Chương 1: Tổng quan Nêu nguyên nhân chọn đề tài, giới thiệu đề tài, về xử lý ảnh và mạng nơ ron. Chương 2: Cơ sở lý thuyết Nêu ra các lý thuyết để làm tiền đề cho việc thực hiện đồ án, sử dụng các đề tài đã được nghiên cứu làm tài liệu tham khảo để làm cơ sở. Chương 3: Tính toán và thiết kế Tính toán thiết kế để đưa ra sơ đồ nguyên lý, chọn linh kiện cho mô hình dây chuyền phân loại trái cây và nêu nguyên lý hoạt động. Thiết kế xây dựng phần mềm, tính toán các thông số trong chương trình điều khiển.
Chương 4: Thi công hệ thống Đưa ra kết quả hình ảnh về mô hình dây chuyền phân loại trái cây. Trình bày phương pháp lấy mẫu, vẽ lưu đồ giải thuật, viết chương trình điều khiển, thiết kế giao diện điều khiển cho chương trình. Chương 5: Kết quả, nhận xét, đánh giá Nêu ra kết quả đã đạt được về kiến thức lý thuyết, về tập dữ liệu, về giao diện chương trình, về mô hình dây chuyền, về hiệu suất của hệ thống. Đánh giá kết quả đã đạt được so với mục tiêu đề ra.
Chương 6: Kết luận và hướng phát triển Đưa ra kết luận về các mặt ưu điểm và nhược điểm của hệ thống, nêu ra các hướng phát triển của đề tài. BỘ MÔN ĐIỆN TỬ CÔNG NGHIỆP – Y SINH 3 do an Thiết kế và thi công hệ thống phân loại trái cây dùng mạng Neural CHƯƠNG 2: CƠ SỞ LÝ THUYẾT 2. XỬ LÝ ẢNH CHO VIỆC PHÂN LOẠI 2. Màu sắc Đối với một số đề tài đã được nghiên cứu, như đề tài Ứng dụng xử lý ảnh trong hệ thống phân loại sản phẩm của Nguyễn Minh Hiền và Phan Thanh Phong thực hiện năm 2019 [1], đã nêu lên cách nhận biết vật thể thông qua màu sắc và hình dạng.
Trong đề tài này, để nhận biết màu sắc, tác giả đã chuyển không gian màu từ không gian RGB sang không gian màu HSV để phân tích. Việc này tuy giúp nhận biết khá chính xác nhưng để sử dụng, ta phải cần thông qua thư viện OpenCV, và chương trình sẽ sử dụng nhiều tài nguyên hơn. Kích thước Đối với đề tài Thiết kế và thi công mô hình hệ thống kiểm tra lỗi vỉ thuốc của Nguyễn Hoàng Thông và Lê Minh Phúc [7], tác giả đã sử dụng kỹ thuật chuyển ảnh thành ảnh nhị phân để phân tích hình dáng của vỉ thuốc. Tuy nhiên, phương pháp này chỉ áp dụng được với những hình dáng cơ bản, có thể ngoại tiếp đường elip như hình chữ nhật, hình vuông,… Việc sử dụng phương pháp này không thích hợp đối với việc nhận dạng trái cây vì trái cây có những hình dạng không cố định và không phải là các hình cơ bản.
DÂY CHUYỀN PHÂN LOẠN TRÁI CÂY DÙNG VI ĐIỀU KHIỂN Sau khi tham khảo các đề tài trước như: Thiết kế và thi công mô hình hệ thống kiểm tra lỗi vỉ thuốc của Nguyễn Hoàng Thông và Lê Minh Phúc thực hiện năm 2020, cũng như đề tài đồ án Thiết kế và thi công một hệ thống phân loại sản phẩm bút chì theo màu sắc của Trần Văn Tuấn và Phạm Văn Long thì nhóm nhận thấy cả 2 đề tài đều sử dụng các loại băng tải mini để mà làm mô hình dây chuyền phân loại sản phẩm. Đối với việc xử lý các tác vụ về điều khiển, cả hai đề tài đều sử dụng module Arduino để làm bộ điều khiển trung tâm, dùng máy tính cá nhân để làm bộ xử lý hình ảnh và điều khiển phần mềm. Đây có thể nói là cách khá tối ưu cho các mô hình dây chuyền phân loại. BỘ MÔN ĐIỆN TỬ CÔNG NGHIỆP – Y SINH 4 do an Thiết kế và thi công hệ thống phân loại trái cây dùng mạng Neural Hình 2.1: Mô hình của hệ thống phân loại bút chì.
