Bối cảnh và vấn đề nghiên cứu

Trong xu thế phát triển của cuộc Cách mạng Công nghiệp 4.0, tự động hóa đóng vai trò cốt lõi nhằm nâng cao năng suất, độ chính xác và tính an toàn trong dây chuyền sản xuất. Tại Việt Nam, nhiều doanh nghiệp quy mô lớn đã ứng dụng sâu rộng các hệ thống tự động hóa từ khâu gia công đến vận chuyển và lưu kho. Tuy nhiên, tại các doanh nghiệp vừa và nhỏ, công đoạn phân loại và đóng gói thành phẩm phần lớn vẫn được thực hiện bằng phương pháp thủ công dựa vào sức lao động của con người.

Phương pháp phân loại thủ công bộc lộ nhiều hạn chế nội tại: công việc có tính lặp lại liên tục đòi hỏi sự tập trung cao, năng suất và độ chính xác phụ thuộc trực tiếp vào tâm trạng, sức khỏe và cảm xúc của công nhân. Mắt thường khó nhận biết chính xác các sai lệch hoặc chi tiết hình học nhỏ, từ đó ảnh hưởng đến chất lượng sản phẩm xuất xưởng. Mặt khác, trong các môi trường làm việc độc hại (như phân loại rác thải, hóa chất) hoặc các khu vực vận hành gần băng chuyền cơ khí tốc độ cao, việc bố trí nhân công trực tiếp tiềm ẩn nguy cơ mất an toàn lao động nghiêm trọng. Do đó, việc nghiên cứu và chế tạo hệ thống tự động nhận dạng, phân loại sản phẩm là nhu cầu cấp thiết nhằm đáp ứng tính chính xác 24/24 giờ và bảo vệ an toàn cho người lao động.

Đề tài tốt nghiệp "Thiết kế hệ thống phân loại sản phẩm theo hình dạng sử dụng PLC S7-1200" được thực hiện bởi nhóm sinh viên Trần Viết Trường và Trần Đình Thi dưới sự hướng dẫn của ThS. Phan Thị Thanh Vân tại Khoa Điện - Điện tử, Trường Đại học Sư phạm Kỹ thuật – Đại học Đà Nẵng (nhiệm vụ giao từ ngày 28/08/2023, hoàn thành nộp ngày 11/12/2023).

Mục tiêu nghiên cứu của đề tài gồm 3 nội dung cụ thể:

  1. Áp dụng công nghệ xử lý ảnh trong công nghiệp.
  2. Giám sát hệ thống qua WinCC.
  3. Ứng dụng kiến thức chuyên ngành để lập trình điều khiển cho hệ thống.

Đối tượng nghiên cứu của đồ án là 4 dạng hình học phổ biến của sản phẩm: hình tròn, hình vuông, hình tam giác và hình chữ nhật. Phạm vi ứng dụng của hệ thống hướng tới các nhà máy sản xuất mô hình học tập cho trẻ em (các khối hình học cơ bản) hoặc các dây chuyền sản xuất thực phẩm, bánh kẹo (như bánh quy yêu cầu phân loại theo khuôn mẫu hình dạng).

Cơ sở lý thuyết và phương pháp

Khung lý thuyết của đề tài được xây dựng trên hai trụ cột công nghệ: kỹ thuật điều khiển logic lập trình công nghiệp (PLC) và kỹ thuật thị giác máy tính (Computer Vision):

