Bối cảnh và vấn đề nghiên cứu

Sự gia tăng nhanh chóng của khối lượng rác thải sinh hoạt cùng công tác quản lý, xử lý thiếu hiệu quả đang gây áp lực nghiêm trọng lên hệ thống bãi chôn lấp, làm gia tăng nguy cơ ô nhiễm môi trường đất, nước và không khí. Hoạt động phân loại rác tại nguồn đóng vai trò then chốt trong chuỗi thu hồi và tái chế tài nguyên, đặc biệt đối với các nhóm phế liệu có tỷ lệ tái sử dụng cao như vỏ lon kim loại và chai nhựa. Tuy nhiên, phương thức phân loại thủ công truyền thống bộc lộ nhiều hạn chế về năng suất, tiềm ẩn nguy cơ phơi nhiễm bệnh nghề nghiệp do môi trường độc hại và phụ thuộc nhiều vào yếu tố chủ quan của nhân công. Trong bối cảnh công nghiệp hóa và hiện đại hóa, việc ứng dụng các hệ thống tự động hóa tích hợp cánh tay robot công nghiệp kết hợp thị giác máy tính đang trở thành giải pháp kỹ thuật cần thiết để thay thế con người trong các công đoạn lặp lại và độc hại.

Đề tài "Ứng dụng robot Scara phân loại rác" được thực hiện với 2 mục tiêu nghiên cứu trọng tâm:

  1. Nhận diện chính xác 2 nhóm đối tượng gồm chai và lon lẫn trong hỗn hợp rác thải sinh hoạt thông qua mô hình thị giác nhân tạo.
  2. Điều khiển robot SCARA thực hiện thao tác gắp và phân loại thành công các đối tượng trong khi đối tượng đang chuyển động liên tục trên hệ thống băng tải.

Để hiện thực hóa các mục tiêu trên, tác giả xác định 4 nhiệm vụ nghiên cứu tuần tự:

  1. Nghiên cứu giải thuật và thực nghiệm gắp vật thể tại vị trí cố định khi băng tải đứng yên.
  2. Gắp từng vật thể riêng lẻ tại vị trí xác định khi băng tải đang chuyển động, dựa trên việc đo tọa độ đầu vào từ camera kết hợp thuật toán ước lượng thời gian dịch chuyển theo vận tốc băng tải và thời gian đáp ứng của robot.
  3. Điều khiển robot nhận diện, lưu trữ tọa độ và thực hiện chuỗi gắp liên tục nhiều vật thể khi băng tải đang vận hành.
  4. Thu thập tập dữ liệu hình ảnh thực tế, thực hiện dán nhãn, huấn luyện và kiểm thử mô hình nhận diện đối tượng dựa trên mạng nơ-ron YOLOv8 nhằm tối ưu hóa độ chính xác nhận dạng.

Đối tượng nghiên cứu của đồ án là mô hình robot SCARA Denso HSR-055, hệ thống băng tải cấp phôi, tủ điều khiển tích hợp PLC Mitsubishi và các phế phẩm rác thải sinh hoạt (lon kim loại, chai nhựa). Nghiên cứu được triển khai tại Bộ môn Tự động Điều khiển, Khoa Điện – Điện tử, Trường Đại học Sư phạm Kỹ thuật Thành phố Hồ Chí Minh trong khoảng thời gian từ ngày 20/02/2024 đến ngày 20/06/2024. Phạm vi kỹ thuật của đề tài có một số giới hạn cụ thể: quá trình cấp rác lên băng tải được thực hiện bằng phương pháp thủ công; mô hình thị giác chỉ tập trung phân loại 2 nhóm vật thể lon và chai trong nền rác hỗn hợp; trong trường hợp có từ 3 vật thể nằm liền kề nhau trên băng tải, giải thuật điều khiển sẽ tự động bỏ bớt vật thể để duy trì chu kỳ làm việc ổn định của cơ cấu gắp.

