Bối cảnh và vấn đề nghiên cứu

Trong sản xuất nông nghiệp tại Việt Nam, công tác chăm sóc hoa màu và bảo vệ thực vật đối mặt với nhiều thách thức xuất phát từ tập quán canh tác truyền thống. Hoạt động phun thuốc trừ sâu và diệt trừ cỏ dại thủ công đòi hỏi người nông dân phải mang vác các bình xịt hóa chất có khối lượng lên tới hàng chục kilôgam trên lưng. Phương thức này không chỉ gây tiêu hao thể lực, suy giảm hiệu suất lao động mà còn trực tiếp gây nguy hại cho sức khỏe con người do phơi nhiễm hóa chất độc hại, đồng thời làm phát sinh lượng dư thừa thuốc bảo vệ thực vật trên nông sản và gây ô nhiễm môi trường đất, nước.

Trước bối cảnh làn sóng Cách mạng Công nghiệp lần thứ tư (Công nghiệp 4.0) đang thúc đẩy chuyển đổi số và tự động hóa trong nông nghiệp—tiêu biểu như chương trình tài trợ Aus4Innovation trị giá 11 triệu đô la Úc nhằm tăng cường năng lực đổi mới sáng tạo khoa học công nghệ tại Việt Nam—nhu cầu ứng dụng thị giác máy tính và cánh tay robot vào nông nghiệp công nghệ cao trở nên cấp thiết. Đề tài khóa luận "Nhận dạng và phân biệt cỏ dại với hoa màu, sử dụng cánh tay Robot để phun thuốc trừ sâu" được thực hiện bởi nhóm tác giả Nguyễn Quốc và Tưởng Trần Hải Long, dưới sự hướng dẫn của ThS. Phan Vinh Hiếu tại Khoa Công nghệ Điện tử, Trường Đại học Công nghiệp Thành phố Hồ Chí Minh (chuyên ngành Hệ thống thông minh, mã ngành 7510302).

Mục tiêu cốt lõi của nghiên cứu được xác định bao gồm:

  1. Áp dụng kỹ thuật xử lý ảnh để nhận diện, phân biệt và định vị chính xác giữa cỏ dại và hoa màu.
  2. Xây dựng chương trình điều khiển bằng ngôn ngữ Python với sự hỗ trợ của thư viện OpenCV.
  3. Thực thi điều khiển trên vi điều khiển Arduino Nano để vận hành cánh tay máy robot thực hiện thao tác cơ cấu chấp hành cuối (đưa vòi phun đến đúng tọa độ cỏ dại).

Nội dung và nhiệm vụ nghiên cứu cụ thể gồm 7 phần được đánh số theo văn bản:

  1. Tổng quan về xử lý ảnh (XLA).
  2. Nghiên cứu về mạng thần kinh nơ-ron áp dụng vào bài toán nhận dạng.
  3. Nghiên cứu về Arduino và động học robot.
  4. Thiết kế, tính toán và thi công mô hình.
  5. Viết chương trình điều khiển và xử lý.
  6. Kiểm thử và hoàn thiện mô hình thực nghiệm.
  7. Viết luận văn tốt nghiệp.

Đối tượng và phạm vi nghiên cứu:

  • Đối tượng nghiên cứu: Các đối tượng thực vật gồm cỏ dại và hoa màu; mô hình cánh tay robot công nghiệp dạng SCARA; hệ thống thị giác máy tính thu nhận hình ảnh từ webcam và thuật toán mạng nơ-ron học sâu.
  • Phạm vi không gian: Mô hình thực nghiệm dạng sa bàn thu nhỏ với phạm vi hoạt động của cánh tay robot giới hạn trong diện tích mảnh vườn thực nghiệm là $40 \times 40\text{ cm}$.
  • Phạm vi đối tượng thực nghiệm: Do gặp khó khăn trong việc duy trì hoa và cỏ tươi sống ổn định suốt thời gian thực nghiệm, nhóm nghiên cứu đã chuyển hướng sang sử dụng mẫu cỏ và hoa nhân tạo (hoa - cỏ nhựa) để phục vụ thu thập dữ liệu huấn luyện và kiểm thử.
  • Thời gian hoàn thành: Khóa luận được bảo vệ vào tháng 06 năm 2022.

