Bối cảnh và vấn đề nghiên cứu

Việt Nam nằm trong vùng khí hậu nhiệt đới gió mùa nóng ẩm, sở hữu điều kiện tự nhiên thuận lợi cho canh tác nông nghiệp. Trong cơ cấu nông sản xuất khẩu, cây ăn trái nói chung và trái cam nói riêng chiếm tỷ trọng đáng kể, được phân bố tập trung tại các vùng chuyên canh như Miền Trung và Đồng bằng sông Cửu Long. Tuy nhiên, khâu xử lý sau thu hoạch vẫn tồn tại điểm nghẽn lớn khi việc phân loại phẩm cấp sản phẩm chủ yếu dựa trên các phương thức truyền thống bộc lộ nhiều hạn chế:

  1. Phân loại thủ công bằng sức người: Tốn kém chi phí nhân công, năng suất thấp; kết quả đánh giá mang nặng tính chủ quan của người lao động do hiện tượng mỏi mắt; dữ liệu sản lượng không được ghi nhận và thống kê tự động.
  2. Phân loại cơ học bằng khuôn định cỡ: Đòi hỏi gia công lại kết cấu cơ khí khi thay đổi kích cỡ quả cam cần phân loại, làm gia tăng thời gian và chi phí vận hành; phương pháp này không có khả năng tích hợp tiêu chí đánh giá màu sắc hay độ chín của nông sản.

Nhằm giải quyết bất cập trên, đồ án tốt nghiệp ngành Công nghệ Kỹ thuật Điều khiển và Tự động hóa tại Trường Đại học Sư phạm Kỹ thuật Thành phố Hồ Chí Minh (do sinh viên Nguyễn Huỳnh Quế Anh và Phạm Thị Kim Thư thực hiện dưới sự hướng dẫn của TS. Trần Vi Đô) đã lựa chọn đề tài: "Thiết kế hệ thống phân loại cam theo màu sắc và kích thước bằng phương pháp xử lý ảnh".

Mục tiêu và nhiệm vụ nghiên cứu

Mục tiêu chung của đồ án là nghiên cứu, thiết kế và chế tạo mô hình thực nghiệm hệ thống phân loại quả cam theo hai tiêu chuẩn kích thước và màu sắc, đồng thời tích hợp chức năng giám sát, cập nhật sản lượng phân loại theo thời gian thực lên máy chủ Web Server.

Để hiện thực hóa mục tiêu, tác giả đặt ra 4 nhiệm vụ cụ thể:

  1. Thiết kế và thi công phần cứng bao gồm bộ điều khiển lập trình PLC điều khiển băng tải vận chuyển và cơ cấu gạt (pusher) tiếp nhận tín hiệu từ camera.
  2. Xây dựng giải thuật xử lý ảnh trên máy tính nhằm nhận diện sự hiện diện của quả cam, bóc tách thông tin màu sắc (độ chín) và tính toán kích thước hình học.
  3. Thiết lập và kiểm chứng giao thức truyền thông dữ liệu hai chiều giữa ngôn ngữ lập trình Python và bộ điều khiển PLC.
  4. Xây dựng giao diện Web Server cục bộ phục vụ giám sát, thống kê và hiển thị số lượng cam từng loại theo thời gian thực.

Đối tượng và phạm vi nghiên cứu

  • Đối tượng nghiên cứu: Quả cam cần phân loại thành 3 nhóm: Cam loại 1 (đạt chuẩn về kích thước lớn và màu chín), Cam loại 2 (kích thước nhỏ hơn hoặc độ chín trung bình), và Cam không đạt tiêu chuẩn.
  • Phạm vi không gian: Mô hình thực nghiệm được thiết kế khép kín với diện tích cơ sở giới hạn trong kích thước 60 x 100 cm, thực hiện tại phòng thí nghiệm Bộ môn Tự động Điều khiển, Khoa Điện – Điện tử, Trường Đại học Sư phạm Kỹ thuật TP.HCM.
  • Phạm vi thời gian: Đề tài được triển khai thực hiện trong thời gian từ ngày 21/01/2024 đến ngày 21/06/2024.