Cơ sở lý thuyết và phương pháp

Đồ án xây dựng trên nền tảng tích hợp giữa lý thuyết động học robot, điều khiển tự động hóa công nghiệp và thị giác máy tính:

  • Động học robot SCARA (Selective Compliance Articulated Robot Arm): Cấu trúc cơ học gồm 4 trục với 3 trục chuyển động xoay trong mặt phẳng ngang $(XY)$ và 1 trục tịnh tiến theo phương thẳng đứng $(Z)$. Phương pháp Denavit-Hartenberg (D-H) được sử dụng để thiết lập hệ tọa độ các khâu và xây dựng ma trận chuyển đổi từ hệ tọa độ khâu chấp hành cuối về gốc:
Khâu ($i$) $a_{i-1}$ $\alpha_{i-1}$ $d_i$ $\theta_i$
1 0 0 $d_0$ $\theta_1$
2 $l_1$ 0 0 $\theta_2$
3 $l_2$ 0 $-d_3$ 0

Từ bảng thông số D-H, tọa độ điểm cuối $P_{EE0} = [x, y, z]^T$ trong không gian làm việc của robot được xác định thông qua bài toán động học thuận: $x = l_1\cos(\theta_1) + l_2\cos(\theta_1 + \theta_2)$; $y = l_1\sin(\theta_1) + l_2\sin(\theta_1 + \theta_2)$; $z = d_0 - d_3$. Bài toán động học nghịch được giải tích bằng phương pháp hình học lượng giác để tính toán các góc khớp $\theta_1, \theta_2$ phục vụ việc điều khiển bám vị trí.

  • Hệ thống điều khiển khả trình PLC và truyền động Servo: Sử dụng bộ điều khiển PLC Mitsubishi dòng Q với cấu trúc đa bộ xử lý (Multi-Processor), hỗ trợ chu kỳ quét lệnh cơ bản từ 1.9 ns đến 200 ns. Hệ thống truyền động bao gồm các động cơ AC Servo Mitsubishi kết hợp bộ mã hóa xung (Encoder) tương đối và tuyệt đối để phản hồi vị trí, được giám sát thông qua phần mềm cấu hình MR Configurator2.
  • Mô hình nhận diện đối tượng YOLOv8: Sử dụng kiến trúc mạng tích chập tối ưu hóa cho bài toán phát hiện vật thể theo thời gian thực (Real-time Object Detection), phân chia lưới ảnh và dự đoán trực tiếp tọa độ bounding box cùng xác suất nhãn lớp thông qua kỹ thuật Non-Maximum Suppression (NMS).
  • Truyền thông công nghiệp MC-Protocol: Sử dụng giao thức MELSEC Communication Protocol dạng Frame 3E mã hóa chuỗi ASCII qua đường truyền Ethernet để truyền nhận dữ liệu tọa độ hai chiều giữa máy tính xử lý ảnh (chạy Python) và thanh ghi bộ nhớ của CPU PLC.

Nguồn dữ liệu của nghiên cứu là tập dữ liệu ảnh chụp thực tế các loại lon nhôm và chai nhựa trong môi trường rác thải sinh hoạt do tác giả tự thu thập, chuẩn hóa kích thước, gán nhãn thủ công và huấn luyện trực tiếp trên mô hình YOLOv8.

Thiết kế và triển khai hệ thống

Hệ thống được thiết kế dạng trạm phân loại tự động bao gồm cụm cơ khí, hệ thống điều khiển điện khí nén và khối phần mềm xử lý:

Nhóm phần cứng Thiết bị / Thông số kỹ thuật Vai trò trong hệ thống
Cơ cấu chấp hành Robot SCARA Denso HSR-055 (4 trục) Thực hiện chuyển động gắp và thả vật thể
Cơ cấu kẹp hút Giác hút chân không tích hợp van khí nén Hút giữ và nhả lon kim loại, chai nhựa
Cơ cấu dẫn động tải Băng tải công nghiệp dẫn động bằng AC Servo Vận chuyển phế phẩm qua vùng quan sát
Khối xử lý trung tâm PLC Mitsubishi CPU Q03UDE, Đế gắn Q35B Điều khiển logic toàn hệ thống và đồng bộ quỹ đạo
Khối phát xung định vị Module điều khiển vị trí QD75MH4 Phát xung lệnh điều khiển các trục động cơ Servo
Khối xuất tín hiệu số Module ngõ ra số transistor QY42P Kích đóng ngắt van khí nén và tín hiệu trạng thái
Bộ biến đổi truyền động Driver MR-J4-70B, MR-J4W2-44B, MR-J4W2-22B Khuếch đại công suất và điều khiển các trục Servo
Khối nguồn & bảo vệ Bộ nguồn Q61P, MCCB NV30-FA, CP30-BA, CB ELB1 Cấp nguồn và bảo vệ ngắn mạch, chống dòng rò
Thu nhận hình ảnh Camera độ sâu Stereo (Intel RealSense D400) Ghi nhận hình ảnh màu và dữ liệu chiều sâu

