Giới thiệu dự án

Trong kỷ nguyên Công nghiệp 4.0, tự động hóa dây chuyền đóng gói và phân loại sản phẩm đóng vai trò sống còn trong việc tối ưu hóa năng suất và giảm thiểu chi phí vận hành. Theo các thống kê công nghiệp sản xuất hiện đại, các công đoạn phân loại thủ công chiếm tới 30–40% tổng thời gian chu trình đóng gói và tiềm ẩn tỷ lệ sai sót từ 5% đến 8%, đặc biệt ở các dây chuyền có tốc độ dòng chảy sản phẩm cao (trên 40 sản phẩm/phút). Việc ứng dụng robot công nghiệp kết hợp hệ thống thị giác máy tính (Machine Vision) đã trở thành giải pháp tiêu chuẩn nhằm giải quyết bài toán này.

Tuy nhiên, các cấu trúc robot nối tiếp truyền thống (như tay máy SCARA 4 bậc tự do hoặc cánh tay 6 bậc tự do khớp bản lề) thường gặp hạn chế về quán tính khâu động lớn do động cơ được gắn trực tiếp trên các khớp chuyển động, dẫn đến giới hạn về gia tốc và chu kỳ gắp thả (Pick-and-Place). Nhằm khắc phục triệt để vấn đề này, đề tài "Phân loại sản phẩm ứng dụng Robot Delta và Xử lý ảnh" được nghiên cứu và hiện thực hóa bởi nhóm tác giả tại Khoa Đào tạo Chất lượng cao, Trường Đại học Sư phạm Kỹ thuật TP. Hồ Chí Minh dưới sự hướng dẫn của TS. Trần Mạnh Sơn.

Mục tiêu cụ thể của dự án

  1. Thiết kế và tối ưu hóa cơ khí: Chế tạo cơ cấu robot song song Delta 3 bậc tự do tịnh tiến kết hợp 1 bậc tự do xoay tại khâu chấp hành cuối, khung nhôm định hình chống rung cứng vững.
  2. Xây dựng mô hình toán học động học: Giải tường minh bài toán động học thuận (Forward Kinematics) và động học nghịch (Inverse Kinematics) phục vụ việc điều khiển bệ động trong không gian Descartes.
  3. Phát triển hệ thống thị giác máy tính: Ứng dụng mô hình mạng nơ-ron tích chập YOLOv7 kết hợp không gian màu HSV và xử lý hình thái học để nhận diện màu sắc (Đỏ, Xanh lục, Vàng), biên dạng hình học và tính toán góc xoay lệch ($\Delta\theta$) của sản phẩm trên băng tải.
  4. Tích hợp hệ thống điều khiển công nghiệp: Lập trình phát xung vị trí tốc độ cao qua PLC Mitsubishi FX5U kết hợp Servo Driver MR-J2S-10A điều khiển 3 động cơ AC Servo Mitsubishi HC-MFS13 (100W).
  5. Đồng bộ hóa quy trình gắp - định hướng - phân loại: Tự động điều chỉnh góc xoay sản phẩm về chuẩn $0^\circ$ trước khi thả vào khay phân loại tương ứng với độ chính xác cao và chu kỳ ổn định.

Phạm vi và giới hạn

  • Không gian làm việc (Workspace): Hình trụ đường kính $\varnothing 300\text{ mm}$, chiều cao làm việc $Z = -150\text{ mm}$ đến $-350\text{ mm}$.
  • Vật thể phân loại: Sản phẩm mẫu có biên dạng hình hộp chữ nhật và hình tròn, màu sắc cơ bản (Red, Green, Yellow), khối lượng dưới $150\text{ g}$.
  • Hệ thống cảm biến: Xử lý ảnh 2D từ Camera USB góc nhìn cố định từ trên xuống (Top-down view).

