Đồ án tốt nghiệp ứng dụng công nghệ nâng cấp từ xa và trí tuệ nhân tạo cho robot delta phân loại rác

Đồ án nghiên cứu tốt nghiệp ứng dụng công nghệ nâng cấp từ xa và trí tuệ nhân tạo cho robot delta phân loại rác, áp dụng công nghệ tiên tiến, tối ưu giải pháp kỹ thuật cho bài

• Tác giả: Bùi Gia Phát
• Người hướng dẫn: TS. Trần Đức Thiện
• 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: Ứng Dụng Công Nghệ Nâng Cấp Từ Xa Và Trí Tuệ Nhân Tạo Cho Robot Delta Phân Loại Rác
• Loại tài liệu: Đồ Án Tốt Nghiệp
• Năm xuất bản: 2024
• Địa điểm: Thành Phố Hồ Chí Minh

Mục lục chi tiết

• LỜI CAM ĐOAN
• LỜI CẢM ƠN
• 1. CHƯƠNG 1: TỔNG QUAN ĐỀ TÀI
• 1.1. Đặt vấn đề
• 1.2. Các loại rác được phân loại
• 1.3. Robot phân loại rác
• TÀI LIỆU THAM KHẢO

Tóm tắt

I. Tổng Quan Về Ứng Dụng Trí Tuệ Nhân Tạo Trong Robot Delta

Trong bối cảnh hiện đại, trí tuệ nhân tạo (AI) đã trở thành một phần không thể thiếu trong nhiều lĩnh vực, bao gồm cả robot delta phân loại rác. Việc áp dụng AI giúp cải thiện khả năng nhận diện và phân loại rác một cách hiệu quả hơn. Robot delta, với thiết kế linh hoạt và khả năng hoạt động nhanh chóng, đã chứng minh được tiềm năng trong việc xử lý rác thải. Sự kết hợp giữa AI và robot delta không chỉ nâng cao hiệu suất mà còn giảm thiểu chi phí lao động.

1.1. Lịch Sử Phát Triển Robot Delta

Robot delta được phát triển từ những năm 1980, với mục tiêu chính là tối ưu hóa quy trình sản xuất. Sự phát triển của công nghệ machine learning đã giúp robot này trở nên thông minh hơn trong việc phân loại rác.

1.2. Vai Trò Của AI Trong Phân Loại Rác

AI giúp robot delta nhận diện các loại rác khác nhau thông qua việc phân tích hình ảnh. Công nghệ này không chỉ tăng tốc độ phân loại mà còn cải thiện độ chính xác, giảm thiểu sai sót trong quá trình xử lý.

II. Thách Thức Trong Việc Phân Loại Rác Bằng Robot Delta

Mặc dù có nhiều lợi ích, việc sử dụng robot delta trong phân loại rác cũng gặp phải một số thách thức. Một trong những vấn đề lớn nhất là khả năng nhận diện các loại rác khác nhau trong môi trường thực tế. Rác thải thường có hình dạng và kích thước đa dạng, điều này gây khó khăn cho việc phân loại chính xác.

2.1. Khó Khăn Trong Nhận Diện Hình Ảnh

Hệ thống nhận diện hình ảnh có thể gặp khó khăn khi phải phân loại các loại rác tương tự nhau. Điều này đòi hỏi một thuật toán mạnh mẽ và chính xác để đảm bảo hiệu quả.

2.2. Tình Trạng Rác Thải Độc Hại

Việc tiếp xúc với rác thải độc hại có thể gây nguy hiểm cho robot và môi trường. Cần có các biện pháp bảo vệ để đảm bảo an toàn cho hệ thống.

III. Phương Pháp Nâng Cấp Từ Xa Cho Robot Delta

Công nghệ nâng cấp từ xa (FOTA) cho phép cập nhật phần mềm cho robot delta mà không cần can thiệp trực tiếp. Điều này giúp duy trì hiệu suất và bảo mật của hệ thống. Việc áp dụng FOTA giúp tiết kiệm thời gian và chi phí bảo trì.

3.1. Lợi Ích Của Nâng Cấp Từ Xa

Nâng cấp từ xa giúp robot luôn được cập nhật với các thuật toán mới nhất, từ đó cải thiện khả năng phân loại rác và bảo mật hệ thống.

3.2. Quy Trình Cập Nhật Phần Mềm

Quy trình cập nhật phần mềm bao gồm việc tải xuống các bản cập nhật từ máy chủ và cài đặt tự động trên robot, đảm bảo tính liên tục trong hoạt động.