Cơ sở lý thuyết và phương pháp

Khóa luận thiết lập nền tảng lý thuyết liên ngành kết hợp giữa thị giác máy tính (Computer Vision), học sâu (Deep Learning), động học cơ cấu robot và kỹ thuật vi điều khiển nhúng.

1. Khung lý thuyết mạng nơ-ron tích chập và kiến trúc MobileNet

Tác giả hệ thống hóa cấu trúc mạng nơ-ron tích chập (Convolutional Neural Networks - CNN) phục vụ phân loại ảnh, gồm hai khối chức năng: khối trích xuất đặc trưng (Feature Extraction) và khối phân loại (Classification). Các tầng thành phần được phân tích bao gồm:

  • Lớp tích chập (Convolution layer): Thực hiện phép nhân chập ma trận điểm ảnh với bộ lọc (kernel) kích thước $3 \times 3$ để tạo thành các bản đồ đặc trưng (feature maps).
  • Lớp kích hoạt phi tuyến (ReLU layer): Sử dụng hàm kích hoạt phi tuyến tính $f(x) = \max(0, x)$ nhằm loại bỏ các giá trị âm về mức 0, khắc phục hiện tượng bão hòa hai đầu thường gặp ở hàm Sigmoid hoặc Tanh, đồng thời tối ưu hóa tốc độ tính toán.
  • Lớp lấy mẫu (Pooling layer): Giảm kích thước không gian của bản đồ đặc trưng thông qua kỹ thuật Max Pooling (lấy giá trị cực đại) hoặc Average Pooling (lấy giá trị trung bình).
  • Lớp kết nối đầy đủ (Fully Connected - FC layer) và Dropout: Tổng hợp đặc trưng và sử dụng hàm Softmax để phân lớp. Kỹ thuật Dropout được ứng dụng nhằm ngắt kết nối ngẫu nhiên một số nơ-ron, giảm thiểu hiện tượng quá khớp (overfitting).

Nhằm tối ưu hóa thuật toán trên các nền tảng phần cứng nhúng và máy tính có tài nguyên giới hạn, tác giả lựa chọn kiến trúc mạng MobileNet và MobileNetV2 dựa trên cơ chế tích chập tách biệt theo chiều sâu (Depthwise Separable Convolution - DSC). Khối DSC chia tách tích chập truyền thống thành hai bước: Tích chập theo chiều sâu (Depthwise Convolution - DC) và Tích chập theo điểm (Pointwise Convolution - PC) sử dụng bộ lọc $1 \times 1$.

Phương thức tích chập Biểu thức độ phức tạp tính toán Ghi chú tham số
Tích chập thông thường $D_G^2 \times D_K^2 \times M \times N$ $D_G$: kích thước feature map đầu ra
$D_K$: kích thước bộ lọc (kernel)
$M$: số kênh đầu vào
$N$: số kênh đầu ra
Tích chập tách biệt theo chiều sâu (DSC) $D_G^2 \times M \times (D_K^2 + N)$ Bao gồm phép toán DC: $D_G^2 \times D_K^2 \times M$
kết hợp phép toán PC: $D_G^2 \times M \times N$
Tỷ lệ giảm độ phức tạp $\dfrac{1}{N} + \dfrac{1}{D_K^2}$ Giảm thiểu đáng kể tham số và phép toán so với tích chập tiêu chuẩn

Trong MobileNetV2, kiến trúc tiếp tục được cải tiến với hai cấu trúc:

  • Inverted Residual Block: Sử dụng cơ chế kết nối tắt với biểu thức ngõ ra $x + F(x)$, trong đó kích thước kênh ở đầu vào và đầu ra của block nhỏ hơn các lớp trung gian mở rộng (ngược lại với Residual Block truyền thống).
  • Linear Bottlenecks: Loại bỏ các hàm kích hoạt phi tuyến ở các tầng thắt nút cổ chai (bottleneck) đầu vào và đầu ra để ngăn ngừa hiện tượng mất mát thông tin biểu diễn.

2. Lý thuyết động học cơ cấu cánh tay robot SCARA

Khóa luận phân loại các dạng robot và tập trung phân tích mô hình robot SCARA (Selective Compliance Assembly Robot Arm).

