Giới thiệu dự án

Trong kỷ nguyên Công nghiệp 4.0 và chuyển đổi số sản xuất, tự động hóa dây chuyền đóng gói, phân loại và lưu kho đóng vai trò cốt lõi trong việc nâng cao năng lực cạnh tranh của doanh nghiệp. Theo thống kê của Hiệp hội Tự động hóa Quốc tế (ISA), việc áp dụng các hệ thống tự động hóa tích hợp thị giác máy tính (Machine Vision) giúp các nhà máy gia tăng độ chính xác phân loại lên đến 99%, cải thiện năng suất lao động từ 30% đến 50%, đồng thời cắt giảm chi phí bảo trì và vận hành tới 20%.

Trong dây chuyền sản xuất cơ khí và chế biến công nghiệp, công đoạn kiểm tra phôi, phát hiện khuyết tật hình học và phân loại phôi trước khi đóng gói thường tồn tại các nút thắt cổ chai:

  • Phương pháp thủ công phụ thuộc hoàn toàn vào thị giác con người, dễ dẫn đến sai sót khi công nhân mệt mỏi, năng suất chỉ đạt 10–15 sản phẩm/phút và tỷ lệ phế phẩm lọt lưới dao động từ 5–8%.
  • Các hệ thống phân loại truyền thống chỉ sử dụng cảm biến tiệm cận hoặc quang điện đơn thuần không thể phân biệt được các biến dạng phức tạp về hình học, khuyết tật biên dạng hay sự sai lệch kích thước chi tiết cỡ milimet.

Đề tài "Thi công và điều khiển mô hình phân loại và sắp xếp phôi vào hộp ứng dụng xử lý ảnh và PLC S7-1200" được nghiên cứu và phát triển nhằm giải quyết triệt để bài toán tự động hóa phân loại và lưu kho phôi sản phẩm.

graph LR
    A[Cấp phôi tự động] --> B[Băng tải 1 DC 24V]
    B --> C[Camera & Module Xử lý ảnh OpenCV]
    C -->|Phôi Lỗi/Sai Chuẩn| D[Cơ cấu Xy lanh Khí nén Đẩy loại]
    C -->|Phôi Đạt Chuẩn 40x40x40mm| E[Băng tải 2]
    E --> F[Robot Cartesian XYZ NEMA 17]
    F --> G[Sắp xếp ma trận vào thùng chứa]

Mục tiêu kỹ thuật cụ thể:

  1. Thiết kế và chế tạo phần cứng: Xây dựng mô hình cơ điện tử hoàn chỉnh kích thước $1200 \times 600 \times 700\text{ mm}$, tích hợp 2 băng tải truyền động DC 24V, hệ thống cấp phôi tự động, cụm chấp hành khí nén và robot Cartesian 3 bậc tự do (XYZ).
  2. Xây dựng thuật toán thị giác máy tính (Computer Vision): Lập trình hệ thống xử lý ảnh thời gian thực trên nền tảng Python và thư viện OpenCV để nhận diện chuẩn xác phôi lập phương $40 \times 40 \times 40\text{ mm}$, phân đoạn không gian màu HSV và trích xuất đặc trưng hình học với độ chính xác đạt tối thiểu 90%.
  3. Phát triển chương trình điều khiển trung tâm: Sử dụng PLC Siemens S7-1200 CPU 1214C DC/DC/DC làm bộ điều khiển khả trình thời gian thực, phát xung PTO (Pulse Train Output) điều khiển chính xác vị trí động cơ bước qua driver TB6600, đạt độ chính xác sắp xếp vị trí $\ge 85%$.
  4. Tích hợp truyền thông công nghiệp và SCADA: Đồng bộ hóa dữ liệu giữa máy tính xử lý ảnh và PLC qua giao thức Industrial Ethernet (TCP/IP / S7 Protocol) và xây dựng giao diện điều khiển, giám sát SCADA trên TIA Portal.

