Tự động hóa quá trình xếp vật lên pallet bằng xử lý ảnh và robot

Đồ án tự động hóa quá trình xếp vật lên pallet bằng xử lý ảnh và robot - ĐH SPKT TP.HCM

• Tác giả: Lê Hồng Phong
• Người hướng dẫn: PGS. Vũ Văn Phong
• Trường học: Trường Đại học Sư phạm Kỹ thuật Thành phố Hồ Chí Minh
• Chuyên ngành: Công nghệ kỹ thuật điều khiển và tự động hóa
• Đề tài: Tự động hóa quá trình xếp vật lên pallet bằng xử lý ảnh và robot
• Loại tài liệu: Đồ án tốt nghiệp
• Năm xuất bản: 2025
• Địa điểm: Thành phố Hồ Chí Minh

Tóm tắt

I. Tổng quan về xếp vật lên pallet bằng xử lý ảnh và robot

Nghiên cứu tự động hóa xếp vật lên pallet bằng xử lý ảnh và robot tại Đại học Sư phạm Kỹ thuật TP.HCM đánh dấu bước tiến quan trọng trong sản xuất thông minh. Hệ thống tự động hóa này thay thế hoàn toàn các thao tác xếp dỡ thủ công nặng nhọc. Quá trình vận hành bắt đầu từ băng tải cấp phôi. Cảm biến nhận diện kích hoạt camera Logitech C270 ghi nhận hình ảnh thời gian thực. Máy tính xử lý hình ảnh qua phần mềm chuyên dụng để trích xuất dữ liệu biên dạng, kích thước và tọa độ không gian. Sau đó, hệ thống ứng dụng giải thuật xếp khối chữ nhật nhằm quy hoạch vùng chứa tối ưu trên mặt pallet. Robot nhận dữ liệu điều khiển qua cổng giao tiếp để tiếp cận phôi. Cơ cấu chấp hành gắp phôi từ băng tải và đặt vào vị trí chỉ định với độ chuẩn xác cao. Động cơ bước NEMA 17 cùng hệ thống vi bước đảm bảo khả năng định vị chính xác từng góc quay trục. Chu trình làm việc diễn ra tuần tự, liên tục và không gián đoạn. Giải pháp này giúp doanh nghiệp giảm chi phí nhân công, nâng cao năng suất đóng gói và hạn chế hư hỏng sản phẩm trong kho vận hiện đại.

1.1. Bối cảnh nghiên cứu tại ĐH Sư phạm Kỹ thuật TP.HCM

Đồ án ngành Tự động hóa tại Đại học Sư phạm Kỹ thuật TP.HCM xuất phát từ nhu cầu thực tiễn của công nghiệp đóng gói. Thao tác bốc xếp pallet thủ công tồn tại nhiều hạn chế về năng suất, độ chính xác và an toàn lao động. Sinh viên Lê Hồng Phong thực hiện đề tài dưới sự hướng dẫn của PGS. Vũ Văn Phong vào năm 2025. Mục tiêu trọng tâm là nghiên cứu, thiết kế hệ thống xếp kiện tự động dùng thị giác máy tính và cánh tay robot. Công trình kết hợp kỹ thuật xử lý ảnh số, lý thuyết động học robot và giải thuật sắp xếp không gian tối ưu. Hệ thống giúp doanh nghiệp hiện thực hóa dây chuyền đóng pallet thông minh, ổn định và tiết kiệm chi phí nhân công.

1.2. Mục tiêu và cấu trúc vận hành tổng thể

Mục tiêu của hệ thống là tự động nhận diện và sắp xếp vật thể hình chữ nhật lên pallet. Quy trình vận hành kết hợp bốn khối chức năng chính. Khối cấp phôi dùng băng tải đưa vật phẩm đến vùng quét camera. Khối thị giác dùng camera Logitech C270 gắn trên cao để thu nhận ảnh thời gian thực. Khối máy tính chạy phần mềm xử lý dữ liệu màu sắc, hình học và xác định tọa độ phôi. Sau đó, hệ thống ứng dụng giải thuật bin packing nhằm tính toán vị trí đặt tối ưu diện tích pallet. Cuối cùng, máy tính gửi lệnh sang bộ điều khiển cánh tay robot. Robot thực hiện thao tác gắp nhả chính xác vào các ô quy định trên pallet.

II. Phân tích bài toán xếp vật lên pallet bằng xử lý ảnh và robot

Quá trình palletizing tự động đòi hỏi giải quyết đồng thời hai thách thức kỹ thuật lớn gồm thị giác máy và động học robot. Về mặt thị giác, hệ thống phải xử lý ảnh dưới tác động của ánh sáng môi trường thay đổi. Camera Logitech C270 cần xác định chính xác đường biên, góc xoay và tâm điểm của các kiện hàng di chuyển trên băng chuyền. Sai số tọa độ điểm ảnh trực tiếp dẫn đến sai lệch cơ khí khi robot gắp sản phẩm. Về mặt điều khiển robot, bài toán động học thuận và động học ngược đặt ra yêu cầu tính toán khắt khe. Mô hình cánh tay robot sử dụng các khớp quay dẫn động bởi động cơ bước NEMA 17. Bài toán động học ngược không có công thức nghiệm tổng quát cho mọi cấu hình và dễ gặp hiện tượng kỳ dị khóa khớp. Việc chuyển đổi từ tọa độ không gian làm việc sang các góc quay khớp đòi hỏi độ ổn định cao. Ngoài ra, giải thuật sắp xếp bin packing phải tối ưu hóa không gian chứa trên pallet mà không làm va chạm giữa các kiện vật thể. Sự phối hợp nhịp nhàng giữa máy tính điều khiển, cảm biến và động cơ bước quyết định trực tiếp đến hiệu suất của dây chuyền bốc xếp tự động.

