Đồ án tốt nghiệp nghiên cứu thiết kế và thi công mô hình đếm và phân loại sản phẩm theo cân nặng màu sắc

Đồ án tốt nghiệp nghiên cứu thiết kế và thi công mô hình đếm, phân loại sản phẩm theo cân nặng và màu sắc, ứng dụng công nghệ hiện đại.

• Tác giả: Phạm Thị Thanh Thảo
• Người hướng dẫn: ThS. Nguyễn Đình Phú
• Trường học: Trường Đại học Sư phạm Kỹ thuật TP. Hồ Chí Minh
• Chuyên ngành: Công nghệ kỹ thuật điện tử truyền thông
• Đề tài: Nghiên cứu, thiết kế và thi công mô hình đếm và phân loại sản phẩm theo cân nặng, màu sắc
• Loại tài liệu: Đồ án tốt nghiệp
• Năm xuất bản: 2019
• Địa điểm: TP. Hồ Chí Minh

Mục lục chi tiết

• LỜI CAM ĐOAN
• LỜI CẢM ƠN
• MỤC LỤC
• LIỆT KÊ HÌNH VẼ
• LIỆT KÊ BẢNG BIỂU
• 1. CHƯƠNG 1: TỔNG QUAN
• 1.1. ĐẶT VẤN ĐỀ
• 1.2. MỤC TIÊU
• 1.3. NỘI DUNG NGHIÊN CỨU
• 1.4. GIỚI HẠN
• 1.5. BỐ CỤC
• 2. CHƯƠNG 2: CƠ SỞ LÝ THUYẾT
• 2.1. TỔNG QUAN VỀ XỬ LÝ ẢNH
• 2.2. GIỚI THIỆU VỀ XỬ LÝ ẢNH
• 2.3. NHỮNG VẤN ĐỀ XỬ LÝ ẢNH
• 2.4. NGÔN NGỮ PYTHON VÀ THƯ VIỆN OPENCV
• 2.5. PHƯƠNG PHÁP PHÂN LOẠI SẢN PHẨM THEO MÀU SẮC, CÂN NẶNG
• 2.5.1. Các màu sắc cơ bản của sản phẩm
• 2.5.2. Phương pháp phân loại theo màu sắc
• 2.5.3. Phương pháp phân loại theo cân nặng
• 2.6. GIỚI THIỆU PHẦN CỨNG
• 2.6.1. Raspberry Pi 3 model B
• 2.6.2. Cảm biến cân nặng
• 2.6.3. Xi-lanh khí nén (air cylinder)
• 2.6.4. Van điện từ (solenoid)
• 3. CHƯƠNG 3: TÍNH TOÁN VÀ THIẾT KẾ
• 3.1. TỔ CHỨC CÁC KHỐI TRONG HỆ THỐNG
• 3.2. THIẾT KẾ CÁC KHỐI TRONG HỆ THỐNG
• 3.2.1. Khối thu tín hiệu hình ảnh (camera)
• 3.2.2. Khối thu tín hiệu cân nặng (loadcell) và khối ADC (module HX711)
• 3.2.3. Khối xử lý trung tâm (Raspberry Pi 3)
• 3.2.4. Động cơ DC; Xi-lanh và Van điện từ
• 3.2.5. Khối hiển thị
• 3.2.6. Sơ nguyên lý toàn mạch
• 4. CHƯƠNG 4: THI CÔNG HỆ THỐNG
• 4.1. THI CÔNG HỆ THỐNG
• 4.1.1. Thi công board mạch
• 4.1.2. Lắp ráp và kiểm tra
• 4.2. ĐÓNG GÓI VÀ THI CÔNG MÔ HÌNH
• 4.3. LẬP TRÌNH HỆ THỐNG
• 4.3.1. Giao diện hệ thống
• 4.3.2. VIẾT TÀI LIỆU HƯỚNG DẪN SỬ DỤNG, THAO TÁC
• 5. CHƯƠNG 5: KẾT QUẢ - NHẬN XÉT - ĐÁNH GIÁ
• 5.1. KẾT QUẢ TỔNG QUAN
• 5.2. KẾT QUẢ ĐẠT ĐƯỢC
• 5.2.1. Giao diện hiển thị Tkinter
• 5.2.2. Giao diện Web và Cơ sở lưu trữ dữ liệu Realtime Database
• 5.2.3. Kết quả mô hình thực tế
• 5.2.4. Kết quả thực nghiệm
• 5.3. NHẬN XÉT – ĐÁNH GIÁ
• 5.3.1. Nhận xét kết quả đạt được
• 5.3.2. Đánh giá kết quả
• 6. CHƯƠNG 6: KẾT LUẬN – HƯỚNG PHÁT TRIỂN
• 6.1. HƯỚNG PHÁT TRIỂN
• TÀI LIỆU THAM KHẢO

