Bối cảnh và vấn đề nghiên cứu

Trong xu thế của cuộc Cách mạng Công nghiệp 4.0, sự hội tụ giữa các công nghệ vật lý, kỹ thuật số và tự động hóa ngày càng trở nên sâu rộng. Trong dây chuyền sản xuất công nghiệp hiện đại, công đoạn phân loại và kiểm tra sản phẩm trước khi đóng gói giữ vai trò then chốt nhằm nâng cao năng suất và bảo đảm chất lượng đồng đều. Các phương pháp phân loại truyền thống hoặc sử dụng cảm biến quang/tiếp xúc thông thường bộc lộ nhiều hạn chế về tính linh hoạt và khả năng thu thập thông tin không gian ba chiều. Sự xuất hiện của các hệ thống thị giác máy tính, đặc biệt là camera 3D (Stereo Camera) có khả năng mô phỏng cơ chế thị giác hai mắt của con người để ghi nhận thông tin độ sâu, đã mở ra giải pháp hiệu quả cho bài toán nhận dạng, định cỡ và phân loại vật thể tự động.

Kế thừa các nghiên cứu trước đây về phân loại sản phẩm trên hệ thống nhúng (như xử lý ảnh trên nền tảng Raspberry Pi), đồ án tốt nghiệp ngành Công nghệ Kỹ thuật Điện tử Truyền thông của sinh viên Lê Văn Thái (Trường Đại học Sư phạm Kỹ thuật TP. Hồ Chí Minh, 2019) với đề tài "Ứng dụng camera 3D trong việc phân loại sản phẩm theo hình dạng và kích thước" được thực hiện nhằm giải quyết bài toán nhận dạng đa hình dạng kết hợp đo lường kích thước hình học thông qua dữ liệu thị giác stereo.

Mục tiêu của đồ án được xác định gồm hai nội dung trọng tâm:

  1. Tìm hiểu nguyên lý hoạt động của camera 3D, ngôn ngữ lập trình Python và thư viện xử lý ảnh OpenCV.
  2. Thiết kế và thi công mô hình có khả năng nhận dạng hình dạng (hình vuông, hình chữ nhật, hình tam giác, hình tròn) và tính toán kích thước thực tế của từng sản phẩm.

Để đạt được mục tiêu trên, tác giả đã triển khai 6 nhiệm vụ/nội dung nghiên cứu cụ thể:

  1. Nội dung 1: Tìm hiểu phương pháp nhận dạng và phân loại sản phẩm theo hình dạng và kích thước.
  2. Nội dung 2: Nghiên cứu tổng quan về lý thuyết xử lý ảnh số.
  3. Nội dung 3: Khảo sát cấu trúc phần cứng camera 3D và các module ngoại vi liên quan.
  4. Nội dung 4: Xây dựng thuật toán và viết chương trình xử lý trên ngôn ngữ Python.
  5. Nội dung 5: Lắp ráp, hoàn thiện mô hình thực nghiệm phần cứng và phần mềm.
  6. Nội dung 6: Thử nghiệm, đo đạc và đánh giá kết quả thực hiện.

Đối tượng nghiên cứu của đề tài là các sản phẩm mẫu có quy cách hình học xác định (hình vuông, hình chữ nhật, hình tam giác) đặt trong không gian quan sát của hệ thống quang học hai thị kính. Phạm vi nghiên cứu được giới hạn ở mô hình thực nghiệm quy mô phòng thí nghiệm, hoạt động trong điều kiện môi trường có độ rọi sáng đầy đủ, màu sắc vật thể phân biệt rõ ràng với nền nhằm hạn chế nhiễu quang học, xử lý trực tiếp trên máy tính cá nhân và chưa tích hợp cơ cấu chấp hành cơ khí dạng băng chuyền công nghiệp.

