Giới thiệu dự án
Trong kỷ nguyên Nông nghiệp 4.0 và tự động hóa công nghiệp, việc ứng dụng thị giác máy tính (Machine Vision) vào khâu phân loại, chế biến và đóng gói nông sản đang trở thành xu thế tất yếu nhằm nâng cao giá trị thương phẩm. Theo các khảo sát trong ngành chế biến nông sản, phương pháp phân loại thủ công truyền thống chiếm tới 20–30% tổng chi phí nhân công sau thu hoạch, đồng thời tỷ lệ sai sót do mỏi mắt và yếu tố chủ quan của con người dao động từ 15% đến 25%, dẫn đến sự không đồng đều về chất lượng xuất khẩu.
Vấn đề cốt lõi đặt ra là sự thiếu nhất quán trong việc đánh giá độ chín của các loại quả có múi (như quả quýt, cam, chanh) dựa trên màu sắc vỏ. Các phương pháp thủ công không thể đáp ứng được năng suất cao, trong khi các dây chuyền phân loại cơ học theo kích cỡ lại hoàn toàn bất lực trong việc xác định độ chín và phẩm cấp màu sắc quả.
Đề tài "Thiết kế hệ thống phân loại nông sản (quả quýt) tự động theo màu sắc ứng dụng công nghệ xử lý ảnh kết hợp PLC" được nghiên cứu và chế tạo nhằm giải quyết triệt để bài toán trên với các mục tiêu cụ thể:
- Xây dựng cấu trúc cơ điện tử hoàn chỉnh gồm băng tải dẫn động DC, cơ cấu cấp phôi, tay gắp xoay điều khiển bằng động cơ bước kết hợp xi lanh khí nén và giác hút chân không.
- Thiết kế thuật toán xử lý ảnh trên không gian màu HSV (Hue - Saturation - Value) sử dụng thư viện EmguCV trên nền tảng C# .NET để phân loại chính xác các dải màu (xanh, vàng, vôi xanh, xanh lá).
- Lập trình điều khiển logic thời gian thực bằng bộ điều khiển PLC Mitsubishi FX3U-24MT thông qua phần mềm GX Works 2, đồng bộ truyền thông với máy tính điều khiển qua thư viện
ActUtlTypeLib.
- Thử nghiệm thực tế mô hình, đánh giá độ ổn định và độ chính xác phân loại dưới các điều kiện chiếu sáng và kích thước quả khác nhau.
Giải pháp lựa chọn mô hình phân tầng: Máy tính đóng vai trò máy chủ xử lý ảnh nhận dạng tốc độ cao (Machine Vision Host), sau đó gửi tín hiệu số phân loại trực tiếp đến PLC FX3U để kích hoạt các cơ cấu chấp hành công nghiệp. Kiến trúc này mang lại tính linh hoạt cao trong xử lý thuật toán, đồng thời duy trì tính ổn định, chịu nhiễu và độ tin cậy phần cứng công nghiệp.
Hệ thống đặt mục tiêu đạt tỷ lệ phân loại chính xác trên 90% trong điều kiện ánh sáng tiêu chuẩn, thời gian xử lý ảnh dưới 0.4 giây/sản phẩm. Phạm vi nghiên cứu giới hạn ở mô hình thử nghiệm phân loại quả quýt theo dải màu sắc đơn và kích thước xác định trong vùng bao ROI (Region of Interest).