Tóm tắt

I. Thiết kế mô hình

Phần này tập trung vào thiết kế mô hình hệ thống đếm và phân loại sản phẩm theo cân nặng và màu sắc. Mô hình được xây dựng dựa trên việc sử dụng Raspberry Pi 3 Model B làm bộ xử lý trung tâm, kết hợp với cảm biến cân nặng và camera để thu thập dữ liệu. Ngôn ngữ lập trình Python và thư viện OpenCV được sử dụng để xử lý hình ảnh và nhận diện màu sắc. Mục tiêu là tạo ra một hệ thống có khả năng phân loại sản phẩm một cách chính xác và hiệu quả.

1.1. Thiết kế phần cứng

Phần cứng của hệ thống bao gồm Raspberry Pi 3 Model B, cảm biến cân nặng, camera USB, và các thiết bị hỗ trợ như xi-lanh khí nén và van điện từ. Raspberry Pi đóng vai trò là bộ xử lý trung tâm, kết nối với các thiết bị ngoại vi để thu thập và xử lý dữ liệu. Cảm biến cân nặng được sử dụng để đo trọng lượng sản phẩm, trong khi camera thu thập hình ảnh để phân tích màu sắc.

1.2. Thiết kế phần mềm

Phần mềm được phát triển trên nền tảng Python, sử dụng thư viện OpenCV để xử lý hình ảnh và nhận diện màu sắc. Thuật toán xử lý ảnh được áp dụng để trích xuất các đặc trưng màu sắc từ hình ảnh sản phẩm. Dữ liệu về cân nặng và màu sắc sau đó được xử lý để phân loại sản phẩm vào các nhóm tương ứng.

II. Thi công mô hình

Quá trình thi công mô hình bao gồm việc lắp ráp các thiết bị phần cứng và tích hợp phần mềm. Raspberry Pi được kết nối với cảm biến cân nặng và camera thông qua các cổng GPIO và USB. Xi-lanh khí nén và van điện từ được lắp đặt để thực hiện việc phân loại sản phẩm dựa trên kết quả xử lý dữ liệu. Hệ thống được kiểm tra và hiệu chỉnh để đảm bảo hoạt động ổn định.

2.1. Lắp ráp phần cứng

Các thiết bị phần cứng được lắp ráp theo sơ đồ kết nối đã thiết kế. Raspberry Pi được kết nối với cảm biến cân nặng thông qua module HX711, và với camera qua cổng USB. Xi-lanh khí nén và van điện từ được lắp đặt trên băng tải để thực hiện việc đẩy sản phẩm vào các hộp chứa tương ứng.

2.2. Tích hợp phần mềm

Phần mềm được tích hợp vào Raspberry Pi, bao gồm các chương trình xử lý hình ảnh, đo lường cân nặng, và điều khiển các thiết bị ngoại vi. Giao diện web được phát triển để người dùng có thể theo dõi và điều chỉnh các thông số phân loại từ xa.

III. Đếm sản phẩm

Hệ thống được trang bị chức năng đếm sản phẩm tự động. Mỗi sản phẩm sau khi được phân loại sẽ được đếm và lưu trữ dữ liệu. Raspberry Pi thực hiện việc đếm dựa trên tín hiệu từ cảm biến cân nặng và camera. Dữ liệu được cập nhật liên tục và hiển thị trên giao diện web, cho phép người dùng theo dõi số lượng sản phẩm đã được xử lý.

3.1. Thuật toán đếm

Thuật toán đếm sản phẩm được xây dựng dựa trên việc xác định sự xuất hiện của sản phẩm trên băng tải. Khi sản phẩm đi qua cảm biến cân nặng, hệ thống sẽ ghi nhận và tăng biến đếm. Dữ liệu được lưu trữ và hiển thị trên giao diện web.

