R|t]$ để quy đổi từ tọa độ ảnh (Pixel coordinates) sang tọa độ của cánh tay robot (World coordinates) thông qua 6 điểm hiệu chuẩn thực nghiệm.
  • Môi trường triển khai: Lập trình thuật toán trên máy tính bằng ngôn ngữ Python, môi trường PyCharm IDE, thư viện OpenCV; lập trình nhúng điều khiển chấp hành bằng Arduino IDE.

Thiết kế và triển khai

Hệ thống được thiết kế theo cấu trúc phân tầng kết hợp giữa máy tính xử lý trung tâm và khối điều khiển nhúng thời gian thực:

  1. Khối thu nhận hình ảnh: Webcam độ nét cao gắn cố định phía trên khu vực làm việc, ghi nhận hình ảnh mặt phẳng diện tích $40 \times 40\text{ cm}$.
  2. Khối xử lý trung tâm (PC): Nhận luồng hình ảnh từ camera, thực thi mô hình học sâu MobileNetV2 huấn luyện sẵn để phân loại cỏ dại hoặc hoa màu; tính toán tọa độ tâm của cỏ dại trên khung hình và quy đổi sang hệ tọa độ không gian làm việc của robot thông qua ma trận biến đổi $[R|t]$.
  3. Khối điều khiển trung gian: Máy tính gửi tọa độ mục tiêu đến bo mạch Arduino Nano qua giao thức truyền thông nối tiếp cáp USB.
  4. Khối chấp hành động học: Arduino Nano điều khiển mạch mở rộng Arduino CNC Shield V4, phát xung đến các mạch điều khiển động cơ bước A4988 để dịch chuyển cánh tay robot SCARA mang đầu phun đến vị trí tọa độ cỏ dại.

Thông số kỹ thuật của vi điều khiển Arduino Nano (ATmega328P-AU)

Thông số Giá trị kỹ thuật
Điện áp hoạt động 5 VDC
Điện áp đầu vào khuyến nghị 7 - 12 VDC (Giới hạn: 6 - 20 VDC)
Vi điều khiển ATmega328P-AU (8-bit, vỏ chân dán)
Tần số dao động (Clock speed) 16 MHz (VĐK hỗ trợ tối đa 20 MHz)
Bộ nhớ Flash 32 KB (trong đó 2 KB dùng cho bootloader)
Bộ nhớ SRAM 2 KB
Bộ nhớ EEPROM 1 KB
Số chân Digital I/O 14 chân (bao gồm 6 chân điều chế độ rộng xung PWM)
Chân đầu vào Analog 8 chân (hỗ trợ thêm 2 kênh A6, A7 so với bản DIP)
Độ phân giải bộ biến đổi ADC 10-bit
Dòng ra tối đa trên mỗi chân I/O 20 mA (tối đa 40 mA)
Giao tiếp ngoại vi hỗ trợ UART, SPI, I2C

Cấu hình vi bước trên mạch mở rộng Arduino CNC Shield V4

Mạch Arduino CNC Shield V4 tích hợp trên nền Arduino Nano, hỗ trợ kết nối và điều khiển tối đa 3 động cơ bước (trục X, Y, Z) thông qua các module điều khiển A4988 hoặc DRV8825. Việc lựa chọn tỷ lệ chia vi bước (Microstep Resolution) được thực hiện thông qua cấu hình chân cắm jumper (ký hiệu J là cắm jumper):

MS1 MS2 MS3 Độ phân giải vi bước (Microstep Resolution)
Không cắm Không cắm Không cắm Full step (Bước đủ)
J Không cắm Không cắm 1/2 step (Nửa bước)
Không cắm J Không cắm 1/4 step
J J Không cắm 1/8 step
J J J 1/16 step