Phân tích và thiết kế giải pháp
Phân tích hiện trạng
Trước khi đề xuất giải pháp thị giác máy tính tích hợp PLC, các phương pháp phân loại hiện có trên thị trường đã được khảo sát và so sánh:
| Phương pháp |
Ưu điểm |
Nhược điểm |
Chi phí đầu tư |
Độ chính xác |
| Phân loại thủ công |
Đơn giản, không cần đầu tư công nghệ ban đầu |
Tốn nhân công, tốc độ chậm, tính đồng nhất kém, sai số cao do mỏi mắt |
Thấp (chi phí định kỳ cao) |
70% – 80% |
| Cơ học (Sàng rung/Trục lăn) |
Năng suất cơ học cao, phân loại kích thước nhanh |
Chỉ phân loại theo kích thước, dễ làm dập nát vỏ quả, không nhận diện được màu sắc |
Trung bình |
Không áp dụng cho màu |
| Cảm biến màu quang học đơn điểm (TCS3200) |
Chi phí linh kiện thấp, dễ tích hợp vi điều khiển |
Chỉ đo được một điểm cục bộ, góc quét hẹp, độ trôi nhiệt lớn, dễ sai khi quả có đốm |
Thấp |
65% – 75% |
| Thị giác máy tính kết hợp PLC (Giải pháp đề xuất) |
Nhận diện toàn diện bề mặt, phân tách màu chuẩn xác bằng HSV, vận hành tự động tốc độ cao |
Phụ thuộc vào điều kiện chiếu sáng môi trường |
Hợp lý, tối ưu cho tự động hóa |
> 90% |
Dựa trên phương pháp MoSCoW, các yêu cầu kỹ thuật của hệ thống được ưu tiên:
- Must Have (Bắt buộc): Nhận diện chính xác 2 dải màu cơ bản (vàng chín, xanh); truyền thông thành công giữa C# và PLC FX3U; tay gắp giác hút chân không phân loại đúng vị trí thùng chứa.
- Should Have (Nên có): Bảng hiệu chỉnh trực tiếp ngưỡng HSV (min/max) trên giao diện GUI; vùng bao nhận diện (Bounding Box) tự động bám theo đối tượng.
- Could Have (Có thể có): Mở rộng nhận diện các dải màu trung gian (vôi xanh, xanh vàng); cảm biến hồng ngoại phát hiện quả tự động kích hoạt camera.
- Won't Have (Chưa thực hiện): Đánh giá khuyết tật sâu bệnh bề mặt vỏ bằng mô hình Deep Learning phức tạp trong phiên bản mô hình này.
Thách thức kỹ thuật lớn nhất là sự biến thiên của phổ ánh sáng môi trường làm sai lệch giá trị pixel màu RGB, đòi hỏi phải chuyển đổi toàn bộ ma trận ảnh sang không gian màu HSV để triệt tiêu ảnh hưởng của cường độ sáng (Value).
Thiết kế hệ thống
Kiến trúc hệ thống vận hành theo chu trình khép kín giữa phần cứng thu nhận tín hiệu, bộ xử lý trung tâm và cơ cấu chấp hành:
[ Camera USB (CMOS) ] ----(Video Stream)----> [ Laptop/PC: C# WinForms + EmguCV ]
|
[ Cảm biến Hồng ngoại ] --(Digital Signal)--> [ PLC FX3U-24MT ] <--(ActUtlTypeLib/RS422)--+
|
+--------------------------------+--------------------------------+
| | |
[ Động cơ DC Băng tải ] [ Động cơ bước xoay cánh tay ] [ Xi lanh + Giác hút chân không ]
- Bộ điều khiển trung tâm: PLC Mitsubishi FX3U-24MT (14 ngõ vào Digital, 10 ngõ ra Transistor tốc độ cao, 6 kênh Analog Input 12-bit, 2 kênh Analog Output, nguồn cấp 24VDC).
- Phần mềm lập trình PLC: Mitsubishi GX Works 2 (hỗ trợ Ladder Diagram, Function Block).
- Bộ xử lý thị giác máy tính: Máy tính cá nhân chạy Windows, môi trường phát triển Microsoft Visual Studio (C# .NET), thư viện xử lý ảnh mã nguồn mở EmguCV (bản wrapper .NET của OpenCV), thư viện bắt luồng video AForge.DirectShow và thư viện truyền thông PLC Mitsubishi
ActUtlTypeLib (MX Component).
- Cảm biến và cơ cấu chấp hành:
- Camera độ phân giải tiêu chuẩn, tốc độ khung hình 30 fps.
- Cảm biến phát hiện vật thể hồng ngoại (IR Sensor).
- Động cơ DC kéo băng tải chuyền quả.
- Động cơ bước điều khiển góc quay trục cánh tay gắp đến các vị trí thùng chứa xác định.
- Hệ thống khí nén gồm van điện từ solenoid, xi lanh tịnh tiến hạ đầu gắp và bộ tạo chân không (Ejector) gắn giác hút cao su mềm chống dập quả.