  • Cơ sở điều khiển lập trình: Dựa trên cấu trúc phần cứng và tập lệnh của bộ điều khiển Siemens Simatic S7-1200 tuân thủ chuẩn IEC 61131-3, sử dụng ngôn ngữ lập trình Ladder Diagram (LAD). Quy trình thực thi chương trình vận hành theo chu kỳ quét (Scan cycle) tuần tự: đọc trạng thái đầu vào số (Process Image Input - PII), thực thi logic chương trình, cập nhật giá trị đầu ra (Process Image Output - PIQ) và xử lý truyền thông.
  • Cơ sở xử lý ảnh số: Dựa trên các thuật toán nền tảng của thư viện mã nguồn mở OpenCV chạy trong môi trường Python. Các khái niệm cốt lõi bao gồm cấu trúc điểm ảnh (pixel), phép biến đổi không gian màu từ RGB sang ảnh mức xám (Grayscale), thuật toán nhị phân hóa ảnh theo ngưỡng (Thresholding) đưa giá trị pixel về 0 (đen) hoặc 255 (trắng), kỹ thuật tách biên và thuật toán xấp xỉ đa giác approxPolyDP để phát hiện đỉnh và cạnh của đường bao (contour).
  • Hệ thống giám sát SCADA/HMI: Cơ sở lý thuyết về giao tiếp người - máy thông qua phần mềm WinCC (Siemens), ánh xạ thẻ nhớ (Tags) giữa PLC và giao diện đồ họa phục vụ việc giám sát trạng thái và hiển thị dữ liệu đếm thời gian thực.

Phương pháp nghiên cứu thực tế được nhóm tác giả triển khai bao gồm:

  • Phương pháp phân tích - so sánh lựa chọn công nghệ: Tác giả tiến hành phân tích ưu, nhược điểm của các giải pháp xử lý ảnh phổ biến (Matlab, LabVIEW, MVS20 và Kit máy tính nhúng Raspberry Pi) cũng như so sánh hai dòng PLC thông dụng trên thị trường (Mitsubishi và Siemens).
  • Phương pháp thiết kế và tích hợp hệ thống kỹ thuật: Xây dựng cấu trúc phần cứng lai (hybrid system) tích hợp giữa vi xử lý nhúng (Raspberry Pi 4B) đảm nhận khâu thị giác máy tính và bộ điều khiển công nghiệp (PLC S7-1200) đảm nhận khâu chấp hành cơ khí.
  • Phương pháp thực nghiệm kiểm chứng: Gia công mô hình cơ khí băng tải, lắp đặt tủ điện điều khiển công nghiệp, nạp chương trình điều khiển và chạy thử nghiệm phân loại thực tế với các mẫu vật dạng khối 3D.

Nguồn tài liệu và dữ liệu kỹ thuật được trích dẫn chính thức từ giáo trình chuyên ngành "Tự Động Hóa PLC S7 – 1200 Với TIA Portal" (Trần Văn Hiếu, NXB Khoa học - Kỹ thuật, 2019), các tài liệu kỹ thuật chuẩn của hãng Siemens và các thông số thực tế của thiết bị khí nén, cảm biến, máy tính nhúng Broadcom BCM2835/ARM.

Thiết kế và triển khai

Hệ thống được thiết kế theo cấu trúc điều khiển phân tầng, trong đó khâu xử lý dữ liệu hình ảnh phức tạp được tách rời khỏi vòng quét thời gian thực của bộ điều khiển logic:

[Camera công nghiệp]
[Kit Raspberry Pi 4B (Python / OpenCV)]
[Băng tải / Động cơ]         [Van 5/2 & Xylanh khí nén]     [Phần mềm WinCC RT Advanced]

Kiến trúc phần cứng và thiết bị lựa chọn

Các thiết bị trong hệ thống được tính toán lựa chọn đồng bộ, đảm bảo tính công nghiệp và độ ổn định điện áp 24VDC:

Tên thiết bị Mã hiệu / Quy cách kỹ thuật Vai trò trong hệ thống
Bộ điều khiển lập trình (PLC) Siemens Simatic S7-1200 CPU 1214C DC/DC/DC (14 DI / 10 DO, 2 AI, bộ nhớ làm việc 50 KB, nạp 2 MB) Điều khiển trung tâm logic tuần tự, điều khiển cơ cấu chấp hành
Máy tính nhúng Kit Raspberry Pi 4B (HĐH Linux, cổng mạng Ethernet, giao tiếp camera) Thu nhận khung hình, chạy thuật toán Python/OpenCV để phân loại hình
Thiết bị ghi hình Camera công nghiệp (Area scan camera) Chụp ảnh sản phẩm trên mặt băng tải
Cảm biến phát hiện vật Cảm biến hồng ngoại E3F-DS30P1 PNP Phát hiện sản phẩm đi vào vị trí chụp ảnh và vị trí phân loại
Cơ cấu chấp hành khí nén Xi lanh khí nén tác động kép, van điện từ 5/2 Đẩy các sản phẩm vào đúng khay theo hình dạng tương ứng
Cơ cấu đóng cắt & bảo vệ MCB Schneider EZ9F34320 20A, Nguồn tổ ong 24VDC, Relay trung gian 24V/14 chân Cung cấp nguồn, đóng cắt bảo vệ quá dòng và chuyển tiếp tín hiệu cách ly
Cơ cấu thao tác tại chỗ Nút nhấn nhả LA38 (Start, Stop), Công tắc chuyển mạch switch (Auto/Manual) Vận hành hệ thống tại mặt tủ điện

Quy trình công nghệ và thuật toán xử lý ảnh

Thuật toán thị giác máy tính chạy trên Raspberry Pi 4B bằng Python thực hiện qua các bước xử lý hình học cụ thể:

  1. Thu nhận và cắt ảnh (Crop): Camera ghi nhận khung hình sản phẩm khi cảm biến kích hoạt; chương trình thực hiện cắt vùng quan tâm (ROI) để giảm tải tính toán và loại bỏ nhiễu biên ngoài.
  2. Tiền xử lý và chuyển đổi màu: Ảnh cắt được chuyển sang ảnh mức xám (Grayscale) dựa trên kênh màu RGB nhằm tối ưu hóa tốc độ xử lý ngưỡng điểm ảnh.
  3. Nhị phân hóa (Binarization): Đưa ảnh xám về ảnh nhị phân với hai giá trị mức 0 (điểm ảnh đen - vùng nền) và 255 (điểm ảnh trắng - vùng vật thể cần phân loại) thông qua thiết lập ngưỡng cắt lọc nhiễu.
  4. Trích xuất cạnh bằng approxPolyDP: Áp dụng phương pháp giảm điểm để tìm khoảng cách xa nhất giữa các điểm đầu và điểm cuối trong tập hợp đường bao, tái tạo các đoạn thẳng tạo nên chu vi hình.
  5. Logic phân loại hình học và mã hóa tín hiệu:
    • Hình tròn: Số cạnh nhận dạng được lớn hơn 8 cạnh (xuất giá trị số 10).
    • Hình vuông: Nhận dạng được 4 đỉnh/4 cạnh; hiệu giữa hai cạnh kề xấp xỉ bằng nhau (xuất giá trị số 20).
    • Hình tam giác: Nhận dạng được 3 đỉnh/3 cạnh; đối với vật thể dạng khối 3D nếu phát sinh cạnh phụ thì tính toán vùng diện tích điểm ảnh bé hơn ngưỡng quy định (xuất giá trị số 30).
    • Hình chữ nhật: Nhận dạng được 4 đỉnh/4 cạnh; tính toán thấy hai cạnh kề không bằng nhau với độ chênh lệch cạnh lớn nhất (xuất giá trị số 40).

Mã số nhận dạng (10, 20, 30, 40) được truyền trực tiếp sang PLC S7-1200 qua giao thức Ethernet LAN.

Chương trình điều khiển PLC và giao diện WinCC

Chương trình điều khiển trên TIA Portal V16 được cấu trúc thành các khối chuyên biệt:

  • Chế độ Auto (Tự động): Vận hành khi công tắc chuyển mạch ở vị trí Auto. Khi nhấn nút START, băng tải khởi động; cảm biến nhận diện sản phẩm; Raspberry Pi gửi mã nhận dạng. PLC nhận mã tín hiệu, tính toán độ trễ thời gian theo vận tốc băng chuyền thông qua các khối Timer (TON/TP) và kích hoạt van điện từ tương ứng để xylanh đẩy vật thể vào đúng ngăn chứa. Nhấn STOP để dừng tạm thời hệ thống, nhấn START để tiếp tục chu trình.
  • Chế độ Manual (Bằng tay): Phục vụ kiểm tra lỗi, bảo trì thiết bị cơ khí và căn chỉnh hành trình xylanh độc lập thông qua các nút thao tác trên bàn điều khiển hoặc giao diện HMI.
  • Hệ thống giám sát WinCC RT Advanced: Giao diện gồm các khối Basic Objects, thanh thuộc tính Properties, hiệu chỉnh Animations và Events. Hệ thống liên kết trực tiếp với các HMI Tags trong PLC để đọc dữ liệu từ các bộ đếm Counter (CTU), hiển thị trực quan số lượng từng loại sản phẩm đã phân loại (tròn, vuông, tam giác, chữ nhật) lên màn hình giám sát.

Nội dung chính theo từng chương

Chương 1: Tổng quan về hệ thống phân loại sản phẩm theo hình dạng

Chương này phân tích tổng quan về vai trò của tự động hóa và các khâu phân loại trong sản xuất công nghiệp hiện đại. Tác giả trình bày nguyên lý nhận dạng 4 loại hình học cơ bản dựa trên các dấu hiệu toán học: hình chữ nhật (4 đỉnh, 4 cạnh, 2 cạnh kề không bằng nhau), hình vuông (4 đỉnh, 4 cạnh, 2 cạnh kề bằng nhau), hình tam giác (3 đỉnh, 3 cạnh), và hình tròn (tập hợp các điểm cách đều tâm, thuật toán xấp xỉ cho ra trên 8 cạnh).

Chương 1 cũng khảo sát các thành phần phần cứng của hệ thống xử lý ảnh công nghiệp (camera area scan, line scan, network camera; hệ thống ống kính và chiếu sáng). Đồng thời, tác giả tiến hành đánh giá so sánh các phương án công nghệ:

Phương án công nghệ Ưu điểm ghi nhận Nhược điểm ghi nhận
Phần mềm Matlab Dễ sử dụng, hỗ trợ kỹ thuật mạnh Độ chính xác chưa tối ưu, giao tiếp phần mềm ngoại vi rất khó
Phần mềm LabVIEW Tốc độ phát hiện nhanh, sai lệch nhỏ Khó khăn khi kết hợp liên thông với các phần mềm khác
Phần mềm MVS20 Hỗ trợ camera đa dạng, tốc độ 30 sp/s, hỗ trợ Modbus Chỉ kiểm tra lỗi bề mặt, đòi hỏi mẫu chuẩn đồng nhất
Kit Raspberry Pi Giá rẻ, nhỏ gọn, tiết kiệm điện, linh hoạt trên Linux Xử lý đơn lõi, bộ nhớ hạn chế, hiệu năng thấp hơn PC
PLC Mitsubishi Mạnh về điều khiển chuyển động, vị trí tốc độ cao Lập trình các thuật toán phức tạp tốn nhiều công sức
PLC Siemens S7-1200 Độ bền cao, tích hợp sẵn cổng Ethernet Profinet Giá thành phần cứng cao, phần mềm TIA Portal tương đối nặng

Từ kết quả phân tích, tác giả chốt phương án thiết kế tối ưu: Sử dụng Kit Raspberry Pi 4B kết hợp OpenCV để xử lý ảnh, PLC Siemens S7-1200 CPU 1214C DC/DC/DC để điều khiển chấp hành, và phần mềm WinCC để giám sát, hiển thị số lượng.

Chương 2: Giới thiệu về Raspberry và ngôn ngữ lập trình Python

Nội dung chương tập trung giới thiệu cấu trúc phần cứng của dòng vi tính nhúng Raspberry Pi, vi xử lý SoC Broadcom BCM2835 nền tảng kiến trúc ARM, cổng kết nối HDMI, Ethernet LAN và các chân mở rộng GPIO chạy trên hệ điều hành Linux (Raspbian). Tác giả làm rõ lý do sử dụng ngôn ngữ Python: cú pháp gọn nhẹ, mã nguồn đơn giản, dễ học và hỗ trợ xuất sắc thư viện thị giác máy tính OpenCV (phát hành theo giấy phép BSD miễn phí).

