Giới thiệu dự án

Trong kỷ nguyên Công nghiệp 4.0, tự động hóa dây chuyền sản xuất đóng vai trò then chốt giúp các doanh nghiệp nâng cao năng suất, tối ưu hóa chi phí vận hành và chuẩn hóa chất lượng đầu ra. Theo các thống kê từ Hiệp hội Tự động hóa Công nghiệp, việc áp dụng kiểm định tự động giúp giảm tỷ lệ sản phẩm lỗi lọt ra thị trường từ 12-15% xuống dưới 0.5%, đồng thời tăng tốc độ đóng gói lên hơn 300% so với quy trình thủ công. Tuy nhiên, các dây chuyền phân loại công nghiệp sử dụng bộ điều khiển lập trình PLC (Programmable Logic Controller) kết hợp hệ thống thị giác máy tính cao cấp (Machine Vision) thường đòi hỏi chi phí đầu tư ban đầu rất lớn, dao động từ hàng trăm triệu đến hàng tỷ đồng, tạo rào cản tài chính đối với các cơ sở sản xuất quy mô vừa và nhỏ (SMEs).

+-----------------------------------------------------------------------+
|                 HỆ THỐNG KIỂM TRA ĐA TẦNG (MULTI-STAGE)               |
|                                                                       |
|  [Khối Cân Loadcell YZC-133]       [Khối Quang phổ TCS3200]           |
|      (Kiểm tra thể tích)              (Kiểm tra nắp chai)             |
|      Độ lệch: ±1.5g                   Độ trễ: < 50ms                  |
|                 [Arduino Mega 2560 R3]                                |
|                   (MCU RISC 16 MHz)                                   |
|   [Cơ cấu Gạt Phân loại]             [Màn hình LCD 16x2]              |
|   (Stepper Motor + L298N)            (Thống kê Real-time)             |
+-----------------------------------------------------------------------+

Đồ án tốt nghiệp "Thiết kế và thi công băng chuyền kiểm tra sản phẩm dùng Arduino" thuộc ngành Công nghệ Kỹ thuật Điện tử Truyền thông (Chuyên ngành Điện tử Công nghiệp - Y sinh, Trường Đại học Sư phạm Kỹ thuật TP.HCM) do sinh viên Dương Ngọc Tiến và Đinh Trần Thanh Huy thực hiện, dưới sự hướng dẫn của ThS. Nguyễn Trường Duy, đã giải quyết trực tiếp bài toán này. Đề tài tập trung xây dựng một mô hình băng chuyền tự động hóa hoàn chỉnh với chi phí thấp nhưng vẫn đảm bảo độ tin cậy cao trong việc kiểm soát chất lượng sản phẩm chai nước đóng chai 330ml.

Mục tiêu cụ thể của dự án

  1. Thiết kế cơ khí chính xác: Chế tạo hệ thống khung băng chuyền kích thước 1000 x 100 x 200 mm vận hành bằng động cơ DC giảm tốc GA25.
  2. Kiểm soát định lượng thể tích: Ứng dụng cảm biến tải trọng Loadcell 1kg kết hợp module chuyển đổi ADC 24-bit HX711 nhằm phát hiện sai lệch mức nước (chuẩn 330ml) với độ chính xác cao.
  3. Kiểm tra quy cách đóng gói: Sử dụng cảm biến màu sắc TCS3200 để nhận diện sự hiện diện của nắp chai màu xanh dương qua phản xạ quang phổ.
  4. Tự động hóa phân loại: Điều khiển 3 động cơ bước (1 động cơ cấp phôi từ bàn cân lên băng tải, 2 động cơ gạt sản phẩm lỗi) thông qua mạch công suất cầu H L298N.
  5. Giám sát thời gian thực: Hiển thị trực quan tổng số chai đạt chuẩn, số chai thiếu/thừa nước và số chai lỗi nắp trên màn hình LCD 16x2.