Cơ sở lý thuyết và phương pháp

Khung lý thuyết và mô hình ứng dụng

Đề tài áp dụng các nguyên lý nền tảng của thị giác máy tính và điều khiển tự động hóa công nghiệp:

  • Lý thuyết xử lý ảnh số: Quá trình xử lý ảnh trải qua chuỗi 6 bước tuần tự gồm: thu nhận ảnh qua cảm biến số hóa, tiền xử lý (lọc nhiễu, nâng cao tương phản), phân vùng ảnh (image segmentation), biểu diễn và mô tả đường bao đặc trưng (contour), nhận dạng phân lớp và tích hợp cơ sở tri thức (Knowledge Base). Về mặt toán học, ảnh số được mô tả dưới dạng ma trận mức xám $I(x,y)$ với quan hệ điểm ảnh lân cận (4 láng giềng hàng cột, 4 láng giềng chéo, và 8 láng giềng).
  • Mô hình không gian màu: Đồ án khảo sát các hệ màu RGB, CMYK, YCbCr và HSV. Trong đó, không gian màu HSV (Hue – sắc độ, Saturation – độ bão hòa, Value – giá trị độ sáng) được lựa chọn làm giải thuật cốt lõi để tách ngưỡng màu vỏ cam. Khác với hệ RGB mặc định (hoặc BGR trên OpenCV), không gian HSV phân tách độc lập kênh sắc độ khỏi cường độ chiếu sáng, giúp giải thuật duy trì độ chính xác cao ngay cả khi điều kiện ánh sáng môi trường có dao động nhẹ.
  • Giao thức truyền thông công nghiệp Modbus TCP/IP: Ứng dụng mô hình truyền thông Client - Server qua nền tảng mạng Ethernet công nghiệp. Gói tin Modbus được đóng gói trực tiếp vào khung dữ liệu TCP/IP thông qua cổng mạng tiêu chuẩn 502, cho phép phần mềm máy tính (Python) gửi trực tiếp các thanh ghi kết quả phân loại sang bộ nhớ trung gian của PLC mà không cần mạch chuyển đổi phần cứng phức tạp.

Phương pháp nghiên cứu

Đề tài kết hợp hai phương pháp nghiên cứu chính:

  • Phương pháp nghiên cứu lý thuyết: Thu thập, phân tích tài liệu chuyên ngành về các thuật toán phân đoạn ảnh trong thư viện OpenCV; nghiên cứu cấu trúc gói tin của giao thức Modbus TCP/IP; phân tích tập lệnh lập trình điều khiển PLC Siemens S7-1200 và cấu trúc cơ sở dữ liệu quan hệ Microsoft SQL Server.
  • Phương pháp thực nghiệm kỹ thuật: Thiết kế bản vẽ bố trí cơ điện; tính toán lựa chọn khí cụ đóng cắt và cơ cấu chấp hành khí nén; gia công lắp ráp mô hình; đo kiểm tín hiệu cảm biến; viết mã lệnh thực tế và chạy thử nghiệm phân loại trực tiếp trên mẫu quả cam để hiệu chỉnh ngưỡng nhận dạng.

Nguồn dữ liệu

Dữ liệu hình ảnh đầu vào được thu nhận trực tiếp từ webcam độ nét cao đặt trong buồng chụp kín chuyên dụng. Dữ liệu trạng thái và số lượng sản phẩm được cập nhật theo thời gian thực từ cảm biến quang điện và PLC, sau đó lưu trữ có cấu trúc trong cơ sở dữ liệu Microsoft SQL Server (thông qua bảng BANG1 lưu lịch sử và bảng DLCBHTO lưu trữ giá trị tức thời).

