Bối cảnh và vấn đề nghiên cứu

Trong bối cảnh công nghiệp hóa, hiện đại hóa và gia tăng dân số toàn cầu, lượng rác thải sinh hoạt lẫn công nghiệp đang tăng trưởng với tốc độ nhanh chóng. Theo số liệu thống kê được tác giả trích dẫn, trung bình mỗi năm thế giới thải ra khoảng 1,3 tỷ tấn chất thải rắn đô thị, và riêng năm 2020 con số này đã vượt mức 2 tỷ tấn. Việc thu gom và phân loại rác thủ công hiện nay bộc lộ nhiều nhược điểm: tiêu tốn nhiều thời gian, công sức, hiệu suất không cao và gây ảnh hưởng trực tiếp đến sức khỏe của người lao động do tiếp xúc với môi trường độc hại.

Để giải quyết bất cập trên, xu hướng tự động hóa thông qua ứng dụng robot và trí tuệ nhân tạo đang trở thành giải pháp chủ đạo tại nhiều quốc gia. Tuy nhiên, các dòng robot nối tiếp truyền thống (như tay máy nhiều bậc tự do dạng khớp nối) thường gặp hạn chế về tốc độ và tần suất nhặt thả khi áp dụng vào các dây chuyền phân loại quy mô lớn. Robot song song (Robot Delta) với đặc tính kết cấu nhẹ, truyền động đặt cố định ở phần đế trên, mang lại tốc độ di chuyển cao và độ linh hoạt tối ưu trong không gian làm việc song song. Tại Việt Nam nói chung và Trường Đại học Sư phạm Kỹ thuật TP. Hồ Chí Minh nói riêng, phần lớn các nghiên cứu về Robot Delta trước đây chủ yếu tập trung vào các bài toán gắp đặt linh kiện, phân loại sản phẩm theo màu sắc cơ bản hoặc mô hình cánh tay Scara tốc độ thấp, chưa tích hợp sâu với các thuật toán học sâu (Deep Learning) để nhận diện và phân loại rác thải phức tạp theo thời gian thực.

Xuất phát từ thực tiễn trên, đề tài "Thiết kế mô hình Robot Delta ứng dụng phân loại rác thải" được thực hiện nhằm giải quyết các nhiệm vụ và mục tiêu nghiên cứu cụ thể:

  1. Thiết kế, tính toán cơ khí, thi công hoàn chỉnh phần cứng và hệ thống điều khiển cho mô hình Robot Delta 3 bậc tự do.
  2. Xây dựng, tiền xử lý tập dữ liệu và huấn luyện mô hình học sâu YOLOv5 để nhận dạng, phân loại 2 nhóm rác thải mục tiêu: chai nhựa và lon kim loại.
  3. Tích hợp giải thuật phân loại từ thị giác máy tính với giải thuật tính toán động học nghịch nhằm xác định tọa độ và điều khiển Robot Delta thực hiện thao tác gắp/hút phân loại rác tự động.

Đối tượng và phạm vi nghiên cứu:

  • Đối tượng nghiên cứu: Cấu trúc động học và cơ cấu chấp hành Robot Delta 3 bậc tự do; mạng nơ-ron tích chập và mô hình nhận diện đối tượng YOLOv5; hệ thống thị giác máy tính và cơ cấu khí nén hút - thả vật thể; 2 loại rác thải gồm chai nhựa và lon.
  • Phạm vi không gian: Mô hình thử nghiệm được thiết kế hoạt động trong khung không gian có kích thước $600 \times 500 \times 600\text{ mm}$, triển khai tại RIC LAB thuộc Bộ môn Tự động Điều khiển, Khoa Đào tạo Chất lượng cao, Trường Đại học Sư phạm Kỹ thuật TP. Hồ Chí Minh.
  • Phạm vi thời gian: Đề tài được thực hiện trong thời gian 5 tháng (từ ngày 06/02/2023 đến ngày 30/06/2023).