  • Bậc tự do (Degree of Freedom - DOF): Được xác định theo công thức Kutzbach: $$W = 6n - \sum_{i=1}^{5} i \cdot P_i$$ Trong đó $W$ là số bậc tự do, $n$ là số khâu động, $P_i$ là số khớp loại $i$ (khống chế $i$ bậc tự do).
  • Mô hình SCARA: Cấu hình gồm 3 bậc tự do (3 DOF) với cấu hình chuyển động dạng TRR (1 khớp tịnh tiến và 2 khớp quay có trục song song). Hệ tọa độ gắn trên các khâu tuân thủ quy tắc bàn tay phải và được mô tả qua bảng thông số Denavit - Hartenberg (D-H).

3. Phương pháp nghiên cứu và nguồn dữ liệu

  • Phương pháp thu thập dữ liệu: Sử dụng Webcam PC HD ghi nhận tập ảnh mẫu của cỏ và hoa giả lập trên nền thực nghiệm. Nhóm tự chuẩn bị và gán nhãn tập dữ liệu huấn luyện (Dataset) cho hai lớp đối tượng: "Cỏ" và "Hoa".
  • Phương pháp xử lý ảnh: Kết hợp thuật toán dò biên Canny (trong văn bản ghi "candy") để trích xuất vùng ảnh nghi vấn, sau đó đưa qua mô hình mạng học sâu để nhận diện phân loại; trích xuất tọa độ tâm hình học $(x, y)$ của đối tượng cỏ dại trên mặt phẳng ảnh pixel.
  • Phương pháp chuyển đổi tọa độ: Thiết lập mối quan hệ chuyển đổi từ hệ tọa độ Camera (Pixel) sang hệ tọa độ thực của Robot (World) thông qua việc xác định ma trận biến đổi "$Rt$" dựa trên việc đo đạc và nội suy 6 điểm mốc bất kỳ với sự hỗ trợ tính toán từ phần mềm PyCharm.

Thiết kế và triển khai

Hệ thống được thiết kế theo mô hình điều khiển phân cấp gồm khối xử lý trung tâm và khối chấp hành phần cứng.

[Webcam PC HD] 
[Máy tính chủ - PC (Python, OpenCV, MobileNetV2)]
[Mạch Arduino Nano (ATmega328P)] 
[Arduino CNC Shield V4 + 3 Driver A4988]
[3 Động cơ bước KV24 điều khiển cơ cấu SCARA 3 DOF]

1. Phần cứng và giao tiếp hệ thống

Hệ thống phần cứng bao gồm các phân khu chức năng được đồng bộ hóa:

  • Khối xử lý hình ảnh cấp cao (PC): Đóng vai trò máy chủ xử lý dữ liệu ảnh thời gian thực, thực thi mô hình nhận diện, tính toán chuyển đổi tọa độ và gửi lệnh điều khiển vị trí xuống vi điều khiển thông qua cáp giao tiếp USB (giao thức cổng nối tiếp COM ảo).
  • Khối điều khiển trung gian: Mạch mở rộng Arduino CNC Shield V4 gắn trực tiếp bo mạch vi điều khiển Arduino Nano (sử dụng chip ATmega328P-AU). Shield hỗ trợ cấp nguồn từ $7 - 12\text{ VDC}$ và điều khiển độc lập 3 trục động cơ bước $X, Y, Z$.
  • Khối mạch điều khiển công suất động cơ: Sử dụng 3 module driver A4988. Driver hoạt động với dải điện áp động cơ từ $8\text{ V} - 35\text{ V}$, chịu dòng tải tối đa $2\text{ A}$, có tích hợp chiết áp vi chỉnh dòng giới hạn theo công thức: $$\text{Current Limit} = V_{REF} \times 2.5$$ Các chân jumper trên shield cho phép thiết lập 5 chế độ phân giải vi bước (microstepping):
Chân MS1 Chân MS2 Chân MS3 Độ phân giải vi bước (Microstep Resolution)
Low Low Low Full step
High Low Low 1/2 step
Low High Low 1/4 step
High High Low 1/8 step
High High High 1/16 step
  • Khối cơ cấu động lực: Trang bị 3 động cơ bước lưỡng cực mã hiệu KV24 (KV24-F2B009), loại 2 pha 4 dây, kích thước thân $42\text{ mm} \times 42\text{ mm} \times 32\text{ mm}$, đường kính trục $5\text{ mm}$, góc bước tiêu chuẩn $1.8^\circ/\text{bước}$ (tương ứng 200 bước/vòng).
  • Khối cảm biến thu nhận ảnh: Webcam PC HD (H2Pro) sử dụng cảm biến CMOS, độ phân giải cao nhất đạt $720 \times 480$ (hỗ trợ khung hình $30\text{ FPS}$), góc quay điều chỉnh linh hoạt $30^\circ$, tiêu cự cố định, kết nối trực tiếp với PC qua cổng USB.