IV. Ứng Dụng Thực Tiễn Của Robot Delta Trong Phân Loại Rác

Robot delta đã được triển khai trong nhiều nhà máy xử lý rác thải, cho thấy hiệu quả rõ rệt trong việc tăng cường năng suất. Các hệ thống này có khả năng xử lý hàng tấn rác mỗi giờ, giúp giảm thiểu áp lực cho con người.

4.1. Kết Quả Nghiên Cứu Về Hiệu Quả Phân Loại

Nghiên cứu cho thấy robot delta có thể phân loại rác với độ chính xác lên đến 95%, vượt trội hơn so với phương pháp thủ công.

4.2. Các Dự Án Thực Tế Đang Triển Khai

Nhiều dự án đã được triển khai tại các thành phố lớn, giúp cải thiện quy trình quản lý rác thải và bảo vệ môi trường.

V. Kết Luận Về Tương Lai Của Robot Delta Trong Phân Loại Rác

Tương lai của robot delta trong phân loại rác rất hứa hẹn. Với sự phát triển không ngừng của công nghệ AI và FOTA, khả năng của robot sẽ ngày càng được nâng cao. Điều này không chỉ giúp cải thiện hiệu quả phân loại mà còn góp phần bảo vệ môi trường.

5.1. Xu Hướng Phát Triển Công Nghệ

Công nghệ AI sẽ tiếp tục phát triển, giúp robot delta ngày càng thông minh hơn trong việc nhận diện và phân loại rác.

5.2. Tác Động Đến Môi Trường

Việc áp dụng robot delta trong phân loại rác sẽ góp phần giảm thiểu ô nhiễm môi trường và nâng cao chất lượng cuộc sống.

Nội dung chính

Bối cảnh và vấn đề nghiên cứu

Sự gia tăng nhanh chóng của lượng chất thải rắn sinh hoạt đang đặt ra những thách thức lớn đối với môi trường và quản lý đô thị toàn cầu. Dự báo đến năm 2050, dân số thế giới sẽ đạt 9,7 tỷ người, kéo theo mức phát thải khoảng 2,01 tỷ tấn chất thải đô thị mỗi năm. Hiện nay, tỷ lệ tái chế hiệu quả trên quy mô toàn cầu chỉ đạt khoảng 16%. Đáng chú ý, rác thải nhựa chiếm tới 12% tổng lượng chất thải rắn phát sinh và có đến 91% lượng rác thải nhựa không được tái chế. Phương pháp phân loại thủ công bộc lộ nhiều điểm hạn chế về năng suất, chi phí nhân công và tiềm ẩn rủi ro sức khỏe cho công sự khi tiếp xúc trực tiếp với các chất thải độc hại. Về mặt hiệu suất, hệ thống robot phân loại hiện đại có thể xử lý khoảng 60 tấn rác mỗi giờ, trong khi lao động thủ công chỉ đạt trung bình khoảng 20 tấn rác trong cùng khoảng thời gian.

Cùng với nhu cầu tự động hóa phân loại, yêu cầu duy trì và nâng cấp thuật toán điều khiển mà không cần can thiệp trực tiếp tại hiện trường dẫn đến việc ứng dụng công nghệ nạp phần mềm từ xa (Firmware Over-The-Air - FOTA). Công nghệ này cho phép các kỹ sư bảo trì, vá lỗi bảo mật và cập nhật các mô hình nhận diện mới cho hệ thống nhúng từ xa thông qua mạng internet, giảm thiểu thời gian dừng máy và tiết kiệm chi phí vận hành.

Mục tiêu nghiên cứu của đề tài được xác định cụ thể gồm hai nhiệm vụ chính:

1. Ứng dụng mô hình mạng nơ-ron tích chập YOLOv8 trong thị giác máy tính để nhận diện và phân loại hai nhóm rác thải phổ biến gồm chai nhựa và hộp carton theo thời gian thực.
2. Ứng dụng công nghệ FOTA vào hệ thống điều khiển robot để thực hiện cập nhật chương trình từ xa cho vi điều khiển STM32F4 thông qua mạng riêng ảo và giao thức truyền thông an toàn.