Bố trí không gian được thiết lập với robot SCARA đặt song song với trục dọc của băng tải. Camera độ sâu được gắn cố định thông qua hệ khung nhôm định hình ở vị trí bên trên băng tải tại độ cao 45 cm so với mặt băng, nằm ngoài bán kính làm việc của cánh tay robot để tránh va chạm. Phía trước vùng làm việc của robot bố trí 2 hộp chứa phân loại riêng biệt cho lon và chai.

Quy trình vận hành tự động diễn ra theo các bước:

  1. Camera ghi nhận dòng ảnh liên tục của rác thải di chuyển trên băng tải và truyền về máy tính xử lý.
  2. Mô hình YOLOv8 phát hiện vật thể, xuất ra nhãn phân loại cùng tọa độ pixel tâm của lon hoặc chai.
  3. Thuật toán chuyển đổi ma trận tọa độ ánh xạ vị trí từ hệ tọa độ camera sang hệ tọa độ làm việc của robot.
  4. Máy tính đóng gói dữ liệu tọa độ theo cấu trúc Frame 3E và truyền qua cáp Ethernet tới PLC CPU Q03UDE bằng giao thức MC-Protocol.
  5. PLC tính toán bù vận tốc di chuyển của băng tải, lập kế hoạch quỹ đạo bắt kịp vật thể, phát xung lệnh qua module QD75MH4 tới các bộ điều khiển Servo, kích hoạt giác hút khí nén để thu hồi vật và phân loại vào đúng hộp chứa.

Giao diện người máy (HMI) phục vụ vận hành được thiết kế với 4 màn hình chức năng: Màn hình giới thiệu và đăng nhập hệ thống, Màn hình chạy Jog Operation (vận hành thủ công từng trục động cơ để kiểm tra phần cứng), Màn hình Kinematics (nhập và hiển thị thông số kiểm chứng động học), Màn hình Auto (giám sát chu trình phân loại tự động và trạng thái truyền thông).

Nội dung chính theo từng chương

Chương 1: Tổng quan

Trình bày tổng quan về thực trạng rác thải và ô nhiễm môi trường, sự cần thiết của việc phân loại rác tại nguồn. Đánh giá tổng quan các công trình nghiên cứu ứng dụng trí tuệ nhân tạo và robot trong phân loại rác ở phạm vi trong nước và quốc tế. Xác định mục tiêu đề tài, kế hoạch thực hiện 4 giai đoạn, nội dung nghiên cứu từng chương và nêu rõ các giới hạn kỹ thuật của hệ thống thực nghiệm.

Chương 2: Cơ sở lý thuyết

Cung cấp cơ sở lý thuyết về cấu tạo, nguyên lý làm việc và phạm vi ứng dụng của robot SCARA. Khái quát đặc tính kỹ thuật của hệ thống PLC Mitsubishi dòng Q, các dòng động cơ AC Servo, bộ điều khiển Driver và thiết bị phản hồi vị trí Encoder. Phân tích nguyên lý đo khoảng cách của camera nhận diện độ sâu Stereo. Trình bày chi tiết kiến trúc tích chập 24 lớp của mạng YOLO, nguyên lý chia lưới $S \times S$, hàm kích hoạt ReLU và kỹ thuật NMS, đồng thời so sánh hiệu năng giữa YOLOv8 với các phiên bản tiền nhiệm. Giới thiệu cấu trúc điện văn Frame 3E của giao thức MC-Protocol. Thiết lập bảng thông số Denavit-Hartenberg (D-H), giải chi tiết các phương trình động học thuận và động học nghịch cho hệ thống robot SCARA.