2.1. Thách thức trong xử lý ảnh và nhận dạng vật thể

Thách thức hàng đầu của khâu thị giác máy tính là độ chính xác phân đoạn ảnh. Ánh sáng môi trường dễ gây nhiễu biên và đổ bóng trên bề mặt phôi. Camera Logitech C270 truyền dữ liệu video về máy tính qua cổng kết nối USB tiêu chuẩn. Thuật toán MATLAB cần lọc nhiễu, nhị phân hóa và nhận diện chính xác các góc cạnh hình học. Sai lệch vài pixel ảnh có thể gây sai số nhiều milimet ngoài thực địa. Hệ thống cũng phải phân loại vật dựa trên màu sắc và kích thước hình học. Quá trình xử lý ảnh đòi hỏi tốc độ cao nhằm tránh ùn tắc băng chuyền. Sự chính xác của khâu thị giác quyết định độ tin cậy của toàn bộ chu trình gắp đặt sau đó.

2.2. Khó khăn khi giải bài toán động học robot

Nghiên cứu áp dụng quy tắc Denavit-Hartenberg để xây dựng ma trận biến đổi tọa độ cho robot. Động học thuận tính toán vị trí khâu tác động cuối theo biến khớp. Ngược lại, động học nghịch tìm góc quay khớp từ tọa độ mong muốn của vật thể. Phương trình nghịch thường là hệ phi tuyến phức tạp, có thể vô nghiệm hoặc cho nhiều nghiệm. Việc chọn nghiệm không chuẩn xác sẽ khiến tay máy chuyển động gắt hoặc va đụng vật cản. Robot còn có nguy cơ gặp điểm kỳ dị gây mất bậc tự do chuyển động. Thêm vào đó, việc điều khiển động cơ bước vòng hở đòi hỏi kiểm soát xung chặt chẽ nhằm tránh hiện tượng trượt bước khi mang tải.

III. Giải pháp hệ thống xếp vật lên pallet bằng xử lý ảnh và robot

Giải pháp đề tài triển khai kiến trúc tích hợp phần cứng và phần mềm đồng bộ. Thiết bị thu hình camera Logitech C270 được treo cố định vuông góc với mặt phẳng làm việc của băng tải. Tín hiệu video được phần mềm MATLAB xử lý theo chuỗi thuật toán: lọc trung vị loại bỏ nhiễu, phân ngưỡng Otsu chuyển ảnh sang nhị phân và dò tìm biên dạng Canny. Hệ thống tính toán tọa độ trọng tâm và góc nghiêng của kiện hàng theo hệ tọa độ thực. Song song với đó, thuật toán đóng gói bin packing tự động xếp các hình chữ nhật lên bề mặt pallet ảo theo nguyên tắc tận dụng tối đa diện tích trống. Sau khi xác định tọa độ đặt đích, bộ điều khiển tính toán nghiệm động học nghịch bằng phương pháp hình học kết hợp đại số. Các lệnh điều khiển dạng chuỗi xung được truyền tới mạch kích động cơ bước 17HD4401S (chuẩn NEMA 17). Tay gắp cơ khí di chuyển tuần tự theo quỹ đạo mượt mà từ vị trí lấy vật đến điểm đặt trên pallet. Mô hình hoạt động khép kín, chính xác và đồng bộ theo thời gian thực.

3.1. Thuật toán xử lý ảnh và quy hoạch vị trí xếp

Thuật toán xử lý ảnh trên nền tảng MATLAB chịu trách nhiệm biến đổi dữ liệu quang học thành thông số điều khiển. Ảnh thô từ camera Logitech C270 được cân bằng ánh sáng và chuyển đổi sang không gian màu xám. Bộ lọc không gian khử nhiễu hạt trước khi thuật toán phân đoạn tách vật thể ra khỏi nền băng tải. Hệ thống xác định kích thước hai chiều và góc xoay của vật thể hình chữ nhật. Dữ liệu này được chuyển sang module giải thuật bin packing. Module tính toán ma trận chiếm dụng trên khay pallet và chọn vị trí đặt còn trống gần nhất. Giải thuật tối ưu hóa không gian, giảm khe hở giữa các kiện hàng và giữ khối hàng ổn định cơ học. Quá trình tính toán hoàn tất trong vài chục mili-giây.

3.2. Cấu hình điều khiển động cơ và cánh tay robot

Cấu hình truyền động dùng động cơ bước 17HD4401S chuẩn NEMA 17. Thiết bị cung cấp mô-men xoắn giữ ổn định và góc bước chính xác khi chia vi bước. Bộ điều khiển nhận dữ liệu biến khớp từ máy tính qua cổng giao tiếp nối tiếp. Mạch phát xung điều khiển các vi bước để dẫn động từng trục khớp của robot. Cơ cấu chấp hành chuyển đổi góc quay thành chuyển động tọa độ không gian ba chiều. Khâu tác động cuối sử dụng giác hút hoặc tay kẹp cơ khí để cố định vật thể. Quỹ đạo dịch chuyển từ băng tải sang mặt pallet được nội suy mượt mà. Nhờ vậy, cơ hệ chuyển động êm ái, hạn chế rung giật và đạt độ chính xác lặp lại rất cao.

IV. Đánh giá ứng dụng xếp vật lên pallet bằng xử lý ảnh và robot

Mô hình tự động hóa xếp vật lên pallet chứng minh tính hiệu quả vượt trội trong tự động hóa kho hàng và dây chuyền đóng gói. Kết quả nghiên cứu tại Trường Đại học Sư phạm Kỹ thuật TP.HCM khẳng định tính đúng đắn của phương pháp kết hợp thị giác máy tính và robot. Hệ thống nhận diện chính xác vật thể, định vị tọa độ chuẩn xác và sắp xếp pallet với tỷ lệ lấp đầy cao. Việc áp dụng mô hình thực nghiệm vào các nhà máy sản xuất bánh kẹo, linh kiện điện tử hoặc dược phẩm đem lại giá trị kinh tế trực tiếp. Doanh nghiệp cắt giảm đáng kể nhân công lao động thủ công trong môi trường độc hại hoặc nặng nhọc. Tốc độ đóng pallet duy trì ổn định suốt ngày đêm mà không xảy ra sai sót do mệt mỏi. Không gian lưu trữ kho bãi được tối ưu hóa tối đa nhờ trật tự xếp đặt đồng đều, chuẩn mực. Đề tài mở ra tiềm năng phát triển mạnh mẽ cho các hệ sinh thái nhà máy thông minh tại Việt Nam.