2. Triển khai phần mềm và quy trình hoạt động

Quy trình vận hành logic của hệ thống được thực hiện khép kín:

  1. Webcam ghi hình toàn cảnh khu vực khay thực nghiệm $40 \times 40\text{ cm}$.
  2. Thuật toán Canny trích xuất đường biên các vùng nghi vấn chứa mẫu thực vật.
  3. Vùng ảnh được chuẩn hóa đưa vào mô hình MobileNetV2 để phân loại nhãn ("Cỏ" hoặc "Hoa").
  4. Trích xuất tọa độ tâm của đối tượng được nhận diện là "Cỏ" trên mặt phẳng ảnh pixel.
  5. Áp dụng ma trận biến đổi $Rt$ tính toán chuyển đổi tọa độ điểm ảnh sang tọa độ thực tế của tay máy SCARA.
  6. Máy tính gửi chuỗi dữ liệu tọa độ qua cổng COM đến Arduino Nano.
  7. Chương trình nạp trên Arduino Nano giải mã tọa độ, phát chuỗi xung điều khiển chiều quay và số bước đến các driver A4988 để dịch chuyển 3 trục của cánh tay robot SCARA, đưa đầu vòi phun đến đúng vị trí cỏ dại và thực hiện tác vụ phun thuốc.

Nội dung chính theo từng chương

Chương 1: TỔNG QUAN ĐỀ TÀI

Chương 1 giới thiệu lý do lựa chọn hướng nghiên cứu bắt nguồn từ thực trạng độc hại và nặng nhọc của phương pháp phun thuốc diệt cỏ thủ công tại Việt Nam. Tác giả dẫn chứng nguồn thông tin từ báo nongsanviet.vn (tháng 4 năm 2021) về chương trình đối tác đổi mới sáng tạo Aus4Innovation nhằm nâng cao chất lượng nông sản và ứng dụng tự động hóa. Chương này xác định rõ 3 mục tiêu tổng quát, 7 nội dung nghiên cứu chi tiết, ý nghĩa bảo vệ môi trường nhờ giảm dư lượng hóa chất độc hại, đồng thời nêu rõ giới hạn đề tài khi phải sử dụng cỏ và hoa nhựa để phục vụ quá trình huấn luyện và thử nghiệm mô hình.

Chương 2: CƠ SỞ LÝ THUYẾT

Chương 2 trình bày toàn bộ cơ sở khoa học của đề tài. Về phần mềm và thuật toán, tác giả giới thiệu môi trường lập trình PyCharm IDE, ngôn ngữ Python, thư viện thị giác máy tính mã nguồn mở OpenCV, cùng cấu tạo chi tiết của mạng CNN (các lớp Conv, ReLU, Pooling, FC, Dropout). Tác giả phân tích chuyên sâu giải thuật giảm độ phức tạp tính toán của mạng MobileNet và MobileNetV2 thông qua tích chập phân tách chiều sâu DSC, khối Inverted Residual và lớp Linear Bottleneck.

Về phần cứng, chương này mô tả chi tiết thông số môi trường Arduino IDE, bo mạch Arduino Nano, vi điều khiển ATmega328P-AU (Flash 32 KB, SRAM 2 KB, xung nhịp 16 MHz, 14 chân I/O). Tác giả cung cấp hệ thống phân loại robot công nghiệp, lý thuyết bậc tự do (DOF), công thức Kutzbach, phương pháp gắn hệ trục tọa độ theo quy tắc bàn tay phải, bảng thông số D-H của robot SCARA 3 bậc tự do, cấu hình Arduino CNC Shield V4, nguyên lý chuyển pha và cấu tạo nam châm vĩnh cửu của động cơ bước KV24, module điều khiển A4988 và thông số kỹ thuật của Webcam PC HD.