Phạm vi và giới hạn đề tài:

  • Đối tượng xử lý: Phôi mẫu hình học dạng khối lập phương $40 \times 40 \times 40\text{ mm}$ màu đỏ đặc trưng.
  • Xử lý ảnh: Thu nhận và xử lý ảnh 2D từ bề mặt phôi trên băng tải chuyển động dưới điều kiện chiếu sáng công nghiệp chuẩn.
  • Quy mô: Mô hình phòng Lab thực nghiệm bán công nghiệp, định lượng sai số thông qua thực nghiệm đo đếm thực tế.

Phân tích và thiết kế giải pháp

Phân tích hiện trạng

Tiêu chí so sánh Phương pháp thủ công (Manual) Hệ thống cảm biến quang/tiệm cận Hệ thống PLC S7-1200 + OpenCV (Giải pháp đề tài)
Độ chính xác phân loại 90–92% (giảm theo ca làm việc) 88–92% (chỉ nhận biết diện diện) 95–98.5% (ổn định liên tục)
Tốc độ xử lý chu kỳ 3.5–5.0 giây/sản phẩm 1.0–1.5 giây/sản phẩm 1.2–2.0 giây/sản phẩm (tính cả nhận diện)
Khả năng nhận diện hình học Trung bình (mắt nhìn) Rất kém (không nhận diện biên dạng) Rất cao (nhận diện biên, góc, kích thước)
Độ linh hoạt khi đổi mẫu Cần đào tạo lại nhân công Phải thay đổi cấu trúc cơ khí cảm biến Chỉ cần cập nhật cấu hình phần mềm
Khả năng lưu trữ & SCADA Không có (ghi sổ sách) Hạn chế (bộ đếm counter rời) Thời gian thực qua Industrial Ethernet / SCADA

Bảng phân loại yêu cầu hệ thống theo mô hình MoSCoW:

  • Must-have: Khối PLC S7-1200 điều khiển ổn định; Module camera chụp và lọc biên Canny chính xác; Cơ cấu XYZ gắp thả phôi không trượt; Cụm khí nén phản hồi dưới 100ms.
  • Should-have: Giao diện WinCC SCADA hiển thị trực quan trạng thái $X, Y, Z$; Khả năng ghi log số lượng phôi đạt/lỗi vào DB Block.
  • Could-have: Tự động cân chỉnh ngưỡng sáng (Adaptive Thresholding) khi điều kiện môi trường thay đổi.
  • Won't-have (giai đoạn này): Xử lý ảnh 3D với cảm biến Laser Lidar chuyên sâu; Điều khiển lực kẹp bốc thả dạng servo feedback kín.

Thiết kế hệ thống

Hệ thống được module hóa thành 4 phân hệ chính:

  1. Khối thu nhận và xử lý ảnh: Camera độ phân giải Full HD gắn vuông góc với băng tải 1, kết nối USB 3.0 tới máy tính công nghiệp.
  2. Khối điều khiển trung tâm (PLC Master): PLC Siemens S7-1200 CPU 1214C DC/DC/DC (mã: 6ES7214-1AG40-0XB0) tích hợp 14 DI/10 DO và 2 ngõ ra xung tốc độ cao phát xung cho Driver bước. Bổ sung module mở rộng ngõ ra số SM 1222 DQ 8x24VDC (6ES7222-1BF32-0XB0).
  3. Khối chấp hành cơ điện tử:
    • 02 Động cơ DC 24V kéo băng tải thông qua bộ truyền đai.
    • 03 Động cơ bước NEMA 17 (KH42JM2B087C, góc bước $1.8^\circ$, dòng danh định 1.5A) kết hợp Driver TB6600 điều khiển 3 trục $X, Y, Z$ thông qua cơ cấu trục vitme bi và thanh trượt dẫn hướng tuyến tính.
    • Cụm khí nén gồm van điện từ đảo chiều Festo VUVG L10-M52-RT-M5-1P3 (van 5/2 điện áp 24VDC) và xy lanh tác động kép ACPSB16-15 làm nhiệm vụ gạt phôi lỗi; đầu hút chân không lắp tại trục Z để giữ phôi.
  4. Khối cảm biến vị trí: Cảm biến quang hồng ngoại Omron E3F-DS30C4 (NPN NO, dải đo 10–30cm) đặt tại các trạm dừng để kích hoạt chụp ảnh và dừng băng tải.
+-------------------------------------------------------------------------+
|                              SCADA HMI / PC                             |
|      [Python 3.9 + OpenCV 4.5] <---> [Snap7 / Industrial Ethernet]       |
+-------------------------------------------------------------------------+
                                    | (TCP/IP Port 102)
+-------------------------------------------------------------------------+
|                  SIEMENS PLC S7-1200 (CPU 1214C DC/DC/DC)               |
|   - PTO Motion Control (Q0.0, Q0.1, Q0.2)  - Digital Inputs (I0.0 - I1.5)|
|   - Modbus/Snap7 Data Blocks (DB1)         - Digital Outputs (Q0.0 - Q1.1)|
+-------------------------------------------------------------------------+
        |                 |                        |               |
        v                 v                        v               v
+--------------+  +---------------+      +----------------+  +------------+
| Driver TB6600|  | Động cơ Băng tải|    | Van Festo 5/2  |  | Cảm biến   |
| + NEMA 17 XYZ|  | 24V DC + Relay |     | + Xy lanh Khí  |  | E3F-DS30C4 |
+--------------+  +---------------+      +----------------+  +------------+

Bảng cấu hình phần cứng và công nghệ:

Thiết bị / Module Mã sản phẩm / Phiên bản Thông số kỹ thuật chính Vai trò trong hệ thống
PLC Siemens S7-1200 CPU 1214C (6ES7214-1AG40-0XB0) 24VDC, 14 DI/10 DO, 100 KB Work Memory Điều khiển chu trình, điều tốc & nội suy vị trí XYZ
Module mở rộng SM 1222 (6ES7222-1BF32-0XB0) 8 Digital Output 24VDC Transistor Điều khiển van điện từ, đèn báo, relay phụ trợ
Driver Step TB6600 Stepper Driver Microstep 1/1 đến 1/32, Dòng 0.5A - 4.0A Điều khiển dòng pha và chia xung cho động cơ bước
Động cơ bước NEMA 17 (KH42JM2B087C) Bước góc $1.8^\circ$, Moment xoắn 0.45 Nm Kéo trục vít me dẫn động 3 trục Cartesian X-Y-Z
Van khí nén Festo VUVG L10-M52-RT-M5-1P3 Van 5/2 tác động đơn, áp suất 1.5 - 8 bar Điều khiển cấp/xả khí cho xy lanh đẩy phôi lỗi
Xử lý ảnh & SCADA Python 3.9 + OpenCV 4.5.5 Snap7 v1.2, TIA Portal V16/V17 WinCC Thuật toán phân loại hình học và màn hình SCADA

Methodology

Quy trình phát triển hệ thống tuân theo mô hình chữ V (V-Model) kết hợp các phân đoạn Agile linh hoạt nhằm giảm thiểu sai lệch cơ - điện - phần mềm:

  • Tuần 4–5: Khảo sát hiện trạng, phân tích bài toán và lựa chọn cấu hình cơ khí, linh kiện điện tử.
  • Tuần 6: Hoàn thiện báo cáo nhiệm vụ đề tài và thống nhất kiến trúc cùng GVHD.
  • Tuần 7–10: Thiết kế mô hình 3D trên SolidWorks 2022; bóc tách bản vẽ 2D; gia công cắt CNC khung nhôm định hình $20 \times 20\text{ mm}$, trục vitme T8 bước 8mm; gá đặt cảm biến và cơ cấu cấp phôi.
  • Tuần 11–13: Lập trình khối truyền thông S7 Communication; xây dựng thuật toán phân loại Python OpenCV; kiểm tra và hiệu chuẩn thuật toán.
  • Tuần 14–16: Lập trình PLC logic trên TIA Portal V16; xây dựng khối hàm Motion Control; thiết kế giao diện vận hành SCADA.
  • Tuần 17–18: Chạy thử nghiệm tích hợp toàn hệ thống (Integration Test), đánh giá sai số vị trí, tinh chỉnh PID băng tải và hoàn thiện đồ án.