3.2. Hiển thị dữ liệu

Dữ liệu về số lượng sản phẩm được hiển thị trên giao diện web, cho phép người dùng theo dõi trực quan. Giao diện web cũng cung cấp các tùy chọn để xuất dữ liệu ra file hoặc in báo cáo.

IV. Phân loại sản phẩm

Hệ thống thực hiện phân loại sản phẩm dựa trên hai tiêu chí chính: cân nặng và màu sắc. Cảm biến cân nặng đo trọng lượng sản phẩm, trong khi camera thu thập hình ảnh để phân tích màu sắc. Dữ liệu được xử lý và sản phẩm được phân loại vào các nhóm tương ứng. Xi-lanh khí nén và van điện từ được sử dụng để đẩy sản phẩm vào các hộp chứa phù hợp.

4.1. Phân loại theo cân nặng

Sản phẩm được phân loại dựa trên trọng lượng đo được từ cảm biến cân nặng. Các ngưỡng cân nặng được cài đặt sẵn để xác định nhóm sản phẩm. Kết quả phân loại được sử dụng để điều khiển xi-lanh khí nén đẩy sản phẩm vào hộp chứa tương ứng.

4.2. Phân loại theo màu sắc

Màu sắc sản phẩm được phân tích thông qua hình ảnh thu được từ camera. Thuật toán xử lý ảnh được sử dụng để trích xuất các đặc trưng màu sắc và phân loại sản phẩm vào các nhóm màu sắc khác nhau. Kết quả phân loại được sử dụng để điều khiển van điện từ đẩy sản phẩm vào hộp chứa phù hợp.

V. Công nghệ xử lý hình ảnh

Hệ thống sử dụng công nghệ xử lý hình ảnh để nhận diện và phân loại sản phẩm. Thư viện OpenCV được sử dụng để xử lý hình ảnh thu được từ camera. Các bước xử lý bao gồm: thu nhận ảnh, tiền xử lý, trích chọn đặc trưng, và hậu xử lý. Kết quả cuối cùng là việc nhận diện chính xác màu sắc của sản phẩm.

5.1. Thu nhận và tiền xử lý ảnh

Hình ảnh sản phẩm được thu nhận thông qua camera và được tiền xử lý để cải thiện chất lượng. Các bước tiền xử lý bao gồm khử nhiễu, cân bằng sáng, và tăng cường độ tương phản.

5.2. Trích chọn đặc trưng

Các đặc trưng màu sắc được trích xuất từ hình ảnh sản phẩm. Thuật toán xử lý ảnh được sử dụng để xác định các vùng màu sắc chính trên bề mặt sản phẩm. Dữ liệu này được sử dụng để phân loại sản phẩm vào các nhóm màu sắc khác nhau.

VI. Hệ thống kiểm soát chất lượng

Hệ thống được trang bị hệ thống kiểm soát chất lượng để đảm bảo độ chính xác trong quá trình phân loại. Các thông số về cân nặng và màu sắc được kiểm tra liên tục để phát hiện và điều chỉnh sai sót. Giao diện web cung cấp các công cụ để người dùng theo dõi và điều chỉnh các thông số phân loại.

6.1. Kiểm soát cân nặng

Hệ thống kiểm soát liên tục các thông số về cân nặng để đảm bảo độ chính xác. Các sai sót trong quá trình đo lường được phát hiện và điều chỉnh kịp thời.

6.2. Kiểm soát màu sắc

Hệ thống kiểm soát các thông số về màu sắc để đảm bảo việc phân loại chính xác. Các sai sót trong quá trình nhận diện màu sắc được phát hiện và điều chỉnh thông qua giao diện web.

Trích đoạn nội dung tài liệu

CHƯƠNG 1. TỔNG QUAN Nội dung chương bao gồm lý thuyết cơ bản về xử lý ảnh, phương pháp cơ bản để nhận dạng và phân loại ảnh, cảm biến cân nặng, giới thiệu cơ bản về Raspberry Pi, ngôn ngữ lập trình Python và thư viện hỗ trợ Open CV, xi-lanh khí nén. • Chương 3: Thiết Kế và Tính Toán Từ những cơ sở lý thuyết có được, nhóm đề tài sẽ trình bày về sơ đồ khối, công thức tính toán và kết nối của hệ thống. • Chương 4: Thi Công Hệ Thống Sau khi thực hiện tính toán và thiết kế, nhóm đề tài sẽ tiến hành thi công hệ thống và trình bày lại quá trình thi công tại chương này.