Chương 3: PHÂN TÍCH VÀ THIẾT KẾ HỆ THỐNG

Chương 3 tập trung vào thiết kế kiến trúc tổng thể của hệ thống. Tác giả xây dựng sơ đồ khối chi tiết bao gồm khối xử lý (máy tính PC kết nối Arduino qua cáp USB Mini 30 cm), khối điều khiển CNC Shield V4 kết hợp module A4988 và khối động lực gồm 3 động cơ bước. Thiết kế cơ khí và động học xác định tầm hoạt động của cánh tay robot SCARA tương thích với mô hình mảnh vườn $40 \times 40\text{ cm}$. Tác giả trình bày phương pháp chuyển đổi từ tọa độ ảnh (Pixel) sang tọa độ thế giới thực (World) thông qua việc giải ma trận chuyển đổi $Rt$ dựa trên tập 6 điểm mốc chuẩn hóa dưới sự hỗ trợ lập trình từ PyCharm.

Chương 4: THI CÔNG HỆ THỐNG

Chương 4 thuyết minh quá trình chuẩn bị linh kiện, gia công lắp ráp và lập trình. Tác giả trình bày danh mục linh kiện phần cứng, quy trình gắn kết mạch Arduino Nano và các module A4988 lên bo CNC Shield V4, thiết lập cầu nối jumper vi bước tỷ lệ 1/16, kết nối nguồn adapter và lắp đặt giá đỡ Webcam phía trên khung mô hình.

Về phần mềm, chương mô tả các bước thu thập tập dữ liệu ảnh cỏ và hoa nhân tạo, sơ đồ khối quy trình huấn luyện mô hình học sâu, phương pháp áp dụng thuật toán Canny để trích lọc vùng nghi vấn và trích xuất tọa độ tâm. Tác giả xây dựng lưu đồ giải thuật xử lý ảnh, lưu đồ điều khiển và thiết kế giao diện điều khiển hệ thống trên máy tính để theo dõi quá trình phân loại đối tượng và vận hành cánh tay máy.

Chương 5: ĐÁNH GIÁ VÀ KẾT QUẢ

Chương 5 trình bày kết quả thực nghiệm sau khi lắp ráp hoàn thiện toàn bộ hệ thống cơ - điện - quang. Mô hình hoạt động ổn định trong việc trích xuất khung hình từ camera, nhận dạng chính xác giữa hoa và cỏ dựa trên bộ dữ liệu tự xây dựng, và tính toán tọa độ điều khiển cánh tay SCARA di chuyển đầu chấp hành đến đúng vị trí cỏ dại. Chương này ghi nhận các hình ảnh thực tế của mô hình chụp từ góc nhìn trên cao, mặt bên trái và mặt bên phải để minh chứng cho khả năng hoạt động vật lý của hệ thống.

Chương 6: KẾT LUẬN VÀ KIẾN NGHỊ

Chương 6 đưa ra các nhận xét, đánh giá tổng kết về mức độ hoàn thành nhiệm vụ nghiên cứu so với các mục tiêu ban đầu đặt ra. Đồng thời, tác giả đề xuất các định hướng phát triển nhằm nâng cấp hệ thống trong tương lai, hướng tới việc ứng dụng thực địa trên quy mô sản xuất nông nghiệp thực tế.

Kết quả và đóng góp

1. Kết quả kỹ thuật đạt được

  • Chế tạo thành công mô hình phần cứng hoàn chỉnh của cánh tay robot SCARA 3 bậc tự do (cấu hình TRR) kết hợp vi điều khiển Arduino Nano, bo mở rộng CNC Shield V4 và 3 động cơ bước KV24 điều khiển qua driver A4988.
  • Xây dựng thành công tập dữ liệu ảnh cho hai nhóm đối tượng hoa và cỏ nhân tạo; huấn luyện thành công mô hình mạng học sâu trên nền tảng MobileNetV2 kết hợp OpenCV và Python.
  • Thuật toán nhận diện hoạt động tốt trong việc phân tách vùng đối tượng nghi vấn bằng phương pháp Canny, nhận dạng phân biệt chính xác hoa và cỏ, trích xuất được tọa độ tâm $(x, y)$ của đối tượng cỏ dại.
  • Thiết lập và giải thành công ma trận biến đổi tọa độ $Rt$ qua 6 điểm chuẩn, cho phép chuyển đổi chính xác tọa độ pixel từ camera sang tọa độ thực tế của cánh tay robot.
  • Hệ thống cơ cấu chấp hành cuối di chuyển ổn định và chính xác đến vị trí của cỏ dại trên sa bàn thực nghiệm kích thước $40 \times 40\text{ cm}$.

