Bối cảnh và vấn đề nghiên cứu

Trong bối cảnh công nghiệp hóa hiện đại, các doanh nghiệp sản xuất đang đối mặt với yêu cầu gia tăng năng suất, đảm bảo tính đồng đều của sản phẩm và hạn chế các rủi ro về an toàn lao động trong những môi trường độc hại hoặc nguy hiểm. Robot công nghiệp, đặc biệt là các dòng cánh tay robot tự động hóa, đã trở thành giải pháp tiêu chuẩn tại các quốc gia phát triển trong các dây chuyền lắp ráp ô tô, điện tử, chế biến thực phẩm và dược phẩm.

Tại Việt Nam, việc ứng dụng cánh tay robot dạng SCARA (Selective Compliance Articulated Robot Arm) đang có xu hướng gia tăng tại một số phân khúc như lắp ráp điện tử, sản xuất ô tô và y tế. Tuy nhiên, mức độ phổ biến của hệ thống này còn gặp nhiều rào cản thực tế:

  • Chi phí đầu tư ban đầu để mua sắm và chuyển giao robot SCARA ngoại nhập còn rất cao đối với các doanh nghiệp vừa và nhỏ.
  • Nguồn nhân lực có chuyên môn kỹ thuật sâu về lập trình, vận hành và hiệu chỉnh robot SCARA còn thiếu hụt.
  • Khả năng tiếp cận, đánh giá hiệu quả kinh tế và tích hợp robot vào quy trình sản xuất hiện hữu của nhiều doanh nghiệp còn hạn chế.

Đứng trước thực tiễn đó, khóa luận tốt nghiệp kỹ sư ngành Kỹ thuật Máy tính của nhóm tác giả Phạm Nguyễn Minh Khang và Nguyễn Văn Quốc Huy (Trường Đại học Công nghệ Thông tin, Đại học Quốc gia TP.HCM, năm 2023) với đề tài "Thiết kế robot SCARA - Ứng dụng phân loại sản phẩm bằng hình ảnh" được thực hiện nhằm giải quyết bài toán chế tạo mô hình robot SCARA kết hợp thị giác máy tính tự động nhận diện và phân loại vật thể.

Mục tiêu và nhiệm vụ nghiên cứu cụ thể của đề tài gồm:

  1. Nghiên cứu ngôn ngữ lập trình Python và thư viện xử lý ảnh OpenCV để thu nhận và xử lý dữ liệu hình ảnh trên nền tảng máy tính nhúng.
  2. Xây dựng thuật toán phân đoạn và phân loại sản phẩm dựa trên việc phân tích không gian màu sắc.
  3. Phân tích, tính toán mô hình động học thuận (Forward Kinematics) và động học nghịch (Inverse Kinematics) cho cấu trúc robot SCARA.
  4. Thiết kế cơ khí, lựa chọn linh kiện phần cứng và thi công hoàn chỉnh mô hình cánh tay robot SCARA kết hợp băng chuyền.
  5. Lập trình vi điều khiển và máy tính nhúng, tích hợp giao tiếp thời gian thực giữa module xử lý ảnh và cơ cấu chấp hành.
  6. Thử nghiệm toàn diện hệ thống, đánh giá độ chính xác phân loại, thời gian xử lý và tốc độ khung hình (FPS).

Đối tượng và phạm vi nghiên cứu:

  • Đối tượng nghiên cứu: Cấu trúc cánh tay robot SCARA 3 bậc tự do (cấu hình khớp quay - quay - trượt RRT), thuật toán phân đoạn màu sắc ảnh số và hệ thống điều khiển nhúng phân tầng.
  • Phạm vi thử nghiệm phân loại: Hệ thống tập trung phân loại 3 nhóm sản phẩm mẫu dạng hình khối đồng nhất với các thông số kỹ thuật được cố định trong bảng sau:
STT Tên loại sản phẩm Màu sắc nhận diện Cân nặng (g) Kích thước (Dài x Rộng x Cao)
1 Red Màu đỏ 35 3 x 3 x 3 cm
2 Blue Màu xanh dương 35 3 x 3 x 3 cm
3 Yellow Màu vàng 35 3 x 3 x 3 cm
  • Phạm vi phần cứng: Sử dụng máy tính nhúng Raspberry Pi 3 Model B, Raspberry Pi Camera Module V2, vi điều khiển STM32F407, động cơ bước Step motor 42, driver TB6600, driver L298N, động cơ DC servo giảm tốc JGB và cảm biến vật cản hồng ngoại E18-D80NK.