Ở đề tài Thiết kế và thi công một hệ thống phân loại sản phẩm bút chì theo màu sắc của Trần Văn Tuấn và Phạm Văn Long [6] thì tác giả đã dùng 2 băng tải, băng tải 1 để chứa sản phẩm đổ vào băng tải 2 để bằng tải 2 tiến hành vận chuyển sản phẩm qua một buồng tối để nhận dạng sản phẩm, sản phẩm tiếp tục được băng tải 2 vận chuyển và được phân loại bằng 2 motor servo như trên hình. Ưu điểm: sử dụng băng tải mini nên mô hình gọn nhẹ, có buồng chụp ảnh riêng biệt giúp hệ thống nhận dạng chính xác hơn, có 2 khay chứa giúp cho việc phân loại gọn gàng hơn. Khuyết điểm: Việc sử dụng 2 băng tải gây dư thừa, chưa thật sự cần thiết cho mô hình, vị trí các mô-đun chưa hợp lý, gây mất thẩm mỹ. Ở đề tài Thiết kế và thi công mô hình hệ thống kiểm tra lỗi vỉ thuốc của Nguyễn Hoàng Thông và Lê Minh Phúc thực hiện năm 2020 thì chúng ta đã thấy có nhiều cải tiến về mô hình hơn [7].
BỘ MÔN ĐIỆN TỬ CÔNG NGHIỆP – Y SINH 5 do an Thiết kế và thi công hệ thống phân loại trái cây dùng mạng Neural Hình 2.2: Mô hình của hệ thống kiểm tra lỗi vỉ thuốc Ưu điểm: sử dụng 1 băng tải, có bổ sung đèn báo tín hiệu cũng như là mô hình được thiết kế gọn đẹp hơn. Khuyến điểm: vẫn còn nặng nề, vị trí các module chưa hợp lý. NHẬN DẠNG VÀ PHÂN LOẠI Sau khi tham khảo các đề tài trước như : Ứng dụng công nghệ xử lý ảnh trong hệ thống phân loại sản phẩm của Nguyễn Hiển Minh và Phan Thanh Long thực hiện năm 2019 [1], nghiên cứu về hệ thống phân loại vật thể theo màu sắc hoặc đề tài Thiết kế và thi công mô hình hệ thống kiểm tra lỗi vỉ thuốc của Nguyễn Hoàng Thông và Lê Minh Phúc [7] Các đề tài này đều là những đề tài hay, ứng dụng thực tiễn về các hệ thống phân loại. Tuy nhiên, những đề tài này đều chỉ dùng các cách nhận dạng cơ bản với những thông số được tính toán bằng tay nên nó chưa tối ưu về tốc độ nhận dạng và cũng như là khó chuyển đổi sang nhận dạng những sản phẩm khác mà cụ thể là các loại trái cây khác nhau như ở đề tài nhóm đang thực hiện.
BỘ MÔN ĐIỆN TỬ CÔNG NGHIỆP – Y SINH 6 do an Thiết kế và thi công hệ thống phân loại trái cây dùng mạng Neural 2. Mạng Nơron nhân tạo Mạng nơ ron nhân tạo (Artificial Neural Network - ANN) đã từng được sử dụng khá phổ biến trên thế giới, được phát triển qua nhiều công trình nghiên cứu và còn được nhiều phần mềm hiện tại hỗ trợ mà cụ thể là phần mềm MATLAB. Trong đó, MATLAB có nhiều ví dụ để giúp chúng ta làm quen với mạng tốt hơn, như là ví dụ về Phân tích tỉ lệ phần trăm mỡ của con người [8] Trong ví dụ trên, tác giả đã thu thập 13 đặc trưng từ 252 tình nguyện viên tạo nên bộ dữ liệu, đưa dữ liệu vào mạng nơ ron nhân tạo để huấn luyện và cho ra kết quả tỉ lệ phần trăm mỡ của con người. Với mô hình như hình 2.3, tác giả đã sử dụng mạng ANN với 13 ngõ vào (input) và 15 lớp ẩn (hidden).