Chương 3: Thiết kế và thi công hệ thống

Trình bày quy trình thiết kế cơ khí 3D trên phần mềm SolidWorks bao gồm khung bệ đỡ, hệ thống gá lắp robot SCARA Denso HSR-055, cụm băng tải dẫn động và cơ cấu đầu hút chân không. Thiết lập sơ đồ khối hệ thống điều khiển, bản vẽ đấu nối liên kết giữa PLC CPU Q03UDE, module QD75MH4, QY42P, các bộ Driver MR-J4/MR-J4W2, van khí nén và thiết bị đóng cắt bảo vệ. Thuyết minh quá trình gia công cơ khí, đi dây và lắp ráp hoàn thiện tủ điện điều khiển công nghiệp.

Chương 4: Giải thuật gắp vật trên băng tải của hệ thống

Mô tả chi tiết nguyên lý hoạt động tổng thể của trạm phân loại. Trình bày phương pháp toán học xây dựng ma trận chuyển đổi tọa độ từ hệ quy chiếu camera sang hệ quy chiếu robot. Xây dựng lưu đồ giải thuật tổng quát và các lưu đồ thành phần: khối xử lý ảnh đầu vào (thu nhận khung hình, xử lý nhận diện YOLOv8, trích xuất tọa độ), khối xử lý dữ liệu (hàng đợi tọa độ, tính toán thời gian trễ và vị trí đón bắt vật thể), khối điều khiển chấp hành (đồng bộ tốc độ băng tải, kích hoạt quỹ đạo chuyển động robot và điều khiển đóng ngắt chân không).

Chương 5: Vận hành hệ thống và đánh giá kết quả thực nghiệm

Mô tả các chế độ điều khiển hệ thống và cấu trúc các màn hình giao diện giám sát (Manual Jog, Kinematics, Auto). Trình bày kết quả kiểm nghiệm tính toán động học thuận và động học nghịch của robot SCARA qua các phép thử tọa độ thực tế so với mô phỏng. Báo cáo kết quả thử nghiệm mô hình YOLOv8 trên tập dữ liệu rác thải thực tế. Đánh giá hiệu suất vận hành hệ thống thông qua 4 kịch bản thực nghiệm phân loại vật thể trên băng tải.

Chương 6: Kết luận và hướng phát triển

Đánh giá mức độ hoàn thành so với các mục tiêu ban đầu đặt ra trong phiếu giao nhiệm vụ. Tổng hợp các ưu điểm về độ ổn định cơ điện, tốc độ xử lý ảnh và khả năng phân loại liên tục trên băng tải; chỉ ra các điểm tồn tại về mặt kỹ thuật và đề xuất các giải pháp nâng cấp, mở rộng hệ thống trong tương lai.

Kết quả và đóng góp

Nghiên cứu đã ghi nhận các kết quả thực nghiệm và số liệu kỹ thuật cụ thể:

  • Kiểm chứng động học robot: Tác giả tiến hành đối chiếu sai số giữa giá trị tính toán mô phỏng và vị trí thực tế của robot SCARA Denso HSR-055 (được tổng hợp tại Bảng 5-1 trong văn bản) tại 8 cấu hình tọa độ kiểm tra: vị trí gốc (Home), các tọa độ phẳng $(x=250, y=460, z=0)$, $(x=250, y=250, z=0)$, $(x=150, y=320, z=0)$, $(x=350, y=320, z=0)$ và các tọa độ có thay đổi trục nâng hạ $(x=350, y=320, z=130)$, $(x=150, y=320, z=130)$, $(x=460, y=250, z=130)$, $(x=250, y=250, z=130)$. Kết quả kiểm chứng xác nhận tính chính xác của bộ nghiệm giải tích động học nghịch, đảm bảo robot di chuyển đúng tọa độ chỉ định với độ lệch nằm trong dung sai cơ khí cho phép.
  • Kiểm chứng hệ thống phân loại qua 4 trường hợp vận hành:
    • Trường hợp 1 (Bảng 5-2): Thử nghiệm gắp vật thể tĩnh tại vị trí cố định khi băng tải đứng yên, kiểm tra độ chính xác của cơ cấu hút chân không và định vị điểm của cánh tay robot.
    • Trường hợp 2 (Bảng 5-3): Vận hành gắp từng vật thể đơn lẻ di chuyển trên băng tải đang chạy, xác thực thuật toán ước lượng thời gian trễ và tọa độ đón bắt.
    • Trường hợp 3 (Bảng 5-4): Vận hành gắp nhiều vật thể liên tiếp khi băng tải chạy liên tục, xác thực khả năng lưu trữ hàng đợi tọa độ và xử lý chuỗi thao tác của bộ điều khiển.
    • Trường hợp 4 (Bảng 5-5): Thử nghiệm tổng hợp hệ thống với các mẫu lon và chai phân bố ngẫu nhiên lẫn trong rác thải hỗn hợp, hệ thống thực hiện trích xuất tọa độ qua mạng YOLOv8, gửi lệnh qua MC-Protocol và hoàn thành chu trình phân loại vào 2 thùng chứa tương ứng.