Phạm vi và giới hạn hệ thống

  • Đối tượng kiểm tra: Chai nước tinh khiết dung tích 330ml, vật liệu nhựa PET trong suốt, nắp ren màu xanh dương tiêu chuẩn.
  • Giới hạn kỹ thuật: Hệ thống hoạt động trong môi trường ánh sáng công nghiệp ổn định, tốc độ băng chuyền được thiết lập tối ưu ở mức 15 - 20 sản phẩm/phút nhằm đảm bảo độ chính xác của cảm biến cân và màu sắc.

Phân tích và thiết kế giải pháp

Phân tích hiện trạng

Tiêu chí đánh giá Kiểm tra thủ công bằng nhân công Hệ thống PLC công nghiệp & Vision AI Hệ thống Vi điều khiển đa cảm biến (Đề tài)
Chi phí đầu tư Thấp ban đầu, chi phí nhân sự hàng tháng cao Rất cao (150.000.000 - 500.000.000 VNĐ) Rất thấp (3.000.000 - 5.000.000 VNĐ)
Độ chính xác 85 - 90% (phụ thuộc vào sự mệt mỏi) 99.5 - 99.9% 98.0 - 99.2%
Tốc độ xử lý Chậm (5 - 10 sản phẩm/phút) Cực nhanh (60 - 120 sản phẩm/phút) Trung bình (15 - 25 sản phẩm/phút)
Khả năng bảo trì Không áp dụng Phức tạp, cần chuyên gia tự động hóa Dễ dàng thay thế linh kiện module hóa
Độ linh hoạt Kém Cao (lập trình lại qua phần mềm) Cao (tùy biến thuật toán mã nguồn mở)

Phân tích yêu cầu hệ thống theo mô hình MoSCoW

  • Must have (Bắt buộc): Đo chính xác trọng lượng chai qua Loadcell YZC-133; nhận diện màu nắp xanh dương qua TCS3200; phát hiện vật thể bằng cảm biến tiệm cận quang E18-D80NK; gạt chai lỗi bằng động cơ bước; hiển thị dữ liệu qua LCD 16x2.
  • Should have (Nên có): Tinh chỉnh ngưỡng khoảng cách phát hiện vật từ 3 - 80cm bằng biến trở tích hợp trên E18-D80NK; cấu hình chia tỉ lệ tần số đầu ra 20% trên TCS3200 để vi điều khiển xử lý ổn định.
  • Could have (Có thể có): Giao tiếp truyền thông nối tiếp UART qua cổng USB chuyển đổi nạp dữ liệu lên máy tính để lưu trữ log sản xuất.
  • Won't have (Chưa thực hiện): Module camera xử lý ảnh AI Deep Learning trực tiếp trên đám mây.

Thiết kế hệ thống

Kiến trúc hệ thống được xây dựng theo mô hình module hóa khép kín:

Bảng thông số phần cứng và công nghệ sử dụng

Khối chức năng Tên linh kiện / Phiên bản Thông số kỹ thuật cốt lõi Vai trò trong hệ thống
Vi điều khiển Arduino Mega 2560 R3 (ATmega2560) 16MHz, 256KB Flash, 8KB SRAM, 54 Digital I/O, 16 Analog In Xử lý trung tâm, đọc xung cảm biến, xuất tín hiệu điều khiển
Đo trọng lượng Loadcell YZC-133 1kg + HX711 Cầu Wheatstone, ngõ ra 1.15 mV/V, ADC 24-bit, Gain 128 Đo sai số lượng nước đóng trong chai
Nhận diện màu Module TCS3200 Mảng 8x8 Photodiode, bộ chuyển đổi dòng sang tần số 2Hz-500kHz Kiểm tra màu nắp chai (Blue Filter)
Phát hiện vị trí Cảm biến hồng ngoại E18-D80NK Ngõ ra NPN cực thu hở, dải đo 3 - 80cm, đáp ứng < 2ms Kích hoạt chu trình cân và đọc màu
Động cơ kéo Động cơ DC giảm tốc GA25 200rpm Điện áp 12VDC, dòng tải 1A, tỉ số truyền hộp số 1/45 Kéo dây băng tải vận chuyển sản phẩm
Cơ cấu phân loại Động cơ bước 42x42x50mm (x3) 2 pha 6 dây, bước góc 1.8° (200 bước/vòng), nguồn 12VDC Gạt sản phẩm chính xác góc quay, không trượt bước
Công suất Module Driver L298N Dual H-Bridge Dòng tải cực đại 2A/cầu, điện áp động cơ 5-12VDC, có tản nhiệt Khuếch đại công suất lái động cơ bước
Hiển thị LCD 16x2 (Driver HD44780) Giao tiếp 4-bit mode, điện áp 5VDC Hiển thị sản lượng Đạt / Lỗi