4.1. Khả năng ứng dụng thực tế trong công nghiệp đóng gói

Công nghệ xếp pallet tự động đáp ứng tốt nhu cầu logistics tại các trung tâm phân phối hàng hóa. Các dây chuyền chế biến thực phẩm, đóng chai nước giải khát và sản xuất bao bì giấy có thể tích hợp hệ thống ngay lập tức. Cánh tay robot phối hợp thị giác máy giúp nâng đỡ các kiện hàng với quy cách đa dạng mà không cần thay đổi kết cấu cơ khí. Quy trình palletizing tự động bảo vệ hàng hóa khỏi nguy cơ rơi vỡ hoặc móp méo trong quá trình bốc dỡ. Hơn nữa, việc số hóa quy trình cho phép đồng bộ hóa dữ liệu kiện hàng với phần mềm quản lý kho ERP. Doanh nghiệp nắm bắt chính xác số lượng tồn kho theo thời gian thực và quản lý xuất nhập khẩu minh bạch, hiệu quả.

4.2. Hướng phát triển và hoàn thiện hệ thống

Mô hình nghiên cứu hiện tại mở ra nhiều tiềm năng mở rộng kỹ thuật. Hệ thống có thể nâng cấp từ camera 2D lên camera 3D Depth để đo chiều cao kiện hàng và xếp chồng nhiều lớp. Cánh tay robot có thể gắn cảm biến lực kẹp nhằm bảo vệ các sản phẩm dễ vỡ. Ngoài ra, việc ứng dụng học sâu (Deep Learning) sẽ hỗ trợ nhận dạng bao bì biến dạng hoặc mờ nhòe. Động cơ bước có thể thay thế bằng động cơ servo vòng kín nhằm gia tăng tốc độ và loại bỏ sai số trượt xung. Những định hướng nâng cấp này sẽ biến mô hình thực nghiệm thành trạm làm việc công nghiệp hoàn chỉnh và đáp ứng tốt tiêu chuẩn sản xuất hiện đại.

Nội dung chính

Bối cảnh và vấn đề nghiên cứu

Trong xu thế tự động hóa công nghiệp hiện đại, các công đoạn đòi hỏi thao tác lặp lại, tốn sức lao động và có cường độ cao như bốc xếp hàng hóa lên pallet (palletizing) đóng vai trò quyết định đến năng suất của toàn bộ dây chuyền sản xuất và đóng gói. Việc thực hiện công đoạn này theo phương thức thủ công bộc lộ nhiều điểm nghẽn: tiêu tốn nhân lực, tốc độ xử lý chậm, tiềm ẩn nguy cơ chấn thương nghề nghiệp cho người thao tác và khó đảm bảo sự đồng đều cũng như mật độ sắp xếp tối ưu trên pallet. Nhằm giải quyết các hạn chế này, đồ án tốt nghiệp ngành Công nghệ Kỹ thuật Điều khiển và Tự động hóa tại Trường Đại học Sư phạm Kỹ thuật Thành phố Hồ Chí Minh của sinh viên Lê Hồng Phong (dưới sự hướng dẫn của PGS. Vũ Văn Phong, hoàn thành tháng 6/2025) đã nghiên cứu đề tài: "Tự động hóa quá trình xếp vật lên pallet bằng xử lý ảnh và robot".

Mục tiêu nghiên cứu tổng quát của đề tài là thiết kế, chế tạo và tích hợp một hệ thống tự động hoàn chỉnh, có khả năng phát hiện, phân tích hình học và điều khiển cánh tay robot sắp xếp các vật thể lên pallet một cách tuần tự và tối ưu hóa diện tích mặt bằng. Các mục tiêu cụ thể được xác định bao gồm 4 nhiệm vụ:

1. Nghiên cứu và lựa chọn công nghệ xử lý ảnh phù hợp: Khảo sát các kỹ thuật thị giác máy tính nhằm nhận dạng, đo đạc kích thước và phân loại vật thể có hình dạng, màu sắc khác nhau; xác định chính xác tọa độ vị trí của vật thể trong không gian làm việc của robot và duy trì tính ổn định trước các biến đổi ánh sáng môi trường.
2. Thiết kế và triển khai thuật toán lập kế hoạch xếp pallet tối ưu: Nghiên cứu các chiến lược xếp vật thể 2D nhằm tối đa hóa diện tích bề mặt sử dụng, đảm bảo tính ổn định và rút ngắn thời gian chu trình; xử lý các vật thể có kích thước biến thiên.
3. Phát triển hệ thống điều khiển và tích hợp robot: Thiết lập giao thức truyền thông đồng bộ giữa máy tính xử lý thị giác, bộ thuật toán xếp và cánh tay robot; giải bài toán động học để hoạch định quỹ đạo chuyển động mượt mà, tránh va chạm; tích hợp cơ cấu gắp bằng giác hút chân không phù hợp với bề mặt vật thể.
4. Xây dựng giao diện người dùng và kiểm tra hệ thống: Thiết kế giao diện giám sát, điều khiển trực quan trên máy tính; vận hành các kịch bản thực nghiệm để đánh giá sai số, tốc độ và độ tin cậy của toàn hệ thống; đề xuất các giải pháp hoàn thiện phần cứng và giải thuật.