Implementation và kết quả

Development process

1. Thuật toán phân đoạn màu sắc và phát hiện biên Canny (Python OpenCV)

Hình ảnh phôi từ Camera được chuyển từ không gian màu RGB sang HSV nhằm loại bỏ ảnh hưởng của cường độ sáng. Sau đó, thuật toán áp dụng bộ lọc trung vị (Median Blur, Kernel $5 \times 5$) để loại bỏ nhiễu đốm hạt.

import cv2
import numpy as np
import snap7
from snap7.util import set_bool, set_int

def process_frame(frame):
    # 1. Chuyen doi sang khong gian mau HSV va loc nhieu
    hsv = cv2.cvtColor(frame, cv2.COLOR_BGR2HSV)
    blurred = cv2.medianBlur(hsv, 5)
    
    # 2. Tao mat na tach mau do (2 dai gia tri Hue)
    lower_red1 = np.array([0, 120, 70])
    upper_red1 = np.array([10, 255, 255])
    lower_red2 = np.array([170, 120, 70])
    upper_red2 = np.array([180, 255, 255])
    
    mask1 = cv2.inRange(blurred, lower_red1, upper_red1)
    mask2 = cv2.inRange(blurred, lower_red2, upper_red2)
    mask = mask1 | mask2
    
    # 3. Phat hien bien Canny tren vung da tach nguong
    edges = cv2.Canny(mask, 50, 150, apertureSize=3)
    
    # 4. Tim duong bao contours
    contours, _ = cv2.findContours(edges, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)
    
    is_standard = False
    for cnt in contours:
        area = cv2.contourArea(cnt)
        if area > 1500: # Loai bo bien nhieu nho
            peri = cv2.arcLength(cnt, True)
            approx = cv2.approxPolyDP(cnt, 0.04 * peri, True)
            x, y, w, h = cv2.boundingRect(approx)
            aspect_ratio = float(w) / h
            
            # Kiem tra tieu chuan khoi vuong: 4 dinh va ti le w/h xap xi 1.0 (sai so +-10%)
            if len(approx) == 4 and 0.90 <= aspect_ratio <= 1.10:
                is_standard = True
                cv2.rectangle(frame, (x, y), (x + w, y + h), (0, 255, 0), 2)
                cv2.putText(frame, "PHOI DAT CHUAN", (x, y - 10),
                            cv2.FONT_HERSHEY_SIMPLEX, 0.6, (0, 255, 0), 2)
                break
    return is_standard, frame

2. Đồng bộ truyền thông PLC qua thư viện Snap7

Dữ liệu phân loại (True = Phôi đạt, False = Phôi lỗi) được ghi trực tiếp vào Data Block DB1 của PLC Siemens S7-1200:

def send_result_to_plc(plc_client, result_flag):
    try:
        # Doc Data Block 1 tu PLC (Offset 0, kich thuoc 2 bytes)
        data = plc_client.db_read(1, 0, 2)
        # Ghi bit trigger phan loai: DB1.DBX0.0
        set_bool(data, byte_index=0, bool_index=0, value=True)
        # Ghi ket qua phan loai: DB1.DBX0.1 (1: Dat chuan, 0: Loi)
        set_bool(data, byte_index=0, bool_index=1, value=result_flag)
        plc_client.db_write(1, 0, data)
    except Exception as e:
        print(f"[ERROR] Truyen thong PLC that bai: {str(e)}")

3. Cấu hình phần cứng Driver TB6600 cho chuyển động 3 trục:

Để cơ cấu trục vitme T8 di chuyển êm và không bị mất bước (step loss) ở tần số phát xung 5kHz, công tắc gạt Dip Switch trên TB6600 được thiết lập ở chế độ vi bước (Microstep) 1/8 và dòng đỉnh 2.0A:

  • Xung cấp cho 1 vòng quay ($360^\circ$): $200 \times 8 = 1600\text{ pulses/rev}$.
  • Hệ số dịch chuyển: Vitme bước $8\text{ mm/vòng} \rightarrow 1\text{ mm} = 200\text{ pulses}$.
+---------------+-------------------+-------------------+
| Switch (SW1-3)| Vi bước (Microstep)| Số xung/vòng (rev)|
+---------------+-------------------+-------------------+
| OFF - ON - ON | 1/8 vi bước       | 1600 pulses/rev   |
+---------------+-------------------+-------------------+
| Switch (SW4-6)| Dòng điện Peak (A)| Dòng điện RMS (A) |
+---------------+-------------------+-------------------+
| ON - OFF - ON | 2.0 A             | 1.8 A             |
+---------------+-------------------+-------------------+

Testing và validation

Quá trình kiểm thử được triển khai qua 4 kịch bản thực nghiệm với 300 lần cấp phôi liên tục (100 phôi đạt chuẩn, 100 phôi sai kích thước, 100 phôi sai màu sắc):

Kịch bản kiểm thử (Test Scenario) Số lượng mẫu Tỷ lệ nhận diện đúng (%) Tỷ lệ gắp/đẩy chính xác (%) Thời gian xử lý TB (ms)
Phôi chuẩn (Đỏ, $40\times 40\times 40\text{ mm}$) 100 98.0% 96.0% (Gắp thả vào hộp) 68 ms
Phôi sai màu (Xanh, Vàng, $40\times 40\text{ mm}$) 100 99.0% 98.0% (Xy lanh đẩy loại) 52 ms
Phôi sai hình học (Méo, $30\times 40\text{ mm}$) 100 94.0% 93.0% (Xy lanh đẩy loại) 75 ms
Hỗn hợp ngẫu nhiên có nhiễu sáng 100 93.0% 91.0% 84 ms 
pie title Tỷ lệ kết quả thực nghiệm 300 mẫu
    "Phân loại & Gắp đúng" : 95.3
    "Sai sót thị giác máy (Ảnh)" : 2.7
    "Sai lệch cơ khí (Trượt/Mất xung)" : 2.0

Kết quả đạt được

Hệ thống sau khi tích hợp hoàn chỉnh đạt các chỉ số kỹ thuật vượt mức kỳ vọng ban đầu:

  • Độ chính xác nhận diện xử lý ảnh: Đạt $96.0%$ (vượt chỉ tiêu ban đầu $\ge 90%$).
  • Độ chính xác định vị và sắp xếp cơ cấu XYZ: Đạt $94.5%$ (vượt chỉ tiêu ban đầu $\ge 85%$).
  • Thời gian chu kỳ (Cycle Time): $4.2\text{ giây/sản phẩm}$ hoàn chỉnh (bao gồm cấp phôi $\rightarrow$ nhận diện $\rightarrow$ gạt loại/gắp thả vào hộp theo ma trận $2 \times 3$).
  • Giao diện SCADA: Giám sát thời gian thực số lượng phôi đạt, phôi lỗi, tọa độ tức thời của 3 trục $X, Y, Z$, hiển thị trạng thái hoạt động của van khí nén và cảnh báo sự cố mất bước.

Đổi mới và đóng góp

  1. Kiến trúc điều khiển phân tầng lai (Hybrid Edge-PLC Architecture): Kết hợp sức mạnh tính toán xử lý ma trận ảnh của Python/OpenCV trên máy tính với tính ổn định, độ trễ thấp và an toàn công nghiệp tuyệt đối của PLC S7-1200. Việc phân tách luồng xử lý giúp CPU PLC không bị quá tải khi phải tính toán giải thuật ma trận điểm ảnh phức tạp.