Cơ sở lý thuyết và phương pháp

Khóa luận xây dựng hệ thống dựa trên nền tảng lý thuyết cơ học robot song song, xử lý ảnh số và trí tuệ nhân tạo:

  • Khung lý thuyết động học Robot Delta: Phân tích cấu trúc hình học dựa trên giao điểm của 3 mặt cầu để giải bài toán động học thuận (Forward Kinematics) và giải tích hình học trên mặt phẳng $yz$ kết hợp chuyển đổi hệ tọa độ để giải bài toán động học nghịch (Inverse Kinematics). Khảo sát không gian làm việc của cơ cấu chấp hành cuối trong không gian 3 chiều ($xyz$) và các hình chiếu 2 chiều ($xy, xz, yz$).
  • Lý thuyết mạng nơ-ron tích chập (CNN) và mô hình YOLOv5: Sử dụng cấu trúc trích xuất đặc trưng CSPDarknet53 bao gồm các lớp tích chập (Convolutional Layer), lớp gộp (Pooling Layer với Max/Average Pooling), lớp làm phẳng (Flattening Layer) và lớp kết nối đầy đủ (Fully Connected Layer). Mô hình xử lý ảnh đầu vào ở kích thước $416 \times 416\text{ pixel}$ trên 3 bản đồ đặc trưng (Feature Maps) có kích thước $13 \times 13$, $26 \times 26$ và $52 \times 52$. Hệ thống áp dụng thuật toán dự đoán Bounding Box từ Anchor Box, kỹ thuật triệt tiêu phi cực đại (Non-Maximum Suppression - NMS) và tối ưu hóa hàm mất mát (Loss Function) gồm hai thành phần: sai số vị trí ($L_{\text{loc}}$) và sai số độ tin cậy phân loại ($L_{\text{cls}}$).
  • Phương pháp chuyển đổi hệ tọa độ: Áp dụng phương pháp chuyển đổi trực tiếp dựa trên mô hình thực tế, chuyển đổi từ hệ tọa độ Pixel (ảnh thu nhận từ camera Logitech C920) sang hệ tọa độ Ảnh và ánh xạ về hệ tọa độ làm việc gốc của Robot Delta, bỏ qua các ma trận tham số phức tạp của camera nhằm tối ưu tốc độ tính toán.
  • Phương pháp nghiên cứu thực nghiệm và đánh giá:
    • Thiết kế và mô phỏng 3D trên phần mềm Solidworks 2021.
    • Thu thập, gán nhãn dữ liệu và làm giàu dữ liệu (Data Augmentation) thông qua nền tảng Roboflow.
    • Huấn luyện mô hình Deep Learning trên hạ tầng đám mây Google Colab (sử dụng GPU/TPU).
    • Lập trình nhúng điều khiển cấp xung vi bước trên Arduino IDE; xây dựng phần mềm xử lý ảnh và giao diện giám sát (GUI) trên Visual Studio Code.
    • Đánh giá mô hình thị giác qua các chỉ số: Intersection Over Union (IoU), Ma trận nhầm lẫn (Confusion Matrix), Độ chính xác (Precision), Độ bao quát (Recall) và Điểm F1 (F1-score).
    • Kiểm chứng sai số động học trên phần mềm, trên bảng cờ chuẩn (checkerboard) và thực nghiệm vận hành hệ thống phân loại với 900 mẫu trong các điều kiện chiếu sáng khác nhau.

Thiết kế và triển khai hệ thống

Hệ thống phân loại rác thải tự động bằng Robot Delta được thiết kế và chế tạo tích hợp giữa phần cứng cơ điện tử và phần mềm điều khiển thông minh.