Cơ sở lý thuyết và phương pháp

Khóa luận kết hợp chặt chẽ giữa lý thuyết cơ học tay máy, lý thuyết điều khiển tự động và thị giác máy tính số:

  1. Khung lý thuyết động học robot:

    • Sử dụng phương pháp quy ước tham số Denavit-Hartenberg (D-H) để gắn hệ trục tọa độ lên các khâu và khớp của robot SCARA.
    • Xây dựng ma trận biến đổi thuần nhất tổng quát $^{i-1}T_i$ nhằm xác định vị trí, hướng của khâu tác động cuối (End-Effector) so với hệ tọa độ gốc (bài toán động học thuận).
    • Áp dụng phương pháp giải tích (Analytical Method) để giải bài toán động học nghịch, từ tọa độ không gian làm việc $(P_x, P_y, P_z)$ suy ra các biến khớp ($\theta_1, \theta_2, d$).
    • Sử dụng phương trình động lực học Euler-Lagrange (Lagrangian Dynamic) để mô tả mối quan hệ giữa lực/mô-men tác động và chuyển động của cánh tay robot.

  2. Lý thuyết xử lý ảnh số và không gian màu:

    • Quy trình xử lý ảnh chuẩn: Thu nhận ảnh $\rightarrow$ Tiền xử lý (khử nhiễu, nâng cao tương phản) $\rightarrow$ Phân đoạn ảnh $\rightarrow$ Biểu diễn và mô tả $\rightarrow$ Nhận dạng và ra quyết định.
    • Chuyển đổi không gian màu: Ảnh thu từ camera được biểu diễn dưới định dạng RGB/BGR. Hệ thống thực hiện chuyển đổi sang không gian màu HSV (Hue - Saturation - Value) nhằm tách biệt thành phần sắc độ (Hue) khỏi cường độ chiếu sáng (Value), giúp việc lọc ngưỡng màu ổn định trước biến thiên ánh sáng môi trường. Trong thư viện OpenCV, dải giá trị Hue được co lại trong khoảng từ 0 đến 180 (thay vì 0 đến 360 độ).

  3. Phương pháp nghiên cứu và thực nghiệm:

    • Phương pháp mô hình hóa toán học: Lập công thức giải tích cho các biến khớp và lập bảng tham số D-H.
    • Phương pháp thực nghiệm xác định ngưỡng: Tiến hành đo đạc, lấy mẫu thực tế các giá trị H, S, V của bề mặt sản phẩm để tìm dải ngưỡng tối ưu cho 3 gam màu đỏ, xanh dương và vàng.
    • Phương pháp thiết kế hệ thống nhúng phân tầng: Phân chia kiến trúc điều khiển thành 2 cấp: cấp xử lý thị giác máy tính cấp cao (High-level vision processing) trên Raspberry Pi 3 và cấp điều khiển chuyển động thời gian thực (Low-level real-time motion control) trên vi điều khiển STM32F407.