Thông số động cơ bước và mạch công suất A4988

  • Động cơ bước KV24 (Model KV24-F2B009): Động cơ lưỡng cực 2 pha 4 dây, góc bước chuẩn $1.8^\circ$ tương ứng với 200 bước/vòng; kích thước vỏ ngoài $42\text{ mm} \times 42\text{ mm} \times 32\text{ mm}$, đường kính trục dẫn động $5\text{ mm}$.
  • Mạch điều khiển động cơ A4988: Dải điện áp cấp cho động cơ từ 8V đến 35V; dòng tải định mức tối đa 2A (có tản nhiệt); tích hợp mạch bảo vệ ngắt quá nhiệt, quá áp, quá dòng và ngắn mạch tải; điều chỉnh giới hạn dòng điện ngõ ra thông qua biến trở với công thức tính dòng điện giới hạn: $I_{\text{Limit}} = V_{\text{REF}} \times 2.5$.
  • Thiết bị thu nhận hình ảnh (Webcam PC HD H2Pro): Cảm biến CMOS 12 triệu điểm ảnh; độ phân giải hiển thị HD 720p (độ phân giải tối đa ghi nhận $720 \times 480$, kiểm thử thực tế thu nhận khung hình 1080P FHD); tốc độ lấy mẫu 30 khung hình/giây (FPS); tiêu cự cố định; kết nối trực tiếp với máy tính qua cổng USB không cần cài đặt driver.

Nội dung chính theo từng chương

Chương 1: TỔNG QUAN ĐỀ TÀI

Chương mở đầu phân tích thực trạng phun thuốc diệt cỏ truyền thống tại Việt Nam, nêu rõ tác hại của hóa chất bảo vệ thực vật đối với sức khỏe nông dân và môi trường sống. Nhóm tác giả trình bày cơ sở tiếp cận xu hướng công nghiệp 4.0 thông qua chương trình Aus4Innovation trị giá 11 triệu AUD. Đề tài xác định mục tiêu xây dựng hệ thống tự động hóa tích hợp xử lý ảnh và cơ cấu tay máy robot để phun thuốc trừ sâu cục bộ. Ngoài ra, chương này cũng công bố các nội dung nghiên cứu chính và thừa nhận hạn chế ban đầu về việc chuyển đổi mẫu vật thử nghiệm từ cỏ tươi sang hoa - cỏ nhựa để tiết kiệm chi phí và thuận tiện cho việc huấn luyện mô hình.

Chương 2: CƠ SỞ LÝ THUYẾT

Tập trung trình bày toàn bộ nền tảng lý thuyết và công cụ kỹ thuật phục vụ việc xây dựng hệ thống. Về phần mềm, chương giới thiệu ngôn ngữ Python, môi trường PyCharm IDE, thư viện OpenCV; phân tích chi tiết toán học của mạng CNN, kiến trúc mạng tối ưu MobileNet và MobileNetV2 với kỹ thuật tích chập tách biệt chiều sâu DSC, khối Inverted Residual và lớp Linear Bottlenecks. Về cơ điện tử, chương hệ thống hóa phân loại robot, công thức tính bậc tự do cơ hệ, quy tắc bàn tay phải, phương pháp thiết lập bảng thông số Denavit-Hartenberg (D-H) cho robot SCARA 3 bậc tự do (cấu hình TRR). Phần cứng nhúng được mô tả chi tiết thông số gồm vi điều khiển ATmega328P-AU, bo mạch Arduino Nano, Arduino CNC Shield V4, động cơ bước KV24-F2B009, driver A4988 và webcam CMOS HD.

Chương 3: PHÂN TÍCH VÀ THIẾT KẾ HỆ THỐNG

Trình bày sơ đồ khối tổng quát và nguyên lý vận hành của toàn bộ hệ thống. Chương này tập trung vào bài toán động học của cánh tay robot SCARA, thiết kế cơ cấu các khâu và khớp chuyển động. Điểm trọng tâm của chương là phương pháp chuyển đổi không gian tọa độ: chuyển đổi từ tọa độ điểm ảnh (Pixel) thu được từ camera sang tọa độ thực tế của cánh tay robot (World) thông qua việc xác định ma trận biến đổi $[R|t]$ bằng 6 điểm mốc chuẩn thực nghiệm với sự hỗ trợ tính toán từ môi trường PyCharm.