Methodology (Quy trình thực hiện)

Đề tài áp dụng quy trình phát triển kết hợp theo mô hình chữ V (V-Model) trong thời gian 13 tuần:

  • Tuần 1 - 4: Nghiên cứu lý thuyết, tính toán thiết kế sơ đồ khối, phân tích datasheet cảm biến và vi điều khiển.
  • Tuần 5 - 10: Nghiên cứu chi tiết từng linh kiện: hiệu chuẩn Loadcell, đo phổ màu TCS3200, đo góc bước động cơ và khảo sát mạch cầu H L298N.
  • Tuần 11: Gia công cơ khí băng tải, lắp ráp bo mạch điện tử và dây dẫn.
  • Tuần 12: Xây dựng lưu đồ giải thuật, viết mã nguồn trên Arduino IDE.
  • Tuần 13: Vận hành thử nghiệm toàn hệ thống, đánh giá sai số và hiệu chỉnh thông số thực tế.

Implementation và kết quả

Development Process & Key Algorithms

1. Thuật toán đọc và khuếch đại tín hiệu Loadcell qua HX711

Cảm biến tải trọng Loadcell sử dụng mạch cầu Wheatstone với 4 điện trở strain gauge dán trên thân nhôm. Khi chịu lực nén từ chai nước, độ biến dạng uốn cong (khoảng 1/500 cm) làm mất cân bằng cầu, tạo ra điện áp vi sai $\Delta V$ cực nhỏ ($1.15 \text{ mV/V}$). Tín hiệu này được đưa vào Kênh A của IC HX711 với độ lợi khuếch đại (Gain) 128.

Quá trình truyền thông 2 dây giữa HX711 và Arduino Mega 2560 diễn ra theo chuẩn đồng bộ xung clock: Khi chân DOUT chuyển từ mức cao xuống mức thấp, vi điều khiển cấp liên tục 24 xung clock trên chân SCK để dịch lần lượt 24 bit dữ liệu nhị phân (bit MSB trước). Xung clock thứ 25 được đưa vào để cố định mức logic và thiết lập Gain 128 cho chu kỳ lấy mẫu kế tiếp.

#include "HX711.h"

#define LOADCELL_DOUT_PIN  2
#define LOADCELL_SCK_PIN   3

HX711 scale;
const float CALIBRATION_FACTOR = 420.09; // Hệ số hiệu chuẩn sau khi đo mẫu chuẩn

void setupLoadcell() {
  scale.begin(LOADCELL_DOUT_PIN, LOADCELL_SCK_PIN);
  scale.set_scale(CALIBRATION_FACTOR);
  scale.tare(); // Thiết lập điểm không (Zero baseline)
}

float getAccurateWeight() {
  if (scale.is_ready()) {
    // Đọc trung bình cộng 5 lần lấy mẫu liên tiếp để triệt tiêu dao động cơ khí
    return scale.get_units(5); 
  }
  return -1.0;
}

2. Thuật toán nhận diện quang phổ màu nắp chai qua TCS3200

Cảm biến TCS3200 chuyển đổi cường độ bức xạ ánh sáng thành tần số xung vuông. Cấu trúc mảng photodiode 8x8 được chia thành 4 nhóm bộ lọc màu. Để tối ưu tốc độ và độ chính xác, chân S0 và S1 được gán cố định mức HIGH/LOW để chọn tỉ lệ chia tần số đầu ra ở mức 20% (dải tần từ 10kHz đến 100kHz, phù hợp tuyệt đối với khả năng đo xung của timer vi điều khiển ATmega2560).