• Chương 5: Kết Qủa - Nhận Xét - Đánh Giá Những kết quả đạt được cùng với những nhận xét, đánh giá về toàn bộ hệ thống nhóm đề tài sẽ tóm tắt tại Chương 5. • Chương 6: Kết Luận và Hướng Phát Triển Cuối cùng, nhóm xin được trình bày những kết luận đã được rút ra trong suốt quá trình thực hiện đề tài cùng với hướng phát triển, cải tiến của đề tài sao cho phù hợp với thực tế hơn. BỘ MÔN ĐIỆN TỬ CÔNG NGHIỆP - Y SINH 4 CHƯƠNG 2. CƠ SỞ LÝ THUYẾT Chương 2: CƠ SỞ LÝ THUYẾT 2.

TỔNG QUAN VỀ XỬ LÝ ẢNH 2. Giới thiệu về xử lý ảnh Xử lý ảnh là quá trình xử lý số tín hiệu với đối tượng xử lý là tín hiệu hình ảnh. Trong đó, ảnh đầu vào sẽ được xử lý sao cho ảnh sau khi xử lý đạt kết quả mong muốn. Kết quả của xử lý ảnh là một ảnh khác có đặc điểm khác với ảnh ban đầu hoặc một kết luận (Hình 2.

Xử lý ảnh phát triển rất mạnh mẽ trong thời gian gần đây, bao gồm ở rất nhiều lĩnh vực: y tế, kinh tế, văn hóa, quân sự, quốc phòng… Hiện nay, có bốn khía cạnh chính liên quan đến xử lý ảnh: xử lý và nâng cao chất lượng ảnh, nhận dạng ảnh, truy vấn ảnh và nén ảnh. Ở phạm vi đề tài này sẽ tìm hiểu về mảng nhận dạng ảnh. Giới thiệu về xử lý ảnh BỘ MÔN ĐIỆN TỬ CÔNG NGHIỆP - Y SINH 5 CHƯƠNG 2. CƠ SỞ LÝ THUYẾT Hình 2.

2 Quá trình xử lý ảnh • Thu nhận ảnh[1]: đây là công đoạn đầu tiên mang tính quyết định đối với quá trình xử lý ảnh. Ảnh đầu vào sẽ được thu nhận qua các thiết bị như camera, sensor, máy quét… và sau đó các tín hiệu này sẽ được số hóa. Việc lựa chọn các thiết bị thu nhận ảnh sẽ phụ thuộc vào đặc tính của các đối tượng cần xử lý. Các thông số quan trọng ở bước này là độ phân giải, chất lượng màu, dung lượng bộ nhớ và tốc độ thu nhận ảnh của các thiết bị.

• Quá trình tiền xử lý[1]: Ở bước này, ảnh sẽ được cải thiện về độ tương phản, khử nhiễu, khử bóng, khử độ lệch… với mục đích làm cho chất lượng ảnh trở lên tốt hơn nữa, chuẩn bị cho các bước xử lý phức tạp hơn về sau trong quá trình xử lý ảnh. Quá trình này thường được thực hiện bởi các bộ lọc. • Trích chọn đặc điểm[1] (hoặc trích chọn đặc trưng): Đặc trưng ảnh ở đây chính là đặc trưng nội dung ảnh, hay nói cách khác là nội dung thực sự của các bức ảnh. Nội dung ảnh được thể hiện bằng màu sắc, hình dạng, kết cấu, các đặc trưng cục bộ… hay bất cứ thông tin nào có từ chính nội dung ảnh.