Cơ sở lý thuyết và phương pháp

Đồ án xây dựng nền tảng nghiên cứu dựa trên sự kết hợp giữa lý thuyết xử lý ảnh số kinh điển, hình học thị giác hai mắt (Stereo Vision) và kỹ thuật hiệu chuẩn tham số camera:

  1. Cơ sở lý thuyết xử lý ảnh số:

    • Biểu diễn ảnh và không gian màu: Điểm ảnh (pixel) được xác định tại tọa độ $(x,y)$. Ảnh màu RGB được chuẩn hóa sang ảnh mức xám 8-bit (256 mức xám) thông qua công thức chuyển đổi: $$Y = 0.299R + 0.587G + 0.114B$$
    • Mối quan hệ không gian giữa các điểm ảnh: Sử dụng các khái niệm lân cận 4 ($N_4(p)$), lân cận 4 chéo ($N_D(p)$), lân cận 8 ($N_8(p) = N_4(p) + N_D(p)$) và các dạng liên kết điểm ảnh (liên kết 4, liên kết 8, liên kết hỗn hợp $m$).
    • Khử nhiễu ảnh: Phân tích các bộ lọc tuyến tính (lọc trung bình với ma trận chập kích thước $3 \times 3$, lọc thông thấp) và bộ lọc phi tuyến (lọc trung vị Median Filter) nhằm loại bỏ tạp nhiễu tần số cao trước khi phân đoạn.
    • Phát hiện đường biên và phân đoạn ảnh: Sử dụng toán tử vi phân bậc một (Gradient Sobel) để xác định độ lớn và hướng biến thiên mức xám: $$\text{Edge_Gradient } (G) = \sqrt{G_x^2 + G_y^2}$$ $$\text{Angle } (\theta) = \arctan\left(\frac{G_y}{G_x}\right)$$ Kết hợp thuật toán tách biên Canny đa giai đoạn (làm mịn bằng bộ lọc Gauss, tính Gradient, triệt phi cực đại Non-maximum Suppression, phân ngưỡng kép với hai ngưỡng $T_1, T_2$ để phân lập biên Strong/Weak).
    • Kỹ thuật hình thái học: Ứng dụng thao tác lấp đầy biên (Hole Filling) bằng phép toán logic kết hợp để biến đổi đường biên kín thành ảnh nhị phân đặc khối phục vụ tính toán diện tích và tọa độ bao.