Khi chân tiệm cận E18-D80NK số 2 phát hiện thân chai đến đúng vị trí, vi điều khiển kích hoạt cấu hình chân S2 và S3:

  • Đọc kênh Đỏ (Red Filter): S2 = LOW, S3 = LOW
  • Đọc kênh Xanh dương (Blue Filter): S2 = LOW, S3 = HIGH
  • Đọc kênh Xanh lá (Green Filter): S2 = HIGH, S3 = HIGH
#define S0 4
#define S1 5
#define S2 6
#define S3 7
#define SENSOR_OUT 8

void setupColorSensor() {
  pinMode(S0, OUTPUT);
  pinMode(S1, OUTPUT);
  pinMode(S2, OUTPUT);
  pinMode(S3, OUTPUT);
  pinMode(SENSOR_OUT, INPUT);

  // Cấu hình chia tần số ngõ ra 20%
  digitalWrite(S0, HIGH);
  digitalWrite(S1, LOW);
}

bool isBlueCapPresent() {
  // Chọn bộ lọc màu xanh dương (Blue)
  digitalWrite(S2, LOW);
  digitalWrite(S3, HIGH);
  unsigned long blueDuration = pulseIn(SENSOR_OUT, LOW, 50000); // Đọc độ rộng xung microsecond

  // Chọn bộ lọc màu đỏ (Red)
  digitalWrite(S2, LOW);
  digitalWrite(S3, LOW);
  unsigned long redDuration = pulseIn(SENSOR_OUT, LOW, 50000);

  // Nắp màu xanh dương sẽ phản xạ bước sóng xanh mạnh nhất -> chu kỳ xung Blue nhỏ hơn rõ rệt
  if (blueDuration > 0 && blueDuration < redDuration && blueDuration < 120) {
    return true; // Nắp chuẩn màu xanh dương
  }
  return false; // Không có nắp hoặc sai màu nắp
}

Testing và validation

Hệ thống được thử nghiệm thực tế với 100 mẫu chai nước 330ml qua 4 kịch bản kiểm tra:

Kịch bản kiểm tra Số lượng mẫu Số lần nhận diện đúng Sai số đo trung bình Tỷ lệ chính xác (%)
1. Chai chuẩn (330ml, có nắp xanh) 40 40 $\pm 0.8 \text{ g}$ 100.0%
2. Chai thiếu nước (< 310ml) 20 20 $\pm 1.1 \text{ g}$ 100.0%
3. Chai thừa nước (> 345ml) 20 19 $\pm 1.4 \text{ g}$ 95.0%
4. Chai chưa đóng nắp / Mất nắp 20 20 Không áp dụng 100.0%
Tổng thể nghiệm thu 100 99 $\mathbf{\pm 1.1 \text{ g}}$ 99.0% 
BIỂU ĐỒ TỔNG KẾT HIỆU NĂNG KIỂM ĐỊNH (100 MẪU)
============================================================
Chai chuẩn (40/40)      [████████████████████████████████] 100%
Chai thiếu nước (20/20) [████████████████████████████████] 100%
Chai thừa nước (19/20)  [██████████████████████████████░] 95%
Chai không nắp (20/20)  [████████████████████████████████] 100%
============================================================
ĐỘ CHÍNH XÁC TOÀN HỆ THỐNG: 99.0% | THỜI GIAN ĐÁP ỨNG: < 420ms
  • Độ ổn định của cơ cấu gạt: Động cơ bước 42x42x50mm kết hợp driver L298N hoàn thành chu trình gạt chai lỗi và thu hồi cần gạt trong thời gian $420\text{ ms}$, không gây hiện tượng đổ ngã chai lân cận trên băng tải.
  • Tiêu thụ năng lượng: Điện áp toàn hệ thống duy trì ở mức 12VDC/3A (cung cấp qua nguồn xung Meanwell tổ ong), đảm bảo vận hành liên tục mà không gây quá nhiệt IC driver L298N (nhiệt độ tản nhiệt đo được duy trì ở $48^\circ\text{C}$).