Thiết kế và triển khai

Hệ thống được thiết kế và chế tạo bao gồm các khối chức năng phần cứng và luồng điều khiển phần mềm như sau:

1. Cấu trúc phần cứng

Thành phần Mã thiết bị / Thông số kỹ thuật chính Vai trò trong hệ thống
Vi điều khiển chính STM32F407VGT6 (ARM Cortex-M4 32-bit, 168 MHz, 1MB Flash, 192KB RAM, FPU) Đọc cảm biến, nhận mã lệnh từ Raspberry Pi, phát xung điều khiển driver động cơ
Máy tính nhúng Raspberry Pi 3 Model B (Broadcom BCM2387 ARM Cortex-A53 64-bit 1.4 GHz, 1GB LPDDR2 RAM) Chạy môi trường Python/OpenCV, xử lý luồng video và phát hiện màu sắc
Camera Raspberry Pi Camera Module V2 (Cảm biến 1/4 inch, tiêu cự $f = 3.04\text{ mm}$, khẩu độ $F = 2.0$) Thu nhận hình ảnh sản phẩm trên băng chuyền
Động cơ khớp quay Step motor 42 (Bước góc $1.8^\circ$, dòng $1.8\text{ A}$, mô-men $52\text{ N/cm}$, nặng $350\text{ g}$, dài $48\text{ mm}$) Dẫn động các khớp xoay của cánh tay robot SCARA
Driver động cơ bước TB6600 (Nguồn $9\sim42\text{ VDC}$, dòng tối đa $4\text{ A}$, cách ly quang opto, vi bước tới $1/16$) Điều khiển phát xung và hướng quay cho Step motor
Động cơ băng chuyền Động cơ DC Servo giảm tốc JGB (Nguồn $12\text{ VDC}$, tốc độ $80\text{ RPM}$, mô-men xoắn $9\text{ kg.cm}$) Dẫn động băng chuyền đưa sản phẩm vào vùng quan sát
Driver động cơ DC Mạch cầu H L298N (Điện áp $+5\text{V}\sim+12\text{V}$, dòng tải cực đại $2\text{A}/\text{cầu}$) Điều khiển đóng/ngắt và tốc độ động cơ DC băng chuyền
Cảm biến phát hiện Cảm biến hồng ngoại E18-D80NK (Khoảng cách phát hiện $2\sim60\text{ cm}$, ngõ ra $300\text{ mA}$) Phát hiện vật cản/sản phẩm đi vào vị trí gắp
Nguồn cung cấp Nguồn xung tổ ong $12\text{VDC}$ Cấp nguồn công suất cho toàn bộ hệ thống mạch và động cơ

2. Thông số ngưỡng màu HSV đã hiệu chỉnh thực tế

Sau quá trình lấy mẫu và tinh chỉnh trên bề mặt vật thể thực tế, các ngưỡng HSV được xác định chính xác trong không gian OpenCV như sau:

  • Màu đỏ (Red): $H \in [168, 179], S \in [198, 255], V \in [0, 255]$
  • Màu xanh dương (Blue): $H \in [117, 128], S \in [184, 255], V \in [0, 255]$
  • Màu vàng (Yellow): $H \in [44, 57], S \in [168, 255], V \in [21, 255]$

3. Quy trình vận hành và luồng điều khiển

  1. Băng chuyền đưa vật thể di chuyển; khi vật thể đến vị trí quan sát, Raspberry Pi Camera Module V2 thu nhận khung hình liên tục.
  2. Chương trình Python chạy OpenCV trên Raspberry Pi 3 chuyển đổi không gian màu RGB sang HSV, áp dụng dải ngưỡng lọc màu, tách đối tượng, tìm đường bao (contour) và xác định màu sắc (Đỏ, Xanh dương, hoặc Vàng).
  3. Kết quả nhận diện màu được đóng gói và gửi qua giao tiếp nối tiếp (UART/Serial) từ Raspberry Pi sang STM32F407.
  4. Khi sản phẩm chạm đến vị trí gắp, cảm biến hồng ngoại E18-D80NK kích hoạt tín hiệu ngắt báo cho STM32.
  5. Vi điều khiển STM32F407 tính toán số bước xung tương ứng theo phương trình động học nghịch, kích hoạt driver TB6600 điều khiển các khớp Step motor 42 đưa tay kẹp đến đúng tọa độ vật thể, gắp và đưa về vị trí khay chứa tương ứng với màu sắc đã nhận diện.