  2. Kỹ thuật thị giác Stereo và hiệu chuẩn Camera (Camera Calibration):

    • Mô hình Camera lỗ kim (Pinhole Camera Model): Ánh xạ không gian 3D thế giới thực $(X, Y, Z)$ về mặt phẳng ảnh 2D $(u, v)$ thông qua ma trận thông số nội (Intrinsic Parameters: tiêu cự $f_x, f_y$, tâm quang học $c_x, c_y$, hệ số méo thấu kính) và ma trận thông số ngoại (Extrinsic Parameters: ma trận xoay $R$, vector tịnh tiến $t$).
    • Nguyên lý tam giác đồng dạng trong hệ Stereo Vision: Đo khoảng cách chiều sâu ($z$) từ đường cơ sở của hai thấu kính tới vật thể dựa vào độ chênh lệch thị sai (Disparity $d = x_l - x_r$): $$z = \frac{b \cdot f}{d}$$ Trong đó $b$ là khoảng cách giữa hai tâm quang học (Baseline), $f$ là tiêu cự camera, $x_l$ và $x_r$ lần lượt là tọa độ điểm ảnh tương ứng trên ảnh chụp từ camera bên trái và camera bên phải.
    • Thuật toán so khớp điểm ảnh (Stereo Matching): Đồ án khảo sát các thuật toán so khớp kinh điển gồm tổng độ sai lệch tuyệt đối (SAD - Sum of Absolute Differences), tổng bình phương sai lệch (SSD - Sum of Squared Differences) và tương quan chéo chuẩn hóa (NCC - Normalized Cross Correlation). Hệ thống lựa chọn thuật toán SAD kết hợp phân vùng lai để giảm thiểu chi phí tính toán, đáp ứng yêu cầu xử lý thời gian thực.
Thuật toán so khớp Công thức toán học đặc trưng Mức độ phức tạp Khả năng ứng dụng thời gian thực
SAD $\sum_{(x,y) \in W} |I_l(x,y) - I_r(x, y-d)|$ Thấp (chỉ dùng phép trừ và trị tuyệt đối) Rất cao, phù hợp hệ thống nhúng/PC
SSD $\sum_{(x,y) \in W} (I_l(x,y) - I_r(x, y-d))^2$ Trung bình (xuất hiện phép nhân bình phương) Trung bình
NCC $\frac{\sum I_l \cdot I_r}{\sqrt{\sum I_l^2 \cdot \sum I_r^2}}$ Rất cao (phép nhân, bình phương, căn bậc hai) Thấp, tiêu tốn tài nguyên tính toán
  1. Phương pháp nhận dạng hình học và trích xuất đặc trưng:
    • Đồ án sử dụng thuật toán xấp xỉ đa giác Ramer-Douglas-Peucker để tối giản các điểm uốn lượn trên đường bao thành các đoạn thẳng thẳng nối tiếp nhau, từ đó xác định chính xác số lượng đỉnh và các cạnh của vật thể.
    • Nguyên tắc phân loại dựa trên cây quyết định đặc trưng hình học:
      • Số đỉnh = 3 $\rightarrow$ Hình tam giác.
      • Số đỉnh = 4 kết hợp so sánh tỷ lệ chiều dài hai cạnh kề: nếu hai cạnh kề bằng nhau $\rightarrow$ Hình vuông; nếu hai cạnh kề có kích thước lệch nhau $\rightarrow$ Hình chữ nhật.

Thiết kế và triển khai

Hệ thống được thiết kế theo cấu trúc khối chức năng hoàn chỉnh, phân định rõ ràng giữa phần cứng thu nhận tín hiệu và phần mềm xử lý dữ liệu:

  1. Kiến trúc phần cứng hệ thống:

    • Khối xử lý trung tâm: Sử dụng máy tính xách tay cấu hình vi xử lý Intel Core i5 (tốc độ xung nhịp lên tới 3.4 GHz) làm bộ xử lý trung tâm, đảm nhiệm việc giao tiếp ngoại vi, thu nhận luồng dữ liệu hình ảnh song song, thực thi thuật toán OpenCV và hiển thị kết quả trực tiếp lên màn hình.
    • Khối thu nhận hình ảnh (Stereo Camera): Tích hợp module camera chuyên dụng hai thấu kính đồng bộ: Synchronization USB Stereo Webcam Dual lens camera OV9750 960P MJPEG 2560x960 with No distortion lens 3D USB camera module.
      • Cảm biến: 2 cảm biến OmniVision OV9750 công nghệ OmniPixel3-HS™, độ phân giải chuẩn 1.3MP HD 960P cho mỗi mắt.
      • Thấu kính: Thấu kính không méo (No distortion lens), hỗ trợ góc nhìn tự nhiên.
      • Chuẩn giao tiếp: USB 2.0 đồng bộ phần cứng, điện áp 5V, mức tiêu thụ dòng điện xấp xỉ 220mA.
      • Định dạng đầu ra: Chuẩn MJPEG hỗ trợ nhiều chế độ phân giải và tốc độ khung hình cao: $2560 \times 960$ @ 60fps, $2560 \times 720$ @ 60fps, $1280 \times 480$ @ 60fps, $640 \times 240$ @ 60fps.
    • Khối giao tiếp và nguồn: Giao tiếp trực tiếp qua cổng USB máy tính; nguồn nuôi lấy trực tiếp từ đường bus 5V của cổng USB mà không cần mạch cấp nguồn rời phức tạp.