1. Kiến trúc phần cứng và thiết bị điều khiển

Cấu trúc phần cứng của hệ thống được chia thành 4 khối chức năng chính:

  • Khối Thị giác (Vision): Gồm Camera Logitech C920 gắn phía trên băng tải để thu nhận hình ảnh thời gian thực, kết nối với máy tính cá nhân (PC) phục vụ việc chạy mô hình YOLOv5 phát hiện và trích xuất tọa độ tâm của đối tượng.
  • Khối Xử lý & Điều khiển: Sử dụng bo mạch vi điều khiển Arduino Mega 2560 kết hợp Board CNC Shield V3 và 3 mạch điều khiển động cơ bước A4988 để tính toán xung nhịp và điều khiển góc quay của các khớp.
  • Khối Cơ cấu Chấp hành & Phân loại: Hệ thống tạo áp suất âm bằng động cơ bơm hút chân không kết hợp van điện từ 2 chiều và núm hút khí nén gắn tại đế di động; kết hợp hệ thống băng tải cấp phôi rác thải.
  • Khối Động lực & An toàn: 3 động cơ bước Nema 17 tích hợp hộp số giảm tốc với tỉ số truyền $57/11$ (mô-men xoắn $30\text{ kgf}\cdot\text{cm}$, độ phân giải góc bước tinh chỉnh); nguồn cấp DC 24V 10A, nguồn 12V 5A, rơ-le trung gian, Aptomat (CB) bảo vệ ngắn mạch và nút dừng khẩn cấp (Emergency Button).
Thiết bị / Bộ phận Thông số kỹ thuật chính Vật liệu / Đặc tính chế tạo Chức năng trong hệ thống
Đế cố định Robot Dày 10 mm Nhôm tấm gia công CNC Gắn khung, cố định 3 cụm động cơ bước
Đế di động Robot Dày 16 mm Nhựa PLA (in 3D) Gắn giác hút chân không, giảm quán tính
Khớp trên (Upper Arm) Có vấu chạm cữ Home Nhựa PLA (in 3D) Truyền động từ trục động cơ qua dây đai
Khớp hình bình hành Trục liên kết song song Thanh Inox, vòng bi mắt trâu SI8T Giữ đế di động luôn song song với mặt phẳng đáy
Khung máy $600 \times 500 \times 600\text{ mm}$ Nhôm định hình công nghiệp Chịu lực toàn bộ hệ thống cơ cấu và tủ điện
Bộ truyền đai Puly GT2 (40 răng & 20 răng), đai 2GT Hợp kim nhôm + Cao su Truyền động giảm chấn từ động cơ sang khớp trên
Cảm biến vị trí Công tắc hành trình (Microswitch) Tiếp điểm NO/NC Xác định gốc tọa độ Home cho 3 trục robot

2. Quy trình xử lý và kiến trúc phần mềm

Quy trình hoạt động khép kín của hệ thống diễn ra qua các công đoạn:

[Băng tải đưa rác vào] 
        ↓
[Camera C920 thu nhận khung hình] 
        ↓
[Mô hình YOLOv5 nhận diện: Phân loại Chai nhựa / Lon] 
        ↓
[Tính toán tâm Bounding Box → Ánh xạ tọa độ Ảnh sang Robot] 
        ↓
[Giải thuật Động học nghịch tính toán góc quay 3 trục] 
        ↓
[Gửi dữ liệu qua UART/Serial sang Arduino Mega 2560] 
        ↓
[Cấp xung Driver A4988 → Động cơ Nema 17 điều khiển cánh tay] 
        ↓
[Bật bơm hút khí nén → Gắp rác → Di chuyển đến vị trí thả → Mở van xả]

Phần mềm hệ thống được xây dựng trên môi trường Visual Studio Code, tích hợp giao diện điều khiển hỗ trợ các chế độ: kết nối cổng COM, điều khiển thủ công từng trục (Manual JOG), thiết lập vị trí gốc (Home Position), hiển thị hình ảnh camera theo thời gian thực và tự động nhận dạng phân loại rác thải.