Đối tượng và phạm vi nghiên cứu:

• Đối tượng nghiên cứu: Hệ thống cơ điện tử kết hợp thị giác máy, bao gồm cánh tay robot 3 bậc tự do, cơ cấu trượt tuyến tính, băng tải cấp phôi, hệ thống hút chân không khí nén, camera thu nhận hình ảnh và đối tượng gắp là các khối hộp chữ nhật bằng gỗ.
• Phạm vi không gian: Không gian thực nghiệm tại phòng thí nghiệm Bộ môn Tự động – Điều khiển, Khoa Điện – Điện Tử, Trường Đại học Sư phạm Kỹ thuật TP.HCM; phạm vi xếp đặt giới hạn trên một mặt phẳng pallet 2D duy nhất.
• Phạm vi thời gian: Nghiên cứu, chế tạo và thử nghiệm hoàn tất vào tháng 6 năm 2025.

Cơ sở lý thuyết và phương pháp

Đề tài kết hợp giữa lý thuyết động học robot công nghiệp, kỹ thuật thị giác máy tính và toán học tối ưu tổ hợp rời rạc:

• Khung lý thuyết động học robot: Sử dụng phương pháp mô hình hóa Denavit – Hartenberg (D-H) theo quy chuẩn của tác giả John J. Craig để thiết lập các hệ trục tọa độ tại các khớp quay và khớp tịnh tiến. Từ bảng thông số D-H, ma trận biến đổi thuần nhất thành phần $A_i$ và ma trận biến đổi tổng quát $T_0^n$ được xác lập nhằm giải bài toán động học thuận (xác định tọa độ điểm công tác cuối khi biết góc quay các khớp) và bài toán động học nghịch (tính toán các biến khớp từ vị trí mong muốn trong không gian Descartes bằng phương pháp hình học và đại số).
• Cơ sở lý thuyết xử lý ảnh số: Ứng dụng kỹ thuật chuyển đổi không gian màu từ RGB sang HSV nhằm phân lập màu sắc đặc trưng của vật thể gỗ độc lập với cường độ chiếu sáng; áp dụng ngưỡng phân đoạn nhị phân; lọc hình thái học (morphological operations) với các phép bù lỗ hổng (imfill), loại bỏ nhiễu diện tích nhỏ (bwareaopen), trích xuất thành phần liên thông lớn nhất (bwareafilt) và đo lường đặc trưng hình học bằng hàm regionprops.
• Lý thuyết thuật toán xếp hàng: Dựa trên mô hình bài toán đóng gói thùng 2 chiều (2D Bin Packing Problem), khảo sát các thuật toán phỏng đoán (heuristic) trực tuyến và ngoại tuyến như Next-Fit, First-Fit và Best-Fit nhằm giải quyết bài toán bố trí không gian pallet dạng lưới chữ nhật.

Phương pháp nghiên cứu thực tế bao gồm:

• Phương pháp phân tích – tổng hợp lý thuyết: Thu thập, tổng hợp các tài liệu chuyên khảo về cơ điện tử, xử lý ảnh công nghiệp và robot học để lựa chọn cấu hình thiết bị phù hợp.
• Phương pháp thiết kế module hóa: Tách biệt hệ thống thành các khối chức năng độc lập (khối xử lý ảnh, khối thuật toán tối ưu xếp đặt, khối điều khiển động học robot và khối mạch lực chấp hành) nhằm thuận tiện cho quá trình hiệu chỉnh và kiểm thử.
• Phương pháp thực nghiệm mô hình vật lý (Prototype): Xây dựng mô hình phần cứng thực tế với kích thước thu nhỏ, lắp đặt cơ cấu cơ khí, kết nối mạch điều khiển nhúng với máy tính xử lý trung tâm và thực hiện chu trình kiểm tra lặp lại qua các lần thử nghiệm (TN1, TN2).
• Nguồn dữ liệu: Dữ liệu ảnh kỹ thuật số thu nhận trực tiếp theo thời gian thực từ webcam Logitech C270 gắn cố định trên khung giá đỡ hướng vuông góc với mặt băng tải.

Thiết kế và triển khai hệ thống

Hệ thống được thiết kế theo cấu trúc điều khiển phân tầng: máy tính cá nhân đảm nhận vai trò máy chủ xử lý thị giác (trên môi trường MATLAB) và tính toán thuật toán sắp xếp; bo mạch vi điều khiển Arduino Uno R3 đóng vai trò bộ điều khiển cấp dưới, nhận lệnh tọa độ qua giao thức nối tiếp (UART/Serial) để điều khiển driver động cơ bước và các thiết bị đóng cắt khí nén.