  2. Cấu trúc phần mềm và quy trình lập trình:

    • Môi trường phát triển: Ngôn ngữ lập trình Python chạy trên hệ điều hành Windows kết hợp bộ thư viện thị giác máy tính OpenCV (Open Source Computer Vision Library).
    • Quy trình xử lý dữ liệu hình ảnh:
      1. Khởi tạo kết nối camera và bắt khung hình kép (Left-Right) từ luồng dữ liệu USB.
      2. Tiền xử lý: Tách khung hình thành hai luồng ảnh riêng biệt, lọc nhiễu Gaussian, chuyển đổi không gian màu RGB sang Grayscale và nhị phân hóa cục bộ.
      3. Tách biên đối tượng bằng Canny Edge Detection và lấp đầy vùng kín bằng thuật toán Hole Filling.
      4. Áp dụng thuật toán Ramer-Douglas-Peucker để tìm đường bao đa giác xấp xỉ, đếm số đỉnh và trích xuất tọa độ các đoạn thẳng tạo biên.
      5. Tính toán độ chênh lệch Disparity bằng thuật toán SAD để xác định khoảng cách $z$, từ đó quy đổi kích thước điểm ảnh sang kích thước hình học thực tế (chiều dài, chiều rộng, cạnh đáy/chiều cao).
      6. Xuất nhãn phân loại đối tượng (Tên hình dạng + Giá trị kích thước đo được) và vẽ khung bao trực tiếp lên màn hình quan sát.

Nội dung chính theo từng chương

Chương 1: Tổng quan

Chương 1 thiết lập cơ sở khoa học và thực tiễn cho đề tài. Tác giả phân tích tính tất yếu của việc ứng dụng công nghệ xử lý ảnh và camera 3D trong công nghiệp tự động hóa và đời sống. Nội dung chương công bố rõ ràng lý do chọn đề tài, mục tiêu nghiên cứu, 6 nội dung triển khai chính, các điều kiện giới hạn kỹ thuật của hệ thống và tổng quan cấu trúc bố cục toàn bài đồ án.

Chương 2: Cơ sở lý thuyết

Chương 2 trình bày có hệ thống toàn bộ nền tảng toán học và kỹ thuật phục vụ cho hệ thống. Nội dung bao gồm lý thuyết xử lý ảnh cơ bản (điểm ảnh, mức xám, không gian màu, cấu trúc lân cận, bộ lọc làm trơn nhiễu, các phương pháp tách biên bậc một, bậc hai và bộ tách biên Canny); phương pháp phân loại hình học dựa trên đặc trưng số đỉnh và cạnh kề; lý thuyết hiệu chuẩn hệ stereo camera, mô hình camera lỗ kim, các công thức hình học epipolar và thuật toán tính bản đồ độ sâu (SAD, SSD, NCC); giới thiệu cú pháp ngôn ngữ Python, các tính năng của thư viện OpenCV và thông số kỹ thuật cảm biến hình ảnh OmniVision OV9750.

Chương 3: Tính toán và thiết kế

Chương 3 đi sâu vào thiết kế cấu trúc phần cứng và phương pháp tính toán giải thuật. Tác giả xây dựng sơ đồ khối chi tiết (khối nguồn, khối xử lý trung tâm laptop Core i5, khối thu tín hiệu camera 3D OV9750, khối hiển thị và điều khiển); phân tích đặc điểm nhận dạng của từng dạng hình học; chi tiết hóa giải thuật Ramer-Douglas-Peucker để trích xuất đường bao xấp xỉ, từ đó tính toán chính xác tọa độ các đỉnh và chiều dài các cạnh của hình vuông, hình chữ nhật và hình tam giác.