Nội dung chính theo từng chương

Chương 1: Tổng quan

Trình bày tính cấp thiết của vấn đề rác thải đô thị, phân tích sự cần thiết của việc thay thế sức người bằng robot công nghiệp. Tác giả khảo sát các công trình nghiên cứu trên thế giới (mô hình robot FANUC 3 bậc, CSAIL 6 bậc, Robot Delta của hãng AMP công suất 80 lần nhặt/phút), các ứng dụng tại Việt Nam (TOPSTAR, IMWI Delta X) và các đề tài tại Trường ĐH Sư phạm Kỹ thuật TP.HCM (tay máy Scara của Lê Tiến Thành, Nguyễn Đức Lợi; Robot Delta phân loại sản phẩm của Lê Đức Kông). Chương này xác lập mục tiêu, đối tượng, giới hạn không gian - thời gian và phương pháp luận của đề tài.

Chương 2: Cơ sở lý thuyết

Hệ thống hóa toàn bộ nền tảng lý thuyết:

  • Cấu tạo và nguyên lý động học của Robot Delta 3 bậc tự do.
  • Cấu tạo vi điều khiển Arduino Mega 2560, nguyên lý cấp xung động cơ bước và driver A4988.
  • Khái niệm về thị giác máy tính, kỹ thuật xử lý ảnh, công cụ quản lý dữ liệu Roboflow và hạ tầng điện toán đám mây Google Colab.
  • Cấu trúc mạng nơ-ron tích chập (CNN) và kiến trúc chi tiết của mạng YOLOv5 (CSPDarknet53, Anchor box, Non-max suppression, hàm Loss).
  • Các chỉ số đánh giá mô hình học sâu ($IoU$, Confusion Matrix, Precision, Recall, F1-score) và phương pháp chuyển đổi hệ tọa độ camera sang không gian làm việc của robot.

Chương 3: Thiết kế và thi công phần cứng

Trình bày chi tiết các bước thiết kế mô hình 3D trên Solidworks 2021 cho từng chi tiết: đế cố định, đế di động, cánh tay trên, cánh tay hình bình hành và kết cấu khung nhôm định hình $600 \times 500 \times 600\text{ mm}$. Thuyết minh việc lựa chọn vật liệu (nhôm tấm 10 mm cho đế trên nhằm chịu lực; nhựa PLA in 3D cho khớp trên và đế dưới nhằm giảm tải trọng và mô-men quán tính; Inox kết hợp đầu bi SI8T chống gỉ cho khớp song song). Thiết kế và lắp đặt hoàn chỉnh tủ điện, sơ đồ mạch động lực, mạch điều khiển và tích hợp cơ cấu khí nén hút chân không.

Chương 4: Tính toán động học và thiết kế phần mềm điều khiển

Giải bài toán động học nghịch nhằm tìm 3 góc quay $(\theta_1, \theta_2, \theta_3)$ từ tọa độ đích $(x, y, z)$ của cơ cấu chấp hành; giải bài toán động học thuận xác định vị trí đầu giác hút từ góc quay trục động cơ bằng phương pháp giao điểm của 3 mặt cầu. Mô phỏng không gian làm việc của Robot Delta. Thiết lập lưu đồ thuật toán tổng thể của hệ thống, lưu đồ khối xử lý tín hiệu và khối điều khiển. Lập trình chương trình điều khiển trên Arduino IDE và thiết kế giao diện đồ họa người dùng trên Visual Studio Code.

Chương 5: Phát hiện, phân loại và xác định vị trí đối tượng

Trình bày quy trình huấn luyện mạng YOLOv5 qua các bước: thu thập hình ảnh thực tế của lon và chai nhựa; dán nhãn Bounding Box; phân chia tập dữ liệu (Train, Validation, Test); thực hiện tiền xử lý và kỹ thuật làm giàu dữ liệu (Data Augmentation) trên Roboflow. Tiến hành huấn luyện mô hình với thuật toán tối ưu trên Google Colab. Xây dựng giải thuật tính toán tọa độ tâm đối tượng từ Bounding Box trên hệ tọa độ Pixel, chuyển đổi sang hệ tọa độ Ảnh và quy đổi về hệ tọa độ Robot Delta.