Chương 4: THI CÔNG HỆ THỐNG

Chi tiết hóa quá trình hiện thực hóa mô hình từ lý thuyết sang thực tế. Nội dung bao gồm việc chuẩn bị linh kiện cơ khí, lắp ráp kết cấu tay máy SCARA, gắn webcam cố định trên khung giàn; đấu nối dây tín hiệu giữa Arduino Nano, Arduino CNC Shield V4 và các driver A4988 để điều khiển động cơ bước; thiết lập cấu hình tỷ lệ vi bước $1/16$ bằng jumper. Bên cạnh đó, chương mô tả quy trình xây dựng tập dữ liệu ảnh hoa và cỏ nhân tạo, các bước huấn luyện mô hình MobileNetV2, áp dụng giải thuật Canny trích xuất vùng đối tượng, tìm tọa độ tâm của hoa/cỏ và xây dựng lưu đồ thuật toán điều khiển giao diện người dùng.

Chương 5: ĐÁNH GIÁ VÀ KẾT QUẢ

Ghi nhận kết quả vận hành thực tế của mô hình hệ thống sau khi lắp ráp và lập trình hoàn thiện. Khóa luận công bố các hình ảnh chụp thực tế mô hình từ các góc độ (nhìn từ trên xuống, mặt bên trái, mặt bên phải); hiển thị kết quả nhận diện, phân loại chính xác các mẫu cỏ và hoa trên giao diện phần mềm máy tính; trích xuất thành công tọa độ tâm của đối tượng và điều khiển cánh tay robot SCARA di chuyển khâu chấp hành cuối đến đúng vị trí cỏ dại trong không gian thử nghiệm $40 \times 40\text{ cm}$.

Chương 6: KẾT LUẬN VÀ KIẾN NGHỊ

Tổng kết lại các mục tiêu đã đạt được của đề tài, bao gồm việc chế tạo thành công cánh tay robot SCARA 3 bậc tự do, xây dựng mô hình học máy nhận diện phân biệt cỏ dại - hoa màu và thực hiện điều khiển khâu chấp hành cuối. Chương đưa ra các nhận xét đánh giá về độ ổn định của hệ thống cũng như vạch ra các hướng phát triển tiếp theo nhằm khắc phục các hạn chế hiện tại khi đưa ra môi trường canh tác ngoài trời.

Kết quả và đóng góp

Kết quả đạt được từ thực nghiệm

  • Xây dựng hoàn chỉnh mô hình cánh tay robot SCARA 3 bậc tự do (cấu hình TRR) sử dụng động cơ bước KV24, mạch công suất A4988 cấu hình vi bước $1/16$ và bo mạch Arduino CNC Shield V4 tích hợp Arduino Nano.
  • Thiết lập tập dữ liệu hình ảnh cho đối tượng cỏ dại và hoa màu nhân tạo; huấn luyện thành công mô hình nhận dạng dựa trên kiến trúc học sâu MobileNetV2 với sự hỗ trợ của thư viện OpenCV và ngôn ngữ Python.
  • Xây dựng thuật toán trích xuất biên (Canny) để xác định vùng nghi vấn, tìm kiếm chính xác tọa độ tâm của cỏ và hoa trên khung hình.
  • Thực hiện chuyển đổi chính xác tọa độ từ hệ quy chiếu điểm ảnh sang hệ tọa độ không gian thực của robot bằng ma trận biến đổi $[R|t]$ qua 6 điểm hiệu chuẩn thực nghiệm.
  • Cánh tay robot vận hành ổn định, định vị và đưa khâu chấp hành cuối đến đúng vị trí cỏ dại được chỉ định trong phạm vi diện tích mảnh vườn thử nghiệm $40 \times 40\text{ cm}$.

Giải pháp và kiến nghị của tác giả

  • Áp dụng kiến trúc mạng nơ-ron rút gọn MobileNetV2 thay thế cho các mô hình học sâu truyền thống nặng nề, giúp giảm tải tài nguyên tính toán nhưng vẫn bảo toàn đặc trưng phân loại thông qua các khối Linear Bottleneck và Inverted Residual.
  • Kết hợp trực tiếp xử lý ảnh thời gian thực với cơ cấu tay máy SCARA giá thành thấp, đưa ra mô hình ứng dụng cụ thể thay thế việc phun thuốc thủ công độc hại, hướng tới giảm thiểu dư lượng thuốc trừ sâu trên đồng ruộng.