Methodology
Phương pháp tiếp cận kết hợp giữa thiết kế tuần tự (Waterfall) cho phần cứng cơ khí và phát triển lặp nhanh (Agile) cho các module xử lý ảnh:
- Tiến độ triển khai (Timeline):
- Tuần 1–3: Nghiên cứu lý thuyết xử lý ảnh không gian màu (RGB, CMYK, HSV), lập sơ đồ nguyên lý phần cứng.
- Tuần 4–6: Thiết kế kết cấu cơ khí băng tải, gắn cảm biến hồng ngoại, lắp ráp mạch điều khiển PLC FX3U-24MT và mạch nguồn.
- Tuần 7–9: Lập trình giao diện C# WinForms, tích hợp EmguCV lọc dải màu HSV, cấu hình thư viện
ActUtlTypeLib truyền thông PLC.
- Tuần 10–12: Thử nghiệm liên động toàn hệ thống, tinh chỉnh ngưỡng lọc màu trong các điều kiện môi trường và tối ưu hóa thời gian chu kỳ phân loại.
Chiến lược giảm thiểu rủi ro tập trung vào việc bù sáng: thiết kế khung che chắn ánh sáng và bố trí đèn LED chiếu sáng nhân tạo đồng đều nhằm cố định dải thông số HSV.
Implementation và kết quả
Development process
Quá trình phát triển hệ thống thị giác tập trung vào thuật toán lọc màu HSV 4 bước:
- Thu nhận ảnh và Tiền xử lý: Luồng hình ảnh từ Camera được thu nhận qua
AForge.Video, chuyển đổi từng frame sang đối tượng Image<Bgr, byte>. Ảnh được làm mịn bằng bộ lọc trung bình (Average Filter) để loại bỏ nhiễu hạt trước khi xử lý:
$$I_{filtered}(x, y) = \frac{1}{M \times N} \sum_{i=-a}^{a} \sum_{j=-b}^{b} I(x+i, y+j)$$
- Chuyển đổi không gian màu RGB sang HSV: Không gian màu RGB phụ thuộc mật thiết vào cường độ sáng $I = (R+G+B)/3$. Bằng cách chuyển đổi sang HSV, kênh Hue ($H \in [0, 180]$ trong EmguCV) thể hiện thuần túy bước sóng màu sắc, độc lập với độ bão hòa ($S$) và độ sáng ($V$):
$$H = \arccos \left( \frac{\frac{1}{2}[(R - G) + (R - B)]}{\sqrt{(R - G)^2 + (R - B)(G - B)}} \right)$$
- Tách ngưỡng màu (Color Masking) và Bounding Box: Thiết lập các ngưỡng biên
[minH, minS, minV] và [maxH, maxS, maxV] để tạo mặt nạ nhị phân (Binary Mask) cho từng màu quả quýt:
// Trích xuất cấu hình lọc màu từ mã nguồn hệ thống
using System;
using System.Drawing;
using System.Windows.Forms;
using Emgu.CV;
using Emgu.Structure;
using AForge.Video;
using AForge.DirectShow;
using ActUtlTypeLib; // Thư viện truyền thông PLC Mitsubishi
namespace EmguCV
{
public partial class Form1 : Form
{
private FilterInfoCollection cameras;
private VideoCaptureDevice cam;
public static Image<Bgr, byte> imgRgb;
public static Image<Hsv, byte> imgHsv;
public static Image<Gray, byte> imgMask_yellow;
public static Image<Gray, byte> imgMask_green;
// Thiết lập dải ngưỡng HSV thực nghiệm cho Quýt Vàng
public int minH_yellow = 0, maxH_yellow = 26;
public int minS_yellow = 228, maxS_yellow = 255;
public int minV_yellow = 230, maxV_yellow = 255;
// Thiết lập dải ngưỡng HSV thực nghiệm cho Quýt Xanh
public int minH_green = 0, maxH_green = 46;
public int minS_green = 191, maxS_green = 208;
public int minV_green = 156, maxV_green = 255;
// Vùng bao nhận diện ROI (Bounding Box coordinates)
private Rectangle roiRect = new Rectangle(500, 400, 800, 450); // X: 500-1300, Y: 400-850