Phần trọng tâm của chương đi sâu vào quy trình xử lý ảnh: giải thích cấu trúc điểm ảnh (pixel), phép biến đổi không gian màu RGB sang HSV và Grayscale, kỹ thuật lọc nhiễu nhị phân ngưỡng 0-255 và phương pháp xấp xỉ đa giác approxPolyDP. Đối với bài toán phân biệt hình dạng sản phẩm 3D thực tế, chương này trình bày phương pháp tính hiệu độ dài các cạnh kề để phân biệt chính xác giữa hình vuông và hình chữ nhật, cũng như tính toán diện tích vùng điểm ảnh để loại bỏ cạnh nhiễu cho hình tam giác.

Chương 3: Giới thiệu về PLC S7-1200 và phần mềm TIA Portal

Chương 3 trình bày lịch sử phát triển của thiết bị điều khiển khả trình từ bộ điều khiển Modicon đầu tiên năm 1968 do Dick Morley sáng chế đến các chuẩn ngôn ngữ lập trình hiện đại theo IEC 61131-3 (LAD, FBD, STL, SCL). Tác giả cung cấp bảng thông số kỹ thuật chi tiết của dải sản phẩm Siemens S7-1200 (CPU 1211C, 1212C, 1214C, 1215C, 1217C):

  • CPU 1214C DC/DC/DC có kích thước 110 x 100 x 75 mm, bộ nhớ làm việc 50 KB, bộ nhớ nạp 2 MB, bộ nhớ giữ lại 2 KB.
  • Tích hợp sẵn 14 đầu vào số (DI), 10 đầu ra số (DO), 2 đầu ra tương tự (AO), hỗ trợ tối đa 8 module mở rộng tín hiệu và 3 module truyền thông.
  • 6 bộ đếm tốc độ cao (HSC) hỗ trợ đơn pha 100 kHz và vuông pha 80 kHz, cổng mạng Profinet Ethernet đạt tốc độ xử lý lệnh 18 μs/lệnh thực.

Chương này cũng hướng dẫn chi tiết các tập lệnh Ladder cơ bản: tiếp điểm thường mở NO, thường đóng NC, mạch logic AND/OR, cuộn dây ngõ ra, lệnh gán có nhớ Set/Reset (S/R), tiếp điểm sườn lên P và sườn xuống N, các khối Timer định thời trễ (TP, TON, TOF, TONR với vùng dữ liệu 32-bit), và khối đếm Counter đếm tiến CTU. Cuối chương giới thiệu giao diện phần mềm TIA Portal V16, cách khai báo cấu hình phần cứng, quản lý biến PLC Tags và cấu hình giao diện WinCC.

Chương 4: Thiết kế và thi công hệ thống phân loại sản phẩm theo hình dạng

Tác giả so sánh hai phương án quy trình công nghệ: (1) sử dụng máy tính cài phần mềm PyCharm kết hợp PLC S7-1200 và (2) sử dụng Kit Raspberry Pi 4B kết hợp PLC S7-1200. Phương án 2 được lựa chọn nhờ khả năng vận hành độc lập, kích thước gọn nhẹ và dễ lắp đặt trong không gian hẹp của nhà xưởng.

Nội dung thi công được trình bày chi tiết qua sơ đồ bố trí thiết bị, sơ đồ khối và sơ đồ đấu nối dây I/O của PLC. Tác giả trình bày các thông số lựa chọn thiết bị điện công nghiệp: MCB bảo vệ Schneider EZ9F34320 loại 20A, bộ nguồn tổ ong hạ áp cấp 24VDC, rơle trung gian 14 chân, cảm biến quang điện E3F-DS30P1 PNP và van điện từ khí nén 5/2. Chương 4 khép lại với các bản vẽ phác thảo bố trí thiết bị trên mặt tủ điện và hình ảnh hoàn thiện mô hình thực tế.