Thiết kế và triển khai hệ thống

Cấu trúc phần cứng

Hệ thống phân loại được quy hoạch thành các phân khu chức năng bố trí trên khung đế kích thước 60 x 100 cm:

  • Khối nguồn: Bộ chuyển đổi nguồn xung AC/DC chuyển điện áp lưới 220VAC thành điện áp một chiều 24VDC, dòng định mức 5A, công suất 120W (kích thước 199 x 98 x 38 mm), cấp nguồn cho toàn bộ mạch điều khiển, cảm biến và tải chấp hành.
  • Khối nhận dạng: Gồm một webcam chuẩn USB (kích thước 79 x 31 x 38,5 mm, độ phân giải quay video Full HD 1080p tốc độ 60 khung hình/giây, độ phân giải chụp ảnh 10MP) đặt phía trên buồng chụp kín cách ly ánh sáng nhiễu; một cảm biến vật cản hồng ngoại NPN model E3F-DS30C4 (điện áp 6–36VDC, khoảng cách phát hiện 5–30 cm, dòng ngõ ra 300mA, có đèn LED hiển thị) đặt tại vị trí đón mẫu trên băng tải để kích hoạt tín hiệu chụp ảnh.
  • Khối điều khiển:
    • Bộ điều khiển khả trình PLC Siemens S7-1200 CPU 1214C DC/DC/DC tích hợp sẵn 14 ngõ vào số DI (24VDC), 10 ngõ ra số DO (24VDC), 2 ngõ vào tương tự AI (0–10VDC), bộ nhớ làm việc 100KB, bộ nhớ tải 4MB, hỗ trợ giao tiếp Ethernet công nghiệp.
    • Module mở rộng ngõ vào số SM 1221 DC (mã 6ES7221-1BH32-0XB0, 16 ngõ vào số DI 24VDC kiểu Sink/Source, kích thước 88 x 109 x 56 mm) bổ sung vào hệ thống nhằm đáp ứng đủ 16 ngõ vào số theo yêu cầu thiết kế.
    • Nút nhấn cơ học LA38-11D (lỗ khoét phi 22 mm, tiếp điểm 1NO + 1NC, đèn báo 24VDC) bố trí trên mặt tủ điện nhựa ABS phục vụ thao tác vận hành bằng tay.
  • Khối cơ cấu chấp hành: Băng tải mini (dài 60 cm, rộng 15 cm, khung nhôm định hình 2020, dây belt PU, tải trọng dưới 10 kg) dẫn động bằng động cơ giảm tốc 24VDC; 3 relay trung gian Omron MY2N-GS-DC24V (cuộn hút 24VDC, tiếp điểm tải 5A); 2 xylanh khí nén tác động kép đường kính nòng 16 mm, hành trình 50 mm (16x50) gắn kèm cần gạt pusher; hệ thống điều khiển khí nén sử dụng cụm van điện từ AIRTAC 4V210-08 (van 5/2, cuộn coil 24VDC) để đóng mở luồng khí nén cho các xylanh.

Kiến trúc phần mềm và truyền thông

Kiến trúc phần mềm phân tầng được phối hợp vận hành chặt chẽ:

  1. Thuật toán xử lý ảnh trên Python (Visual Studio Code): Hình ảnh sau khi được camera chụp sẽ trải qua quá trình lọc nhiễu, chuyển đổi sang không gian màu HSV. Chương trình tiến hành áp ngưỡng màu sắc để xác định độ chín của quả cam, đồng thời tìm đường viền bao (contour) để tính diện tích và đường kính hình học nhằm phân loại kích thước thành Cam loại 1, Cam loại 2 hoặc Phế phẩm.
  2. Truyền thông Modbus TCP/IP: Đoạn mã Python đóng vai trò Master/Client thiết lập socket TCP kết nối tới địa chỉ IP của PLC Siemens S7-1200 qua cổng mạng 502, truyền kết quả phân loại dạng số nguyên vào các thanh ghi nhớ quy ước trên PLC.
  3. Chương trình điều khiển PLC (TIA Portal): Viết bằng ngôn ngữ sơ đồ hình thang (LAD), chia thành hai chế độ:
    • Chế độ Manual: Cho phép nhân viên vận hành cưỡng bức chạy/dừng băng tải, kích hoạt thử nghiệm từng xylanh gạt thông qua các nút nhấn LA38-11D hoặc nút ảo trên giao diện SCADA.
    • Chế độ Auto: Tự động đồng bộ chu trình vận hành. Khi cảm biến E3F-DS30C4 phát hiện quả cam tới vị trí buồng chụp, băng tải giảm tốc/dừng, camera chụp mẫu, Python phân tích và đẩy mã phân loại qua Modbus TCP/IP. PLC nhận diện dữ liệu, điều khiển băng tải đưa quả cam tới vị trí xylanh số 1 (loại 1) hoặc xylanh số 2 (loại 2) để gạt cam xuống máng chứa; quả không đạt tiếp tục trôi về cuối băng tải.
  4. Hệ thống giám sát SCADA và Web Server:
    • Giao diện WinCC (tích hợp trong TIA Portal) cung cấp màn hình giám sát thời gian thực trạng thái I/O, chuyển chế độ Auto/Manual và đếm số lượng tức thời.
    • Ứng dụng Web Server cục bộ (xây dựng bằng Visual Studio kết nối Microsoft SQL Server) bao gồm các module: Trang chủ, Trang thông tin liên hệ, Giao diện đăng nhập/phân quyền truy cập, Module đăng ký tài khoản, Bảng dữ liệu SQL (truy vấn toàn bộ hoặc lọc theo mốc thời gian từ bảng BANG1), và Trang giám sát trực tuyến (truy xuất chu kỳ dữ liệu từ bảng DLCBHTO).

Nội dung chính theo từng chương

Chương 1. Tổng quan

Chương 1 đặt vấn đề về vai trò của nông sản Việt Nam trên thị trường quốc tế, phân tích tiềm năng của ngành trồng cam tại Miền Trung và Đồng bằng sông Cửu Long. Tác giả đối chiếu hai phương pháp phân loại truyền thống (phân loại thủ công bằng tay và phân loại bằng khuôn cơ khí) để chỉ rõ nhược điểm về chi phí nhân công, sai số chủ quan và tính kém linh hoạt. Từ đó, chương trình bày mục tiêu nghiên cứu, phương pháp tiếp cận (lý thuyết kết hợp thực nghiệm), giới hạn đề tài, 4 nhiệm vụ cốt lõi và lịch trình thực hiện chi tiết trong 20 tuần.

Chương 2. Cơ sở lý thuyết

Chương 2 tập trung hệ thống hóa cơ sở khoa học của toàn bộ đề tài:

  • Trình bày lịch sử và khái niệm xử lý ảnh số, các bước tiêu chuẩn gồm: thu thập ảnh, tiền xử lý, phân vùng ảnh, biểu diễn/mô tả và nhận dạng nội suy.
  • Định nghĩa điểm ảnh, cấu trúc ảnh số (so sánh mô hình Bitmap và mô hình Vector), quan hệ điểm ảnh láng giềng (4 hàng cột, 4 chéo, 8 láng giềng), thang mức xám (ảnh nhị phân, ảnh xám 8-bit [0–255], ảnh màu 24-bit) và các định dạng tập tin đồ họa (BMP, JPEG, GIF, WMF).
  • Phân tích chi tiết 4 không gian màu: RGB, CMYK, HSV và YCbCr, giải thích cơ sở chọn hệ màu HSV cho bài toán phân loại quả cam.
  • Giới thiệu ngôn ngữ Python, thư viện OpenCV, kiến trúc truyền thông công nghiệp Modbus tiêu chuẩn (nguyên tắc Master – Slave, hỗ trợ tối đa 247 Slave) và chuẩn Modbus TCP/IP (truyền qua Ethernet, cổng mạng 502).
  • Khái quát tính năng của các phần mềm ứng dụng: TIA Portal, Visual Studio Code và Visual Studio.