Đối tượng nghiên cứu của đồ án là cấu trúc cơ cấu cánh tay robot song song Delta 3 bậc tự do, hệ thống thị giác máy tính nhận dạng vật thể, giải thuật nạp phần mềm qua mạng cho vi điều khiển, và đối tượng phân loại là chai nhựa cùng vỏ hộp carton. Phạm vi nghiên cứu về mặt không gian được thực hiện và thử nghiệm tại phòng thí nghiệm Robot và Điều khiển thông minh (RICLAB), Khoa Điện – Điện tử, Trường Đại học Sư phạm Kỹ thuật Thành phố Hồ Chí Minh. Phạm vi thời gian nghiên cứu và hoàn thành đồ án diễn ra từ tháng 02/2024 đến tháng 06/2024.

Cơ sở lý thuyết và phương pháp

Cơ sở lý thuyết của đề tài bao gồm ba nhóm kiến thức chuyên môn: động học robot song song Delta, xử lý ảnh số kết hợp học sâu (YOLOv8), và kiến trúc nạp phần mềm nhúng từ xa (FOTA).

Về mặt động học robot, cấu tạo robot Delta gồm đế cố định (A) và đế di động (B) liên kết với nhau qua ba chuỗi động học giống nhau đặt lệch nhau các góc 120 độ. Mỗi chuỗi động học gồm một khâu chủ động nối với động cơ quay trong mặt phẳng đứng và một khâu bị động dạng hình bình hành tự do. Bài toán động học thuận xác định tọa độ trọng tâm đế di động $E_0(x_0, y_0, z_0)$ từ ba góc quay của động cơ $(\theta_1, \theta_2, \theta_3)$ thông qua việc giải hệ phương trình giao điểm của ba mặt cầu có bán kính bằng chiều dài khâu bị động $r_e$. Bài toán động học nghịch xác định ba góc quay khớp chủ động khi biết trước tọa độ điểm thao tác $E_0$ thông qua giải giao điểm của đường tròn chuyển động của khâu chủ động bán kính $r_f$ và mặt cầu của khâu bị động trong mặt phẳng chuyển động, sau đó sử dụng phép quay hệ trục quanh trục Z một góc $\pm 120^\circ$ để tìm các góc còn lại. Không gian làm việc của robot được xác lập dựa trên giới hạn vật lý của góc quay các khớp chủ động từ $-42^\circ$.

Về thị giác máy tính và học sâu, mô hình nhận dạng sử dụng kiến trúc YOLOv8 thuộc mạng nơ-ron tích chập (CNN) với cơ chế phát hiện đối tượng anchor-free (không cần hộp neo định sẵn), giúp trực tiếp dự đoán tâm đối tượng và giảm tải bước lọc Non-Maximum Suppression (NMS). Mô hình tích hợp khối C2f trong mạng trích xuất đặc trưng (backbone) để cải thiện luồng truyền gradient và kiến trúc tách rời (decoupled head) để phân chia độc lập nhánh phân loại và nhánh hồi quy bounding box. Hiệu năng mô hình được đánh giá thông qua các chỉ số: IoU (Intersection over Union), Ma trận nhầm lẫn (Confusion Matrix gồm TP, FP, TN, FN), Precision, Recall, F1-score và độ chính xác trung bình mAP. Để chuyển đổi vị trí đối tượng từ ảnh sang hệ tọa độ làm việc của robot, đề tài sử dụng ma trận camera nội (Intrinsic matrix) và ma trận camera ngoại (Extrinsic matrix) thông qua mô hình camera lỗ kim.

Về công nghệ FOTA, kiến trúc cập nhật từ xa gồm ba thành phần: máy trạm điều khiển của kỹ sư, máy tính nhúng trung gian kết nối internet (Internet Module), và vi điều khiển đích STM32F4. Mạng riêng ảo ZeroTier One (SD-WAN) được sử dụng để thiết lập kết nối mã hóa điểm-điểm giữa kỹ sư và robot từ xa qua internet. Quá trình truyền tập tin thực thi (firmware định dạng .bin) sử dụng giao thức an toàn SSH/SFTP. Dưới vi điều khiển, bộ nhớ Flash được phân vùng lại nhằm chứa một chương trình nạp khởi động (bootloader) độc lập, có chức năng nhận lệnh qua UART, kiểm tra tính toàn vẹn bằng mã CRC, xóa sector và ghi dữ liệu nhị phân mới vào vùng nhớ ứng dụng.