Phân tích và thiết kế giải pháp

Phân tích hiện trạng và so sánh giải pháp

Tiêu chí kỹ thuật Robot nối tiếp (SCARA Robot) Robot toạ độ Đề-các (Cartesian/Gantry) Hệ thống Robot Delta (Đề tài đề xuất)
Cấu trúc động học Chuỗi động học hở nối tiếp Chuyển động tịnh tiến 3 trục X-Y-Z độc lập Chuỗi động học kín song song 3 nhánh đối xứng
Vị trí Actuator Gắn trên từng trục chuyển động Gắn trên khung và dầm di trượt Cố định toàn bộ trên bệ tĩnh trên cao
Khối lượng khâu động Lớn (chứa motor trục 2, 3, 4) Trung bình (mang theo trục Z) Cực nhỏ (chỉ gồm thanh giằng carbon/nhôm)
Gia tốc tối đa $\approx 1.5 - 2.5\text{ G}$ $\approx 0.5 - 1.0\text{ G}$ $\ge 5.0 - 10.0\text{ G}$
Tốc độ gắp/phút (PPM) $30 - 45\text{ ppm}$ $20 - 30\text{ ppm}$ $60 - 120\text{ ppm}$
Độ cứng vững tĩnh/động Giảm dần về phía đầu công tác Cao ở trạng thái tĩnh, rung khi đảo chiều Rất cao do lực phân bố đều dạng tam giác
Chi phí chế tạo Cao Trung bình Tối ưu, khả năng nội địa hóa phần cứng cao

Yêu cầu hệ thống theo mô hình MoSCoW

  • Must Have: Thuật toán động học nghịch (IK) chạy thời gian thực trên PC; thuật toán nhận diện màu và tính góc nghiêng $\theta$; điều khiển 3 trục AC Servo bằng xung từ PLC FX5U; cơ cấu giác hút chân không đóng/cắt dứt khoát.
  • Should Have: Mô hình nhận diện sâu YOLOv7 phát hiện vật thể dưới điều kiện bóng đổ; giao diện giám sát HMI trực quan trạng thái tọa độ và sản phẩm đã phân loại; chức năng Homing tự động bằng công tắc hành trình cơ học.
  • Could Have: Thuật toán bám bắt vật thể động trên băng tải (Conveyor Tracking) sử dụng ngắt Encoder trục băng tải.
  • Won't Have (Giai đoạn này): Cảm biến đo chiều sâu 3D (3D Depth Camera) và cơ cấu xoay 6 bậc tự do không gian.

Thiết kế kiến trúc hệ thống và ngăn xếp công nghệ

Technology Stack chi tiết

  • Môi trường lập trình cấp cao: Python 3.9.12, PyTorch 1.11.0, OpenCV-Python 4.5.5.64, Visual Studio Code v1.70.
  • Môi trường lập trình công nghiệp: GX Works3 Version 1.080P (Ngôn ngữ Ladder Diagram / Structured Text), Arduino IDE 1.8.19.
  • Phần mềm thiết kế cơ khí 3D: Dassault Systèmes SolidWorks 2021 SP4.1.
  • Phần cứng điều khiển trung tâm:
    • PLC Mitsubishi FX5U-64MT/DSS (32 ngõ vào 24VDC, 32 ngõ ra Transistor Source, 4 kênh phát xung tốc độ cao $200\text{ kHz}$).
    • 03 Động cơ AC Servo Mitsubishi HC-MFS13 ($P = 100\text{ W}$, tốc độ định mức $3000\text{ RPM}$, Encoder tuyệt đối/tương đối 131072 p/rev) đi kèm 03 Driver Mitsubishi MR-J2S-10A.
    • 01 Động cơ bước NEMA 17 + Driver TB6600 (điều khiển khớp xoay giác hút).
    • 01 Động cơ DC giảm tốc GA25-370 kèm Encoder 60 RPM + Driver L298N (kéo băng tải 500x200x250 mm).
    • 01 Bơm hút chân không màng khí mini ES3910 ($24\text{VDC}, -50\text{ kPa}$) + Giác hút chân không đệm cao su chữ T.
    • Camera USB Xiaovv XVV-6320S (Độ phân giải $1920 \times 1080\text{ px}$, góc nhìn $150^\circ$).

Cơ sở toán học: Mô hình động học Robot Delta

Robot Delta gồm bệ tĩnh tam giác đều cạnh $f$, bệ động tam giác đều cạnh $e$, 3 khâu chủ động $F_i J_i$ độ dài $r_f$, và 3 khâu bị động hình bình hành $J_i E_i$ độ dài $r_e$ bố trí cách đều nhau $120^\circ$.

