Đồ án HCMUTE: Ứng dụng camera 3D để phân loại sản phẩm theo hình dạng và kích thước

• Tác giả: Lê Văn Thái
• Người hướng dẫn: ThS. Ngô Bá Việt
• Trường học: Trường Đại Học Sư Phạm Kỹ Thuật Thành Phố Hồ Chí Minh
• Chuyên ngành: Công Nghệ Kỹ Thuật Điện Tử Truyền Thông
• Đề tài: Ứng Dụng Camera 3D Trong Phân Loại Sản Phẩm Theo Hình Dạng Và Kích Thước
• Loại tài liệu: đồ án tốt nghiệp
• Năm xuất bản: 2019
• Địa điểm: Tp. Hồ Chí Minh

• LỜI CAM ĐOAN
• LỜI CẢM ƠN
• 1. CHƯƠNG 1: TỔNG QUAN
• 1.1. ĐẶT VẤN ĐỀ
• 1.2. MỤC TIÊU
• 1.3. NỘI DUNG NGHIÊN CỨU
• 1.4. GIỚI HẠN
• 1.5. BỐ CỤC
• 2. CHƯƠNG 2: CƠ SỞ LÝ THUYẾT
• 2.1. TỔNG QUAN VỀ XỬ LÝ ẢNH VÀ CÁC THƯ VIỆN LIÊN QUAN
• 2.1.1. Giới thiệu xử lý ảnh
• 2.1.2. Những vấn đề trong xử lý ảnh
• 2.2. PHƯƠNG PHÁP PHÂN LOẠI SẢN PHẨM THEO HÌNH DẠNG
• 2.2.1. Các hình dạng cơ bản của sản phẩm
• 2.2.2. Phương pháp nhận dạng sản phẩm theo hình dạng
• 2.2.3. Các bước thực hiện phân loại sản phẩm theo hình dạng
• 2.3. ÁP DỤNG KỸ THUẬT HIỆU CHỈNH STEREO CAMERA ĐỂ TÍNH KÍCH THƯỚC SẢN PHẨM
• 2.3.1. GIỚI THIỆU KỸ THUẬT HIỆU CHỈNH STEREO CAMERA
• 2.3.2. PHƯƠNG PHÁP HIỆU CHỈNH CHUẨN
• 2.3.3. NGÔN NGỮ PYTHON
• 2.3.4. GIỚI THIỆU PHẦN CỨNG
• 3. CHƯƠNG 3: TÍNH TOÁN VÀ THIẾT KẾ
• 3.1. THIẾT KẾ HỆ THỐNG PHẦN CỨNG
• 3.1.1. Khối thu tín hiệu
• 3.1.2. Khối hiển thị
• 3.1.3. Khối giao tiếp và điều khiển
• 3.2. CÁC TÍNH TOÁN TRONG NHẬN DẠNG
• 3.2.1. Giới thiệu đặc điểm của hình dạng
• 3.2.2. Phương pháp tính toán các đặc điểm
• 4. CHƯƠNG 4: THI CÔNG HỆ THỐNG
• 4.1. THI CÔNG HỆ THỐNG
• 4.1.1. Các linh kiện và model cần thiết cho mô hình
• 4.1.2. Kết nối, lắp ráp và kiểm tra mô hình
• 4.2. THI CÔNG MÔ HÌNH
• 4.3. LẬP TRÌNH HỆ THỐNG
• 4.3.1. Lập trình với ngôn ngữ Python cùng thư viện OpenCV
• 4.3.2. Xử lý tín hiệu hay hình ảnh
• 5. CHƯƠNG 5: KẾT QUẢ NHẬN XÉT ĐÁNH GIÁ
• 5.1. XÁC ĐỊNH MÀU SẮC CỦA SẢN PHẨM
• 5.2. NHẬN DẠNG VÀ TÍNH KÍCH THƯỚC SẢN PHẨM
• 5.3. PHÂN LOẠI SẢN PHẨM
• 6. CHƯƠNG 6: KẾT LUẬN VÀ HƯỚNG PHÁT TRIỂN
• 6.1. Kết quả đạt được
• 6.2. Những mặt hạn chế
• 6.3. HƯỚNG PHÁT TRIỂN