Chương 5: Xây dựng chương trình điều khiển và giám sát hệ thống phân loại sản phẩm

Chương 5 cụ thể hóa toàn bộ thuật toán điều khiển thành mã lệnh:

  • Thiết lập bảng phân công địa chỉ vào/ra (I/O) cho PLC (gồm các tín hiệu nút bấm Start/Stop, công tắc chọn chế độ, cảm biến vị trí, các cuộn hút van điện từ cho từng xylanh phân loại và còi/đèn báo).
  • Xây dựng giản đồ thời gian (timing diagram) cho chương trình chính, chế độ Manual và chế độ Auto nhằm xác định độ trễ kích hoạt xylanh khi vật di chuyển trên băng chuyền.
  • Lập trình cấu trúc logic trong TIA Portal: chia tách Network rõ ràng giữa mạch duy trì nguồn, khối điều khiển băng tải, các nhánh nhận xung tín hiệu từ Raspberry Pi (mã 10, 20, 30, 40) và bộ đếm CTU cho từng loại hình.
  • Viết chương trình con xử lý ảnh trong Python chạy thường trú trên Raspberry Pi: liên tục quét khung hình từ camera, nhận dạng cạnh/diện tích và phát chuỗi dữ liệu nhị phân/số sang địa chỉ mạng của PLC.
  • Thiết kế màn hình giao diện WinCC RT Advanced: gán biến HMI Tags, cấu hình thuộc tính động Animations (đổi màu trạng thái khi cảm biến hoặc xylanh tác động), cấu hình sự kiện Events cho các nút bấm ảo trên màn hình, và bảng số liệu cập nhật số đếm 4 loại sản phẩm.

Kết quả và đóng góp

Đồ án đã hoàn thành đầy đủ các mục tiêu thiết kế và thi công hệ thống với các kết quả cụ thể:

  • Xây dựng hoàn chỉnh mô hình phần cứng: Thi công thành công mô hình băng tải phân loại tích hợp tủ điện công nghiệp đạt chuẩn an toàn, sử dụng thiết bị đóng cắt MCB Schneider 20A, nguồn cấp 24VDC, hệ thống khí nén với van 5/2 và xylanh phân loại, bộ điều khiển PLC Siemens S7-1200 CPU 1214C DC/DC/DC kết hợp Kit máy tính nhúng Raspberry Pi 4B và camera công nghiệp.
  • Triển khai thành công giải pháp xử lý ảnh nhúng: Xây dựng quy trình xử lý ảnh trên Python và OpenCV gồm các khâu cắt khung hình, biến đổi xám, nhị phân hóa và giải thuật approxPolyDP. Hệ thống nhận dạng chính xác 4 dạng hình học với mã số tương ứng: hình tròn (mã 10), hình vuông (mã 20), hình tam giác (mã 30) và hình chữ nhật (mã 40).
  • Vận hành linh hoạt 2 chế độ: Hệ thống thực thi tin cậy chế độ tự động (Auto) theo quy trình tuần tự khép kín và chế độ bằng tay (Manual) phục vụ công tác kiểm tra, hiệu chỉnh cơ khí và bảo trì thiết bị.
  • Hệ thống giám sát SCADA/HMI trực quan: Xây dựng giao diện WinCC liên kết hoàn chỉnh qua HMI Tags, cho phép người vận hành giám sát trạng thái thiết bị thời gian thực và quản lý số lượng sản phẩm chi tiết theo từng hình dạng.

Về mặt đóng góp giải pháp, nghiên cứu đã chứng minh tính khả thi của mô hình tích hợp "Raspberry Pi + PLC Siemens S7-1200". Đây là phương án lai giúp các doanh nghiệp vừa và nhỏ giải quyết bài toán thị giác máy tính công nghiệp với chi phí đầu tư ban đầu thấp (nhờ sử dụng Kit vi xử lý nhúng giá rẻ và phần mềm mã nguồn mở Python/OpenCV) nhưng vẫn duy trì được tính ổn định, độ tin cậy và sự bền bỉ của hệ thống chấp hành nhờ sử dụng PLC chuyên dụng.