Đóng góp kỹ thuật

Tác giả đã tự thiết kế và tích hợp đồng bộ một hệ thống khép kín từ phần mềm nhận dạng đến cơ cấu phần cứng chấp hành cơ điện tử: tự thu thập và huấn luyện tập dữ liệu ảnh riêng biệt; tối ưu hóa cấu trúc tích chập theo chiều sâu DSC; xây dựng giải thuật kết nối và truyền nhận dữ liệu thời gian thực giữa máy tính cá nhân và vi điều khiển ATmega328P-AU để điều khiển chuyển động đa trục chính xác.

Hạn chế và hướng nghiên cứu tiếp

Hạn chế ghi nhận trong văn bản

  • Mẫu vật nghiên cứu: Nhóm tác giả gặp khó khăn trong việc bảo quản hoa và cỏ tươi sống giữ được trạng thái nguyên vẹn trong suốt thời gian dài làm thực nghiệm. Do đó, đề tài phải chuyển đổi sang sử dụng toàn bộ bằng mẫu hoa và cỏ nhựa để phục vụ việc huấn luyện mô hình và thử nghiệm chấp hành.
  • Điều kiện thu nhận ảnh: Thiết bị thu hình (Webcam) vẫn còn chịu nhiều tác động tiêu cực từ sự thay đổi của ánh sáng tự nhiên môi trường xung quanh, gây ảnh hưởng đến chất lượng phân đoạn ảnh và độ ổn định của thuật toán xử lý.
  • Không gian làm việc: Mô hình mới chỉ dừng lại ở phạm vi thử nghiệm tĩnh trong một mảnh vườn nhân tạo có kích thước giới hạn $40 \times 40\text{ cm}$.

Hướng nghiên cứu tiếp

  • Nâng cấp thiết bị quang học và phát triển các giải pháp phần mềm/phần cứng cân bằng sáng để hệ thống xử lý ảnh thích nghi tốt hơn với điều kiện ánh sáng ngoài trời thay đổi liên tục.
  • Mở rộng tập dữ liệu huấn luyện với các loại cỏ dại và hoa màu tự nhiên thực tế trên các giai đoạn phát triển khác nhau.
  • Mở rộng không gian hoạt động của cơ cấu cơ khí bằng cách gia tăng tầm với của cánh tay SCARA hoặc tích hợp toàn bộ hệ thống lên bệ robot di động (Mobile Robot) để vận hành tự hành trên diện tích canh tác lớn.

Giá trị tham khảo

Tài liệu khóa luận có giá trị tham khảo thiết thực đối với:

  • Sinh viên và học viên chuyên ngành Hệ thống thông minh, Kỹ thuật Cơ điện tử, Kỹ thuật Điều khiển và Tự động hóa, Kỹ thuật Điện tử: Học tập phương pháp thiết kế, tính toán động học và chế tạo cánh tay máy SCARA 3 bậc tự do quy mô nhỏ.
  • Người nghiên cứu các đề tài ứng dụng thị giác máy tính và trí tuệ nhân tạo vào thiết bị phần cứng: Tham khảo cách triển khai mạng nơ-ron MobileNet/MobileNetV2, phương pháp trích chọn đặc trưng bằng tích chập phân tách chiều sâu DSC nhằm tối ưu hóa tính toán trên máy tính cấu hình vừa phải.
  • Nội dung đáng tham khảo chuyên sâu: Phương pháp hiệu chuẩn ma trận $[R|t]$ để chuyển đổi tọa độ điểm ảnh (Pixel) sang tọa độ thế giới thực (World) của robot; sơ đồ kết nối và phương pháp điều khiển động cơ bước qua mạch mở rộng Arduino CNC Shield V4 kết hợp module A4988 ở chế độ chia vi bước $1/16$.