Nội dung chính theo từng chương

Chương 1. NỀN TẢNG LÝ THUYẾT

Chương này tổng quan về lịch sử phát triển của robot công nghiệp, từ các cột mốc đầu tiên như robot Unimate (1954/1961), Famulus 6 bậc tự do của KUKA (1973), robot điều khiển bằng máy tính IRB6 của ASEA (1974), cấu trúc robot SCARA do Hiroshi Makino phát minh năm 1979 tại Đại học Yamanashi, đến robot Delta thập niên 1980. Chương phân loại cánh tay robot theo không gian làm việc (tọa độ Descartes, tọa độ trụ, tọa độ cầu RRR/RRT, tọa độ góc phỏng sinh, SCARA), theo hệ dẫn động (điện, thủy lực, khí nén) và theo cơ chế điều khiển (vòng hở, vòng kín). Tiếp theo, chương trình bày các khái niệm cốt lõi của xử lý ảnh (điểm ảnh, ảnh số, ảnh xám, nhị phân hóa, phân đoạn ảnh), giới thiệu ngôn ngữ Python, thư viện OpenCV và nguyên lý không gian màu RGB, HSV phục vụ việc lọc và phân đoạn màu.

Chương 2. GIỚI THIỆU PHẦN CỨNG

Chương 2 mô tả chi tiết thông số kỹ thuật, sơ đồ chân và đặc tính hoạt động của các thiết bị phần cứng được sử dụng trong mô hình:

  • Vi điều khiển STM32F407VGT6 (ARM Cortex-M4 32-bit tốc độ 168 MHz, tích hợp FPU, 1MB Flash, 192KB RAM, hỗ trợ các chuẩn giao tiếp UART, SPI, I2C, PWM).
  • Động cơ bước Step motor 42 (bước góc $1.8^\circ$, điện trở cuộn dây $1.8,\Omega$, điện cảm $3.2\text{ mH}$, mô-men giữ $52\text{ N/cm}$, khối lượng $350\text{ g}$).
  • Driver điều khiển động cơ bước TB6600 (điện áp $9\sim42\text{ VDC}$, dòng tải cực đại $4\text{ A}$, ngõ vào cách ly quang tốc độ cao, hỗ trợ vi bước từ $1/2$ đến $1/16$).
  • Mạch cầu H L298N (điện áp hoạt động $+5\text{V}\sim+12\text{V}$, dòng định mức 2A mỗi cầu H).
  • Động cơ DC Servo giảm tốc JGB (điện áp $12\text{VDC}$, tốc độ $80\text{ RPM}$, mô-men $9\text{ kg.cm}$).
  • Máy tính nhúng Raspberry Pi 3 Model B (chip BCM2387 lõi tứ 1.4 GHz, RAM 1GB LPDDR2, cổng kết nối CSI, HDMI, Ethernet, GPIO 40 chân).
  • Raspberry Pi Camera Module V2 (tiêu cự $f=3.04\text{ mm}$, khẩu độ $F=2.0$).
  • Cảm biến hồng ngoại phát hiện vật thể E18-D80NK (khoảng cách $2\sim60\text{ cm}$, ngõ ra transistor cực thu hở NPN $300\text{ mA}$).

Chương 3. TÍNH TOÁN VÀ THIẾT KẾ

Tập trung vào phần toán học động học và động lực học của cánh tay robot SCARA:

  • Thiết lập bảng thông số Denavit-Hartenberg (D-H):
Khớp ($i$) $\alpha_{i-1}$ $a_{i-1}$ $d_i$ $\theta_i$
1 0 0 $d_1$ 0
2 0 0 0 $\theta_2$
3 0 $L_1$ 0 $\theta_3$
4 0 $L_2$ 0 $\theta_4$
5 0 0 $-d_5$ 0
  • Động học thuận: Xây dựng các ma trận biến đổi thuần nhất $^{0}T_1, ^{1}T_2, ^{2}T_3, ^{3}T_4, ^{4}T_5$ và nhân ma trận để rút ra phương trình tọa độ điểm cuối $P = [P_x, P_y, P_z]^T$ theo các biến khớp $\theta_1, \theta_2$ và độ dịch chuyển tịnh tiến $d$.
  • Động học nghịch: Sử dụng phương pháp giải tích để biến đổi hình học, tính toán công thức xác định $\cos(\theta_2)$, suy ra $\sin(\theta_2) = \pm\sqrt{1 - \cos^2(\theta_2)}$ và tìm $\theta_2 = \text{atan2}(\pm\sqrt{1-\cos^2\theta_2}, \cos\theta_2)$, sau đó giải hệ phương trình vector để xác định góc $\theta_1$ và độ dời trục tịnh tiến $d$.
  • Động lực học: Ứng dụng phương pháp Lagrangian Dynamic để xây dựng mô hình toán học về năng lượng và mô-men lực của hệ thống.
  • Tính toán thông số HSV: Xây dựng quy trình thực nghiệm lấy mẫu màu, phân tích dải ngưỡng màu đỏ, vàng, xanh dương trong môi trường ánh sáng thực tế.

Chương 4. THI CÔNG HỆ THỐNG

Trình bày quá trình hiện thực hóa mô hình vật lý:

  • Lắp ráp khung cơ khí SCARA, thanh trục động trượt $4\text{ cm}$, bộ puly 80 răng đôi truyền động, gá đặt động cơ và camera.
  • Thiết kế mạch kết nối giữa Raspberry Pi 3 và mạch vi điều khiển STM32F407 qua UART.
  • Xây dựng lưu đồ giải thuật phần mềm trên Raspberry Pi (khởi tạo camera, đọc frame, chuyển đổi HSV, lọc ngưỡng màu, xác định tâm đối tượng, truyền chuỗi ký tự kết quả phân loại).
  • Xây dựng lưu đồ giải thuật firmware trên STM32 (khởi tạo ngoại vi GPIO/UART/Timer PWM, đợi tín hiệu cảm biến vật cản E18-D80NK, nhận mã màu, tính bước động cơ bước, phát xung điều khiển TB6600 để xoay và hạ tay kẹp gắp sản phẩm, quay về vị trí thả).

Chương 5. KẾT QUẢ - NHẬN XÉT - ĐÁNH GIÁ

Chương này đánh giá các kết quả đạt được từ mô hình thực nghiệm:

  • Kiểm tra độ chính xác của giải thuật nhận diện màu sắc cho 3 nhóm màu Đỏ, Xanh dương, Vàng trong các điều kiện mẫu thử.
  • Đo đạc tốc độ khung hình (FPS) của thuật toán xử lý ảnh trên Raspberry Pi 3 ở 2 trạng thái: khi không có vật thể xuất hiện trong khung hình và khi phát hiện/nhận dạng vật thể.
  • Thống kê thời gian xử lý ảnh trung bình của hệ thống và so sánh đối chiếu với kết quả của các nhóm nghiên cứu tương đương.
  • Đo tổng thời gian hoàn thành một chu trình gắp - thả (Pick and Place) sản phẩm từ băng chuyền về khay chứa.

Chương 6. KẾT LUẬN VÀ HƯỚNG PHÁT TRIỂN

Tổng kết toàn bộ các kết quả đạt được trong việc thiết kế cơ khí, tính toán động học, thi công mạch điều khiển và lập trình xử lý ảnh phân loại sản phẩm. Đề xuất các hướng phát triển nâng cao tính năng cho hệ thống trong tương lai.