Phạm vi đề tài bao gồm nhận biết màu sắc từ bề mặt quả cà chua nên đặc trưng được trích chọn là màu sắc. • Hậu xử lý[1]: có nhiệm vụ xử lý các đặc điểm đã trích chọn, có thể lược bỏ hoặc biến đổi các đặc điểm này để phù hợp với các kỹ thuật cụ thể sử dụng trong hệ quyết định. BỘ MÔN ĐIỆN TỬ CÔNG NGHIỆP - Y SINH 6 CHƯƠNG 2. CƠ SỞ LÝ THUYẾT • Hệ quyết định và lưu trữ[1]: có nhiệm vụ đưa ra quyết định (phân loại) dựa trên dữ liệu đã học lưu trong khối lưu trữ • Đối chiếu, so sánh và kết luận[1]: đưa ra kết luận cuối cùng dựa vào những cơ sở của hệ quyết định.

Những vấn đề xử lý ảnh[2] a. Điểm ảnh (Picture Element) Là đơn vị cơ bản nhất để tạo nên một bức ảnh kỹ thuật số. Địa chỉ của điểm ảnh được xem như là một tọa độ (x, y) nào đó. Một bức ảnh kỹ thuật số, có thể được tạo ra bằng cách chụp hoặc bằng một phương pháp đồ họa nào khác, được tạo nên từ hàng ngàn hoặc hàng triệu pixel riêng lẻ.

Bức ảnh càng chứa nhiều pixel thì càng chi tiết. Một triệu pixel thì tương đương với 1 megapixel. Ảnh số Ảnh số là tập hợp hữu hạn các điểm ảnh với mức xám phù hợp dùng để mô tả ảnh gần với ảnh thật. Số điểm ảnh xác định độ phân giải của ảnh.

Ảnh có độ phân giải càng cao thì càng thể hiện rõ nét các đặc điểm của tấm ảnh và càng làm cho tấm ảnh trở nên thực và sắc nét hơn. Một hình ảnh là một tín hiệu hai chiều, nó được xác định bởi hàm toán học f (x, y) trong đó x và y là hai tọa độ theo chiều ngang và chiều dọc. Các giá trị của f (x, y) tại bất kỳ điểm nào là các giá trị điểm ảnh (pixel) tại điểm đó của một hình ảnh. Ảnh số thực tế là biểu diễn số học của hình ảnh trong máy tính, thường là biểu diễn nhị phân.

Có thể phân ảnh số thành 2 loại: ảnh raster và ảnh vector • Ảnh raster Ảnh Raster là một tập hợp hữu hạn các giá trị số, gọi là điểm ảnh (pixel - picture element). Thông thường một hình ảnh được chia thành các hàng và cột chứa điểm ảnh. Điểm ảnh là thành phần bé nhất biểu diễn ảnh, có giá trị số biểu diễn màu sắc, độ sáng,… của một thành phần trong bức ảnh. Ảnh raster thường được thu từ camera, các máy chiếu, chụp, quét… và chính là đối tượng chính của xử lý ảnh và thị giác máy tính.

• Ảnh vector BỘ MÔN ĐIỆN TỬ CÔNG NGHIỆP - Y SINH 7 CHƯƠNG 2. CƠ SỞ LÝ THUYẾT Ảnh vector là loại ảnh tạo thành từ các thành phần đơn giản của hình học như điểm, đường thẳng, hình khối… Thay vì được lưu lại thành các ma trận điểm ảnh như ảnh raster, ảnh vector được biểu diễn dưới dạng tọa độ của các thành phần trong ảnh. Chính điều này đã tạo nên sự đặc biệt của ảnh vector, khiến nó có thể được kéo dãn, thu nhỏ tùy ý mà không bị vỡ, không xuất hiện răng cưa như ảnh raster. Dữ liệu trong ảnh vector nhỏ, do vậy thường tiết kiệm dung lượng lưu trữ hơn ảnh raster.

Tuy thế, màu sắc trong ảnh vector nhìn không thật, màu sắc ít tinh tế hơn ảnh raster. Thông thường người ta sử dụng ảnh vector trong thiết kế các logo, banner, giao diện đồ họa… Loại ảnh này gần như không xuất hiện khi đề cập đến xử lý ảnh / thị giác máy tính. Phân loại ảnh [1] Mức xám của điểm ảnh là cường độ sáng, gán bằng một giá trị tại điểm đó. Các mức ảnh xám thông thường: 16, 32, 64, 128, 256.