2. Đề xuất và kiến nghị của tác giả

  • Tác giả kiến nghị việc mở rộng phạm vi và công suất của mô hình để có thể di chuyển trên diện tích đất canh tác rộng lớn hơn thay vì giới hạn trong khung thí nghiệm $40\times 40\text{ cm}$.
  • Kiến nghị nghiên cứu tích hợp các giải pháp che chắn hoặc thuật toán cân bằng sáng tự động nhằm khắc phục triệt để hiện tượng nhiễu ảnh do tác động của ánh sáng tự nhiên từ môi trường bên ngoài tác động lên camera.

3. Đóng góp khoa học và thực tiễn tự ghi nhận

  • Đề tài đóng góp một giải pháp ứng dụng kỹ thuật tích hợp hoàn chỉnh giữa xử lý ảnh, trí tuệ nhân tạo và điều khiển học robot trong một hệ thống nông nghiệp thông minh cụ thể.
  • Việc áp dụng kiến trúc mạng nơ-ron MobileNetV2 với kỹ thuật tích chập tách biệt chiều sâu (DSC) và Inverted Residual Block giúp giảm thiểu khối lượng phép tính tính toán, mở ra tiềm năng tích hợp các thuật toán học sâu phức tạp lên các vi điều khiển và máy tính nhúng giá thành thấp trong nông nghiệp.
  • Mô hình đóng góp vào định hướng giảm thiểu nhân công, bảo vệ sức khỏe cho người nông dân và giảm ô nhiễm môi trường do hạn chế dư lượng thuốc bảo vệ thực vật.

Hạn chế và hướng nghiên cứu tiếp

Căn cứ theo các hạn chế thực tế được tác giả nêu trong văn bản khóa luận:

  • Tập dữ liệu và đối tượng thực nghiệm: Do gặp trở ngại trong việc bảo quản và duy trì hoa và cỏ tươi sống ổn định trong suốt quá trình thử nghiệm, nhóm nghiên cứu đã phải thay thế hoàn toàn bằng hoa và cỏ nhựa. Do đó, tập dữ liệu huấn luyện chưa phản ánh được đầy đủ sự đa dạng sinh học, biến dạng hình thái học và màu sắc của cỏ dại và hoa màu tự nhiên ngoài đồng ruộng.
  • Nhiễu điều kiện môi trường: Khối camera thu nhận hình ảnh còn chịu nhiều tác động bất lợi từ cường độ ánh sáng tự nhiên thay đổi, làm ảnh hưởng đến độ ổn định của quá trình nhận diện và tách biên đối tượng.
  • Phạm vi không gian hoạt động: Cánh tay robot mới chỉ hoạt động trong phạm vi quy mô mô hình phòng thí nghiệm với diện tích làm việc giới hạn ở mức $40 \times 40\text{ cm}$.
  • Hướng nghiên cứu tiếp theo: Nâng cấp thuật toán thích nghi với điều kiện chiếu sáng biến đổi, mở rộng tập dữ liệu trên các giống hoa màu và cỏ dại thực tế trên đồng ruộng, và phát triển hệ thống cơ khí di động (Mobile Robot) kết hợp cánh tay máy để ứng dụng trên diện rộng.

Giá trị tham khảo

Báo cáo khóa luận là tài liệu tham khảo kỹ thuật hữu ích đối với:

  • Sinh viên và học viên: Thuộc các chuyên ngành Kỹ thuật Điện tử, Hệ thống thông minh, Cơ điện tử, Kỹ thuật Điều khiển & Tự động hóa, Khoa học dữ liệu và Nông nghiệp công nghệ cao đang thực hiện các đề tài về thị giác máy tính và điều khiển robot.
  • Các nội dung nổi bật đáng tham khảo:
    • Phần chứng minh toán học về việc tối ưu hóa độ phức tạp của Depthwise Separable Convolution (DSC) so với tích chập tiêu chuẩn trong kiến trúc MobileNet/MobileNetV2.
    • Phương pháp phân tích động học cánh tay máy SCARA (công thức bậc tự do Kutzbach, lập bảng tham số D-H, chuyển đổi hệ tọa độ theo quy tắc bàn tay phải).
    • Phương pháp giải thuật toán chuyển đổi tọa độ điểm ảnh (Pixel) sang tọa độ thế giới (World coordinate) của robot qua ma trận $Rt$ với 6 điểm thực nghiệm.
    • Sơ đồ mạch nguyên lý đấu nối ghép tầng giữa Arduino Nano, Arduino CNC Shield V4, module driver A4988 và cấu hình vi bước jumper cho động cơ bước KV24.