Chương 3. Thiết kế hệ thống

Chương 3 trình bày toàn bộ quá trình tính toán và hiện thực hóa thiết kế:

  • Xác định yêu cầu phần cứng (giới hạn diện tích 60 x 100 cm, buồng chụp kín) và yêu cầu phần mềm (nhận diện màu sắc, phân loại kích thước, tích hợp SCADA WinCC và Web Server quản lý số lượng).
  • Lập bảng thông số kỹ thuật chi tiết cho các linh kiện: bộ nguồn tổ ong 24VDC 5A (120W), webcam 1080p 60fps, cảm biến quang E3F-DS30C4, PLC Siemens S7-1200 CPU 1214C DC/DC/DC, module mở rộng SM 1221 DC (16 DI), nút nhấn LA38-11D, băng tải PU mini 60 x 15 cm, relay Omron MY2N-GS-DC24V, xylanh khí nén 16x50 và van điện từ khí nén AIRTAC 4V210-08.
  • Xây dựng sơ đồ nguyên lý mạch điều khiển, mạch động lực, sơ đồ hệ thống khí nén và bản vẽ bố trí thiết bị bên trong tủ điện nhựa ABS.
  • Thiết lập ngưỡng màu sắc HSV cho cam loại 1 và cam loại 2; xây dựng lưu đồ giải thuật nhận diện trên Python; xây dựng lưu đồ giải thuật điều khiển PLC cho chế độ Auto và Manual.
  • Lập trình cấu trúc bảng cơ sở dữ liệu trên Microsoft SQL Server và thiết kế toàn diện các trang giao diện Web Server cục bộ phục vụ giám sát và truy xuất báo cáo.

Chương 4. Kết quả

Chương 4 công bố các kết quả thực nghiệm đạt được:

  • Trình bày hình ảnh mô hình vật lý hoàn chỉnh: tủ điện điều khiển, bố trí băng tải, buồng chụp quang học và các cơ cấu pusher khí nén.
  • Kết quả phần mềm: hình ảnh xử lý ảnh trích xuất biên dạng và màu sắc cam trên Python; kết quả giao tiếp truyền tín hiệu phân loại thành công từ Python sang PLC; giao diện điều khiển giám sát WinCC hoạt động ổn định; các chức năng đăng nhập, truy vấn lịch sử bảng BANG1 và giám sát trực tuyến bảng DLCBHTO trên Web Server.
  • Thực hiện so sánh đối chứng giữa hệ thống thực nghiệm với phương pháp phân loại bằng tay và phân loại bằng khuôn cơ khí thông qua bảng so sánh tốc độ và độ chính xác.

Chương 5. Kết luận và hướng phát triển

Chương 5 tổng kết mức độ hoàn thành so với mục tiêu ban đầu, xác nhận hệ thống đã thực hiện phân loại cam theo màu sắc và kích thước theo đúng thiết kế. Chương cũng thẳng thắn chỉ ra các hạn chế kỹ thuật còn tồn đọng trong quá trình thử nghiệm và đề xuất các giải pháp nâng cấp cụ thể cho giai đoạn tiếp theo.

Kết quả và đóng góp

Kết quả kỹ thuật thực nghiệm

Đồ án đã chế tạo thành công một mô hình hoàn chỉnh, tích hợp liên ngành giữa cơ khí, điện tử, điều khiển tự động và công nghệ phần mềm:

  • Chế tạo thành công mô hình cơ điện kích thước 60 x 100 cm với buồng chụp ảnh cách ly quang học, băng tải PU kích thước 60 x 15 cm vận hành êm ái, tủ điện điều khiển công nghiệp chứa PLC S7-1200 cùng module SM 1221 được đấu nối gọn gàng, an toàn.
  • Thuật toán Python - OpenCV nhận diện chính xác biên dạng quả cam, phân loại kích thước và bóc tách ngưỡng màu HSV để phân chia thành cam loại 1, cam loại 2 hoặc cam loại bỏ.
  • Thiết lập kênh truyền thông Modbus TCP/IP ổn định qua cổng 502, đảm bảo dữ liệu phân loại từ script Python được cập nhật tức thời vào các vùng nhớ của PLC S7-1200 để kích hoạt các van điện từ 4V210-08 điều khiển xylanh gạt đúng chu kỳ.
  • Vận hành thành công Web Server nội bộ kết nối Microsoft SQL Server, hỗ trợ giám sát số lượng phân loại theo thời gian thực và phân quyền tài khoản quản trị.