Chương 6: Kiểm chứng và đánh giá kết quả thực nghiệm

Tiến hành kiểm chứng sai số động học trên phần mềm Visual Studio Code, kiểm chứng động học nghịch trên bảng cờ chuẩn (checkerboard) và kiểm chứng tọa độ góc thực tế. Đánh giá chất lượng huấn luyện mô hình YOLOv5 trên các tập dữ liệu ảnh khác nhau (515 ảnh và 1026 ảnh) trong 2 điều kiện môi trường: ánh sáng bình thường và ánh sáng tối. Vận hành thử nghiệm toàn bộ hệ thống phân loại rác thải tự động qua 3 lần đánh giá với tổng số 900 mẫu thử.

Chương 7: Kết luận và hướng phát triển

Tổng kết các kết quả đạt được về mặt thiết kế cơ khí, phần mềm thị giác máy tính và hiệu năng tích hợp toàn hệ thống. Nêu rõ các mặt hạn chế còn tồn tại và đề xuất các giải pháp kỹ thuật mở rộng cho đề tài trong tương lai.

Kết quả và đóng góp

1. Kết quả thực nghiệm chính

Khóa luận đã hoàn thành việc chế tạo mô hình thực tế, kiểm chứng động học và đánh giá mô hình nhận diện qua nhiều kịch bản thử nghiệm:

  • Kết quả động học: Giải thuật động học nghịch và thuận hoạt động chính xác, góc quay các trục đáp ứng đúng tọa độ mục tiêu trong không gian làm việc với sai số hình học ở mức cho phép khi hiệu chỉnh trên bàn cờ chuẩn checkerboard.
  • Kết quả huấn luyện mô hình YOLOv5: Việc tăng cường tập dữ liệu huấn luyện và cải thiện điều kiện ánh sáng giúp nâng cao rõ rệt các chỉ số nhận dạng:
Bộ dữ liệu huấn luyện Điều kiện môi trường Đối tượng nhận diện Độ chính xác (Precision) Độ bao quát (Recall) Điểm F1 (F1-score)
515 ảnh Ánh sáng bình thường Chai nhựa & Lon Thấp hơn Thấp hơn Mức trung bình
515 ảnh Ánh sáng tối Chai nhựa & Lon Bị ảnh hưởng bởi nhiễu Giảm Giảm
1026 ảnh Ánh sáng bình thường Chai nhựa & Lon Đạt mức tối ưu nhất Đạt mức tối ưu nhất Cao nhất
1026 ảnh Ánh sáng tối Chai nhựa & Lon Ổn định hơn tập 515 ảnh Ổn định Khá cao
  • Kết quả đánh giá toàn hệ thống (900 mẫu thực nghiệm): Hệ thống được kiểm tra khả năng phân loại liên hoàn (phát hiện - định vị - gắp - thả) qua 3 giai đoạn thử nghiệm lớn:
    • Hệ thống nhận diện chính xác và điều khiển gắp thả phân loại thành công 2 loại đối tượng rác thải (chai nhựa và lon) trên băng tải.
    • Tốc độ xử lý hình ảnh và phản hồi tín hiệu đạt mức thời gian thực.
    • Cơ cấu bơm hút chân không và van xả hoạt động đồng bộ với quỹ đạo chuyển động của cánh tay robot.