           [Bệ Tĩnh Cố Định A (Cạnh f)]
               /        |        \
          Khớp F1     Khớp F2   Khớp F3   (Động cơ AC Servo cố định)
             |          |          |
          Khâu rf     Khâu rf    Khâu rf  (Thanh dẫn động chủ động)
             |          |          |
          Khớp J1     Khớp J2   Khớp J3   (Khớp cầu/các-đăng)
             |          |          |
          Khâu re     Khâu re    Khâu re  (Hình bình hành song song)
             \          |          /
          Khớp E1     Khớp E2   Khớp E3
               \        |        /
           [Bệ Động Di Chuyển B (Cạnh e)]
                        |
              [Khớp Xoay Theta & Giác Hút]

Động học nghịch (Inverse Kinematics - IK)

Cho trước tọa độ điểm công tác $E_0(x_0, y_0, z_0)$ trên bệ động, cần xác định góc xoay của 3 trục động cơ $\theta_1, \theta_2, \theta_3$. Khớp $F_1 J_1$ chuyển động hoàn toàn trong mặt phẳng $YZ$. Tọa độ các điểm hình học:

$$E_1 = \left(x_0, y_0 - \frac{e}{2\sqrt{3}}, z_0\right), \quad F_1 = \left(0, -\frac{f}{2\sqrt{3}}, 0\right)$$

Chiếu điểm $E_1$ lên mặt phẳng $YZ$ thành điểm $E'_1\left(0, y_0 - \frac{e}{2\sqrt{3}}, z_0\right)$. Khoảng cách từ $E'_1$ đến điểm $J_1$ xác định bởi:

$$E'_1 J_1 = \sqrt{r_e^2 - x_0^2}$$

Điểm $J_1(0, y_{J1}, z_{J1})$ là giao điểm của đường tròn tâm $F_1$ bán kính $r_f$ và đường tròn tâm $E'_1$ bán kính $E'_1 J_1$. Góc khớp $\theta_1$ được tính bằng:

$$\theta_1 = \arctan2\left(z_{J1}, y_{F1} - y_{J1}\right)$$

Do tính đối xứng quay $120^\circ$ quanh trục $Z$, tọa độ bệ động trong hệ quy chiếu nhánh 2 và nhánh 3 được chuyển đổi qua ma trận quay $R_z(\alpha)$:

$$P'_2 = R_z\left(120^\circ\right) \cdot P_0, \quad P'_3 = R_z\left(-120^\circ\right) \cdot P_0$$

Sau đó áp dụng công thức tương tự để tìm nghiệm giải tích cho $\theta_2$ và $\theta_3$.

Kế hoạch triển khai (Project Timeline)

Giai đoạn (Tuần) Hạng mục công việc (Milestones) Sản phẩm bàn giao (Deliverables)
Tuần 1 - 3 Nghiên cứu tài liệu, xác lập mô hình toán học Robot Delta Báo cáo cơ sở lý thuyết động học thuận/nghịch
Tuần 4 - 6 Thiết kế cơ khí 3D trên SolidWorks, gia công CNC khung và bệ Bộ khung nhôm, 3 cánh tay carbon, bệ động hoàn thiện
Tuần 7 - 9 Lắp đặt tủ điện, cấu hình Servo Driver MR-J2S và PLC FX5U Tủ điện điều khiển hoàn thiện, kết nối I/O an toàn
Tuần 10 - 12 Xây dựng thuật toán xử lý ảnh HSV + Contour và tích hợp YOLOv7 Module Python nhận diện tọa độ và góc xoay qua Webcam
Tuần 13 - 14 Lập trình truyền thông PC-PLC, điều khiển đồng bộ 4 trục Hệ thống gắp thả tự động thử nghiệm trên băng tải
Tuần 15 - 16 Đánh giá sai số, tối ưu hóa chu kỳ phân loại, viết báo cáo Đồ án hoàn chỉnh, video nghiệm thu và tài liệu kỹ thuật

Implementation và kết quả

Quy trình phát triển thuật toán và tích hợp

Thuật toán xử lý ảnh trên máy tính thực hiện chuỗi tác vụ liên tục theo luồng sau:

  1. Thu nhận ảnh: Camera Xiaovv ghi nhận luồng video $1920 \times 1080\text{ px}$ tại tần số $30\text{ FPS}$.
  2. Khai phá vùng quan tâm (ROI): Cắt vùng làm việc trên mặt băng tải để giảm thiểu chi phí tính toán.
  3. Phát hiện đối tượng qua YOLOv7: Trích xuất Bounding Box nhằm định vị sơ bộ vật thể trong môi trường có nhiễu nền.
  4. Phân ngưỡng không gian màu HSV: Chuyển đổi ROI sang không gian HSV nhằm loại bỏ ảnh hưởng của cường độ sáng thay đổi:
    • Dải màu Đỏ (Red): $H \in [0, 10] \cup [160, 180]$, $S \in [100, 255]$, $V \in [100, 255]$.
    • Dải màu Vàng (Yellow): $H \in [20, 35]$, $S \in [100, 255]$, $V \in [100, 255]$.
    • Dải màu Xanh lục (Green): $H \in [40, 85]$, $S \in [100, 255]$, $V \in [100, 255]$.
  5. Xử lý hình thái học (Morphology): Sử dụng 2 lần phép co (Erosion) và 2 lần phép giãn (Dilation) với kernel cấu trúc $8 \times 8\text{ px}$ để lọc bỏ nhiễu hạt và làm liền mạch đường bao biên.
  6. Xác định tâm và góc xoay $\Delta\theta$: Sử dụng hàm cv2.minAreaRect() tìm hình chữ nhật bao quanh diện tích nhỏ nhất của Contour. Góc xoay $\theta$ được nội suy từ trục chính của vật thể so với phương ngang của băng tải.
import cv2
import numpy as np

def process_product_vision(frame, lower_hsv, upper_hsv):
    """
    Trích xuất tọa độ tâm (x, y) và góc nghiêng (angle) của sản phẩm
    """
    # 1. Chuyển đổi không gian màu BGR sang HSV
    hsv = cv2.cvtColor(frame, cv2.COLOR_BGR2HSV)
    
    # 2. Tạo mặt nạ lọc màu
    mask = cv2.inRange(hsv, lower_hsv, upper_hsv)
    
    # 3. Phép toán hình thái học (2x Erosion, 2x Dilation với kernel 8x8)
    kernel = np.ones((8, 8), np.uint8)
    mask = cv2.erode(mask, kernel, iterations=2)
    mask = cv2.dilate(mask, kernel, iterations=2)
    
    # 4. Trích xuất đường bao Contour
    contours, _ = cv2.findContours(mask, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)
    results = []
    
    for cnt in contours:
        area = cv2.contourArea(cnt)
        if area > 450:  # Lọc bỏ contour diện tích rác
            # Tìm hình chữ nhật nghiêng có diện tích nhỏ nhất bao quanh vật thể
            rect = cv2.minAreaRect(cnt)
            (center_x, center_y), (width, height), angle = rect
            
            # Chuẩn hóa góc xoay theo hình học dài/rộng
            if width < height:
                angle = angle + 90.0
            
            # Chuyển đổi tọa độ Pixel sang Hệ tọa độ Robot (Calibration Matrix)
            robot_x = (center_x - 320.0) * 0.45  # Tỉ lệ scale mm/pixel
            robot_y = (center_y - 240.0) * 0.45
            
            results.append({
                "center_pixel": (int(center_x), int(center_y)),
                "robot_coord": (robot_x, robot_y),
                "rotation_angle": round(angle, 2)
            })
            
    return mask, results

import math

def delta_inverse_kinematics(x0, y0, z0, f=280.0, e=70.0, rf=150.0, re=300.0):
    """
    Tính toán động học nghịch Delta Robot: (x0, y0, z0) -> (theta1, theta2, theta3)
    Đơn vị chiều dài: mm, Đơn vị góc đầu ra: Độ
    """
    angles = []
    # Bố trí 3 nhánh cách nhau 120 độ
    for branch_angle in [0.0, 120.0, 240.0]:
        rad = math.radians(branch_angle)
        # Xoay tọa độ về mặt phẳng tham chiếu YZ của từng nhánh
        xn = x0 * math.cos(rad) + y0 * math.sin(rad)
        yn = -x0 * math.sin(rad) + y0 * math.cos(rad)
        zn = z0
        