Câu hỏi thường gặp

1. Khóa luận sử dụng mô hình mạng nơ-ron nào cho bài toán nhận dạng và tại sao mô hình đó được chọn?
Khóa luận sử dụng kiến trúc mạng nơ-ron MobileNetV2 (phát triển từ MobileNet). Mô hình này được lựa chọn vì sử dụng các lớp tích chập tách biệt theo chiều sâu (Depthwise Separable Convolution - DSC) kết hợp các khối Inverted Residual và Linear Bottlenecks, giúp giảm độ phức tạp tính toán và số lượng tham số xuống nhiều lần so với tích chập thông thường (tỷ lệ giảm đạt mức $\frac{1}{N} + \frac{1}{D_K^2}$), phù hợp cho việc triển khai trên thiết bị nhúng và máy tính có tài nguyên giới hạn.

2. Cấu hình cơ khí và động học của cánh tay robot trong mô hình được thiết kế như thế nào?
Cánh tay robot thuộc dòng SCARA có 3 bậc tự do (3 DOF) với cấu hình chuyển động TRR (gồm 1 khớp tịnh tiến và 2 khớp quay có trục song song). Hệ cơ cấu chấp hành được vận hành bởi 3 động cơ bước KV24 thông qua sự điều khiển của 3 module driver A4988 cắm trên đế mở rộng Arduino CNC Shield V4.

3. Làm thế nào hệ thống chuyển đổi được vị trí cỏ dại trên ảnh camera thành vị trí cho cánh tay robot di chuyển đến?
Sau khi thuật toán Canny và mạng học sâu trích xuất được tọa độ tâm $(x, y)$ của đối tượng cỏ dại trên ảnh pixel, hệ thống sử dụng một ma trận chuyển đổi tọa độ ký hiệu là $Rt$. Ma trận này được tính toán và xác định bằng phương pháp thực nghiệm đo đạc vị trí của 6 điểm mốc bất kỳ trên sa bàn thông qua chương trình lập trình trên phần mềm PyCharm.

4. Tại sao nhóm tác giả lại sử dụng hoa và cỏ nhựa thay vì hoa và cỏ thật trong quá trình thực nghiệm?
Trong quá trình thực nghiệm, nhóm nghiên cứu gặp khó khăn trong việc giữ cho cỏ dại và hoa thật luôn tươi tốt trong suốt thời gian dài làm đề tài. Do đó, được sự đồng ý của giảng viên hướng dẫn (ThS. Phan Vinh Hiếu), nhóm đã chuyển sang sử dụng hoa và cỏ nhựa để dễ dàng chuẩn bị dữ liệu huấn luyện mô hình và tiết kiệm chi phí nghiên cứu.

5. Phạm vi không gian làm việc của mô hình thực nghiệm là bao nhiêu?
Mô hình thực nghiệm được xây dựng ở quy mô nhỏ, trong đó phạm vi hoạt động của cánh tay robot SCARA được giới hạn trong diện tích của mảnh vườn thực nghiệm là $40 \times 40\text{ cm}$.

Kết luận

Khóa luận tốt nghiệp của sinh viên Nguyễn Quốc và Tưởng Trần Hải Long đã hoàn thành việc thiết kế, chế tạo và thử nghiệm thành công mô hình hệ thống nhận dạng cỏ dại và điều khiển cánh tay robot SCARA 3 bậc tự do để định vị vị trí phun thuốc trừ sâu. Đề tài kết hợp chặt chẽ giữa lý thuyết mạng tích chập tối ưu hóa MobileNetV2 trên nền tảng Python/OpenCV với kỹ thuật điều khiển vi bước động cơ trên vi điều khiển Arduino Nano và driver A4988. Kết quả nghiên cứu chứng minh tính khả thi của việc ứng dụng thị giác máy tính và cơ cấu tay máy vào nông nghiệp chính xác, đặt nền tảng kỹ thuật quan trọng cho các nghiên cứu mở rộng trên thực địa sau này.