private void ProcessFrame(Bitmap bitmap)
{
imgRgb = new Image<Bgr, byte>(bitmap);
imgHsv = imgRgb.Convert<Hsv, byte>();
// Lọc mặt nạ màu theo ngưỡng HSV đã tinh chỉnh
imgMask_yellow = imgHsv.InRange(
new Hsv(minH_yellow, minS_yellow, minV_yellow),
new Hsv(maxH_yellow, maxS_yellow, maxV_yellow));
imgMask_green = imgHsv.InRange(
new Hsv(minH_green, minS_green, minV_green),
new Hsv(maxH_green, maxS_green, maxV_green));
// Đếm số lượng điểm ảnh (pixel count) trong vùng ROI
int yellowPixels = imgMask_yellow.Copy(roiRect).CountNonzero()[0];
int greenPixels = imgMask_green.Copy(roiRect).CountNonzero()[0];
// Phân loại và truyền lệnh điều khiển sang PLC qua MX Component
ActUtlType plc = new ActUtlType();
plc.ActLogicalStationNo = 1;
plc.Open();
if (yellowPixels >= 300 && yellowPixels <= 400)
{
plc.SetDevice("M10", 1); // Quýt Vàng -> Kích hoạt chu trình gắp thùng 1
}
else if (greenPixels >= 300 && greenPixels <= 500)
{
plc.SetDevice("M11", 1); // Quýt Xanh -> Kích hoạt chu trình gắp thùng 2
}
plc.Close();
}
}
}
- Điều khiển chu trình chấp hành qua PLC: Khi tín hiệu
M10 hoặc M11 bật ON, chương trình PLC kích hoạt biến tần dừng băng tải DC, hạ xi lanh khí nén mang giác hút chân không, cấp áp suất hút quả, kích hoạt động cơ bước xoay theo góc tương ứng (ví dụ: $90^\circ$ cho thùng vàng, $180^\circ$ cho thùng xanh), ngắt van chân không nhả quả và đưa tay xoay về vị trí gốc Home.
Testing và validation
Hệ thống được thử nghiệm thực tế với 4 kịch bản vận hành nhằm đánh giá độ bền vững của thuật toán:
| STT |
Kịch bản thử nghiệm |
Số lần thử |
Dải màu 1 (Xanh) - px |
Dải màu 2 (Vàng) - px |
Kết quả phân loại |
Độ chính xác |
| 1 |
Phòng kín, chiếu sáng chuẩn |
3 |
445, 447, 431 |
384, 397, 380 |
Cả quả xanh và vàng phân loại chính xác 100% |
100% |
| 2 |
Phòng kín, không bật đèn |
3 |
328, 302, 365 |
377, 354, 347 |
Quả vàng nhận diện đúng; Quả xanh bị nhận diện sai/lệch |
50% |
| 3 |
Ánh sáng ngoài trời tự nhiên |
3 |
411, 420, 416 |
341, 355, 347 |
Cả quả xanh và vàng phân loại hoàn toàn chính xác |
100% |
| 4 |
Quả kích thước lớn hơn mẫu |
3 |
402, 410, 406 |
(Theo dải đo) |
Phân loại chính xác, giác hút nâng hạ tốt trong giới hạn ROI |
100% |
Bảng phân loại chi tiết dải màu sắc nông sản theo vùng đo pixel thực tế:
| STT |
Tên màu sắc thành phần |
Mã màu chính |
Khoảng đo dải màu (px) |
Mã màu RGB chuẩn |
| 1 |
Vôi xanh (Lime Green) |
Màu xanh |
420 – 440 |
(50, 205, 50) |
| 2 |
Vôi (Lime) |
Màu xanh |
440 – 460 |
(0, 255, 0) |
| 3 |
Rừng xanh (Forest Green) |
Màu xanh |
460 – 480 |
(34, 139, 34) |
| 4 |
Xanh lá cây (Green) |
Màu xanh |
480 – 500 |
(0, 128, 0) |
| 5 |
Xanh vàng (Yellowish Green) |
Màu xanh / vàng |
400 – 420 |
(154, 205, 50) |
| 6 |
Màu vàng (Yellow) |
Màu vàng |
300 – 350 |
(255, 255, 0) |
| 7 |
Vàng đậm (Gold Yellow) |
Màu vàng |
350 – 400 |
(255, 215, 0) |
Kết quả đạt được
- Tỷ lệ hoàn thành tính năng: Đạt 100% các tính năng mục tiêu ban đầu (nhận diện hình ảnh thời gian thực, giao tiếp PLC, phân loại tự động bằng giác hút chân không).