I. Phân loại sản phẩm tự động Tổng quan và ứng dụng camera 3D

Bài viết tập trung vào phân loại sản phẩm tự động, một lĩnh vực ngày càng quan trọng trong công nghiệp hiện đại. Công nghệ camera 3D đóng vai trò then chốt trong việc này, cho phép nhận diện hình dạng và kích thước sản phẩm một cách chính xác và hiệu quả. Khác với các phương pháp truyền thống, camera 3D cung cấp thông tin chiều sâu, giúp phân biệt sản phẩm chính xác hơn, đặc biệt trong trường hợp sản phẩm có hình dạng phức tạp hoặc chồng chéo nhau. Ứng dụng này mang lại nhiều lợi ích, bao gồm cải tiến quy trình sản xuất, tăng hiệu quả sản xuất, và giảm chi phí lao động. Quản lý kho hàng tự động cũng là một lĩnh vực được hưởng lợi từ công nghệ này. Việc phát hiện vật thể 3D nhanh chóng và chính xác giúp tối ưu hóa quá trình lưu trữ và vận chuyển.

1.1 Nhận dạng hình dạng 3D và đo lường kích thước

Bước đầu tiên trong phân loại sản phẩm theo hình dạng là nhận dạng hình dạng 3D. Camera 3D chụp ảnh, sau đó sử dụng xử lý ảnh 3D để trích xuất thông tin hình học. Phân tích hình ảnh giúp xác định các đặc điểm hình dạng như cạnh, góc, và diện tích bề mặt. Thuật toán phân loại hình ảnh, thường dựa trên mạng neuron tích chập (CNN) hoặc các thuật toán phân loại hình ảnh khác, phân loại hình dạng. Xây dựng mô hình 3D từ ảnh là một bước quan trọng. Đo lường kích thước 3D được thực hiện đồng thời, sử dụng các thuật toán hình học để tính toán chiều dài, chiều rộng, và chiều cao. So sánh kích thước sản phẩm với các thông số tiêu chuẩn giúp loại bỏ sản phẩm lỗi hoặc không đạt yêu cầu. Việc kết hợp nhận dạng hình dạng 3D và đo lường kích thước 3D tạo nên hệ thống phân loại sản phẩm toàn diện và chính xác.

1.2 Công nghệ camera 3D và xử lý ảnh

Có nhiều loại camera 3D, mỗi loại có ưu nhược điểm riêng. Camera 3D cấu trúc ánh sáng tạo ra nhiều hình ảnh từ các góc độ khác nhau để tính toán chiều sâu. Camera 3D thời gian bay (ToF) đo khoảng cách bằng cách đo thời gian ánh sáng đi và về. Camera 3D lập thể sử dụng hai camera để tạo ra hình ảnh lập thể. Chọn loại camera 3D phụ thuộc vào yêu cầu độ chính xác, tốc độ, và chi phí. Xử lý ảnh 3D bao gồm các bước tiền xử lý như làm sạch nhiễu, phân đoạn ảnh, và trích xuất đặc trưng. Các thư viện xử lý ảnh như OpenCV, TensorFlow, và PyTorch cung cấp các công cụ mạnh mẽ cho việc này. Học máy và deep learning đóng vai trò quan trọng trong việc xây dựng các mô hình phân loại sản phẩm. Computer Vision API cũng cung cấp các dịch vụ xử lý ảnh tiên tiến.

1.3 Ứng dụng thực tiễn và triển vọng phát triển

Hệ thống phân loại sản phẩm dựa trên camera 3D có nhiều ứng dụng thực tiễn trong các ngành công nghiệp khác nhau. Trong ứng dụng công nghiệp 3D, hệ thống này tự động kiểm tra chất lượng sản phẩm, phân loại và đóng gói. Ứng dụng camera 3D trong sản xuất tối ưu hóa dây chuyền sản xuất, giảm thiểu lỗi, và tăng năng suất. Ứng dụng camera 3D trong logistics cải thiện hiệu quả quản lý kho hàng, phân phối và vận chuyển. Kiểm soát chất lượng tự động dựa trên camera 3D giúp đảm bảo chất lượng sản phẩm đồng đều, loại bỏ sản phẩm lỗi. Sự phát triển của deep learning và tầm nhìn máy tính hứa hẹn sẽ mở rộng phạm vi ứng dụng của camera 3D trong phân loại sản phẩm trong tương lai, giúp hệ thống ngày càng chính xác và hiệu quả hơn. Thực tiễn đào tạo trong lĩnh vực kiểm soát chất lượng cũng trở nên dễ dàng và hiệu quả hơn nhờ công nghệ này.