Hạn chế và hướng nghiên cứu tiếp

Văn bản đồ án thẳng thắn chỉ ra một số hạn chế kỹ thuật trong quá trình thực nghiệm:

  • Nhiễu hình học từ vật thể khối 3D: Do sản phẩm phân loại là vật thể dạng khối 3D, dưới tác động của góc chiếu sáng và bóng đổ, camera ghi nhận hình ảnh đôi khi bị sai lệch số lượng cạnh (ví dụ hình tam giác bị nhận diện thành 4 đến 5 cạnh do phát sinh thêm cạnh ảo của khối). Dù nhóm đã khắc phục tạm thời bằng cách bổ sung phép tính diện tích vùng điểm ảnh và hiệu độ dài cạnh, thuật toán vẫn có thể phát sinh sai số nếu điều kiện ánh sáng thay đổi đột ngột.
  • Hạn chế tài nguyên phần cứng máy tính nhúng: Raspberry Pi 4B sử dụng vi xử lý kiến trúc ARM đơn lõi/tài nguyên chia sẻ và bộ nhớ có hạn; thời gian đáp ứng của hệ thống có thể bị trễ nhẹ khi thực hiện các tác vụ xử lý đồ họa phức tạp hoặc khi tốc độ băng tải tăng cao.
  • Môi trường nhận dạng: Quá trình biến đổi nhị phân vẫn phụ thuộc nhiều vào ánh sáng môi trường bên ngoài do chưa trang bị buồng chụp ảnh cách ly ánh sáng tiêu chuẩn.

Hướng phát triển tiếp của đề tài được tác giả xác định:

  • Nâng cấp thuật toán xử lý ảnh, kết hợp thêm nhận dạng màu sắc, kích thước và phân loại chiều sâu để loại trừ hoàn toàn nhiễu cạnh của sản phẩm khối 3D.
  • Thiết kế buồng chiếu sáng chuyên dụng (lighting dome/box) với ánh sáng khuếch tán đồng đều nhằm cố định ngưỡng nhị phân độc lập với ánh sáng môi trường xưởng.
  • Nghiên cứu tối ưu hóa truyền thông công nghiệp (như Profinet hoặc Modbus TCP) để tăng tốc độ truyền nhận dữ liệu giữa Raspberry Pi và PLC.

Giá trị tham khảo

Báo cáo đồ án tốt nghiệp này là tài liệu tham khảo hữu ích cho:

  • Sinh viên ngành Kỹ thuật Điều khiển và Tự động hóa, Cơ điện tử, Kỹ thuật Điện - Điện tử: Cung cấp tài liệu mẫu về cấu trúc đồ án tốt nghiệp định hướng ứng dụng thực hành từ khâu tính toán phần cứng, vẽ sơ đồ tủ điện đến lập trình thực tế.
  • Kỹ sư và kỹ thuật viên tích hợp hệ thống: Cung cấp phương pháp tích hợp cụ thể giữa máy tính nhúng mã nguồn mở (Raspberry Pi/Python) với PLC công nghiệp của Siemens (S7-1200) thông qua cổng mạng Ethernet LAN.
  • Các đề tài nghiên cứu về thị giác máy tính ứng dụng: Phần trình bày thuật toán xấp xỉ đa giác approxPolyDP, phương pháp xử lý ngưỡng nhị phân và kỹ thuật phân biệt hình vuông - chữ nhật trong Chương 2 và Chương 5 có giá trị ứng dụng cao cho các bài toán phân loại sản phẩm trên băng chuyền.