Câu hỏi thường gặp

1. Tại sao đề tài lại lựa chọn kiến trúc mạng MobileNet và MobileNetV2 thay vì các mạng CNN truyền thống?

Theo tính toán lý thuyết trong khóa luận, MobileNet sử dụng tích chập có thể phân tách theo chiều sâu (DSC) chia thành tích chập theo chiều sâu (TCTCS) và tích chập theo điểm (TCTĐ). Phương pháp này giúp giảm độ phức tạp tính toán và số lượng tham số xuống $(1/N + 1/D_K^2)$ lần so với tích chập thông thường. Hơn nữa, MobileNetV2 sử dụng khối Inverted Residual và loại bỏ hàm kích hoạt phi tuyến ở các lớp nút thắt cổ chai (Linear Bottlenecks), giúp giảm thiểu tối đa tài nguyên tính toán nhưng vẫn hạn chế được hiện tượng mất mát thông tin đặc trưng khi nhận diện cỏ và hoa.

2. Cánh tay robot trong đề tài thuộc loại nào và có cấu hình động học ra sao?

Cánh tay robot được chế tạo thuộc loại SCARA (Selective Compliance Assembly Robot Arm) với 3 bậc tự do (3 DOF), hoạt động theo cấu hình TRR (hoặc biến thể cấu hình trượt - quay - quay với các trục chuyển động song song), dẫn động bằng các động cơ bước lưỡng cực 2 pha KV24 thông qua module điều khiển A4988.

3. Quy trình chuyển đổi tọa độ từ camera sang vị trí của robot được thực hiện như thế nào?

Sau khi webcam ghi hình và thuật toán Canny trích xuất tọa độ tâm của đối tượng trên mặt phẳng ảnh (tọa độ Pixel), hệ thống sử dụng ma trận biến đổi $[R|t]$ để quy đổi sang tọa độ thực của không gian làm việc cánh tay robot (tọa độ World). Ma trận này được tính toán và xác định chính xác thông qua việc lấy mẫu 6 điểm chuẩn thực nghiệm dưới sự hỗ trợ xử lý của môi trường PyCharm.

4. Lý do nhóm tác giả sử dụng hoa và cỏ nhựa thay vì cây trồng thực tế là gì?

Văn bản nêu rõ trong quá trình thực nghiệm, nhóm nghiên cứu đã gặp khó khăn trong việc bảo quản và duy trì độ tươi tốt của hoa màu và cỏ dại tự nhiên trong suốt thời gian dài triển khai đồ án. Do đó, với sự đồng ý của giảng viên hướng dẫn, nhóm đã chuyển sang sử dụng hoa và cỏ nhựa để tạo sự ổn định cho quá trình huấn luyện mô hình và tiết kiệm kinh phí thực hiện.

5. Bo mạch Arduino CNC Shield V4 điều khiển các động cơ bước ở tỷ lệ vi bước nào?

Mạch Arduino CNC Shield V4 hỗ trợ các tỷ lệ vi bước từ Full step, 1/2 step, 1/4 step, 1/8 step đến 1/16 step thông qua việc cắm các chân jumper (MS1, MS2, MS3). Trong đồ án này, nhóm tác giả đã cắm đủ cả ba jumper (MS1, MS2, MS3 đều được kích hoạt) để chọn chế độ vi bước $1/16$, giúp động cơ bước KV24 chuyển động êm ái và đạt độ chính xác vị trí cao hơn.

Kết luận

Khóa luận tốt nghiệp của sinh viên Nguyễn Quốc và Tưởng Trần Hải Long đã thiết kế, chế tạo và tích hợp thành công mô hình hệ thống nhận diện cỏ dại kết hợp cánh tay robot SCARA 3 bậc tự do để định vị vị trí phun thuốc. Nghiên cứu khai thác hiệu quả ưu điểm tính toán nhanh của mạng học sâu MobileNetV2 kết hợp thư viện OpenCV và vi điều khiển ATmega328P-AU trên không gian thực nghiệm $40 \times 40\text{ cm}$. Mặc dù còn một số hạn chế về mẫu vật nhân tạo và tính thích ứng môi trường ánh sáng tự nhiên, công trình đã chứng minh tính khả thi của giải pháp tự động hóa cục bộ nhằm hướng tới nền nông nghiệp công nghệ cao và giảm thiểu hóa chất độc hại.