Mức được sử dụng thông dụng nhất là 265, tức là dùng 1byte để biểu diễn mức xám. Trong đó: • Ảnh nhị phân: Là ảnh có 2 mức trắng và đen, chỉ có 2 giá trị 0 và 1 và chỉ sử dụng 1bit dữ liệu trên 1 điểm ảnh. • Ảnh đen trắng: Là ảnh có hai màu đen, trắng (không chứa màu khác) với mức xám ở các điểm ảnh có thể khác nhau. • Ảnh màu: Là ảnh kết hợp của 3 màu cơ bản lại với nhau để tạo ra một thế giới màu sinh động.

Người ta thường dùng 3byte để mô tả mức màu, tức là có khoảng 16, 7 triệu mức màu. Quan hệ giữa các điểm ảnh Lân cận ảnh là tập hợp những điểm ảnh có xung quanh điểm ảnh đang xét. Có 2 loại lân cận ảnh: lân cận 4 và lân cận 8. BỘ MÔN ĐIỆN TỬ CÔNG NGHIỆP - Y SINH 8 CHƯƠNG 2.

CƠ SỞ LÝ THUYẾT Hình 2. 3 Các lân cận ảnh 4 điểm ảnh lân cận 4 theo cột và hàng với tọa độ lần lượt là (x+1, y), (x-1, y), (x, y+1), (x, y-1) ký hiệu là tập N4 (p). 4 điểm ảnh lân cận 4 theo đường chéo có tọa độ lần lượt là (x+1, y+1), (x+1, y-1), (x-1, y+1), (x-1, y-1) ký hiệu là tập ND (p). Tập 8 điểm ảnh lân cận 8 là hợp của 2 tập trên: N8 (p) = N4 (p) + ND (p) Liên kết ảnh [3]: Các mối liên kết của ảnh được xem như là mối liên kết của 2 điểm ảnh gần nhau, có 3 loại liên kết: liên kết 4, liên kết 8, lên kết m (liên kết hỗn hợp).

Trong ảnh đa mức xám, ta có thể đặt V chứa nhiều giá trị như V= {tập con}. Liên kết 4: hai điểm ảnh p và q có giá trị thuộc về tập V được gọi là liên kết 4 của nhau nếu q thuộc về tập N4 (p). Liên kết 8: hai điểm ảnh p và q có giá trị thuộc về tập V được gọi là liên kết 8 của nhau nếu q thuộc về tập N8 (p). Liên kết m: hai điểm ảnh p và q có giá trị thuộc về tập V được gọi là Liên kết m của nhau nếu thỏa 1 trong 2 điều kiện sau: q thuộc về tập N4 (p), q thuộc về tập ND (p) và giao của hai tập N4 (p), N4 (q) không chứa điểm ảnh nào có giá trị thuộc V.

Lọc nhiễu BỘ MÔN ĐIỆN TỬ CÔNG NGHIỆP - Y SINH 9 CHƯƠNG 2. CƠ SỞ LÝ THUYẾT Ảnh thu nhận được thường sẽ bị nhiễu nên cần phải loại bỏ nhiễu. Các toán tử không gian dùng trong kỹ thuật tăng cường ảnh được phân nhóm theo công dụng: làm trơn nhiễu, nổi biên. Để làm trơn nhiễu hay tách nhiễu, người ta sử dụng các bộ lọc tuyến tính (lọc trung bình, thông thấp) hoặc lọc phi tuyến (trung vị, giả trung vị, lọc đồng hình).

Từ bản chất của nhiễu (thường tương ứng với tần số cao) và từ cơ sở lý thuyết lọc là: bộ lọc chỉ cho tín hiệu có tần số nào đó thông qua, để lọc nhiễu người ta thường dùng lọc thông thấp (theo quan điểm tần số không gian) hay lấy tổ hợp tuyến tính để san bằng (lọc trung bình). Để làm nổi cạnh (ứng với tần số cao), người ta dùng các bộ lọc thông cao, lọc Laplace. Lọc nhiễu được chia làm 2 loại: lọc tuyến tính, lọc phi tuyến. Làm trơn nhiễu bằng lọc tuyến tính: Khi chụp ảnh có thể xuất hiện nhiều loại nhiễu vào quá trình xử lý ảnh, nên ta cần phải lọc nhiễu.