Đổi mới và đóng góp

  1. Tối ưu hóa kiến trúc kiểm tra tuần tự đa tầng: Thay vì đo lường đồng thời gây xung đột không gian cơ khí, hệ thống tách biệt trạm cân tĩnh (bàn cân Loadcell) và trạm quang học động (TCS3200 trên băng tải). Kỹ thuật này loại bỏ hoàn toàn rung chấn từ motor băng chuyền tác động lên cảm biến tải trọng, giúp sai số đo khối lượng giảm từ $\pm 5.2\text{ g}$ xuống chỉ còn $\pm 1.1\text{ g}$ (cải thiện 78.8% độ chính xác).
  2. Khai thác hiệu năng cao từ MCU giá rẻ: Việc ứng dụng vi điều khiển ATmega2560 với 4 cổng UART phần cứng và 6 Timer ngoài cho phép xử lý tín hiệu tần số cao từ TCS3200 mà không cần thêm IC giải mã trung gian, giúp hạ giá thành phần cứng 65% so với việc sử dụng kit công nghiệp chuyên dụng.
  3. Cơ cấu phân loại bằng động cơ bước chính xác: Khắc phục nhược điểm của động cơ Servo SG90/MG996R (dễ gãy bánh răng nhựa, góc quay trôi theo thời gian) bằng động cơ bước công nghiệp 2 pha điều khiển qua L298N, giúp kiểm soát góc gạt chính xác $60^\circ \pm 0.1^\circ$ với tuổi thọ hoạt động bền bỉ.

Ứng dụng thực tế và triển khai

Kịch bản triển khai thực tế

Hệ thống hoàn toàn khả thi để ứng dụng trực tiếp tại các cơ sở sản xuất nước uống tinh khiết đóng bình/chai quy mô hộ kinh doanh hoặc doanh nghiệp vừa và nhỏ, các xưởng sản xuất siro dược phẩm, nước đóng chai dung tích từ 250ml đến 500ml.

+-------------------------------------------------------------------------+
|                  LỘ TRÌNH TRIỂN KHAI THỰC TẾ TRONG 6 TUẦN               |
|                                                                         |
| [Tuần 1 - 2] Khảo sát kích thước dây chuyền & Chuẩn hóa quy cách chai   |
| [Tuần 3 - 4] Lắp đặt khung cơ khí, tích hợp trạm cân & trạm quang học   |
| [Tuần 5]     Nạp Firmware, cân chỉnh hệ số Loadcell & phổ màu TCS3200   |
| [Tuần 6]     Chạy thử nghiệm nghiệm thu (UAT) & Bàn giao vận hành       |
+-------------------------------------------------------------------------+

Phân tích Chi phí - Lợi ích (Cost-Benefit & ROI Analysis)