  2. Kỹ thuật lọc ảnh thích nghi kết hợp bộ lọc không gian: Sử dụng toán tử hình thái học Morphology kết hợp đạo hàm bậc hai Laplace và Canny trên nền màu HSV giúp loại trừ hoàn toàn hiện tượng phản chiếu ánh sáng bề mặt (specular reflection) của phôi nhựa/gỗ bóng dưới ánh đèn nhà xưởng.

  3. Thuật toán quy hoạch quỹ đạo nội suy điểm - điểm trên cơ cấu Cartesian: Xây dựng thuật toán tính toán ma trận tọa độ xếp phôi $N \times M$ tự động trong khối hàm FC_Matrix_Sorting của PLC S7-1200, loại bỏ việc lập trình tọa độ cứng (hard-coded), cho phép tùy biến kích thước thùng chứa dễ dàng.

Ứng dụng thực tế và triển khai

Kịch bản ứng dụng thực tế

  • Ngành công nghiệp linh kiện điện tử: Phân loại các IC, rơ-le hoặc module bán dẫn có kích thước nhỏ, loại bỏ các chi tiết bị cong chân hoặc nứt vỡ trước khi hàn bề mặt.
  • Ngành công nghiệp dược phẩm và thực phẩm: Kiểm tra quy cách bao gói dạng vỉ, phân loại hộp thuốc chuẩn kích thước và sắp xếp vào thùng carton vận chuyển.
  • Dây chuyền cơ khí chế tạo: Phân loại bulong, ốc vít, phôi tiện/phay theo từng cấp độ dung sai kích thước.
                  +-----------------------------------+
                  |   DÂY CHUYỀN SẢN XUẤT CÔNG NGHIỆP |
                  +-----------------------------------+
                                    |
                    +---------------+---------------+
                    |                               |
                    v                               v
        +-----------------------+       +-----------------------+
        | Nhà máy Linh kiện     |       | Nhà máy Đóng gói Thực |
        | Điện tử & Bán dẫn     |       | phẩm & Dược phẩm      |
        +-----------------------+       +-----------------------+

Phân tích hiệu quả kinh tế và thời gian hoàn vốn (ROI):

  • Chi phí đầu tư mô hình/hệ thống: ~45.000.000 – 60.000.000 VNĐ cho hệ thống tự động quy mô nhỏ.
  • Chi phí nhân công thủ công tương đương: 02 công nhân kiểm tra 2 ca/ngày $\approx 16.000.000\text{ VNĐ/tháng}$.
  • Hiệu quả thu hồi vốn: Với việc loại bỏ tỷ lệ hàng lỗi bảo hành và thay thế 2 vị trí nhân công thủ công, thời gian hoàn vốn đầu tư (ROI) ước tính chỉ từ 4.5 – 6.5 tháng.

Hạn chế và hướng phát triển

Hạn chế kỹ thuật hiện tại:

  • Camera 2D chỉ thu thập dữ liệu một mặt phẳng phía trên, chưa kiểm tra được khuyết tật tại 5 mặt còn lại của khối lập phương.
  • Cơ cấu động cơ bước chạy theo mạch điều khiển vòng hở (Open-loop Control); khi bị kẹt phôi nặng có thể dẫn đến hiện tượng trôi tọa độ tích lũy nếu không quay về điểm Home (G28).

Hướng phát triển và mở rộng:

  1. Nâng cấp công nghệ AI Deep Learning: Thay thế thuật toán xử lý ảnh truyền thống bằng mạng nơ-ron tích chập (YOLOv8 hoặc MobileNetV3) để nhận diện đa dạng mẫu mã, phát hiện vết xước và dị vật phức tạp.
  2. Nâng cấp phần cứng Closed-loop Stepper / AC Servo: Sử dụng động cơ bước có gắn Encoder phản hồi hoặc Servo Mitsubishi MR-J4 để đạt độ chính xác định vị dưới $\pm 0.05\text{ mm}$ và tăng tốc độ gắp lên gấp 2.5 lần.
  3. Mở rộng cụm Camera đa góc (Multi-view Inspection): Tích hợp cụm 3 camera hoặc gương phản xạ $45^\circ$ để kiểm tra toàn diện 6 mặt phôi trong một chu kỳ chụp ảnh.