Kết quả và đóng góp

1. Kết quả kỹ thuật đạt được

  • Chế tạo thành công mô hình cánh tay robot SCARA 3 bậc tự do hoạt động ổn định, phối hợp đồng bộ với hệ thống băng chuyền dẫn động bằng động cơ DC Servo giảm tốc JGB và cảm biến hồng ngoại E18-D80NK.
  • Xây dựng hoàn chỉnh thuật toán xử lý ảnh trên nền Python và OpenCV, chuyển đổi không gian màu sang HSV và xác định chính xác 3 loại màu sắc của sản phẩm (Đỏ, Xanh dương, Vàng) với kích thước $3 \times 3 \times 3\text{ cm}$, khối lượng $35\text{ g}$.
  • Thiết lập thành công hệ thống điều khiển phân tầng: Raspberry Pi 3 đảm nhiệm tác vụ thị giác máy tính và STM32F407VGT6 đảm nhiệm tác vụ điều khiển phát xung thời gian thực cho driver TB6600, giải quyết bài toán động học nghịch thông qua giải tích toán học.
  • Đo lường và đánh giá cụ thể các chỉ số thời gian thực thi: tốc độ xử lý ảnh (FPS khi có vật và không có vật), thời gian phân đoạn nhận diện màu sắc và tổng chu trình gắp - thả sản phẩm.

2. Đóng góp của đề tài

  • Cung cấp một thiết kế hoàn chỉnh từ tính toán lý thuyết động học (D-H, giải tích động học nghịch), thiết kế cơ khí, mạch phần cứng đến thuật toán xử lý ảnh phân loại sản phẩm bằng robot SCARA với chi phí thấp, linh kiện dễ tiếp cận tại Việt Nam.
  • Đóng góp bộ thông số ngưỡng màu HSV đã được thực nghiệm và hiệu chỉnh chính xác trên nền tảng OpenCV cho các nghiên cứu ứng dụng phân loại tự động.

Hạn chế và hướng nghiên cứu tiếp

1. Hạn chế

  • Hệ thống phân loại mới chỉ dừng lại ở việc nhận diện 3 màu sắc cơ bản (Đỏ, Xanh dương, Vàng) trên các vật thể có kích thước hình khối cố định ($3 \times 3 \times 3\text{ cm}$) và trọng lượng nhẹ ($35\text{ g}$).
  • Thuật toán phân đoạn màu dựa trên không gian HSV vẫn có sự phụ thuộc nhất định vào độ ổn định của nguồn sáng môi trường xung quanh.
  • Cấu hình phần cứng máy tính nhúng Raspberry Pi 3 có giới hạn về tài nguyên tính toán, ảnh hưởng đến tốc độ khung hình (FPS) khi xử lý các thuật toán thị giác phức tạp hơn.

2. Hướng nghiên cứu tiếp

  • Nâng cấp thuật toán xử lý ảnh: Tích hợp các mô hình học sâu (Deep Learning) hoặc mạng nơ-ron tích chập (CNN) để nhận diện đa dạng hình dạng, kích thước, phân loại các sản phẩm bị lỗi hoặc phân loại rác thải tự động.
  • Cải tiến cơ khí và hệ thống truyền động để nâng cao tải trọng gắp, tốc độ di chuyển và độ chính xác lặp lại của cánh tay robot.
  • Tối ưu hóa mã nguồn xử lý ảnh và firmware điều khiển nhằm nâng cao tốc độ khung hình (FPS) và rút ngắn tổng thời gian chu trình gắp - thả.

Giá trị tham khảo

Tài liệu khóa luận có giá trị tham khảo thiết thực cho các đối tượng và mục đích học thuật/kỹ thuật sau:

  • Sinh viên ngành Kỹ thuật Máy tính, Cơ điện tử, Robot học và Tự động hóa: Là tài liệu tham khảo trực quan về quy trình tính toán động học robot SCARA sử dụng bảng tham số Denavit-Hartenberg và phương pháp giải tích động học nghịch.
  • Người nghiên cứu ứng dụng thị giác máy tính trên hệ thống nhúng: Tham khảo phương pháp xây dựng chương trình xử lý ảnh bằng Python/OpenCV trên Raspberry Pi 3, cách trích xuất dải màu HSV và kỹ thuật giao tiếp nối tiếp (UART) với vi điều khiển.
  • Kỹ sư thiết kế hệ thống điều khiển chuyển động: Tham khảo kiến trúc phần cứng kết hợp giữa vi điều khiển STM32F407 (ARM Cortex-M4), driver vi bước TB6600, động cơ bước Step motor 42 và cảm biến hồng ngoại công nghiệp E18-D80NK.