So sánh các phương pháp phân loại cam

Dựa trên các phân tích và số liệu đánh giá tại Chương 4, bảng dưới đây tổng hợp so sánh giữa hệ thống của đồ án với các phương thức phân loại hiện có:

Tiêu chí so sánh Phân loại thủ công bằng tay Phân loại cơ học bằng khuôn Hệ thống xử lý ảnh và PLC của đề tài
Tiêu chí phân loại Màu sắc và kích thước (dựa trên cảm quan người lao động) Duy nhất tiêu chí kích thước quả Kết hợp đồng thời màu sắc (độ chín qua HSV) và kích thước (contour)
Tính khách quan và độ chính xác Thấp, dễ xảy ra sai sót khi nhân công mệt mỏi Phụ thuộc vào độ chính xác cơ khí của lỗ khuôn Cao, thuật toán đo đạc dựa trên ngưỡng số liệu định lượng
Tính linh hoạt khi đổi quy chuẩn Phụ thuộc vào việc đào tạo lại thói quen nhân công Kém, phải gia công lại toàn bộ khuôn mẫu gây tốn thời gian và chi phí Rất cao, chỉ cần hiệu chỉnh lại giá trị ngưỡng trong mã nguồn Python
Quản lý và thống kê dữ liệu Ghi chép sổ sách thủ công, chậm trễ, dễ thất thoát Hoàn toàn không có khả năng lưu trữ hay số hóa Tự động ghi nhận vào SQL Server, theo dõi trực tiếp qua Web Server và WinCC
Nhu cầu nhân lực vận hành Đòi hỏi lực lượng lao động lớn, chi phí duy trì định kỳ cao Cần công nhân cấp phôi và theo dõi kẹt nông sản tại khuôn Tự động hóa hoàn toàn, chỉ cần 1 nhân viên giám sát hệ thống

Đóng góp kỹ thuật của đề tài

Tác giả đã tự xác định các đóng góp chính của công trình:

  • Xây dựng thành công giải pháp kết nối truyền thông công nghiệp Modbus TCP/IP giữa nền tảng mã nguồn mở (Python) với thiết bị điều khiển công nghiệp tiêu chuẩn (PLC Siemens S7-1200), khắc phục rào cản giao tiếp giữa máy tính tính toán thị giác và phần cứng chấp hành công nghiệp.
  • Cung cấp một giải pháp phân loại nông sản tích hợp đồng thời hai chỉ tiêu chất lượng (kích thước và độ chín màu sắc), thay thế cho phương pháp phân loại khuôn cơ khí đơn chỉ tiêu truyền thống.
  • Thiết lập quy trình số hóa toàn diện từ khâu tiếp nhận hình ảnh, điều khiển phân loại vật lý đến lưu trữ cơ sở dữ liệu quan hệ SQL Server và hiển thị Web Server, hỗ trợ hiệu quả cho công tác quản trị sản xuất.

Hạn chế và hướng nghiên cứu tiếp

Hạn chế tồn tại

Dựa trên nội dung đồ án và biên bản nhận xét của giảng viên hướng dẫn, hệ thống còn tồn tại các giới hạn kỹ thuật sau:

  • Phụ thuộc vào máy tính ngoài: Hệ thống chưa vận hành hoàn toàn độc lập mà bắt buộc phải kết nối liên tục với một laptop bên ngoài để thực thi chương trình xử lý ảnh Python và gửi lệnh điều khiển xuống PLC.
  • Góc thu nhận hình ảnh hạn chế: Camera gắn cố định chỉ thu nhận được hình ảnh từ một mặt phía trên của quả cam khi di chuyển qua buồng chụp, chưa phản ánh được toàn diện màu sắc hoặc khuyết tật ở các góc khuất mặt dưới của quả.
  • Chu kỳ vận hành tuần tự: Hệ thống chỉ thực hiện phân loại tuần tự từng quả theo chu kỳ ngắt quãng, chưa đáp ứng được lưu lượng phân loại dòng chảy liên tục với mật độ quả dày đặc.
  • Giới hạn quy mô mô hình: Kết cấu cơ khí được thiết kế ở dạng mô hình phòng thí nghiệm (băng tải dài 60 cm, tải trọng dưới 10 kg), chưa tương thích với môi trường phân loại quy mô lớn và đa nhiệm vụ trong các nhà máy chế biến nông sản.

Hướng nghiên cứu tiếp

Để hoàn thiện hệ thống hướng tới ứng dụng thực tế, các hướng phát triển được đề xuất bao gồm:

  • Tích hợp bộ xử lý thị giác nhúng chuyên dụng (như kit máy tính nhúng Raspberry Pi, NVIDIA Jetson hoặc IPC công nghiệp) lắp đặt trực tiếp bên trong tủ điện điều khiển, loại bỏ hoàn toàn sự phụ thuộc vào máy tính xách tay bên ngoài.
  • Nâng cấp hệ thống cơ cấu con lăn xoay quả cam 360 độ hoặc bổ sung đa camera để thu nhận hình ảnh toàn diện từ nhiều góc độ, nâng cao độ chính xác khi đánh giá chất lượng quả.
  • Tối ưu hóa thuật toán xử lý ảnh và nâng cấp tốc độ đáp ứng của cơ cấu chấp hành để phân loại liên tục sản phẩm trên băng chuyền tốc độ cao.
  • Mở rộng chức năng nhận diện các khuyết tật vỏ cam như vết nấm mốc, rám nắng, thâm dập bằng các mô hình học sâu (Deep Learning) nâng cao.

Giá trị tham khảo

Báo cáo đồ án tốt nghiệp là tài liệu kỹ thuật có giá trị tham khảo thiết thực đối với sinh viên, kỹ sư thuộc các chuyên ngành Công nghệ Kỹ thuật Điều khiển và Tự động hóa, Cơ điện tử, Kỹ thuật Điện – Điện tử và Công nghệ Thông tin.

Tài liệu cung cấp các nội dung ứng dụng thực hành đáng chú ý:

  • Phương pháp cấu hình và lập trình truyền thông Modbus TCP/IP giữa Python và PLC Siemens S7-1200 thông qua cổng Ethernet 502.
  • Kỹ thuật phân đoạn ảnh, xử lý ngưỡng màu trên không gian HSV và trích xuất đường viền contour bằng thư viện OpenCV trong bài toán kiểm định nông sản.
  • Thiết kế hoàn chỉnh sơ đồ mạch điều khiển công nghiệp 24VDC, mạch động lực, mạch nguyên lý khí nén và phương pháp kết nối dữ liệu từ PLC lên cơ sở dữ liệu Microsoft SQL Server để xây dựng Web Server giám sát sản xuất.

Câu hỏi thường gặp

1. Tại sao hệ thống phải lắp đặt thêm module mở rộng SM 1221 DC trong khi PLC S7-1200 đã có sẵn ngõ vào số?

Theo thiết kế phần cứng tại Chương 3, hệ thống yêu cầu tổng cộng 16 ngõ vào số (DI) để kết nối các cảm biến và dàn nút nhấn điều khiển cơ học LA38-11D. Tuy nhiên, bộ điều khiển PLC Siemens S7-1200 CPU 1214C DC/DC/DC tích hợp sẵn chỉ cung cấp 14 kênh DI (24VDC). Do đó, tác giả đã trang bị thêm module mở rộng SM 1221 DC (mã sản phẩm 6ES7221-1BH32-0XB0) cung cấp thêm 16 kênh DI 24VDC để đáp ứng đủ số lượng đầu vào cần thiết cho hệ thống.