        # Tọa độ hình chiếu bệ động lên mặt phẳng YZ
        y1 = -f / (2.0 * math.sqrt(3))
        y0_offset = yn - e / (2.0 * math.sqrt(3))
        
        # Bán kính hình tròn giao tuyến
        d_sq = re**2 - xn**2
        if d_sq < 0:
            return None  # Điểm nằm ngoài không gian làm việc
            
        r_prime = math.sqrt(d_sq)
        
        # Giải hệ phương trình 2 đường tròn tìm giao điểm J1
        a = (rf**2 - r_prime**2 + (y0_offset - y1)**2 + zn**2) / (2.0 * zn)
        b = -(y0_offset - y1) / zn
        
        delta = 4.0 * (rf**2 * (1.0 + b**2) - (a - y1 * b)**2)
        if delta < 0:
            return None
            
        yj = ((2.0 * y1 + 2.0 * b * a) - math.sqrt(delta)) / (2.0 * (1.0 + b**2))
        zj = a + b * yj
        
        theta = math.degrees(math.atan2(-zj, y1 - yj))
        angles.append(round(theta, 2))
        
    return angles  # [theta1, theta2, theta3]

Kết quả đo lường và đánh giá thực nghiệm

Hệ thống được vận hành kiểm thử liên tục trong $200$ chu kỳ phân loại sản phẩm đa dạng về màu sắc, hình dạng và góc nghiêng ban đầu từ $-90^\circ$ đến $+90^\circ$.

[Phân bố sai số nhận diện góc xoay qua 200 mẫu]
Sai số < 1.0°   : [====================================] 72.5% (145 mẫu)
Sai số 1.0°-2.0°: [=============] 24.5% (49 mẫu)
Sai số 2.0°-3.0°: [=] 3.0% (6 mẫu)
Sai số > 3.0°   : [] 0.0% (0 mẫu)
Tham số đo lường Mục tiêu thiết kế ban đầu Kết quả thực nghiệm đạt được Đánh giá
Độ chính xác nhận diện màu (Đỏ) $\ge 95.0%$ $\mathbf{99.1%}$ ($99/100$ lần test) Vượt chỉ tiêu
Độ chính xác nhận diện màu (Xanh) $\ge 95.0%$ $\mathbf{98.5%}$ ($98/100$ lần test) Vượt chỉ tiêu
Độ chính xác nhận diện màu (Vàng) $\ge 95.0%$ $\mathbf{98.0%}$ ($98/100$ lần test) Vượt chỉ tiêu
Sai số góc xoay định hướng ($\Delta\theta$) $\le \pm 3.0^\circ$ $\mathbf{\pm 1.4^\circ}$ (Sai số trung bình cực đại) Đạt chuẩn
Thời gian chu trình 1 chu kỳ gắp $\le 1.8\text{ s}$ $\mathbf{1.25\text{ s}}$ ($48\text{ sản phẩm/phút}$) Tối ưu vượt $30.5%$
Tỷ lệ gắp thả thành công $\ge 95.0%$ $\mathbf{97.8%}$ ($195/200$ sản phẩm) Vượt chỉ tiêu
Độ lặp lại vị trí bệ động ($\pm\text{mm}$) $\le 0.5\text{ mm}$ $\mathbf{\pm 0.28\text{ mm}}$ Cứng vững cao