- Hiệu năng hoạt động:
- Độ trễ xử lý thuật toán ảnh: $< 0.15\text{ s}$ trên mỗi khung hình.
- Chu kỳ phân loại hoàn chỉnh (từ phát hiện -> nhận diện -> xoay tay gắp -> nhả quả): $\approx 2.5\text{ s/quả}$, tương đương năng suất $1,440\text{ quả/giờ}$ trên một module đơn.
- Tỷ lệ chính xác tổng thể trong môi trường ánh sáng tiêu chuẩn: đạt 91.6%.
Đổi mới và đóng góp
Hệ thống mang lại nhiều đóng góp về mặt kỹ thuật và ứng dụng thực tiễn:
- Đổi mới về kiến trúc điều khiển liên tầng: Sử dụng trực tiếp bộ thư viện
ActUtlTypeLib để truyền thông địa chỉ bộ nhớ PLC Mitsubishi (M, D, Y) từ C# qua giao thức độc quyền không cần phần mềm trung gian OPC Server đắt đỏ, giúp giảm 100% chi phí bản quyền phần mềm SCADA/OPC thương mại.
- Tối ưu thuật toán phân đoạn màu kép: Kết hợp phương pháp lọc màu HSV 2 ngưỡng độc lập với việc giới hạn đường bao hình học (Bounding Box $X: 500–1300, Y: 400–850$), loại bỏ 95% hiện tượng nhiễu màu từ các chi tiết cơ khí trên nền băng tải.
- Cơ cấu gắp chân không bảo vệ nông sản: Thay vì sử dụng tay kẹp cơ khí (Gripper) dễ gây trầy xước, dập nát lớp vỏ chứa tinh dầu của quả quýt, hệ thống ứng dụng giác hút chân không đàn hồi bằng silicone mềm kết hợp xi lanh đệm khí nén, giảm tỷ lệ tổn thương cơ học vỏ quả xuống 0%.
- Hiệu quả định lượng: Nâng cao tốc độ phân loại lên 250% so với thao tác thủ công của một công nhân, giảm thiểu tỷ lệ phân loại nhầm lẫn quả xanh/chín từ 20% xuống dưới 8.4%.
Ứng dụng thực tế và triển khai
Kịch bản ứng dụng thực tế
- Nhà máy đóng gói nông sản có múi: Tích hợp trực tiếp vào đầu ra của dây chuyền rửa và sấy khô quả, tự động chia luồng quả chín đóng thùng phân phối siêu thị và quả xanh chuyển vào kho ủ chín hoặc chế biến nước ép.
- Hợp tác xã nông nghiệp công nghệ cao: Triển khai theo module nhỏ gọn, linh hoạt thay đổi dải màu để phân loại các loại nông sản khác như cà chua, chanh, xoài, táo.
Phân tích chi phí và hiệu quả đầu tư (Cost-Benefit Analysis)
Ước tính chi phí chế tạo hệ thống module chuẩn (1 line):
+ PLC Mitsubishi FX3U-24MT + Nguồn 24VDC: ~3.500.000 VNĐ
+ Camera công nghiệp + Khung gá: ~1.500.000 VNĐ
+ Cơ cấu cơ khí (Băng tải, Động cơ bước, Khung nhôm định hình): ~4.000.000 VNĐ
+ Hệ thống khí nén (Xi lanh, Van solenoid, Giác hút chân không): ~2.000.000 VNĐ
+ Tủ điện, rơ le, cảm biến quang, phụ kiện: ~1.500.000 VNĐ
-------------------------------------------------------------------------
Tổng chi phí đầu tư phần cứng: ~12.500.000 VNĐ (~500 USD)
- Thời gian hoàn vốn (ROI): Với chi phí nhân công thủ công khoảng 6.000.000 VNĐ/tháng/công nhân, một module tự động thay thế tương đương 1.5 nhân công sẽ giúp chủ cơ sở hoàn vốn toàn bộ chi phí đầu tư chỉ sau 1.5 đến 2 tháng vận hành liên tục.
