Giới thiệu dự án

Ngành nông nghiệp giữ vai trò trụ cột trong cơ cấu kinh tế Việt Nam, đóng góp đáng kể vào tổng kim ngạch xuất khẩu quốc gia. Trong nhóm cây ăn quả nhiệt đới, cam sành và các giống cam đặc sản tại Đồng bằng sông Cửu Long cũng như khu vực Miền Trung sở hữu sản lượng dồi dào và giá trị thương phẩm cao. Tuy nhiên, khâu xử lý và phân loại nông sản sau thu hoạch tại đa số cơ sở chế biến trong nước vẫn phụ thuộc lớn vào phương pháp thủ công hoặc các thiết bị cơ khí thô sơ. Thực trạng này dẫn đến tỷ lệ phân loại sai lệch lên tới 15 - 20%, chi phí nhân công tăng cao và giảm sức cạnh tranh khi đưa nông sản vào chuỗi cung ứng chuẩn hóa.

Phương pháp phân loại thủ công bộc lộ rõ các điểm nghẽn: tính chủ quan của người lao động gây thiếu đồng nhất, khó kiểm soát chất lượng ở quy mô lớn, và không có khả năng số hóa dữ liệu sản xuất thời gian thực. Trong khi đó, các hệ thống phân loại dạng trống quay hay khuôn cơ khí chỉ đánh giá được kích thước vật lý, hoàn toàn bất lực trước tiêu chí màu sắc (độ chín của vỏ), đồng thời ma sát cơ học từ khuôn dễ gây dập nát, trầy xước bề mặt quả.

Hệ thống "Phân loại cam theo màu sắc và kích thước bằng phương pháp xử lý ảnh" được nghiên cứu và chế tạo nhằm tự động hóa toàn diện quy trình kiểm tra chất lượng nông sản. Dự án tích hợp công nghệ thị giác máy tính (Computer Vision) trên nền tảng Python/OpenCV cùng bộ điều khiển logic khả trình công nghiệp (PLC) Siemens S7-1200 để phân loại cam theo thời gian thực (Real-time).

+-------------------------------------------------------------------------+
|                        HỆ THỐNG PHÂN LOẠI CAM                           |
|                                                                         |
|  [Khối Cảm Biến/Camera] ---> [Khối Xử Lý Python] ---> [Khối Điều Khiển] |
|   - Webcam 1080p 60fps        - OpenCV (HSV/Contour)   - PLC S7-1200    |
|   - Sensor E3F-DS30C4         - Modbus TCP/IP Client   - Module SM 1221 |
|                                                              |          |
|                                                              v          |
|  [Khối Giám Sát/Lưu Trữ] <------------------------- [Cơ Cấu Chấp Hành]  |
|   - SCADA WinCC Portal                                 - Xylanh 16x50   |
|   - Web Server + MS SQL                                - Van AIRTAC     |
|                                                        - Băng tải 24VDC |
+-------------------------------------------------------------------------+

Mục tiêu kỹ thuật của dự án

  1. Thiết kế phần cứng cơ điện tử: Gia công khung mô hình kích thước $600 \times 1000\text{ mm}$ tích hợp băng tải PU $60 \times 15\text{ cm}$ dẫn động bằng động cơ giảm tốc $24\text{VDC}$, buồng tối quang học triệt tiêu nhiễu sáng môi trường, hệ thống xylanh khí nén gạt sản phẩm tốc độ cao.
  2. Xây dựng giải thuật thị giác máy tính: Ứng dụng thư viện OpenCV để trích xuất diện tích đường bao (xác định kích thước) và phân tích không gian màu HSV (xác định độ chín) của quả cam.
  3. Phát triển giao thức truyền thông công nghiệp: Thiết lập đường truyền Modbus TCP/IP chuẩn công nghiệp (Port 502) đồng bộ dữ liệu hai chiều giữa máy tính xử lý ảnh (Master/Client) và PLC Siemens S7-1200 (Slave/Server).
  4. Hệ thống giám sát SCADA và quản trị dữ liệu: Lập trình giao diện vận hành WinCC và xây dựng Web Server cục bộ kết nối cơ sở dữ liệu Microsoft SQL Server để thống kê sản lượng theo thời gian thực.