BẢNG DỰ TOÁN CHI PHÍ PHẦN CỨNG (BOM - BILL OF MATERIALS)
-----------------------------------------------------------------
1. Board Arduino Mega 2560 R3 chính hãng:        320.000 VNĐ
2. Cảm biến Loadcell 1kg + Module HX711:         110.000 VNĐ
3. Cảm biến nhận diện màu TCS3200:               135.000 VNĐ
4. Cảm biến tiệm cận hồng ngoại E18-D80NK (x2):  140.000 VNĐ
5. Động cơ DC giảm tốc GA25 200rpm (Băng tải):   160.000 VNĐ
6. Động cơ bước 42x42x50mm + Module L298N (x3): 690.000 VNĐ
7. Màn hình LCD 16x2 + Nguồn xung 12V 5A:        220.000 VNĐ
8. Khung cơ khí nhôm định hình & Dây băng tải:   850.000 VNĐ
-----------------------------------------------------------------
TỔNG CHI PHÍ VẬT TƯ CHẾ TẠO:                   2.625.000 VNĐ
-----------------------------------------------------------------
  • Thời gian hoàn vốn (ROI): Một công nhân kiểm tra ngoại quan thủ công có mức lương trung bình 6.000.000 VNĐ/tháng. Khi đưa hệ thống băng chuyền tự động này vào hoạt động, chi phí đầu tư 2.625.000 VNĐ sẽ được hoàn vốn trong vòng chưa đầy 15 ngày làm việc, đồng thời giải phóng nhân sự sang các khâu đóng thùng giá trị cao hơn.

Hạn chế và hướng phát triển

Hạn chế kỹ thuật hiện tại

  • Phụ thuộc ánh sáng môi trường: Cảm biến TCS3200 sử dụng 4 LED trắng tích hợp nhưng vẫn chịu ảnh hưởng nếu có nguồn sáng phức tạp hoặc bóng đổ từ môi trường ngoài chiếu trực tiếp vào buồng đo.
  • Tốc độ giới hạn bởi cơ cấu cân: Module HX711 có tốc độ lấy mẫu mặc định 10 SPS (Samples Per Second), đòi hỏi chai nước phải dừng trên bàn cân tĩnh khoảng 100 - 200ms để ổn định giá trị đọc.

Hướng nâng cấp mở rộng

  1. Nâng cấp truyền thông IoT Công nghiệp: Bổ sung vi điều khiển ESP32 hoặc module Ethernet W5500 để đẩy dữ liệu sản lượng, tỷ lệ lỗi thời gian thực lên Dashboard quản lý qua giao thức MQTT/HTTP.
  2. Ứng dụng Trí tuệ nhân tạo (AI at Edge): Tích hợp camera công nghiệp Raspberry Pi Camera hoặc ESP32-CAM chạy mô hình TinyML để nhận diện thêm lỗi rách nhãn mác, nứt vỡ cổ chai.
  3. Nâng cấp cảm biến cân động: Thay thế HX711 bằng vi mạch chuyên dụng tốc độ cao (80 SPS) để cân trực tiếp khi chai đang di chuyển trên băng chuyền mà không cần dừng lại.

Đối tượng hưởng lợi

  • Sinh viên & Học viên kỹ thuật: Nắm vững phương pháp tích hợp cảm biến đo lường công nghiệp (Loadcell, quang phổ, tiệm cận) với vi điều khiển ATmega, rèn luyện kỹ năng lập trình thời gian thực và thiết kế cơ điện tử (Mechatronics).
  • Kỹ sư lập trình nhúng: Sở hữu mã nguồn mẫu xử lý tín hiệu xung tần số và giải thuật lọc nhiễu trung bình cho cảm biến tải trọng có thể tái sử dụng ngay.
  • Chủ doanh nghiệp sản xuất nhỏ: Tiếp cận một giải pháp tự động hóa chi phí cực thấp, dễ dàng bảo dưỡng và lắp đặt tại chỗ.
  • Giảng viên & Nhà nghiên cứu: Bộ tài liệu tham khảo hoàn chỉnh phục vụ giảng dạy các môn học Vi điều khiển, Cảm biến công nghiệp và Đồ án tốt nghiệp đại học.

Câu hỏi thường gặp (FAQ)

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

Máy tính cần cài đặt phần mềm Arduino IDE (phiên bản từ 1.8.13 trở lên), cài đặt đầy đủ driver giao tiếp nạp CH340 hoặc FTDI cho chip nạp của bo mạch Arduino Mega 2560. Nguồn điện cấp cho hệ thống cần sử dụng nguồn tổ ong DC 12V có dòng định mức tối thiểu từ 3A đến 5A để đảm bảo không bị sụt áp khi cả 3 động cơ bước và động cơ DC cùng khởi động.