Các đóng góp chính được tác giả tự xác định bao gồm:

  • Thiết kế và chế tạo thành công một mô hình hoàn chỉnh kết hợp giữa cánh tay robot SCARA công nghiệp, PLC Mitsubishi Q-series và thuật toán thị giác máy tính YOLOv8 phục vụ phân loại rác thải.
  • Ứng dụng thành công giao thức truyền thông MC-Protocol qua cổng Ethernet dạng Frame 3E, thiết lập kênh trao đổi dữ liệu tốc độ cao, ổn định giữa máy tính tính toán thị giác và PLC công nghiệp.
  • Khắc phục hạn chế của các đề tài nghiên cứu trước đó vốn chỉ gắp vật thể đứng yên hoặc phân loại trên băng tải hẹp; hệ thống trong đề tài đã thực hiện được việc nhận diện và gắp vật thể chuyển động trên băng tải có bề mặt rộng, nâng cao hiệu suất làm việc và khả năng áp dụng vào thực tiễn.

Hạn chế và hướng nghiên cứu tiếp

Hạn chế kỹ thuật của hệ thống được ghi nhận bao gồm:

  • Quy trình cấp rác lên băng tải chưa được tự động hóa hoàn toàn, vẫn phụ thuộc vào thao tác rải rác thủ công của con người.
  • Danh mục phân loại của mô hình thị giác mới chỉ giới hạn ở 2 nhóm rác thải tái chế chính là lon kim loại và chai nhựa, chưa nhận diện được các chủng loại rác tái chế khác (giấy, thủy tinh, túi nylon).
  • Khi mật độ vật thể quá dày (từ 3 vật nằm sát nhau liên tiếp trở lên), tốc độ đáp ứng cơ học của cánh tay robot không đủ để hoàn thành toàn bộ các chu kỳ gắp liên tục, dẫn đến việc giải thuật phải chủ động bỏ qua một số vật thể để tránh gây xung đột quỹ đạo.

Hướng nghiên cứu và phát triển tiếp theo được đề xuất:

  • Thiết kế và tích hợp thêm hệ thống cấp rác tự động kết hợp cơ cấu rung hoặc sàng đảo để làm tơi và dàn đều rác thải trước khi đi vào vùng quét của camera.
  • Mở rộng tập dữ liệu huấn luyện cho mạng YOLOv8 nhằm nhận diện thêm nhiều phân nhóm rác thải khác phục vụ nhu cầu xử lý đa dạng trong thực tế.
  • Tối ưu hóa quỹ đạo chuyển động của robot và cải tiến giải thuật lập lịch gắp (scheduling) nhằm nâng cao tốc độ chu kỳ, giảm thiểu tỷ lệ bỏ sót vật thể khi mật độ rác trên băng tải tăng cao.

Giá trị tham khảo

Đồ án là tài liệu tham khảo hữu ích cho sinh viên, học viên cao học và kỹ sư thuộc các chuyên ngành Kỹ thuật Điều khiển và Tự động hóa, Cơ điện tử, Robotics và Kỹ thuật Máy tính. Các nội dung có giá trị tham khảo ứng dụng trực tiếp gồm:

  • Phương pháp tính toán ma trận Denavit-Hartenberg, giải bài toán động học thuận/nghịch cho robot SCARA 4 bậc tự do và cách thức kiểm chứng sai số tọa độ trên mô hình thực tế.
  • Quy trình tích hợp phần cứng hệ thống tự động hóa công nghiệp sử dụng PLC Mitsubishi dòng Q (CPU Q03UDE, module QD75MH4, QY42P) kết hợp hệ thống Driver AC Servo đa trục (MR-J4 series).
  • Phương pháp lập trình truyền thông công nghiệp MC-Protocol Frame 3E qua cổng Ethernet kết nối trực tiếp ngôn ngữ Python trên máy tính với PLC Mitsubishi.
  • Thuật toán hiệu chuẩn ma trận chuyển đổi tọa độ từ hệ thị giác camera sang hệ tọa độ không gian làm việc của robot và giải thuật gắp vật di động trên băng tải.