Phạm vi và giới hạn hệ thống

  • Phạm vi nhận diện: Nhận diện 03 phân lớp sản phẩm: Cam Loại 1 (kích thước lớn, màu vàng chín đạt chuẩn), Cam Loại 2 (kích thước trung bình, chín tới), và Cam Không Đạt (vỏ xanh, kích thước nhỏ hoặc dị tật).
  • Giới hạn kỹ thuật: Thu nhận ảnh 2D từ một góc nhìn thẳng đứng bên trên buồng chụp; phân loại tuần tự từng sản phẩm trên băng tải đơn làn với tải trọng giới hạn dưới $10\text{ kg}$.

Phân tích và thiết kế giải pháp

Phân tích hiện trạng

Tiêu chí so sánh Phân loại thủ công Phân loại bằng khuôn cơ khí Hệ thống thị giác máy tính & PLC
Độ chính xác $70 - 80%$ (Phụ thuộc thị lực) $80 - 85%$ (Chỉ đo kích thước) $\mathbf{95 - 98%}$ (Đo đồng thời màu & cỡ)
Tốc độ xử lý $1 - 2\text{ giây/quả}$ $0.5 - 1\text{ giây/quả}$ $\mathbf{0.2 - 0.4\text{ giây/quả}}$
Tổn hao nông sản Trung bình Cao (Dễ trầy xước/dập nát vỏ) Cực thấp (Cơ cấu gạt khí nén êm)
Tính linh hoạt Kém Rất thấp (Phải gia công lại khuôn) Rất cao (Cấu hình lại ngưỡng phần mềm)
Thu thập dữ liệu Thủ công, ghi chép sổ sách Không có Tự động lưu vào SQL Server & Web

Phân tích yêu cầu hệ thống theo mô hình MoSCoW:

  • Must have (Bắt buộc): Nhận diện chính xác màu sắc/kích thước trong buồng kín; điều khiển 2 xylanh khí nén gạt đúng vị trí phân loại; truyền thông Modbus TCP/IP ổn định giữa Python và PLC S7-1200; nút dừng khẩn cấp (Emergency Stop).
  • Should have (Nên có): Giao diện SCADA WinCC hiển thị trạng thái I/O và chế độ Manual/Auto; Web Server truy xuất dữ liệu sản lượng.
  • Could have (Có thể mở rộng): Phân tích hình thái khuyết tật bề mặt vỏ cam; tích hợp cảm biến cân trọng lượng tích hợp.
  • Won't have (Chưa thực hiện): Nhận diện xoay $360^\circ$ đa chiều quả cam; phân loại trên băng chuyền đa làn tốc độ siêu cao.

Thiết kế hệ thống

Kiến trúc hệ thống phân tầng theo mô hình tự động hóa:

  • Tầng chấp hành và cảm biến: Cảm biến hồng ngoại NPN E3F-DS30C4 (khoảng cách nhận $5 - 30\text{ cm}$), Webcam Full HD 1080p 60fps cổng USB 2.0, van điện từ khí nén AIRTAC 4V210-08 ($5/2$ Single Solenoid $24\text{VDC}$), xylanh khí nén $16 \times 50\text{ mm}$, Relay trung gian Omron MY2N-GS $24\text{VDC}$.
  • Tầng điều khiển trung gian: Bộ điều khiển PLC Siemens SIMATIC S7-1200 CPU 1214C DC/DC/DC (Mã 6ES7214-1AG40-0XB0) tích hợp 14 ngõ vào Digital Input ($24\text{VDC}$), 10 ngõ ra Digital Output ($24\text{VDC}$), mở rộng thêm Module ngõ vào SM 1221 DC (Mã 6ES7221-1BH32-0XB0, 16 DI).
  • Tầng xử lý dữ liệu cấp cao: Máy tính công nghiệp chạy script Python 3.10 xử lý OpenCV, giao thức pyModbusTCP gửi kết quả nhận dạng vào thanh ghi Holding Register của PLC.
  • Tầng quản trị & cơ sở dữ liệu: Microsoft SQL Server lưu trữ bảng dữ liệu BANG1 (dữ liệu phân loại chi tiết) và DLCBHTO (trạng thái cảm biến/hệ thống).
+-------------------------------------------------------------------+
|                        KIẾN TRÚC PHẦN MỀM                         |
|                                                                   |
|  [Webcam USB] ---> [OpenCV: BGR -> HSV -> Contours]               |
|                                |                                  |
|                                v                                  |
|                       [Phân Loại 1, 2, 3]                         |
|                                |                                  |
|                                v                                  |
|                 [pyModbusTCP: Ghi Holding Reg]                    |
|                                | (Port 502)                       |
|                                v                                  |
|   +-----------------------------------------------------------+   |
|   | PLC S7-1200 (MB_SERVER)                                    |   |
|   |  - Read Register ---> Trích xuất phân loại Cam            |   |
|   |  - Sensor Trigger -> Kích Timer Shifting -> Kích Xylanh   |   |
|   +-----------------------------------------------------------+   |
|         |                                           |             |
|         v                                           v             |
|  [WinCC SCADA Monitor]                    [Node.js/SQL Server]    |
|                                           - Web Server Quản Lý    |
+-------------------------------------------------------------------+

Phương pháp luận (Methodology)

Dự án áp dụng mô hình thiết kế song song Cơ khí - Điện tử - Phần mềm (Co-Design V-Model) kéo dài 20 tuần:

Mốc thời gian Nội dung công việc và Deliverables
Tuần 1 - 4 Khảo sát bài toán, nghiên cứu lý thuyết xử lý ảnh, Modbus TCP/IP và lập đề cương kỹ thuật.
Tuần 5 - 9 Xây dựng thuật toán OpenCV trên Python; thiết kế sơ đồ nguyên lý mạch điện; giả lập PLC trên TIA Portal V17.
Tuần 10 - 14 Tính toán chọn thiết bị, gia công khung băng tải, lắp ráp tủ điện ABS và tích hợp van khí nén.
Tuần 15 - 18 Đấu nối I/O thực tế, cấu hình khối MB_SERVER trên PLC, kết nối Python sang PLC qua switch mạng Ethernet.
Tuần 19 - 20 Cân chỉnh thời gian trễ của xylanh, tối ưu hóa ngưỡng màu HSV, kiểm thử tải và hoàn thiện báo cáo.

Implementation và kết quả

Quy trình phát triển và thuật toán cốt lõi

Quy trình xử lý ảnh trên Python trải qua 5 bước liên hoàn:

  1. Thu nhận ảnh (Acquisition): Đọc frame hình $1920 \times 1080$ từ Webcam bên trong buồng tối chiếu sáng nhân tạo.
  2. Tiền xử lý (Preprocessing): Cắt vùng quan tâm (ROI - Region of Interest), chuyển đổi từ không gian màu BGR sang HSV (cv2.cvtColor), áp dụng bộ lọc Gaussian Blur ($5 \times 5$) để khử nhiễu hạt.
  3. Phân đoạn ảnh và trích xuất đặc trưng (Segmentation & Feature Extraction): Sử dụng hàm cv2.inRange lọc dải màu cam/vàng đặc trưng, áp dụng phép toán hình thái học Morphological Opening/Closing để lấp đầy lỗ trống, gọi hàm cv2.findContours tìm đường bao quả cam.
  4. Tính toán kích thước: Đo diện tích đường bao thông qua cv2.contourArea(cnt) và tính bán kính đường tròn bao nhỏ nhất cv2.minEnclosingCircle(cnt).
  5. Định danh phân loại: Đánh giá đồng thời ngưỡng màu sắc trung bình và diện tích pixel để gán mã định danh:
    • Mã 1 (Loại 1): Độ bao phủ màu vàng/cam $> 70%$, Diện tích $S \ge 18,000\text{ px}$.
    • Mã 2 (Loại 2): Độ bao phủ màu vàng/cam $> 50%$, Diện tích $12,000\text{ px} \le S < 18,000\text{ px}$.
    • Mã 3 (Không đạt): Diện tích $S < 12,000\text{ px}$ hoặc tỷ lệ màu xanh chiếm ưu thế.
import cv2
import numpy as np
from pyModbusTCP.client import ModbusClient

# Cấu hình kết nối Modbus TCP/IP tới PLC Siemens S7-1200
PLC_IP = "192.168.0.1"
PLC_PORT = 502
client = ModbusClient(host=PLC_IP, port=PLC_PORT, auto_open=True, auto_close=True)

# Khởi tạo Video Capture từ Webcam
cap = cv2.VideoCapture(0)
cap.set(cv2.CAP_PROP_FRAME_WIDTH, 1280)
cap.set(cv2.CAP_PROP_FRAME_HEIGHT, 720)

# Dải ngưỡng màu HSV cho cam đạt độ chín (Vàng - Cam)
LOWER_ORANGE = np.array([11, 100, 100])
UPPER_ORANGE = np.array([25, 255, 255])

AREA_THRESHOLD_TYPE1 = 18000  # Ngưỡng diện tích Loại 1 (pixels)
AREA_THRESHOLD_TYPE2 = 12000  # Ngưỡng diện tích Loại 2 (pixels)

def process_and_classify():
    ret, frame = cap.read()
    if not ret:
        return 0
    
    # Tiền xử lý không gian màu
    roi = frame[100:620, 200:1080] # Cắt vùng kiểm tra ROI
    hsv = cv2.cvtColor(roi, cv2.COLOR_BGR2HSV)
    mask = cv2.inRange(hsv, LOWER_ORANGE, UPPER_ORANGE)
    
    # Khử nhiễu hình thái học (Morphology)
    kernel = np.ones((5, 5), np.uint8)
    mask_cleaned = cv2.morphologyEx(mask, cv2.MORPH_OPEN, kernel)
    mask_cleaned = cv2.morphologyEx(mask_cleaned, cv2.MORPH_CLOSE, kernel)
    
    contours, _ = cv2.findContours(mask_cleaned, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)
    classification_result = 3 # Mặc định: Loại 3 (Không đạt)
    
    for cnt in contours:
        area = cv2.contourArea(cnt)
        if area > AREA_THRESHOLD_TYPE2:
            if area >= AREA_THRESHOLD_TYPE1:
                classification_result = 1 # Cam Loại 1
            else:
                classification_result = 2 # Cam Loại 2
            break
            
    # Ghi kết quả vào thanh ghi Modbus Holding Register 40001 (Offset 0) của PLC
    if client.is_open:
        client.write_single_register(0, classification_result)
        
    return classification_result

Logic điều khiển trên PLC Siemens S7-1200

Chương trình PLC được cấu trúc hóa trong môi trường TIA Portal V17:

  • Khối chức năng MB_SERVER: Lắng nghe kết nối TCP trên Port 502, ánh xạ dữ liệu nhận từ Python vào vùng nhớ DB_Modbus.Data[0].
  • Đồng bộ cơ cấu chấp hành (Tracking & Shift Register):
    • Khi cảm biến hồng ngoại $E3F\text{-}DS30C4$ tại cổng I0.0 phát hiện sản phẩm đi vào vùng camera, tín hiệu kích hoạt cờ đọc dữ liệu phân loại.
    • PLC kích hoạt bộ định thời gian trễ (Timer On-Delay TON) tỷ lệ thuận với vận tốc băng tải ($v = 0.15\text{ m/s}$).
    • Nếu kết quả là Mã 1: Timer 1 kích hoạt ngõ ra Q0.1 (Relay kích van điện từ 1 đẩy Xylanh 1 sau $1.2\text{s}$).
    • Nếu kết quả là Mã 2: Timer 2 kích hoạt ngõ ra Q0.2 (Relay kích van điện từ 2 đẩy Xylanh 2 sau $2.4\text{s}$).
    • Nếu kết quả là Mã 3: Sản phẩm tiếp tục di chuyển về cuối băng tải vào thùng chứa phế phẩm.
                  SƠ ĐỒ NGUYÊN LÝ KHÍ NÉN VÀ ĐIỀU KHIỂN
                  
  [Khí Nén 6-8 bar] ---> [FRL - Bộ Lọc Khí]
                                |
                 +--------------+--------------+
                 |                             |
                 v                             v
        [Van AIRTAC 4V210-08]        [Van AIRTAC 4V210-08]
             (Cuộn hút 1)                 (Cuộn hút 2)
                 |                             |
                 v                             v
        [Xylanh Khí Nén 1]           [Xylanh Khí Nén 2]
         (Gạt Cam Loại 1)             (Gạt Cam Loại 2)

Kết quả kiểm nghiệm và dữ liệu thực nghiệm

Hệ thống được thử nghiệm trên tập mẫu 150 quả cam với các kích cỡ và mức độ chín khác nhau.

Nhóm sản phẩm thử nghiệm Số lượng mẫu Nhận diện đúng Tỷ lệ chính xác (%) Thời gian xử lý trung bình (ms)
Cam Loại 1 (To, Vàng đều) 50 48 $96.0%$ $185\text{ ms}$
Cam Loại 2 (Vừa, Chín tới) 50 47 $94.0%$ $192\text{ ms}$
Cam Loại 3 (Nhỏ, Xanh/Lỗi) 50 49 $98.0%$ $178\text{ ms}$
Tổng thể hệ thống 150 144 96.0% 185 ms

Thống kê hiệu năng hệ thống:

  • Tốc độ truyền thông Modbus TCP/IP: Chu kỳ gửi/nhận dữ liệu ổn định ở mức $15 - 25\text{ ms}$.
  • Thời gian đáp ứng cơ cấu chấp hành (Khí nén + Xylanh): $120\text{ ms}$.
  • Năng suất phân loại thực tế: Đạt $30 - 35\text{ quả/phút}$ trên mô hình đơn làn.

Đổi mới và đóng góp

  1. Tích hợp kép đồng thời Màu sắc & Kích thước: Khắc phục nhược điểm của các giải pháp cơ khí truyền thống chỉ đo được hình học. Thuật toán kết hợp trích xuất diện tích Contour và phân tích biểu đồ không gian màu HSV giúp phân loại chuẩn xác độ chín mà không làm tổn thương bề mặt vỏ cam.
  2. Kiến trúc điều khiển lai (Hybrid Control Architecture): Kết hợp khả năng tính toán thông minh của Python/OpenCV trên máy tính với độ tin cậy, tính ổn định chuẩn công nghiệp và khả năng hoạt động liên tục $24/7$ của PLC Siemens S7-1200.
  3. Chuẩn hóa giao thức Modbus TCP/IP mở: Thay thế các phương thức giao tiếp nối tiếp RS232/RS485 lỗi thời bằng Modbus TCP/IP qua cổng mạng RJ45. Điều này giúp loại bỏ hoàn toàn hiện tượng suy hao tín hiệu trên đường truyền, cho phép mở rộng cự ly kết nối không giới hạn và dễ dàng tích hợp vào hệ thống mạng nhà máy.
  4. Số hóa quy trình sản xuất (IoT Readiness): Tích hợp Web Server và cơ sở dữ liệu Microsoft SQL Server cho phép giám sát sản lượng theo ca, thống kê tỷ lệ quả đạt/hỏng theo thời gian thực mà không cần người vận hành trực tiếp ghi chép tại hiện trường.