Phương pháp nghiên cứu được triển khai kết hợp giữa nghiên cứu lý thuyết (tổng hợp tài liệu khoa học từ IEEE Xplore, Google Scholar và các tài liệu chuyên ngành) và phương pháp thực nghiệm (thiết kế mô hình 3D trên SolidWorks, gia công chế tạo phần cứng, lập trình điều khiển trên máy tính và vi điều khiển, đo đạc dữ liệu thực tế).

Thiết kế và triển khai hệ thống

Hệ thống phân loại rác tự động được xây dựng đồng bộ từ cơ khí, mạch điện động lực, thiết bị điều khiển nhúng cho đến giao diện vận hành và các thuật toán thị giác:

[Camera USB / PC] ---> [Nhận diện YOLOv8 & Tính tọa độ mm]
                              |
                     (Giao tiếp UART / USB)
                              |
[Kỹ sư từ xa] ---(ZeroTier/SSH)---> [Máy tính nhúng] ---> [STM32F4] ---> [Driver / Động cơ Delta & Hút khí nén]

1. Kiến trúc phần cứng và thiết bị điện:

   • Cơ cấu robot Delta: Ba cánh tay chủ động được dẫn động bởi ba động cơ gắn cố định trên khung đế trên, liên kết với đế di động mang cơ cấu chấp hành hút chân không.
   • Cơ cấu khí nén: Bao gồm máy tạo áp suất âm, van điện từ đảo chiều và núm hút chân không chuyên dụng để nhặt và thả các loại rác như chai nhựa, vỏ carton.
   • Hệ thống truyền động: Băng tải vận chuyển rác qua vùng quan sát của camera; các cảm biến phụ trợ và công tắc hành trình để xác định gốc tọa độ.
   • Tủ điện điều khiển: Tích hợp aptomat (CB) bảo vệ, bộ chuyển nguồn AC/DC (220VAC sang 24VDC, 12VDC, 5VDC), driver điều khiển động cơ, mạch đệm tín hiệu và rơ-le điều khiển van khí nén.

2. Cấu trúc bộ nhớ và chương trình nạp từ xa (Bootloader):

   • Vi điều khiển STM32F4 được cấu hình phân chia bộ nhớ Flash nội: phân vùng Bootloader nằm ở vị trí đầu tiên của bộ nhớ (Sector 0, địa chỉ cơ sở 0x08000000), trong khi phân vùng Application chứa mã nguồn điều khiển robot được cấu hình bắt đầu từ địa chỉ 0x08008000.
   • Giao thức FOTA hỗ trợ 7 tập lệnh điều khiển cơ bản với định dạng khung truyền có kiểm tra lỗi CRC:

Tên mã lệnh	Chức năng chính
BL_GET_VER	Kiểm tra phiên bản hiện tại của chương trình nạp Bootloader
BL_GET_HELP	Đọc danh sách tất cả các tập lệnh được hỗ trợ
BL_GET_CID	Đọc mã nhận dạng (Chip ID) của vi điều khiển STM32F4
BL_GET_RDP_STATUS	Kiểm tra cấp độ bảo vệ chống đọc (Read Protection Level) của bộ nhớ Flash
BL_GO_TO_ADDR	Chuyển con trỏ lệnh thực thi đến một địa chỉ bộ nhớ bất kỳ
BL_FLASH_ERASE	Thực hiện xóa một hoặc nhiều sector trong bộ nhớ Flash
BL_MEM_WRITE	Ghi khối dữ liệu firmware mới vào các địa chỉ hợp lệ trên bộ nhớ Flash

3. Thu thập dữ liệu và huấn luyện mô hình thị giác:

   • Dữ liệu hình ảnh được thu thập trực tiếp từ camera lắp trên hệ thống băng tải, sau đó đưa lên nền tảng Roboflow để tiến hành tiền xử lý, gán nhãn khung bao (bounding box) cho 2 lớp đối tượng: chai nhựa và hộp carton.
   • Sử dụng các kỹ thuật tăng cường dữ liệu (data augmentation) gồm: co giãn, xoay ảnh, lật ảnh và ghép ảnh mosaic (tắt ở 10 epoch huấn luyện cuối). Quá trình huấn luyện mô hình YOLOv8 được thực hiện trên máy tính có GPU hỗ trợ tăng tốc tính toán.

4. Giao diện điều khiển và giám sát:

   • Giao diện người dùng được thiết kế trên phần mềm Qt Designer và triển khai bằng ngôn ngữ Python trên Visual Studio Code.
   • Giao diện tích hợp các khối chức năng: cấu hình cổng truyền thông nối tiếp (COM/UART), chọn chế độ điều khiển bằng tay (Manual) từng trục hoặc chế độ tự động (Auto), hiển thị luồng video nhận diện rác thải thời gian thực và thông số tọa độ tính toán.