Chương 4: Thi công hệ thống

Chương 4 mô tả toàn bộ quá trình thi công thực tế của đề tài. Tác giả lập danh mục linh kiện, quy trình lắp ráp vật lý mô hình camera, xây dựng lưu đồ giải thuật chương trình chính và các chương trình con (tách biên, lấp đầy biên, nhận dạng đối tượng); tiến hành viết mã nguồn Python với OpenCV trên hệ điều hành Windows; kiểm tra liên kết thư viện và hoàn thiện tài liệu hướng dẫn quy trình vận hành từng bước cho người sử dụng.

Chương 5: Kết quả, nhận xét, đánh giá

Chương 5 tổng hợp và công bố toàn bộ dữ liệu thực nghiệm thu được từ mô hình. Tác giả trình bày các ảnh chụp giao diện kết quả khi hệ thống nhận dạng đầu vào từ camera, nhận dạng màu sắc sản phẩm, nhận dạng phân loại và đo kích thước hình học đối với từng mẫu thử (hình vuông, hình chữ nhật, hình tam giác). Chương này cũng ghi nhận trường hợp hệ thống chưa thể nhận dạng đồng thời nhiều sản phẩm phức tạp trên cùng một khung hình và phân tích nguyên nhân kỹ thuật.

Chương 6: Kết luận và hướng phát triển

Chương 6 đúc kết lại các mục tiêu đã hoàn thành của đề tài, thẳng thắn chỉ ra những điểm hạn chế về điều kiện vận hành và độ ổn định ánh sáng, đồng thời vạch ra các định hướng nâng cấp thực tế như tích hợp cơ cấu phân loại tự động bằng cánh tay robot hoặc tích hợp trực tiếp vào băng chuyền sản xuất công nghiệp.

Kết quả và đóng góp

  1. Kết quả thực nghiệm chính:

    • Hệ thống phần cứng và phần mềm đã hoạt động đồng bộ, thu nhận và xử lý tín hiệu hình ảnh thời gian thực từ module camera 3D OV9750.
    • Nhận dạng thành công các hình dạng cơ bản gồm hình tam giác, hình vuông, hình chữ nhật thông qua việc đếm số đỉnh xấp xỉ từ giải thuật Ramer-Douglas-Peucker và đối sánh cạnh kề.
    • Tính toán được kích thước hình học thực tế của các vật thể mẫu dựa trên bản đồ độ sâu tạo bởi thuật toán thị giác stereo SAD.
    • Tác giả đã thực hiện các bảng khảo sát đo đạc thực nghiệm (được ghi nhận trong các bảng thống kê kết quả nhận dạng màu sắc, bảng khảo sát nhận dạng và tính kích thước đối với hình vuông, hình chữ nhật và hình tam giác).

  2. Giải pháp và kiến nghị đề xuất:

    • Lựa chọn giải pháp module camera stereo tích hợp sẵn cổng USB (Dual lens OV9750) giúp đơn giản hóa mạch ghép nối phần cứng và duy trì độ đồng bộ khung hình cao giữa hai mắt cảm biến ($2560 \times 960$ @ 60fps).
    • Đề xuất quy trình tiền xử lý kết hợp lọc làm mịn Gauss, tách biên Canny và lấp đầy biên nhằm tạo khối nhị phân chuẩn xác trước khi đưa vào thuật toán Ramer-Douglas-Peucker, giúp thuật toán không bị bẫy bởi các điểm nhiễu răng cưa trên mép sản phẩm.
    • Kiến nghị vận hành hệ thống trong điều kiện ánh sáng ổn định và sử dụng các sản phẩm có màu sắc tương phản rõ rệt với bề mặt nền quan sát để bảo đảm độ chính xác tách biên tối ưu.

  3. Đóng góp của đồ án:

    • Hiện thực hóa thành công giải pháp kết hợp giữa xử lý ảnh 2D truyền thống (nhận dạng hình dạng qua biên và đỉnh) với xử lý thị giác 3D (Stereo Calibration và Disparity Map) trên cùng một ngôn ngữ lập trình Python và thư viện OpenCV.
    • Cung cấp một tài liệu tham khảo chi tiết về quy trình hiệu chuẩn camera hai mắt, tính toán ma trận thông số nội/ngoại và triển khai thuật toán tính khoảng cách thực tế trong tầm quan sát gần cho sinh viên khối ngành kỹ thuật.