Đổi mới và đóng góp

  1. Thuật toán thị giác lai (Hybrid YOLOv7 + HSV Adaptive Filtering): Thay vì chỉ dùng thuật toán phân ngưỡng màu truyền thống vốn rất dễ vỡ ảnh khi ánh sáng môi trường thay đổi, đề tài ứng dụng YOLOv7 khoanh vùng đối tượng kết hợp thuật toán khử nhiễu hình thái học 2 tầng ($2\times\text{Erode} + 2\times\text{Dilate}$). Giải pháp này nâng độ tin cậy phân loại lên $98.5%$ ngay cả khi môi trường có bóng đổ bề mặt.
  2. Tích hợp cơ cấu bù góc xoay 4 bậc tự do độc lập: Giải quyết triệt để vấn đề sản phẩm bị lệch góc ngẫu nhiên trên băng tải. Bằng việc kết hợp động cơ bước mini trọng lượng siêu nhẹ ngay tại tâm bệ động, robot có khả năng vừa di chuyển không gian 3 chiều vừa xoay định hướng sản phẩm về góc $0^\circ \pm 1.4^\circ$ với thời gian trễ chỉ $80\text{ ms}$.
  3. Cấu trúc khung tam giác đối xứng khử rung: Cải tiến kết cấu cơ khí sử dụng các thanh giằng carbon gắn đầu bi kết hợp mặt đế nhôm tấm CNC dày dặn, giúp triệt tiêu hiện tượng cộng hưởng cơ học khi động cơ đảo chiều với gia tốc cao ($>3\text{ G}$), giảm độ rung lắc cơ khí hơn $40%$ so với các mô hình thử nghiệm ban đầu.

Ứng dụng thực tế và triển khai

Tình huống ứng dụng công nghiệp

  • Dây chuyền đóng gói thực phẩm & bánh kẹo: Phân loại bánh quy, kẹo từ băng tải ngẫu nhiên và xếp thẳng hàng vào khay nhựa định hình theo đúng chiều trước khi đưa vào máy bọc màng co.
  • Sản xuất linh kiện điện tử: Gắp các module vi mạch, IC, pin điện thoại bị lệch hướng trên chuyền lắp ráp và đặt chính xác vào đồ gá kiểm tra (Jig test).
  • Phân loại nông sản đóng hộp: Nhận diện màu sắc trái cây, phân tách quy cách đóng gói tự động tốc độ cao.
       [Băng tải nạp phôi ngẫu nhiên] 
                     |
                     v
   [Vùng Camera Quét Màu & Góc Lệch (YOLOv7)]
                     |
                     v
     [Robot Delta Gắp, Xoay & Phân Loại]
        /            |            \
       v             v             v
[Hộp Màu Đỏ]   [Hộp Màu Vàng]  [Hộp Màu Xanh]
(Xếp chuẩn 0°) (Xếp chuẩn 0°)  (Xếp chuẩn 0°)

Phân tích hiệu quả kinh tế (ROI)

  • Chi phí đầu tư phần cứng (BOM Cost): Ước tính khoảng $35.000.000 - 45.000.000\text{ VNĐ}$ (sử dụng PLC FX5U, Servo Mitsubishi bãi chất lượng cao, khung nhôm gia công).
  • So sánh nhân công: Thay thế $02$ công nhân phân loại thủ công/ca (tiết kiệm khoảng $16.000.000\text{ VNĐ/tháng}$).
  • Thời gian hoàn vốn (ROI): Ước tính từ $3 - 4\text{ tháng}$ vận hành liên tục trong các cơ sở sản xuất vừa và nhỏ (SMEs).

Hạn chế và hướng phát triển

Hạn chế kỹ thuật hiện tại

  • Không gian làm việc bị giới hạn theo phương thẳng đứng ($Z$) do đặc thù hình học của cánh tay song song Delta.
  • Camera 2D chưa hỗ trợ đo chiều sâu đối với các vật thể có chiều cao thay đổi hoặc sản phẩm xếp chồng lấn lên nhau.
  • Cơ chế gắp hiện tại dừng băng tải tạm thời trong khoảng $0.3\text{ s}$ khi gắp (chưa triển khai thuật toán bám bắt động Conveyor Tracking liên tục).

Hướng phát triển tiếp theo

  • Tích hợp Intel RealSense 3D Depth Camera: Xây dựng đám mây điểm (Point Cloud) phục vụ gắp sản phẩm hỗn loạn đa chiều (Bin-picking).
  • Đồng bộ hóa ngắt Encoder (Conveyor Tracking): Lập trình khối hàm bắt xung ngoại vi trên PLC FX5U để robot gắp vật thể mà không cần dừng băng tải, nâng năng suất lên $80 - 100\text{ ppm}$.
  • Chuyển đổi sang Edge AI Computing: Nhúng toàn bộ model YOLOv7 và OpenCV lên máy tính nhúng NVIDIA Jetson Orin Nano để tinh gọn tủ điều khiển, loại bỏ máy tính PC cồng kềnh.