Nội dung chính theo từng chương

Chương 1: Tổng quan đề tài

Chương này phân tích tính cấp thiết của việc áp dụng giải pháp tự động hóa vào xử lý rác thải đô thị, đối chiếu năng suất phân loại thủ công và tự động. Tác giả tiến hành khảo sát các công trình nghiên cứu về robot phân loại rác trên thế giới (Machinex - Canada, Waste Robotics - Canada, AMP Robotics - Mỹ) và các đề tài trong nước (Scara phân loại bằng YOLOv5 của Lê Tiến Thành, robot Delta phân loại theo màu của Lê Đức Kông, robot nạp firmware qua wifi của Nguyễn Văn Thái, hệ thống FOTA Datalogger của TAPIT). Từ đó, đề tài xác lập mục tiêu nghiên cứu, giới hạn kỹ thuật và phương pháp tiếp cận.

Chương 2: Cơ sở lý thuyết

Nội dung chương tập trung giải quyết bài toán động học thuận và nghịch của robot song song Delta bằng phương pháp hình học giải tích; thiết lập phương trình toán học xác định tọa độ điểm thao tác $E_0$ và tính toán ba góc quay khớp chủ động $\theta_1, \theta_2, \theta_3$; khảo sát không gian làm việc của robot dựa trên giới hạn góc quay. Tiếp theo, chương trình bày cơ sở lý thuyết xử lý ảnh số, cấu trúc các kênh màu, độ phân giải; lược sử phát triển của các thế hệ YOLO từ YOLOv1 đến YOLOv7; và phân tích sâu các cải tiến của YOLOv8 (khối C2f, Decoupled Head, cơ chế anchor-free, hàm mất mát).

Chương 3: Tổng quan về nâng cấp từ xa

Chương 3 trình bày giải pháp nâng cấp phần mềm qua mạng (FOTA) cho hệ thống nhúng. Tác giả mô tả chi tiết phương thức thiết lập mạng ảo ZeroTier One (SD-WAN) để kết nối thiết bị từ xa qua internet, giao thức SSH/SFTP để truyền tệp tin nhị phân (.bin) vào máy tính nhúng. Chương cũng trình bày thiết kế kiến trúc bộ nhớ Flash của vi điều khiển STM32F4, nguyên lý chuyển đổi giữa phân vùng Bootloader và Application, lưu đồ thuật toán nạp và cấu trúc gói tin của 7 lệnh điều khiển nạp chương trình.

Chương 4: Thiết kế hệ thống và chương trình điều khiển

Chương này trình bày toàn bộ quy trình thiết kế phần cứng và phần mềm của hệ thống: sơ đồ khối tổng quan, danh mục và thông số các thiết bị điện (aptomat, nguồn, driver, động cơ), cơ cấu chấp hành khí nén hút thả rác, máy tính nhúng và vi điều khiển STM32F4. Tác giả đưa ra sơ đồ mạch động lực, sơ đồ nối dây chi tiết cho vi điều khiển, lưu đồ thuật toán điều khiển tổng thể, và thiết kế giao diện điều khiển - giám sát trên phần mềm Qt Designer.

Chương 5: Huấn luyện mô hình và xác định vị trí đối tượng

Nội dung chương mô tả quy trình xây dựng mô hình thị giác: thu thập dữ liệu ảnh rác thải, dán nhãn trên nền tảng Roboflow, tiền xử lý và áp dụng các kỹ thuật tăng cường dữ liệu. Tác giả cấu hình thông số huấn luyện mô hình YOLOv8 trên máy tính cá nhân có GPU. Bên cạnh đó, chương thiết lập ma trận nội, ma trận ngoại của camera và xây dựng thuật toán chuyển đổi tọa độ từ hệ tọa độ điểm ảnh (pixel) sang hệ tọa độ thực tế (mm) trong không gian làm việc của robot Delta.