2. Vì sao giải thuật xử lý ảnh lại chuyển đổi sang không gian màu HSV thay vì sử dụng hệ màu RGB mặc định?

Trong bài toán nhận dạng màu sắc nông sản, hệ màu RGB biểu diễn màu sắc dựa trên sự kết hợp của ba kênh Đỏ, Lục, Lam nên cường độ màu và độ sáng bị phụ thuộc lẫn nhau; khi ánh sáng môi trường thay đổi nhẹ, giá trị cả ba kênh đều biến động. Trong khi đó, không gian màu HSV tách biệt rõ ràng giữa sắc độ (Hue), độ bão hòa (Saturation) và giá trị độ sáng (Value). Giải thuật trích xuất màu quả cam chỉ cần lọc ngưỡng trên kênh Hue để phân biệt chính xác mức độ chín mà không bị ảnh hưởng tiêu cực bởi độ chói sáng trên bề mặt quả cam.

3. Giao thức Modbus TCP/IP kết nối Python và PLC hoạt động theo cơ chế nào và sử dụng cổng kết nối nào?

Giao thức Modbus TCP/IP vận hành theo nguyên tắc Client – Server (Master – Slave) thông qua lớp mạng Ethernet công nghiệp. Trong hệ thống này, máy tính chạy đoạn mã Python đóng vai trò Modbus Client/Master thực hiện kết nối tới Modbus Server/Slave là PLC Siemens S7-1200 qua cổng mạng chuẩn 502. Các mã phân loại quả cam sau khi tính toán xong được ghi trực tiếp vào các thanh ghi dữ liệu của PLC để điều khiển tức thời các ngõ ra.

4. Cơ cấu chấp hành phân loại cam sử dụng những thiết bị khí nén và điện tử cụ thể nào?

Khối chấp hành phân loại bao gồm: 01 băng tải mini PU (kích thước 60 x 15 cm) kéo bởi động cơ giảm tốc 24VDC; 03 relay trung gian Omron MY2N-GS-DC24V dùng tiếp điểm 5A đóng cắt tải; 02 xylanh khí nén tác động kép kích thước 16x50 gắn cần gạt pusher để gạt cam loại 1 và loại 2; và cụm van điện từ AIRTAC 4V210-08 (van 5/2, cuộn coil 24VDC) để điều phối nguồn khí nén đóng/mở piston của từng xylanh.

5. Dữ liệu phân loại được lưu trữ vào các bảng nào trong cơ sở dữ liệu Microsoft SQL Server?

Hệ thống sử dụng Microsoft SQL Server để lưu trữ dữ liệu thông qua hai bảng chính: bảng BANG1 dùng để lưu trữ toàn bộ lịch sử phân loại chi tiết theo từng mốc thời gian phục vụ việc tra cứu và xuất báo cáo; và bảng DLCBHTO dùng để cập nhật các giá trị số lượng quả tức thời phục vụ cho trang giao diện giám sát trực tuyến trên Web Server.

Kết luận

Đồ án tốt nghiệp "Thiết kế hệ thống phân loại cam theo màu sắc và kích thước bằng phương pháp xử lý ảnh" đã hoàn thành việc thiết kế, chế tạo và thử nghiệm một mô hình tự động hóa phân loại nông sản quy mô phòng thí nghiệm. Công trình kết hợp thành công kỹ thuật thị giác máy tính trên nền tảng Python/OpenCV với bộ điều khiển công nghiệp PLC Siemens S7-1200 thông qua giao thức Modbus TCP/IP, đồng thời xây dựng hệ thống quản lý dữ liệu tập trung qua SQL Server và Web Server giám sát. Mặc dù vẫn còn những hạn chế về sự phụ thuộc vào máy tính xách tay bên ngoài và góc quan sát một mặt của sản phẩm, kết quả nghiên cứu đã chứng minh tính khả thi kỹ thuật và cung cấp nền tảng thực nghiệm quan trọng cho việc phát triển các dây chuyền phân loại nông sản công nghiệp tự động trong tương lai.