Hạn chế và hướng nghiên cứu tiếp

  1. Hạn chế được văn bản đề cập:

    • Hệ thống hoạt động phụ thuộc nhiều vào điều kiện môi trường lý tưởng; khi cường độ ánh sáng không đồng đều hoặc thiếu sáng, chất lượng trích xuất biên bị suy giảm dẫn đến sai số trong việc tìm đỉnh.
    • Màu sắc sản phẩm bắt buộc phải có sự phân biệt rõ ràng với phông nền để tránh hiện tượng nhiễu quang học khi phân đoạn ảnh.
    • Module camera chưa thể nhận dạng và phân loại chính xác khi có nhiều sản phẩm với vị trí chồng lấn hoặc xuất hiện đồng thời nhiều vật thể phức tạp trong cùng một khung hình.
    • Mô hình dừng lại ở mức độ thử nghiệm bàn làm việc (desktop prototype), chưa kết nối với cơ cấu chấp hành phân loại vật lý (như pít-tông khí nén, khay gạt hoặc cánh tay robot công nghiệp).

  2. Hướng phát triển:

    • Nghiên cứu cải tiến giải thuật xử lý để hệ thống có khả năng nhận dạng đồng thời nhiều sản phẩm phức tạp trong cùng một thời điểm.
    • Phát triển các thuật toán thích nghi độ sáng nhằm tăng cường độ bền vững của hệ thống trong môi trường chiếu sáng công nghiệp thực tế.
    • Thiết kế tích hợp hệ thống quang học 3D với băng tải chuyển động và cánh tay robot phân loại tự động để tạo thành dây chuyền phân loại sản phẩm hoàn chỉnh.

Giá trị tham khảo

Đồ án là nguồn tài liệu tham khảo có giá trị ứng dụng cao đối với:

  • Sinh viên chuyên ngành Công nghệ Kỹ thuật Điện tử Truyền thông, Kỹ thuật Cơ điện tử, Kỹ thuật Điều khiển & Tự động hóa hoặc Công nghệ Thông tin đang thực hiện đồ án môn học hoặc khóa luận tốt nghiệp về lĩnh vực thị giác máy tính (Computer Vision) và xử lý ảnh.
  • Những người nghiên cứu bước đầu tiếp cận với kỹ thuật Stereo Vision, hiệu chuẩn camera 3D (Camera Calibration) và ứng dụng thư viện OpenCV trên nền tảng Python để đo lường khoảng cách và kích thước vật thể không tiếp xúc.
  • Các nội dung đáng tham khảo nhất trong công trình bao gồm: phần phân tích chi tiết toán học của mô hình camera lỗ kim và thuật toán SAD (Chương 2); phương pháp ứng dụng thuật toán Ramer-Douglas-Peucker để trích xuất đỉnh/cạnh hình học (Chương 3); cùng quy trình thiết lập luồng xử lý ảnh hoàn chỉnh từ thu nhận khung hình đến xuất kết quả hiển thị (Chương 4).

Câu hỏi thường gặp

1. Module camera 3D được tác giả sử dụng trong đồ án là loại nào và có thông số kỹ thuật ra sao?
Tác giả sử dụng module Synchronization USB Stereo Webcam Dual lens camera OV9750 960P MJPEG 2560x960 with No distortion lens 3D USB camera module. Module này sử dụng 2 cảm biến OmniVision OV9750 với công nghệ OmniPixel3-HS™, giao tiếp qua cổng USB 2.0 (điện áp 5V, dòng 220mA), hỗ trợ nhiều chế độ độ phân giải khung hình kép như $2560 \times 960$, $2560 \times 720$, $1280 \times 480$ và $640 \times 240$ ở tốc độ 60 khung hình/giây.