2. Đóng góp khoa học và kỹ thuật của đề tài

  • Thiết kế và chế tạo thành công một mô hình Robot Delta 3 bậc tự do hoàn chỉnh với chi phí thấp, kết hợp linh hoạt giữa phương pháp in 3D (nhựa PLA) và gia công kim loại (nhôm, inox).
  • Ứng dụng thành công thuật toán học sâu YOLOv5 vào bài toán nhận diện và định vị rác thải thực tế, thay thế cho các phương pháp phân loại bằng cảm biến truyền thống vốn bị giới hạn về chủng loại rác.
  • Xây dựng phương pháp chuyển đổi hệ tọa độ thực nghiệm đơn giản, hiệu quả, cho phép đồng bộ trực tiếp tọa độ nhận diện từ camera với thuật toán động học của Robot Delta mà không đòi hỏi các thuật toán cân chỉnh camera phức tạp.
  • Cung cấp dữ liệu thực nghiệm chi tiết về sự ảnh hưởng của kích thước tập dữ liệu và điều kiện chiếu sáng đến độ chính xác của hệ thống thị giác máy tính trong phân loại rác.

Hạn chế và hướng nghiên cứu tiếp

Hạn chế của đề tài

  • Độ cứng vững cơ khí: Do kiến thức và công nghệ gia công cơ khí còn hạn chế, kết cấu robot vẫn xuất hiện hiện tượng rung lắc khi vận hành ở tốc độ cao, ảnh hưởng nhất định đến độ ổn định của điểm gắp vật.
  • Số lượng đối tượng phân loại: Mô hình thị giác máy tính mới chỉ được huấn luyện cho 2 lớp đối tượng cụ thể là chai nhựa và lon kim loại, chưa bao quát được các loại rác thải sinh hoạt khác.
  • Tốc độ phân loại: Tốc độ gắp thả tổng thể của hệ thống vẫn chưa đạt đến mức tối ưu của các dòng Robot Delta công nghiệp tiêu chuẩn.

Hướng nghiên cứu tiếp theo

  • Cải tiến và tối ưu hóa kết cấu cơ khí, sử dụng các vật liệu hợp kim có độ bền cao hơn hoặc gia công cơ khí chính xác để triệt tiêu rung lắc, nâng cao tốc độ chuyển động.
  • Thu thập và mở rộng tập dữ liệu huấn luyện cho nhiều nhóm rác thải khác nhau (rác thải hữu cơ, giấy, thủy tinh, rác thải y tế...).
  • Nghiên cứu thuật toán quy hoạch quỹ đạo tối ưu nhằm tăng năng suất phân loại (số lần gắp/phút) và tích hợp cảm biến kiểm tra khối lượng/chất liệu để gia tăng độ chính xác phân loại.

Giá trị tham khảo

Khóa luận là tài liệu tham khảo có giá trị chuyên môn cao cho:

  • Sinh viên và học viên: Chuyên ngành Công nghệ Kỹ thuật Điều khiển và Tự động hóa, Kỹ thuật Cơ điện tử, Robotics và Công nghệ Thông tin đang thực hiện đồ án môn học hoặc khóa luận tốt nghiệp liên quan đến tay máy song song và thị giác máy tính.
  • Các phần nội dung có giá trị tham khảo cao:
    • Quy trình giải bài toán động học thuận và động học nghịch cho Robot Delta 3 bậc tự do (Chương 4).
    • Quy trình thu thập, gán nhãn trên Roboflow và huấn luyện mô hình YOLOv5 trên Google Colab để phát hiện vật thể theo thời gian thực (Chương 5).
    • Phương pháp chuyển đổi tọa độ từ hệ tọa độ điểm ảnh sang hệ tọa độ không gian làm việc của cánh tay robot (Chương 2 và Chương 5).
    • Bản vẽ thiết kế, thông số lựa chọn linh kiện và sơ đồ đấu nối mạch điều khiển, mạch động lực cho hệ thống robot nhặt rác (Chương 3).

Câu hỏi thường gặp

1. Robot Delta trong đề tài sử dụng loại động cơ nào và phương thức truyền động ra sao?
Hệ thống sử dụng 3 động cơ bước Nema 17 có tích hợp hộp số giảm tốc với tỉ số truyền $57/11$, mô-men xoắn $30\text{ kgf}\cdot\text{cm}$. Động cơ truyền động đến khớp trên của robot thông qua bộ truyền puly - đai răng GT2 (puly 40 răng và 20 răng, dây đai 2GT). Động cơ được cấp nguồn 24VDC và điều khiển xung/chiều qua driver A4988 kết hợp Arduino Mega 2560.