Thành phần phần cứng	Thông số kỹ thuật chi tiết theo văn bản	Chức năng trong hệ thống
Arduino Uno R3	Vi điều khiển ATmega328P 8-bit, 16 MHz, Flash 32 KB, SRAM 2 KB, EEPROM 1 KB, 14 Digital I/O (6 PWM), 6 Analog In (A0–A5), cổng USB Type-B	Nhận lệnh điều khiển từ MATLAB qua UART, phát xung điều khiển động cơ bước và đóng ngắt rơ-le
Webcam Logitech C270	Độ phân giải HD 720p (1280 x 720 pixels), 30 fps, chuẩn USB 2.0, lấy nét cố định (fixed focus), công nghệ cân bằng sáng RightLight 2, FOV ~60°	Thu nhận hình ảnh phôi gỗ trên băng tải để gửi về máy tính xử lý thời gian thực
Động cơ bước 17HD4401S	Chuẩn NEMA 17 (42 x 42 mm), góc bước 1.8° (200 bước/vòng), dòng định mức 1.7 A, trở 1.5 $\Omega$, áp ~2.55 V, momen giữ 40 N·cm, 4 dây	Dẫn động các trục của cánh tay robot 3 bậc tự do và cơ cấu chấp hành
Driver TB6600	Điện áp 9V – 42V DC, dòng cực đại 4.0 A, tín hiệu STEP/DIR/ENA, hỗ trợ vi bước từ Full đến 1/32, tích hợp cách ly quang	Khuếch đại dòng và điều khiển vị trí góc quay chính xác cho động cơ bước
Băng tải mini	Chiều dài 40 cm, chiều rộng 8 cm, động cơ dẫn động DC 24V – 1A, điều khiển qua Relay và Arduino	Vận chuyển vật thể từ vị trí cấp liệu qua vùng quan sát của camera đến vùng gắp của robot
Bơm chân không	Điện áp hoạt động 24V DC, dòng tiêu thụ 900 mA, áp suất chân không -50 kPa, lưu lượng khí >13 L/phút	Tạo áp suất âm kết hợp với giác hút cao su ở đầu công tác để giữ và nhả phôi phẳng
Van điện từ 4V110-06	Kiểu 5/2 (5 cổng 2 vị trí), cuộn hút 24V DC, công suất 2.5 W, kích thước ren M5 (Ø6 mm), áp suất làm việc 0.8 MPa, thời gian đáp ứng <20 ms	Đóng ngắt và xả nhanh đường khí chân không giúp thao tác nhả vật diễn ra dứt khoát
Bộ trượt tuyến tính	Chiều dài hành trình 300 mm, truyền động dây đai GT2, dẫn động bởi động cơ bước NEMA 57 kết hợp driver TB6600, tải trọng tối đa 5 kg	Mở rộng không gian làm việc của cánh tay robot theo phương tịnh tiến ngang
Module Relay 2 kênh	Nguồn nuôi 5V DC, dòng kích 70–90 mA, tiếp điểm đóng cắt chịu tải 250V AC / 30V DC – 10A, mức kích logic TTL 0–5V	Cách ly và đóng ngắt nguồn 24V cấp cho động cơ băng tải và bơm hút chân không
Cảm biến hồng ngoại NPN	Nguồn cấp 5V DC, ngõ ra NPN thường mở (NO), dòng tải tối đa 300 mA, thời gian trễ phản hồi <2 ms	Phát hiện sự hiện diện của vật thể khi đi đến vị trí gắp trên băng tải
Nguồn tổ ong 24V – 10A	Điện áp ngõ vào 110–220V AC, ngõ ra 24V DC, dòng tải cực đại 10A, công suất 240W, hiệu suất >85%, tản nhiệt thụ động	Cung cấp nguồn động lực 24V cho bơm chân không, van khí nén và các driver TB6600

Quy trình vận hành phần mềm và thuật toán:

1. Xử lý ảnh: Luồng video từ webcam được đưa vào phần mềm MATLAB. Thuật toán định vị vùng quan tâm (ROI), chuyển hệ màu sang không gian HSV và áp dụng ngưỡng màu của vật liệu gỗ để tách lớp mặt nạ nhị phân. Các hàm xử lý hình thái học lấp đầy các khoảng trống bên trong và khử nhiễu biên. Hàm regionprops trích xuất tọa độ tâm (centroid), trục lớn, trục nhỏ và góc nghiêng của vật. Hệ thống chuyển đổi tọa độ điểm ảnh sang đơn vị đo thực tế (centimet) thông qua hệ số hiệu chuẩn thực nghiệm cm_per_pixel. Thuật toán tự động bỏ qua các đối tượng có kích thước nhỏ hơn ngưỡng quy định để triệt tiêu nhiễu.
2. Lập kế hoạch xếp đặt: Kích thước hình học thu nhận được đưa vào giải thuật phân bổ mặt bằng 2D trên pallet (First-Fit / Next-Fit). Thuật toán tính toán tọa độ đích $(X, Y)$ trên pallet đảm bảo vật không đè lên nhau và lấp đầy không gian theo thứ tự ưu tiên.
3. Hoạch định động học và chấp hành: MATLAB tính toán bộ thông số góc khớp thông qua thuật toán động học nghịch D-H và truyền chuỗi dữ liệu điều khiển qua cổng nối tiếp (COM port) xuống bo mạch Arduino Uno R3. Vi điều khiển chuyển đổi các góc thành số xung phát đến chân STEP/DIR của driver TB6600, phối hợp đóng ngắt van khí nén và bơm hút để hoàn tất chu trình gắp - dịch chuyển - hạ đặt.
4. Giao diện điều khiển (MATLAB GUIDE): Hệ thống tích hợp giao diện điều khiển 2 trang gồm chế độ vận hành thủ công (bằng tay) để kiểm tra từng cơ cấu chấp hành và chế độ vận hành tự động liên tục hiển thị trạng thái phát hiện vật thể và sơ đồ xếp đặt pallet.

Nội dung chính theo từng chương

Chương 1. Tổng quan về đề tài

Chương này phác thảo tính cấp thiết của việc áp dụng giải pháp tự động hóa vào khâu xếp dỡ hàng hóa lên pallet trong sản xuất công nghiệp, thay thế cho thao tác thủ công vốn tồn tại nhiều nhược điểm về an toàn và năng suất. Tác giả xác lập rõ ràng 4 mục tiêu nghiên cứu cụ thể, các phương pháp nghiên cứu áp dụng (nghiên cứu lý thuyết, mô hình hóa, thực nghiệm phần cứng và đánh giá tối ưu), nội dung công việc và các giới hạn kỹ thuật đặt ra cho đề tài. Cuối chương giới thiệu tổng thể bố cục đồ án gồm 4 chương.

Chương 2. Cơ sở lý thuyết và phương pháp nghiên cứu

Chương 2 trình bày chi tiết toàn bộ các cơ sở lý thuyết nền tảng phục vụ cho việc xây dựng hệ thống:

• Phân tích thông số kỹ thuật và nguyên lý làm việc của từng thiết bị phần cứng: vi điều khiển ATmega328P trên bo Arduino Uno R3, webcam Logitech C270, động cơ bước 17HD4401S, driver TB6600, module relay, cảm biến hồng ngoại NPN, van điện từ 4V110-06, cơ cấu trượt tuyến tính và bộ nguồn tổ ong 24V.
• Cơ sở lý thuyết thị giác máy tính: Trình bày quy trình xử lý ảnh trên MATLAB Image Processing Toolbox, không gian màu HSV, các hàm phân đoạn nhị phân, thuật toán xác định tâm và kích thước vật thể hình chữ nhật.
• Cơ sở động học cánh tay robot: Phương pháp gắn trục tọa độ Denavit – Hartenberg theo John J. Craig, xây dựng bảng thông số D-H, lập ma trận biến đổi thuần nhất tổng quát $T_0^n$ cho bài toán động học thuận và phương pháp giải động học nghịch.
• Bài toán xếp vật lên pallet 2D: Định nghĩa bài toán bin packing, các tiêu chí đánh giá hiệu quả sử dụng không gian và nguyên lý của các thuật toán xếp phỏng đoán như Next-Fit, First-Fit, Best-Fit.