Câu hỏi thường gặp

1. Khóa luận sử dụng cấu trúc cánh tay robot nào và cấu hình khớp gồm những gì?

Khóa luận thiết kế cánh tay robot công nghiệp dạng SCARA (Selective Compliance Articulated Robot Arm) với 3 bậc tự do chính theo cấu hình RRT (2 khớp xoay song song theo phương thẳng đứng và 1 khớp trượt nâng hạ).

2. Hệ thống phân chia tác vụ xử lý giữa Raspberry Pi 3 và STM32F407 như thế nào?

Hệ thống sử dụng kiến trúc phân tầng:

  • Raspberry Pi 3 Model B: Đóng vai trò máy tính xử lý cấp cao, kết nối với Raspberry Pi Camera Module V2, chạy Python và OpenCV để xử lý khung hình, chuyển đổi không gian màu sang HSV, lọc ngưỡng màu và gửi mã kết quả phân loại qua cổng nối tiếp (UART).
  • STM32F407VGT6: Đóng vai trò vi điều khiển điều khiển chuyển động cấp thấp thời gian thực, tiếp nhận tín hiệu từ cảm biến hồng ngoại E18-D80NK, giải mã tín hiệu màu từ Raspberry Pi, tính toán số xung bước theo thuật toán động học nghịch và phát xung tới driver TB6600/L298N để điều khiển các động cơ.

3. Dải thông số màu HSV được xác định sau khi hiệu chỉnh thực tế là bao nhiêu?

Các dải ngưỡng HSV (trong hệ quy chuẩn OpenCV với $H \in [0, 180]$) bao gồm:

  • Màu đỏ: $H \in [168, 179], S \in [198, 255], V \in [0, 255]$
  • Màu xanh dương: $H \in [117, 128], S \in [184, 255], V \in [0, 255]$
  • Màu vàng: $H \in [44, 57], S \in [168, 255], V \in [21, 255]$

4. Thông số kỹ thuật của sản phẩm mẫu dùng trong thử nghiệm phân loại là gì?

Sản phẩm mẫu gồm 3 loại (màu đỏ, màu xanh dương, màu vàng), mỗi khối có khối lượng $35\text{ g}$ và kích thước hình học $3 \times 3 \times 3\text{ cm}$ (Dài x Rộng x Cao).

5. Phương pháp toán học nào được nhóm tác giả sử dụng để giải bài toán động học của robot?

Nhóm tác giả sử dụng phương pháp biểu diễn tham số Denavit-Hartenberg (D-H) kết hợp ma trận biến đổi thuần nhất $^{i-1}T_i$ để giải bài toán động học thuận, phương pháp giải tích (Analytical Method) giải hệ phương trình lượng giác để tìm nghiệm biến khớp cho bài toán động học nghịch, và phương pháp Lagrangian Dynamic cho mô hình động lực học.

Kết luận

Khóa luận tốt nghiệp của tác giả Phạm Nguyễn Minh Khang và Nguyễn Văn Quốc Huy đã thiết kế, chế tạo và tích hợp thành công mô hình robot SCARA ứng dụng thị giác máy tính để phân loại sản phẩm theo màu sắc. Đề tài kết hợp hiệu quả giữa lý thuyết động học tay máy giải tích, kỹ thuật xử lý ảnh số không gian màu HSV trên Raspberry Pi 3 và điều khiển chấp hành thời gian thực bằng vi điều khiển STM32F407. Toàn bộ hệ thống cơ - điện tử và thuật toán phần mềm đã được kiểm nghiệm thực tế, đạt độ chính xác phân loại ổn định đối với 3 nhóm màu sắc mẫu, cung cấp tài liệu kỹ thuật có giá trị thực tiễn cao cho các ứng dụng tự động hóa phân loại sản phẩm quy mô vừa và nhỏ.