Ứng dụng thực tế và triển khai

Kịch bản ứng dụng thực tế

  • Hợp tác xã nông nghiệp quy mô vừa và nhỏ: Tự động hóa khâu đóng gói cam sành, bưởi, chanh xuất khẩu với chi phí đầu tư ban đầu thấp.
  • Nhà máy chế biến nước ép trái cây: Sàng lọc và phân tách nguồn nguyên liệu đầu vào: cam chín đều đưa vào dây chuyền vắt nước nguyên chất; cam nhỏ hoặc rám vỏ chuyển sang dây chuyền chiết xuất tinh dầu.
                    QUY TRÌNH TRIỂN KHAI VẬN HÀNH
                    
[Cung Cấp Cam] -> [Băng Tải Đơn Làn] -> [Buồng Tối Chụp Ảnh] -> [Xử Lý Ảnh Python]
                                                                        |
                                                                        v
[Thùng Cam Hỏng] <-- [Xylanh 2: Loại 2] <-- [Xylanh 1: Loại 1] <-- [PLC Điều Khiển]

Phân tích hiệu quả kinh tế (Cost-Benefit & ROI)

  • Chi phí đầu tư phần cứng: ~18.000.000 VNĐ (Bao gồm PLC S7-1200, Module SM 1221, Khung cơ khí, Khí nén AIRTAC, Camera và Tủ điện điều khiển).
  • Tiết kiệm nhân công: Cắt giảm $2 - 3$ công nhân phân loại trực tiếp trên mỗi ca làm việc (tương đương tiết kiệm $15.000.000 - 20.000.000\text{ VNĐ/tháng}$).
  • Thời gian hoàn vốn (Payback Period): Dự kiến từ 6 đến 8 tháng vận hành liên tục.

Hạn chế và hướng phát triển

Hạn chế kỹ thuật hiện tại

  • Góc nhìn 2D đơn phẳng: Camera chỉ ghi nhận bề mặt phía trên của quả cam; các vết rám hoặc đốm nấm nằm ở nửa bán cầu dưới tiếp xúc với mặt băng tải có thể bị bỏ sót.
  • Cấu hình xử lý tuần tự: Mô hình hiện tại chỉ xử lý từng quả đơn lẻ, khoảng cách giữa hai quả liên tiếp trên băng chuyền phải đảm bảo tối thiểu $10\text{ cm}$ để tránh nhầm lẫn tín hiệu cảm biến.

Hướng phát triển nâng cấp

  • Tích hợp cơ cấu con lăn đảo chiều: Thiết kế băng tải dạng con lăn xoay để quả cam tự quay $360^\circ$ trong buồng chụp, cho phép camera quét toàn bộ bề mặt.
  • Nâng cấp thuật toán sang Deep Learning: Huấn luyện mô hình mạng nơ-ron tích chập (YOLOv8 hoặc MobileNetV3) để nhận diện các dạng bệnh học phức tạp trên vỏ cam như bệnh thâm đen, sẹo loét, đốm vi khuẩn.
  • Tối ưu hóa phần cứng công nghiệp: Thay thế máy tính xách tay bằng máy tính nhúng chuyên dụng (NVIDIA Jetson Orin Nano) tích hợp thẳng vào tủ điện điều khiển công nghiệp.