Chương 3. Xây dựng hệ thống và thi công

Chương 3 mô tả quá trình hiện thực hóa mô hình thực nghiệm từ khâu lắp ráp cơ khí đến lập trình hệ thống:

• Thiết kế và gia công lắp đặt khung giá đỡ, băng tải mini, cánh tay robot 3 bậc tự do, cụm giác hút chân không và trục trượt tuyến tính 300 mm.
• Sơ đồ đấu nối dây chi tiết giữa bo Arduino Uno R3 với cảm biến hồng ngoại, các driver điều khiển động cơ bước TB6600 và module relay kích hoạt van khí nén.
• Thiết lập lưu đồ giải thuật cho module xử lý ảnh trên MATLAB, giải thuật tính toán động học nghịch điều khiển robot và lưu đồ thuật toán điều phối sắp xếp lên pallet.
• Xây dựng giao diện đồ họa người dùng bằng công cụ GUIDE của MATLAB với hai chế độ: giao diện điều khiển bằng tay (Manual) và giao diện vận hành tự động (Auto).
• Tiến hành hai đợt thử nghiệm thực nghiệm (TN1 và TN2): Ghi nhận quá trình nhận dạng các khối gỗ số 1, 2, 3, 5 trên băng tải, robot bốc xếp vào các tọa độ đã lập trình trên pallet phẳng cho đến khi pallet đạt trạng thái bão hòa (không thể xếp thêm).

Chương 4. Kết luận và hướng phát triển

Chương 4 đúc kết các kết quả đạt được đối chiếu với các mục tiêu đã đề ra ở Chương 1; đánh giá mức độ ổn định của việc nhận dạng vật thể, độ chính xác vị trí gắp đặt của robot và khả năng vận hành đồng bộ của các thiết bị ngoại vi. Đồng thời, tác giả chỉ ra các hạn chế kỹ thuật còn tồn đọng trong mô hình thực nghiệm và đề xuất các giải pháp nâng cấp trong giai đoạn nghiên cứu tiếp theo.

Kết quả và đóng góp

Hệ thống đã được chế tạo và thử nghiệm thực tế với các kết quả cụ thể được ghi nhận trong văn bản:

• Xây dựng hoàn chỉnh mô hình phần cứng thử nghiệm tích hợp: Hoàn thành việc lắp ráp cơ khí và kết nối điện liên động giữa cánh tay robot 3 bậc tự do, bộ trượt tuyến tính hành trình 300 mm, băng tải dài 40 cm rộng 8 cm, cụm tạo chân không (-50 kPa) và hệ thống camera quan sát.
• Vận hành thành công thuật toán xử lý ảnh thời gian thực: Nhận diện chính xác đối tượng hình chữ nhật bằng vật liệu gỗ dựa trên việc trích xuất ngưỡng màu HSV; tính toán tọa độ tâm và kích thước hai chiều của vật thể thông qua tỷ lệ quy đổi cm_per_pixel; loại bỏ các nhiễu có kích thước nhỏ hơn ngưỡng cho phép.
• Triển khai thuật toán sắp xếp và điều khiển chuyển động: Thuật toán phỏng đoán First-Fit bố trí vật thể hợp lý lên mặt phẳng pallet; hệ thống giải thuật động học nghịch tính toán chính xác góc quay các khớp và số bước phát xung điều khiển các động cơ bước qua driver TB6600.
• Kết quả thực nghiệm qua hai lần chạy độc lập:
  • Thử nghiệm 1 (TN1): Hệ thống nhận dạng và thực hiện gắp xếp thành công các vật thể (như vật số 2, vật số 5) từ băng tải sang pallet; cánh tay robot di chuyển chính xác đến tọa độ mục tiêu; dừng cấp phôi chính xác khi pallet không thể tiếp nhận thêm vật thể.
  • Thử nghiệm 2 (TN2): Hệ thống lặp lại quy trình nhận dạng và xếp đặt ổn định cho chuỗi các vật thể liên tiếp (vật số 1, vật số 2, vật số 3) cho đến khi lấp đầy diện tích pallet quy định.
• Phát triển giao diện điều khiển và giám sát (GUI): Tạo lập thành công giao diện trên MATLAB GUIDE hỗ trợ cả hai chức năng điều khiển bằng tay từng khớp chấp hành và vận hành hoàn toàn tự động theo chu trình khép kín.

Các đề xuất và kiến nghị kỹ thuật do tác giả nêu ra bao gồm việc tiếp tục tối ưu hóa độ nhạy của thuật toán xử lý ảnh khi điều kiện chiếu sáng thay đổi bất thường và nâng cấp cơ cấu cơ khí để mở rộng tầm với làm việc của robot.

Đóng góp của đề tài thể hiện ở việc tích hợp thành công chuỗi công nghệ khép kín từ thị giác máy tính (MATLAB) đến điều khiển nhúng thời gian thực (Arduino Uno R3) và cơ điện tử chấp hành, giải quyết trọn vẹn bài toán tự động nhận diện kích thước ngẫu nhiên và xếp đặt tối ưu trên pallet 2D ở quy mô phòng thí nghiệm.