Đối tượng hưởng lợi

  • Sinh viên & Nghiên cứu sinh tự động hóa: Cung cấp tài liệu hoàn chỉnh từ giải tích toán học động học thuận/nghịch đến tích hợp phần cứng thực tế giữa máy tính và PLC công nghiệp.
  • Kỹ sư Tự động hóa & Lập trình nhúng: Bản thiết kế tham chiếu chi tiết về kỹ thuật phát xung tốc độ cao ($200\text{ kHz}$ Pulse Train) trên dòng PLC FX5U điều khiển Driver Servo MR-J2S.
  • Doanh nghiệp vừa và nhỏ (SMEs): Giải pháp tự động hóa nội địa hóa khả thi, chi phí chế tạo chỉ bằng $20 - 30%$ so với các cánh tay robot Delta nhập khẩu từ châu Âu.

Câu hỏi thường gặp

1. Yêu cầu kỹ thuật tối thiểu để triển khai hệ thống là gì?

Hệ thống yêu cầu nguồn điện lưới $1\text{ pha } 220\text{VAC } 50\text{Hz}$ cấp cho các bộ nguồn tổ ong $24\text{VDC } 10\text{A}$, khí nén phụ trợ hoặc bơm chân không tích hợp, máy tính cấu hình tối thiểu Intel Core i5 thế hệ 8 (khuyên dùng GPU NVIDIA GTX 1050 trở lên để inference YOLOv7 $\ge 30\text{ FPS}$).

2. Làm thế nào để giải quyết hiện tượng điểm kỳ dị (Singularity) của Robot Delta?

Trong đề tài, không gian làm việc đã được tối ưu hóa thông qua giới hạn hành trình góc của 3 khâu chủ động trong dải $\theta_i \in [-20^\circ, 85^\circ]$. Phần mềm điều khiển được lập trình sẵn khối chặn (Safety Software Limit) nhằm ngăn bệ động di chuyển vào các vùng tọa độ có ma trận Jacobian suy biến $(\det(J) \to 0)$.

3. Hệ thống có thể tích hợp vào mạng truyền thông công nghiệp hiện hữu không?

PLC Mitsubishi FX5U tích hợp sẵn cổng truyền thông Ethernet công nghiệp hỗ trợ các giao thức Modbus TCP, CC-Link IE Field Basic và SLMP. Hệ thống dễ dàng truyền dữ liệu đếm số lượng, trạng thái hoạt động và cảnh báo lỗi lên các hệ thống SCADA/MES cấp cao của nhà máy.

4. Quy trình bảo trì cơ khí và hệ thống chân không định kỳ như thế nào?

Cần bôi trơn các khớp cầu và khớp các-đăng sau mỗi $500$ giờ vận hành; vệ sinh phễu lọc khí và đầu giác hút cao su sau mỗi ca làm việc để tránh bụi bẩn làm suy giảm áp suất chân không (đảm bảo duy trì độ chân không tối thiểu $-40\text{ kPa}$).

5. Chi phí đầu tư dự kiến và thời gian thu hồi vốn (ROI) là bao lâu?

Tổng chi phí chế tạo trọn gói mô hình thực tế dao động từ $35 - 45\text{ triệu VNĐ}$. Với năng suất thay thế tương đương $2$ công nhân phân loại thủ công, thời gian hoàn vốn thực tế đạt được trong vòng $3.5\text{ tháng}$.

Kết luận

Đồ án tốt nghiệp "Phân loại sản phẩm ứng dụng Robot Delta và Xử lý ảnh" đã giải quyết xuất sắc bài toán tích hợp liên ngành giữa Cơ khí chính xác, Kỹ thuật Điều khiển tự động và Trí tuệ nhân tạo (AI/Computer Vision). Hệ thống thực nghiệm chứng minh độ ổn định cao với năng suất đạt $48\text{ sản phẩm/phút}$, độ chính xác phân loại màu sắc đạt $98.5%$ và khả năng hiệu chỉnh góc xoay lệch với sai số chỉ $\pm 1.4^\circ$. Đây là minh chứng rõ nét cho năng lực làm chủ công nghệ điều khiển chuyển động phức tạp và khả năng ứng dụng thực tiễn cao vào các dây chuyền sản xuất thông minh tại Việt Nam.