Đối tượng hưởng lợi

  • Sinh viên & Giảng viên ngành Điều khiển - Tự động hóa/Cơ điện tử: Cung cấp tài liệu mẫu hoàn chỉnh về bài toán tích hợp Computer Vision (Python) với PLC công nghiệp (Siemens S7-1200) thông qua Modbus TCP/IP.
  • Kỹ sư tích hợp hệ thống (System Integrators): Cung cấp giải thuật xử lý ảnh mẫu, sơ đồ đấu nối mạch động lực, mạch điều khiển I/O và khối hàm truyền thông công nghiệp sẵn sàng tái sử dụng.
  • Doanh nghiệp & Hợp tác xã nông nghiệp: Sở hữu giải pháp tự động hóa chi phí thấp, tối ưu năng suất và nâng cao giá trị thương phẩm của nông sản Việt Nam.

Câu hỏi thường gặp

1. Yêu cầu cấu hình tối thiểu để triển khai phần mềm nhận diện là gì?

Hệ thống xử lý ảnh có thể vận hành ổn định trên máy tính nhúng hoặc PC chạy hệ điều hành Windows 10/11 hoặc Ubuntu Linux 20.04+, vi xử lý tối thiểu Intel Core i3 (thế hệ 8 trở lên) hoặc AMD Ryzen 3, RAM tối thiểu 4GB, cổng USB 2.0/3.0 kết nối Webcam và 01 cổng Ethernet LAN $100/1000\text{ Mbps}$ để nối với PLC.

2. Hệ thống có khả năng mở rộng công suất lên quy mô công nghiệp lớn không?

Có. Bằng cách nâng cấp băng chuyền thành hệ thống đa làn (Multi-lane), sử dụng camera công nghiệp GigE Vision kết hợp nâng cấp CPU PLC lên dòng Siemens S7-1500, hệ thống có thể nâng công suất lên $120 - 180\text{ quả/phút}$.

3. Phương thức tích hợp giữa Python và PLC Siemens được thực hiện ra sao?

Hai hệ thống giao tiếp qua mạng Ethernet nội bộ thông qua giao thức Modbus TCP/IP chuẩn (Port 502). Trong TIA Portal, PLC kích hoạt khối hàm MB_SERVER để đóng vai trò Server/Slave. Phía Python sử dụng thư viện pyModbusTCP đóng vai trò Client/Master kết nối trực tiếp đến địa chỉ IP của PLC để ghi giá trị phân loại vào các thanh ghi Holding Register.

4. Hệ thống cần bảo dưỡng và hiệu chuẩn định kỳ những hạng mục nào?

Cần định kỳ vệ sinh bề mặt kính của camera và nguồn đèn LED trong buồng tối để đảm bảo điều kiện chiếu sáng ổn định; kiểm tra bộ lọc khí nén (FRL) để xả nước đọng; bôi trơn ray trượt của xylanh khí nén; và kiểm tra độ căng của dây băng tải PU sau mỗi 500 giờ vận hành.

5. Chi phí triển khai và thời gian thu hồi vốn thực tế là bao lâu?

Chi phí linh kiện cho mô hình tiêu chuẩn khoảng 18.000.000 VNĐ. Đối với các cơ sở chế biến quy mô vừa, hệ thống giúp tiết kiệm chi phí nhân công từ $15 - 20\text{ triệu VNĐ/tháng}$, mang lại thời gian thu hồi vốn thực tế trong khoảng 6 đến 8 tháng.

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 giải quyết triệt để bài toán tự động hóa phân loại nông sản sau thu hoạch. Dự án chứng minh tính khả thi vượt trội khi kết hợp thuật toán thị giác máy tính hiện đại trên Python/OpenCV với nền tảng điều khiển công nghiệp Siemens S7-1200 bền bỉ thông qua giao thức Modbus TCP/IP. Với độ chính xác phân loại đạt $96.0%$ và tốc độ xử lý $185\text{ ms/quả}$, hệ thống mở ra hướng đi thực tiễn, kinh tế cho việc ứng dụng công nghệ 4.0 vào nông nghiệp thông minh tại Việt Nam.