Câu hỏi thường gặp

1. Robot SCARA được sử dụng trong đề tài là dòng máy nào và cấu trúc truyền động được bố trí ra sao?
Đề tài sử dụng mô hình robot công nghiệp SCARA Denso HSR-055. Hệ thống truyền động sử dụng các động cơ AC Servo Mitsubishi được điều khiển qua các bộ khuếch đại chuyên dụng: Driver MR-J4-70B điều khiển trục 1, Driver kép MR-J4W2-44B điều khiển trục 2 và trục 3, Driver kép MR-J4W2-22B điều khiển trục 3 và trục động cơ kéo băng tải. Quá trình cấu hình thông số và jog test các trục thực hiện qua phần mềm MR Configurator2.

2. Giao tiếp giữa máy tính xử lý ảnh và bộ điều khiển PLC được thực hiện qua giao thức và chuẩn vật lý nào?
Dữ liệu tọa độ vật thể được truyền từ máy tính xử lý ảnh (chạy Python) sang CPU PLC Mitsubishi Q03UDE thông qua giao thức truyền thông MC-Protocol (MELSEC Communication Protocol) sử dụng cấu trúc Frame 3E mã hóa dạng chuỗi ASCII qua giao tiếp mạng Ethernet.

3. Camera độ sâu được lắp đặt ở vị trí nào và có thông số bố trí ra sao?
Camera nhận diện độ sâu (Stereo depth camera) được gắn cố định thông qua thanh nhôm ở vị trí bên trên băng tải, cách mặt phẳng băng tải một khoảng 45 cm. Vị trí này được đặt nằm ngoài vùng không gian làm việc của robot SCARA để bảo đảm an toàn, không bị va chạm trong quá trình cánh tay robot chuyển động.

4. Hệ thống xử lý như thế nào khi các đối tượng rác xuất hiện với mật độ dày đặc trên băng tải?
Theo giới hạn kỹ thuật được tác giả thiết lập, trong trường hợp mật độ vật thể quá dày dẫn đến việc có từ 3 vật thể trở lên nằm liền kề nhau, giải thuật điều khiển sẽ tự động bỏ bớt vật thể không gắp để đảm bảo chu kỳ chuyển động cơ học của robot không bị quá tải hoặc xảy ra lỗi va chạm.

5. Cơ cấu chấp hành cuối của robot sử dụng nguyên lý nào để bốc dỡ lon và chai?
Cơ cấu chấp hành cuối ở đầu trục robot sử dụng giác hút chân không kết hợp với van điều khiển khí nén. Tín hiệu đóng ngắt van khí nén được kích hoạt thông qua module ngõ ra số transistor QY42P của PLC, cho phép hút giữ chắc chắn các bề mặt vỏ lon và chai nhựa trước khi di chuyển sang vị trí hộp xả rác.

Kết luận

Đồ án tốt nghiệp "Ứng dụng robot Scara phân loại rác" của tác giả Đoàn Quốc Việt đã thiết kế, chế tạo và thử nghiệm thành công trạm phân loại rác tự động tích hợp cánh tay robot SCARA Denso HSR-055, PLC Mitsubishi CPU Q03UDE và mô hình thị giác YOLOv8. Hệ thống đã giải quyết hoàn chỉnh bài toán tính toán động học, truyền thông công nghiệp MC-Protocol Frame 3E qua Ethernet và giải thuật gắp vật thể di động trên băng tải đối với lon kim loại và chai nhựa. Mặc dù vẫn còn giới hạn trong khâu cấp liệu thủ công và danh mục phân loại, kết quả nghiên cứu đã chứng minh tính khả thi của giải pháp trong việc tự động hóa các công đoạn độc hại, nâng cao hiệu suất xử lý rác thải tái chế trong công nghiệp.