Ta có thể thấy lợi ích khi dùng mạng nơ ron nhân tạo để xử lý khối lượng dữ liệu đầu vào lớn, giúp cho việc tính toán, trích xuất đặc trưng nhanh chóng và đa dạng hơn.3: Sơ đồ của một mạng nơ ron nhân tạo Tuy nhiên, mạng nơ ron nhân tạo là một mô hình tương đối cổ điển mà ngày nay ít còn được áp dụng rộng rãi, thay vào đó là những mạng nơ ron tiên tiến hơn ví dụ như mạng nơ ron tích chập (Convolutional Neural Network – CNN). BỘ MÔN ĐIỆN TỬ CÔNG NGHIỆP – Y SINH 7 do an Thiết kế và thi công hệ thống phân loại trái cây dùng mạng Neural 2. Mạng Nơron tích chập Hình 2.4: Mô hình mạng nơ ron tích chập Hình 2.4 mô tả một mạng nơ ron tích chập (Convolutional Neural Network – CNN) với 4 lớp Convolution. Mô hình này được sử dụng rộng rãi hơn do tính chính xác và hiện đại của nó.
Cụ thể như ví dụ về Nhận dạng chữ số viết tay [8], tác giả đã sử dụng tổng cộng 10000 tấm ảnh cho các số thứ tự từ 0 -9 (1000 tấm ảnh mỗi loại) để đưa vào huấn luyện với 3 lớp convolution. Kết quả của ví dụ này đã nhận diện được các chữ viết tay với tỉ lệ đúng cao, vào khoảng 98%. Từ đây có thể nhận thấy kết quả khi sử dụng mạng CNN là khá tốt và thích hợp để ứng dụng vào thực tế. BỘ MÔN ĐIỆN TỬ CÔNG NGHIỆP – Y SINH 8 do an Thiết kế và thi công hệ thống phân loại trái cây dùng mạng Neural CHƯƠNG 3: TÍNH TOÁN VÀ THIẾT KẾ 3.1 GIỚI THIỆU Ngày nay, phần lớn các thiết bị điện tử đều phát triển theo xu hướng tự động hóa, thông minh, càng hiểu ý con người, chúng giao tiếp được với con người và hoạt động theo ý muốn con người, để làm được điều đó thì các thiết bị cảm biến, thuật toán hỗ trợ ra đời.
Trong số đó bài toán “phân loại trái cây” là một đề tài đáng để cho ta tìm hiểu. Để tài “Thiết kế và và thi công hệ thống phân loại trái cây dùng mạng Neural ” với mục tiêu là phân loại tái cây. Dựa trên phần mềm MATLAB, được thực hiện với bộ xử lý trung tâm là PC nhận và xử lý hình ảnh, khối thu tín hiệu hình ảnh từ bên ngoài là Camera Webcam, khối điều khiển là board Arduino Uno và khối thực thi là các thiết bị ngoại vi như động cơ, băng chuyền,. Đề tài chỉ xây dựng với mô hình nhỏ và gọn không làm thành dây chuyền sản xuất.
Thời gian và tốc độ xử lý còn chậm, cùng với Camera chụp ảnh không mong muốn ở điều kiện thiếu ánh sáng mà phải được che kín và chiếu thêm đèn led để tăng cường sáng.2 TÍNH TOÁN VÀ THIẾT KẾ HỆ THỐNG 3. Thiết kế dây chuyền hệ thống MÁY VI ĐIỀU CAMERA BĂNG TẢI TÍNH KHIỂN NGUỒN CẤP Hình 3.1: Sơ đồ khối của dây chuyền hệ thống phân loại trái cây Chức năng từng khối: • Máy tính: có chức năng nhận tín hiệu hình ảnh từ Camera, tiến hành xử lý hình ảnh và phân tích nhận dạng, sau đó trả lại kết quả cho Vi điều khiển. Hiển thị nội dung thông tin, chương trình điều khiển. BỘ MÔN ĐIỆN TỬ CÔNG NGHIỆP – Y SINH 9 do an Thiết kế và thi công hệ thống phân loại trái cây dùng mạng Neural • Vi điều khiển: Nhận lệnh từ máy tính, điều khiển băng tải.
• Camera: Có chức năng thu thập tín hiệu hình ảnh từ thực tế chuyển về tín hiệu điện và gửi dữ liệu cho máy tính.