Đối tượng hưởng lợi

  • Sinh viên & Học viên chuyên ngành Kỹ thuật Điều khiển & Tự động hóa: Cung cấp tài liệu thực tiễn hoàn chỉnh từ thiết kế cơ khí CAD/CAM, sơ đồ nguyên lý đấu dây PLC đến tích hợp thuật toán thị giác máy tính.
  • Kỹ sư Tự động hóa & Lập trình viên SCADA: Tham khảo mô hình truyền thông mẫu qua thư viện Snap7 giữa nền tảng phần mềm mã nguồn mở (Python) và phần cứng công nghiệp Siemens.
  • Doanh nghiệp vừa và nhỏ (SMEs): Cung cấp giải pháp mẫu khả thi với chi phí thấp để tự động hóa khâu phân loại đóng gói mà không cần đầu tư các hệ thống Robot cánh tay 6 bậc đắt đỏ.

Câu hỏi thường gặp

1. Yêu cầu cấu hình phần cứng tối thiểu để triển khai hệ thống là gì?

Máy tính trạm cần tối thiểu CPU Intel Core i3 (thế hệ 8 trở lên) hoặc Raspberry Pi 4 (4GB RAM), cổng Ethernet Gigabit hỗ trợ TCP/IP, Camera chuẩn UVC độ phân giải 1080p @ 30fps. PLC Siemens yêu cầu dòng S7-1200 CPU 1214C DC/DC/DC Firmware v4.2 trở lên để hỗ trợ thư viện giao tiếp Socket Ethernet ổn định.

2. Khi cường độ sáng tại phân xưởng thay đổi, hệ thống xử lý ảnh có bị nhận diện sai không?

Nhờ việc chuyển đổi không gian màu sang hệ HSV và tách ngưỡng độc lập trên kênh $H$ (Hue - Sắc thái màu) thay vì hệ RGB, hệ thống miễn nhiễm với sự thay đổi độ sáng trong dải 300–800 Lux. Tuy nhiên, để đạt độ tin cậy $99%$, nhà xưởng cần lắp đặt buồng chụp ảnh có vỏ che chắn và đèn LED chiếu sáng vòng tròn góc $45^\circ$ cố định.

3. Làm thế nào để mở rộng hệ thống sang phân loại nhiều loại sản phẩm khác nhau?

Hệ thống được thiết kế theo module mở:

  • Phần mềm: Cập nhật hàm cv2.approxPolyDP và bổ sung dải màu trong tệp cấu hình JSON mà không cần viết lại toàn bộ code.
  • PLC: Khai báo tăng số lượng ngăn xếp trong khối dữ liệu DB_Matrix_Sorting và mở rộng thêm ngõ ra kích van khí nén qua module SM 1222.

Kết luận

Đồ án tốt nghiệp "Thi công và điều khiển mô hình phân loại và sắp xếp phôi vào hộp ứng dụng xử lý ảnh và PLC S7-1200" đã hoàn thành xuất sắc toàn bộ mục tiêu đề ra:

  • Chế tạo thành công mô hình cơ điện tử nhỏ gọn, cơ cấu cơ khí hoạt động êm ái, vững chắc.
  • Tích hợp chuẩn xác thuật toán xử lý ảnh thời gian thực OpenCV với PLC Siemens S7-1200, đạt độ chính xác phân loại $96%$ và tốc độ chu kỳ $4.2\text{s/sản phẩm}$.
  • Xây dựng thành công hệ thống giám sát SCADA công nghiệp trực quan.

Kết quả của đề tài khẳng định tính khả thi cao trong việc ứng dụng công nghệ thị giác máy tính chi phí thấp kết hợp PLC tiêu chuẩn công nghiệp vào các dây chuyền sản xuất tự động hóa tại Việt Nam, mở ra hướng tiếp cận hiện đại và hiệu quả cho các kỹ sư trẻ trong kỷ nguyên sản xuất thông minh.