2. Các bộ phận cơ khí chính của Robot Delta được chế tạo từ những vật liệu gì?
Đế cố định trên cùng được gia công từ tấm nhôm dày 10 mm để đảm bảo độ cứng vững chịu lực. Đế di động phía dưới (dày 16 mm) và các khớp trên được in 3D bằng nhựa PLA nhằm giảm trọng lượng và quán tính chuyển động. Các thanh của khớp hình bình hành làm bằng Inox chống gỉ, liên kết với đế thông qua vòng bi mắt trâu SI8T và gối đỡ KP08. Khung bao che hệ thống làm bằng nhôm định hình kích thước $600 \times 500 \times 600\text{ mm}$.

3. Cơ cấu chấp hành gắp/thả rác thải hoạt động theo nguyên lý nào?
Cơ cấu chấp hành sử dụng phương pháp hút chân không. Khối chấp hành bao gồm một động cơ bơm hút chân không và một van điện từ 2 chiều điều khiển qua rơ-le. Khi tiếp cận vị trí rác thải, bơm tạo áp suất âm để giác hút giữ chặt vật thể. Khi robot di chuyển vật đến vị trí thùng chứa, van điện từ 2 chiều sẽ mở cho không khí thoát ra, làm mất áp suất âm và thả vật thể rơi xuống.

4. Quy trình chuyển đổi tọa độ từ camera sang Robot Delta được thực hiện như thế nào?
Thuật toán trích xuất tâm của đối tượng từ Bounding Box do mạng YOLOv5 dự đoán trên hệ tọa độ Pixel. Sau đó, hệ tọa độ Pixel được chuyển đổi sang hệ tọa độ Ảnh và ánh xạ trực tiếp sang hệ tọa độ làm việc gốc của Robot Delta thông qua phương trình tương quan thực nghiệm dựa trên vị trí lắp đặt thực tế của camera và robot, không sử dụng các ma trận thông số nội/ngoại phức tạp của camera.

5. Tập dữ liệu và kết quả thực nghiệm phân loại rác được đánh giá qua quy mô như thế nào?
Mô hình YOLOv5 được huấn luyện và đánh giá so sánh giữa hai tập dữ liệu (515 ảnh và 1026 ảnh) trong hai điều kiện ánh sáng (ánh sáng bình thường và ánh sáng tối). Toàn bộ hệ thống sau khi tích hợp đã trải qua 3 đợt chạy thực nghiệm với tổng cộng 900 mẫu thử để kiểm tra tính ổn định của chu trình phân loại liên hoàn.

Kết luận

Đề tài tốt nghiệp "Thiết kế mô hình Robot Delta ứng dụng phân loại rác thải" đã hoàn thành toàn diện các mục tiêu nghiên cứu từ tính toán lý thuyết, thiết kế mô phỏng cơ khí 3D, thi công phần cứng đến xây dựng phần mềm điều khiển và tích hợp thị giác máy tính. Việc ứng dụng mạng học sâu YOLOv5 kết hợp với cơ cấu Robot Delta 3 bậc tự do điều khiển bằng Arduino Mega 2560 đã chứng minh tính khả thi và hiệu quả của giải pháp tự động hóa trong việc phân loại rác thải (chai nhựa và lon) theo thời gian thực. Mặc dù vẫn còn một số hạn chế về độ rung lắc cơ khí và số lượng lớp rác thải thử nghiệm, công trình cung cấp một tài liệu kỹ thuật thực nghiệm hoàn chỉnh, có giá trị học thuật và ứng dụng cao cho các nghiên cứu tiếp theo về robot song song và trí tuệ nhân tạo.