Hạn chế và hướng nghiên cứu tiếp

Các giới hạn kỹ thuật được tác giả chỉ rõ trong văn bản bao gồm:

• Hình dạng vật thể: Hệ thống chỉ có khả năng nhận dạng và xử lý các vật thể có dạng khối hộp chữ nhật phẳng; chưa hỗ trợ các vật thể có biên dạng cong, bề mặt lồi lõm hoặc hình học bất quy tắc.
• Khả năng xoay hướng: Quá trình xếp đặt không thực hiện thao tác xoay vật thể; mỗi vật thể được đặt lên pallet giữ nguyên hướng góc ban đầu khi được nhận dạng trên băng tải.
• Kích thước vật thể: Phôi gỗ sử dụng trong thực nghiệm có kích thước cố định hoặc nằm trong dải kích thước quy ước cho trước.
• Không gian xếp đặt: Quá trình xếp vật chỉ thực hiện trên một mặt phẳng pallet 2D duy nhất; chưa mở rộng thuật toán để xếp chồng nhiều tầng hoặc thay đổi độ cao làm việc của pallet.
• Điều kiện môi trường: Hệ thống giả định hoạt động trong môi trường có cường độ ánh sáng ổn định và mật độ vật thể cấp vào băng tải ở mức vừa phải tại mỗi chu kỳ xử lý.
• Động học và phối hợp: Robot thao tác tuần tự theo một quy trình định sẵn; chưa tối ưu hóa quỹ đạo động lực học phức tạp hoặc tích hợp phối hợp nhiều robot hoạt động đồng thời.

Hướng nghiên cứu tiếp theo:

• Nâng cấp thuật toán xếp đặt từ không gian 2D lên không gian 3 chiều (3D Bin Packing), cho phép tính toán độ ổn định và xếp chồng nhiều lớp hàng hóa.
• Tích hợp thêm khớp xoay tại đầu giác hút (end-effector) hoặc thuật toán xoay hướng vật thể linh hoạt để tối đa hóa hơn nữa mật độ lấp đầy pallet.
• Ứng dụng các giải pháp thị giác thích nghi hoặc học sâu (Deep Learning) để nhận diện các vật thể có hình dạng phức tạp và hoạt động tin cậy dưới điều kiện ánh sáng thay đổi.
• Mở rộng quy mô điều khiển phối hợp nhiều cánh tay robot làm việc đồng thời trên dây chuyền phân loại tốc độ cao.

Giá trị tham khảo

Đồ án là tài liệu tham khảo chuyên ngành hữu ích cho sinh viên, học viên và các kỹ sư thuộc các ngành Công nghệ Kỹ thuật Điều khiển và Tự động hóa, Kỹ thuật Cơ điện tử, Kỹ thuật Robot và Trí tuệ nhân tạo/Thị giác máy tính:

• Hữu ích cho người thực hiện các đề tài liên quan đến: Tích hợp hệ thống robot phân loại sản phẩm, ứng dụng xử lý ảnh công nghiệp trên MATLAB kết hợp phần cứng mã nguồn mở, lập trình điều khiển động cơ bước chính xác bằng vi điều khiển.
• Các phần có giá trị kỹ thuật cao đáng tham khảo:
  • Bảng thông số chi tiết và giải pháp phối ghép phần cứng thực tế giữa mạch logic vi điều khiển 5V, thiết bị đóng cắt công nghiệp 24V và driver công suất cao TB6600.
  • Quy trình xử lý ảnh trên không gian màu HSV và phương pháp quy đổi kích thước thực tế (cm_per_pixel) bằng thư viện Image Processing Toolbox trong MATLAB.
  • Phương pháp luận gắn trục tọa độ Denavit – Hartenberg theo John J. Craig để giải bài toán động học thuận và động học nghịch cho hệ robot 3 bậc tự do kết hợp trục trượt tịnh tiến.

Câu hỏi thường gặp

1. Hệ thống sử dụng phương pháp nào để tính toán kích thước thực tế của vật thể từ ảnh chụp camera?
Hệ thống sử dụng webcam Logitech C270 cố định góc nhìn từ trên cao xuống. Ảnh được chuyển sang không gian màu HSV để phân đoạn nhị phân lớp màu của gỗ, sau đó hàm regionprops xác định trục lớn và trục nhỏ của đối tượng. Dựa vào góc nghiêng của vật (nếu nhỏ hơn 45 độ, trục lớn là chiều rộng và trục nhỏ là chiều cao; ngược lại nếu góc lớn hơn 45 độ), chiều dài pixel sẽ được nhân với hệ số thực nghiệm cm_per_pixel đã được hiệu chuẩn trước để ra kích thước thực tế tính bằng centimet.

2. Mô hình động học của cánh tay robot trong đề tài được thiết lập theo quy chuẩn nào?
Mô hình động học của robot 3 bậc tự do được thiết lập bằng phương pháp Denavit – Hartenberg (D-H) theo cấu trúc quy ước của tác giả John J. Craig. Phương pháp này thiết lập các hệ trục tọa độ tại từng khớp, xác định 4 thông số đặc trưng ($a_{i-1}, \alpha_{i-1}, d_i, \theta_i$) để lập các ma trận chuyển đổi thuần nhất $A_i$ và tính toán ma trận tổng quát $T_0^n$ cho khâu tác động cuối.

3. Cơ cấu gắp của robot hoạt động dựa trên nguyên lý cơ học hay khí nén?
Robot sử dụng cơ cấu gắp phi cơ khí bằng giác hút chân không (suction cup). Nguồn áp suất âm do bơm chân không 24V DC (-50 kPa, lưu lượng >13 L/phút) tạo ra. Việc duy trì lực hút hoặc nhả vật nhanh chóng được điều phối bằng van khí nén điện từ 5/2 (model 4V110-06) kết hợp rơ-le kích từ Arduino, cho phép bốc dỡ các vật thể có bề mặt phẳng sạch sẽ và không gây biến dạng cơ học.

4. Dữ liệu giữa máy tính xử lý ảnh MATLAB và bộ điều khiển phần cứng Arduino được trao đổi qua giao thức nào?
Dữ liệu tọa độ và trạng thái điều khiển được truyền nhận hai chiều thông qua giao tiếp nối tiếp UART (Serial) qua cổng USB giữa máy tính chạy MATLAB và vi điều khiển ATmega328P trên bo mạch Arduino Uno R3.