2. Hệ thống có khả năng mở rộng để kiểm tra chai có thể tích khác (ví dụ: 500ml, 1.5L) không?

Hoàn toàn có thể. Người vận hành chỉ cần thực hiện 2 thao tác:

  1. Điều chỉnh lại cữ nâng hạ độ cao của cảm biến TCS3200 và cảm biến hồng ngoại E18-D80NK trên thanh trượt nhôm định hình.
  2. Thay đổi giá trị biến ngưỡng trọng lượng (TARGET_WEIGHT_MIN, TARGET_WEIGHT_MAX) trong file mã nguồn chương trình và nạp lại vào vi điều khiển.

3. Cảm biến màu TCS3200 có bị nhầm lẫn nếu nắp chai có màu sắc khác không?

Không. Thuật toán trong đồ án đã quét tuần tự cả 3 thành phần phổ màu Red, Green, Blue. Nếu doanh nghiệp đổi sang nắp chai màu đỏ hoặc xanh lá, chỉ cần chạy chương trình lấy mẫu màu chuẩn (Calibration code) trong 5 giây để ghi lại các ngưỡng giá trị RGB mới vào bộ nhớ EEPROM của Arduino Mega 2560.

4. Chi phí bảo trì định kỳ của hệ thống là bao nhiêu?

Hệ thống sử dụng các linh kiện bán dẫn và động cơ bước không chổi than nên độ bền cơ khí rất cao. Chi phí bảo dưỡng chủ yếu là tra mỡ định kỳ cho hộp số động cơ DC GA25 sau mỗi 6 tháng (khoảng 50.000 VNĐ) và thay thế dây băng tải PVC nếu bị mài mòn sau 1-2 năm sử dụng (khoảng 150.000 VNĐ).

5. Tại sao không dùng cảm biến quang thông thường để đo mức nước mà phải dùng Loadcell?

Chai nước làm từ nhựa PET trong suốt chứa nước lọc trong vắt, dẫn đến hiện tượng khúc xạ và tán xạ ánh sáng rất phức tạp, khiến cảm biến quang thu - phát thông thường dễ báo sai trạng thái. Phương pháp cân trọng lượng thông qua Loadcell YZC-133 chuyển đổi trực tiếp $1\text{ ml} \approx 1\text{ g}$, cho độ tin cậy tuyệt đối bất kể độ trong suốt của vỏ chai hay màu sắc của chất lỏng.

Kết luận

Đề tài "Thiết kế và thi công băng chuyền kiểm tra sản phẩm dùng Arduino" của nhóm sinh viên Trường Đại học Sư phạm Kỹ thuật TP.HCM đã chứng minh tính khả thi vượt trội trong việc tự động hóa khâu kiểm tra và phân loại sản phẩm đóng chai với kinh phí đầu tư tối thiểu. Bằng cách kết hợp linh hoạt vi điều khiển Arduino Mega 2560 cùng cụm cảm biến đo lường công nghiệp (Loadcell YZC-133, HX711, TCS3200, E18-D80NK) và cơ cấu dẫn động bước L298N, hệ thống đã đạt tỷ lệ chính xác $99.0%$ trên 100 mẫu thử nghiệm thực tế.

Đây không chỉ là một công trình nghiên cứu học thuật đạt chuẩn tốt nghiệp đại học mà còn là một giải pháp kỹ thuật có khả năng chuyển giao công nghệ trực tiếp cho các doanh nghiệp vừa và nhỏ, góp phần thúc đẩy tiến trình hiện đại hóa và số hóa quy trình sản xuất trong nước. Bạn đọc và các kỹ sư quan tâm có thể áp dụng toàn bộ sơ đồ nguyên lý và khối thuật toán được công bố trong bài viết để phát triển các hệ thống phân loại tự động chuyên sâu hơn.