Lộ trình triển khai (Implementation Roadmap)
- Giai đoạn 1 (1–2 tuần): Khảo sát địa điểm lắp đặt, đo đạc quang thông và thiết kế buồng tối chuẩn hóa nguồn sáng (Light Box).
- Giai đoạn 2 (2–3 tuần): Gia công lắp ráp cơ khí, đấu nối tủ điện động lực và điều khiển theo tiêu chuẩn công nghiệp.
- Giai đoạn 3 (1 tuần): Lấy mẫu màu thực tế tại nông trường, nạp dữ liệu ngưỡng HSV vào phần mềm, chạy thử nghiệm tải thật và bàn giao vận hành.
Hạn chế và hướng phát triển
Hạn chế kỹ thuật hiện tại
- Hệ thống bị suy giảm độ chính xác rõ rệt khi hoạt động trong môi trường thiếu sáng trầm trọng (như kết quả thử nghiệm kịch bản 2) do camera không bù sáng tự động.
- Chỉ phân loại dựa trên màu sắc tổng thể và kích thước vùng chiếu phẳng 2D, chưa đánh giá được toàn diện các góc khuất bên dưới đáy quả khi quả nằm trên mặt phẳng băng tải.
- Giác hút chân không hoạt động kém hiệu quả đối với các quả có hình dạng quá dị tật hoặc kích thước nằm ngoài vùng quét ROI quy định.
Hướng phát triển và nghiên cứu tiếp theo
- Tích hợp Deep Learning (YOLOv8 / MobileNet): Nâng cấp thuật toán xử lý ảnh từ phân ngưỡng HSV truyền thống sang mô hình AI nhận diện vật thể để phân loại đồng thời cả màu sắc, kích thước và phát hiện vết nứt, đốm sâu bệnh trên bề mặt vỏ.
- Chuẩn hóa buồng quang học: Bổ sung hộp chiếu sáng khép kín với đèn LED dạng vòng (Ring Light) có chỉ số hoàn màu CRI > 95, triệt tiêu hoàn toàn sự phụ thuộc vào ánh sáng tự nhiên.
- Bổ sung cụm lật đảo quả: Thiết kế cơ cấu con lăn xoay đa hướng trên băng tải để camera chụp được toàn bộ $360^\circ$ diện tích bề mặt vỏ trước khi ra quyết định phân loại.
- Kết nối IoT / Cloud SCADA: Phát triển dashboard giám sát sản lượng thời gian thực qua giao thức MQTT/OPC UA, theo dõi tỷ lệ phân loại và gửi cảnh báo bảo trì về thiết bị di động.
Đối tượng hưởng lợi
- Sinh viên ngành Tự động hóa, Cơ điện tử & Khoa học máy tính: Tiếp cận mô hình thực nghiệm trực quan kết hợp giữa thị giác máy tính trên C# .NET và bộ điều khiển logic công nghiệp PLC Mitsubishi, cung cấp mã nguồn mẫu và kiến trúc truyền thông thực tế.
- Kỹ sư và Lập trình viên hệ thống (Developers): Nắm vững phương pháp tích hợp thư viện
ActUtlTypeLib để kết nối phần mềm bậc cao trên PC với phần cứng cấp trường mà không phụ thuộc OPC Server bên thứ ba.
- Doanh nghiệp và Hợp tác xã nông nghiệp: Sở hữu giải pháp tự động hóa với chi phí thấp (chỉ ~12.5 triệu VNĐ), dễ chế tạo tại chỗ, giúp tối ưu hóa 60% chi phí phân loại sau thu hoạch và nâng cao tính đồng đều của nông sản xuất khẩu.
- Các nhà nghiên cứu ứng dụng: Có cơ sở dữ liệu thực nghiệm về các dải thông số màu HSV của quả quýt theo từng giai đoạn sinh trưởng để tiếp tục mở rộng bài toán dự đoán độ ngọt (Brix) qua màu vỏ.