Câu hỏi thường gặp

1. Bộ điều khiển trung tâm PLC được lựa chọn trong đồ án là loại nào và có thông số kỹ thuật ra sao?
Hệ thống sử dụng PLC Siemens Simatic S7-1200 dòng CPU 1214C DC/DC/DC. Thiết bị có bộ nhớ làm việc 50 KB, bộ nhớ nạp 2 MB, tích hợp sẵn 14 đầu vào số (DI 24VDC), 10 đầu ra số dạng Transistor (DO 24VDC), 2 đầu vào tương tự (AI 0-10V), tích hợp 1 cổng truyền thông Profinet Ethernet với tốc độ xử lý lệnh đạt 18 μs/lệnh thực.

2. Kit Raspberry Pi gửi tín hiệu phân loại sang PLC S7-1200 bằng cách nào và quy ước dữ liệu ra sao?
Tín hiệu được gửi từ Raspberry Pi sang PLC S7-1200 thông qua kết nối cáp mạng Ethernet LAN. Quy ước giá trị số được mã hóa tương ứng cho từng hình dạng: xuất số 10 đối với hình tròn, số 20 đối với hình vuông, số 30 đối với hình tam giác và số 40 đối với hình chữ nhật.

3. Làm thế nào hệ thống phân biệt được hình vuông và hình chữ nhật khi cả hai đều có 4 đỉnh và 4 cạnh?
Nhóm tác giả sử dụng thuật toán tính toán hiệu độ dài của hai cạnh kề trên ảnh thu nhận. Đối với hình chữ nhật, độ lệch giữa chiều dài và chiều rộng có giá trị lớn nhất; trong khi đối với hình vuông, độ dài hai cạnh kề bằng nhau nên hiệu số xấp xỉ bằng 0.

4. Hai chế độ Auto và Manual của hệ thống thực hiện nhiệm vụ gì?
Chế độ Auto vận hành tự động toàn bộ dây chuyền: khi nhấn Start, băng tải chạy, camera nhận diện hình dạng và xuất tín hiệu để PLC kích hoạt các xylanh phân loại tuần tự, hỗ trợ nút Stop để dừng tạm thời. Chế độ Manual cho phép kỹ thuật viên cưỡng bức bật/tắt từng cơ cấu chấp hành (băng tải, van điện từ khí nén) riêng lẻ nhằm phục vụ việc kiểm tra lỗi, bảo trì thiết bị và cân chỉnh cơ khí.

5. Tại sao nhóm nghiên cứu không chọn phần mềm Matlab hay LabVIEW mà lại chọn Raspberry Pi kết hợp Python?
Matlab gặp khó khăn lớn trong việc giao tiếp, truyền thông dữ liệu thời gian thực với các thiết bị bên ngoài. LabVIEW có độ chính xác cao nhưng khó tích hợp với các nền tảng phần mềm khác. Kit Raspberry Pi chạy hệ điều hành Linux sử dụng ngôn ngữ Python và thư viện OpenCV có chi phí rẻ, kích thước nhỏ gọn gắn trực tiếp lên tủ điện, tiêu thụ điện năng thấp và hỗ trợ giao tiếp mạng Ethernet trực tiếp tới PLC một cách linh hoạt.

Kết luận

Đồ án tốt nghiệp của sinh viên Trần Viết Trường và Trần Đình Thi đã giải quyết hoàn chỉnh bài toán thiết kế hệ thống phân loại sản phẩm theo hình dạng thông qua việc kết hợp công nghệ xử lý ảnh trên máy tính nhúng Raspberry Pi 4B và bộ điều khiển lập trình công nghiệp PLC Siemens S7-1200 CPU 1214C DC/DC/DC. Toàn bộ chu trình từ thu nhận hình ảnh, tiền xử lý, phân loại bằng thuật toán xấp xỉ đa giác, truyền dữ liệu Ethernet, điều khiển chấp hành khí nén đến giám sát thời gian thực trên WinCC RT Advanced đều được thi công và kiểm chứng thực nghiệm đồng bộ. Công trình là tài liệu tham khảo có giá trị kỹ thuật cao về phương pháp tích hợp hệ thống điều khiển lai kinh tế, ổn định và có khả năng ứng dụng thực tế cho các dây chuyền phân loại tự động tại các doanh nghiệp vừa và nhỏ.