5. Đề tài áp dụng các thuật toán xếp hình chữ nhật nào cho bài toán palletizing?
Đề tài khảo sát các giải thuật tối ưu hóa xếp dỡ phỏng đoán 2D thuộc nhóm Bin Packing như Next-Fit, First-Fit và Best-Fit; trong đó thuật toán First-Fit được đưa vào thực nghiệm để phân bổ các vị trí khả dụng trên mặt phẳng pallet theo thứ tự phôi xuất hiện trên băng tải.

Kết luận

Đồ án tốt nghiệp "Tự động hóa quá trình xếp vật lên pallet bằng xử lý ảnh và robot" của tác giả Lê Hồng Phong đã xây dựng thành công một mô hình thực nghiệm cơ điện tử hoàn chỉnh, tích hợp liên động giữa thị giác máy tính trên MATLAB và điều khiển cánh tay robot qua Arduino Uno R3. Hệ thống đã giải quyết trọn vẹn chu trình tự động phát hiện, tính toán kích thước, định vị tọa độ và sắp xếp các khối hộp gỗ phẳng lên pallet 2D qua hai lần thử nghiệm thực tế đạt độ ổn định cao. Các kết quả tính toán động học Denavit – Hartenberg và dữ liệu phần cứng chi tiết trong công trình là tài liệu kỹ thuật có giá trị tham khảo thiết thực cho các nghiên cứu ứng dụng robot bốc xếp trong công nghiệp.

Trích đoạn nội dung tài liệu

Chương 1: Tổng quan Trình bày tổng quan về lĩnh vực nghiên cứu, tình hình phát triển các hệ thống tự động hóa trong và ngoài nước, giới thiệu công nghệ xử lý ảnh và robot công nghiệp được sử dụng trong đề tài. Ngoài ra, chương này còn nêu rõ nhiệm vụ nghiên cứu, mục tiêu thực hiện và cấu trúc toàn đồ án. - Chương 2: Cơ sở lý thuyết và phương pháp nghiên cứu Trình bày các lý thuyết nền tảng phục vụ cho đề tài như: nguyên lý xử lý ảnh, kỹ thuật nhận dạng màu sắc, chuyển đổi không gian màu RGB-HSV, mô hình động học robot tay 3 bậc tự do (thuận và nghịch), các thuật toán sắp xếp vật thể lên pallet như Next-Fit, Heuristic, kiểm tra va chạm và xoay vật thể. Cuối chương là sơ đồ tổng thể của hệ thống và quy trình xử lý.

- Chương 3: Xây dựng hệ thống và thực nghiệm Trình bày quá trình thiết kế và lắp đặt hệ thống phần cứng gồm robot, cơ cấu hút, camera, băng tải và các thiết bị điều khiển. Mô tả chi tiết các bước lập trình xử lý ảnh, tính toán kích thước và vị trí vật thể, điều khiển robot để thực hiện gắp – đặt vật thể chính 7 xác. Đồng thời, trình bày quá trình thử nghiệm, đánh giá kết quả, phân tích sai số và giới hạn kỹ thuật. - Chương 4: Kết luận và kiến nghị Tổng kết các kết quả đạt được trong quá trình thực hiện đề tài, đánh giá mức độ hoàn thành mục tiêu đã đề ra.

Đề xuất các hướng cải tiến, phát triển hệ thống trong tương lai nhằm nâng cao độ chính xác, tốc độ và mở rộng ứng dụng thực tế. - Tài liệu tham khảo Trình bày các tài liệu, bài báo, sách và nguồn tham khảo được sử dụng trong quá trình nghiên cứu, tuân thủ theo chuẩn IEEE hoặc APA. CƠ SỞ LÝ THUYẾT VÀ PHƯƠNG PHÁP NGHIÊN CỨU 2. TỔNG QUAN PHẦN CỨNG 2.

Arduino uno Arduino Uno R3 là phiên bản phổ biến và ổn định nhất trong dòng bo mạch Arduino. Nó sử dụng vi điều khiển ATmega328P – một vi điều khiển 8-bit do hãng Atmel (nay là Microchip) sản xuất, với khả năng xử lý mạnh mẽ trong các ứng dụng nhúng cỡ nhỏ và vừa. Bo mạch được thiết kế nhằm phục vụ mục đích giáo dục, nghiên cứu và chế tạo nguyên mẫu (prototype) trong các hệ thống điều khiển tự động và robot.1 Thống số kỹ thuật Arduino Uno R3. Thông số Giá trị Vi điều khiển ATmega328P Xung nhịp 16 MHz Bộ nhớ Flash 32 KB (0.5 KB dùng cho bootloader) SRAM 2 KB 9 EEPROM 1 KB Điện áp hoạt động 5V DC Điện áp vào khuyến nghị 7 – 12V Số chân Digital I/O 14 chân (6 chân PWM) Số chân Analog input 6 chân (A0–A5) Giao tiếp UART, SPI, I2C Cổng lập trình và giao tiếp USB Type-B Loại chân kết nối Female header 2.54mm - Các chức năng chính trong hệ thống: • Giao tiếp với MATLAB hoặc giao diện GUI: Nhận dữ liệu điều khiển thông qua Serial (UART).

• Điều khiển phần cứng: Điều khiển các driver động cơ bước (qua tín hiệu STEP/DIR), relay, băng tải, và van điện từ. • Đọc tín hiệu cảm biến: Ghi nhận tín hiệu từ công tắc hành trình, cảm biến quang để đưa ra quyết định điều khiển. • Điều khiển thiết bị hút chân không: Thông qua relay và van điện từ để thực hiện gắp/thả vật trên băng tải hoặc pallet. Webcam Logitech C270 Webcam Logitech C270 là một thiết bị thu hình kỹ thuật số phổ biến, được sử dụng rộng rãi trong các ứng dụng học máy, thị giác máy tính và điều khiển robot.