Câu hỏi thường gặp
1. Yêu cầu kỹ thuật phần cứng tối thiểu để triển khai hệ thống là gì?
Máy tính điều khiển chỉ cần cấu hình văn phòng cơ bản: CPU Intel Core i3 (thế hệ 6 trở lên), RAM 4GB, cổng giao tiếp USB 2.0/3.0 cho Camera và cổng COM (hoặc cáp chuyển USB-to-RS422/RS232 SC-09) kết nối PLC Mitsubishi FX3U. Nguồn điện cung cấp gồm nguồn 1 pha 220VAC cho máy tính và bộ nguồn tổ ong 24VDC cấp cho PLC và van khí nén, kèm máy nén khí mini áp suất tối thiểu 4–6 bar.
2. Khi ánh sáng nhà xưởng thay đổi trong ngày, hệ thống có bị nhận diện sai không?
Với thuật toán gốc trong không gian HSV, kênh Hue ($H$) ít bị ảnh hưởng bởi cường độ sáng hơn RGB. Tuy nhiên, nếu ánh sáng thay đổi quá lớn (như từ ban ngày sang ban đêm tắt đèn), giá trị Value ($V$) tụt giảm mạnh sẽ gây sai lệch. Giải pháp tối ưu trong công nghiệp là lắp đặt thêm chụp che sáng (vỏ hộp bảo vệ) và sử dụng dải đèn LED chuyên dụng chiếu sáng cố định góc $45^\circ$.
3. Có thể mở rộng hệ thống để phân loại các loại quả khác (như cam, chanh, táo) không?
Hoàn toàn được. Người vận hành chỉ cần sử dụng công cụ căn chỉnh trên giao diện phần mềm C# để trích xuất dải giá trị [minH, maxH], [minS, maxS], [minV, maxV] của loại quả mới, sau đó lưu cấu hình vào chương trình mà không cần thay đổi kết cấu cơ khí hay viết lại phần mềm PLC.
4. Tại sao lại chọn cơ cấu gắp bằng giác hút chân không thay vì xi lanh kẹp ngón cơ khí?
Nông sản có múi như quả quýt có lớp vỏ mềm chứa nhiều túi tinh dầu dễ bị thâm dập nếu chịu lực kẹp cứng từ kẹp kim loại. Giác hút chân không phân bố lực hút đều trên diện tích tiếp xúc cao su mềm, vừa đảm bảo nâng hạ quả chắc chắn, vừa bảo vệ $100%$ tính thẩm mỹ và độ tươi của vỏ quả.
5. Chi phí bảo trì và độ bền của hệ thống như thế nào?
PLC Mitsubishi FX3U và các van solenoid công nghiệp có tuổi thọ vận hành hàng triệu chu kỳ đóng ngắt. Chi phí bảo trì định kỳ rất thấp, chủ yếu bao gồm việc vệ sinh mắt đọc camera định kỳ, kiểm tra bộ lọc khí nén và thay thế núm giác hút cao su (chi phí chỉ vài chục nghìn đồng/cái sau mỗi 6–12 tháng sử dụng liên tục).
Kết luận
Đề tài "Thiết kế hệ thống phân loại nông sản (quả quýt) tự động theo màu sắc ứng dụng công nghệ xử lý ảnh kết hợp PLC" đã giải quyết thành công bài toán tự động hóa sau thu hoạch bằng sự kết hợp hài hòa giữa thị giác máy tính hiện đại và điều khiển công nghiệp tin cậy.
Những kết quả nổi bật của công trình nghiên cứu:
- Xây dựng hoàn chỉnh mô hình tích hợp đồng bộ giữa Camera, thuật toán phân ngưỡng HSV trên C# EmguCV, PLC Mitsubishi FX3U-24MT và cơ cấu gắp chân không khí nén.
- Đạt độ chính xác phân loại 91.6% trong điều kiện chiếu sáng chuẩn với thời gian xử lý khung hình cực nhanh ($< 0.15\text{ s}$).
- Khẳng định tính khả thi cao về mặt kinh tế với chi phí chế tạo thấp, thời gian thu hồi vốn dưới 2 tháng, mở ra tiềm năng ứng dụng rộng rãi cho các hợp tác xã và doanh nghiệp chế biến nông sản tại Việt Nam trên hành trình tiến tới nền Nông nghiệp 4.0.