2. Đồ án sử dụng thuật toán nào để tìm đỉnh và xác định hình dạng của sản phẩm?
Đồ án sử dụng thuật toán Ramer-Douglas-Peucker để làm mịn và xấp xỉ đường bao biên kín thành các đoạn thẳng nối tiếp, từ đó xác định tọa độ các điểm đầu/điểm cuối (đỉnh). Hệ thống dựa vào số đỉnh tìm được (3 đỉnh là hình tam giác, 4 đỉnh là hình tứ giác) kết hợp so sánh chiều dài hai cạnh kề để phân biệt giữa hình vuông (2 cạnh kề bằng nhau) và hình chữ nhật (2 cạnh kề không bằng nhau).

3. Làm thế nào để hệ thống tính toán được khoảng cách chiều sâu và kích thước thực tế của sản phẩm từ camera 3D?
Hệ thống sử dụng nguyên lý tam giác đồng dạng trong cấu hình thị giác hai mắt (Stereo Vision). Dựa vào khoảng cách giữa hai thấu kính camera (baseline $b$), tiêu cự thấu kính ($f$) và độ chênh lệch vị trí điểm ảnh tương ứng giữa ảnh trái và ảnh phải (thị sai disparity $d = x_l - x_r$ thu được từ thuật toán so khớp SAD), khoảng cách chiều sâu $z$ được tính theo công thức $z = \frac{b \cdot f}{d}$. Từ khoảng cách $z$ và kích thước pixel trên mặt phẳng ảnh, hệ thống ánh xạ ra kích thước hình học thực tế của vật thể.

4. Vì sao tác giả lựa chọn laptop thay vì các mạch vi điều khiển thông thường để làm khối xử lý trung tâm?
Do các tác vụ xử lý ảnh 3D, tính toán ma trận hiệu chuẩn, khử nhiễu, tách biên Canny và so khớp điểm ảnh stereo đòi hỏi tài nguyên tính toán lớn cùng tốc độ xử lý nhanh trong thời gian thực. Các vi điều khiển thông thường không đủ năng lực xử lý, do đó tác giả đã sử dụng máy tính xách tay trang bị vi xử lý Intel Core i5 với tốc độ xung nhịp lên tới 3.4 GHz để đảm bảo tốc độ đáp ứng của hệ thống.

5. Hệ thống gặp phải hạn chế lớn nào khi đưa vào thử nghiệm thực tế?
Hạn chế chính được ghi nhận trong đồ án là hệ thống đòi hỏi điều kiện chiếu sáng tốt và màu sắc vật thể phải tương phản rõ với nền; ngoài ra, thuật toán hiện tại chưa thể nhận dạng và phân loại chính xác khi có nhiều sản phẩm xuất hiện cùng một lúc trong khung hình quan sát của camera.

Kết luận

Đồ án tốt nghiệp "Ứng dụng camera 3D trong việc phân loại sản phẩm theo hình dạng và kích thước" của sinh viên Lê Văn Thái đã nghiên cứu và ứng dụng thành công kỹ thuật thị giác Stereo kết hợp thư viện OpenCV trên nền tảng Python để nhận dạng các hình học cơ bản và đo lường kích thước vật thể. Hệ thống đã hiện thực hóa mô hình phần cứng hoàn chỉnh sử dụng camera kép OV9750 đồng bộ và khối xử lý trung tâm máy tính cá nhân cho kết quả xử lý ảnh thời gian thực. Mặc dù vẫn còn một số giới hạn về độ nhạy sáng và khả năng xử lý đa vật thể đồng thời, công trình đã thể hiện rõ tính khả thi của giải pháp quang học 3D không tiếp xúc và tạo tiền đề kỹ thuật thuận lợi cho các nghiên cứu phát triển dây chuyền phân loại tự động hóa hoàn chỉnh trong tương lai.