Chương 6: Thực nghiệm và đánh giá hệ thống

Chương 6 trình bày kết quả kiểm chứng thực nghiệm trên mô hình thực tế. Tác giả đánh giá hoạt động của hệ thống FOTA qua mạng ảo ZeroTier: đo đạc thời gian nạp chương trình, kiểm tra các tập lệnh bootloader (đọc version, đọc chip ID, đọc cấp bảo vệ RDP, xóa flash, ghi flash từ địa chỉ 0x08008000), so sánh tốc độ giữa các cổng kết nối và đánh giá tỷ lệ nạp thành công. Đồng thời, chương đánh giá độ chính xác của mô hình YOLOv8 trong nhận diện chai nhựa và hộp carton ở các trường hợp đơn lẻ và hỗn hợp, cũng như tổng hợp kết quả phân loại rác thực tế trên băng tải.

Chương 7: Kết luận và hướng phát triển đề tài

Chương tổng kết những kết quả đã hoàn thành về mặt cơ khí, thuật toán động học, mô hình nhận dạng rác và hệ thống cập nhật phần mềm từ xa; chỉ ra các điểm còn hạn chế do điều kiện thực hiện và đề xuất các giải pháp nâng cấp, mở rộng hệ thống trong tương lai.

Kết quả và đóng góp

Nghiên cứu đã chế tạo và vận hành thành công mô hình tích hợp giữa robot Delta, hệ thống thị giác máy tính và cơ chế nạp firmware từ xa. Các nghiên cứu nền tảng được tác giả khảo sát và đối chiếu làm cơ sở khoa học được tổng hợp trong các bảng sau:

STT	Đơn vị / Sản phẩm	Quốc gia	Năm	Cấu trúc robot	Năng suất / Tốc độ	Loại rác xử lý	Cơ cấu chấp hành / Hiệu quả
1	SamurAL (Machinex)	Canada	2018	Robot Delta	70 lần nhặt/phút	Rác nhựa	Cơ cấu hít chân không; Hiệu quả 95%
2	Waste Robotics	Canada	2021	Robot 6 DoF	25 lần nhặt/phút (6 tấn/giờ)	Rác xây dựng, túi rác	Cơ cấu gắp dạng kẹp
3	AMP Robotics	Mỹ	2022	Robot Delta	80 lần nhặt/phút	Rác thải sinh hoạt	Cơ cấu hút chuyên dụng

Bảng 1: Các nghiên cứu nước ngoài về robot phân loại rác thải.

STT	Tác giả	Năm công bố	Mô hình robot / Đối tượng	Công nghệ AI / FOTA	Kết quả đạt được
1	Lê Tiến Thành, Nguyễn Thế Hùng	2022	Robot Scara 3 bậc tự do	YOLOv5	Dựng mô hình Scara, phân loại rác thải bằng thị giác máy tính
2	Lê Đức Kông, Nguyễn Văn Thiên	2022	Robot song song Delta	Xử lý ảnh màu sắc	Thiết kế mô hình Delta phân loại sản phẩm linh hoạt theo màu sắc
3	Nguyễn Văn Thái và cộng sự	2022	Robot bốn chân	Nạp qua Wifi / App	Ứng dụng điều khiển và nạp Firmware trên điện thoại cho robot 4 chân
4	Nguyễn Huỳnh Nhật Thương và cộng sự	2021	Thiết bị Datalogger TAPIT	FOTA qua Internet	Cập nhật chương trình từ xa qua Internet cho thiết bị nhúng

Bảng 2: Các nghiên cứu trong nước về phân loại sản phẩm và nạp firmware từ xa.

Các kết quả thực nghiệm chính của đề tài:

• Kiểm chứng hệ thống FOTA: Đã kết nối thành công mạng VPN ZeroTier giữa máy tính kỹ sư và máy tính nhúng kết nối STM32F4. Các câu lệnh bootloader (BL_GET_VER, BL_GET_HELP, BL_GET_CID, BL_GET_RDP_STATUS, BL_FLASH_ERASE, BL_MEM_WRITE, BL_GO_TO_ADDR) phản hồi chính xác mã ACK. Phân vùng bộ nhớ Flash từ địa chỉ 0x08008000 được xóa sạch dữ liệu cũ và nạp tệp nhị phân (.bin) mới thành công; hệ thống khởi động và chuyển quyền thực thi sang chương trình ứng dụng an toàn.
• Thử nghiệm nhận diện YOLOv8: Mô hình được huấn luyện hoàn chỉnh, phát hiện chính xác đối tượng chai nhựa và hộp carton trong các điều kiện: phát hiện một chai, một hộp, nhiều chai cùng lúc, nhiều hộp cùng lúc và hỗn hợp cả chai lẫn hộp trên băng tải.
• Thực nghiệm phân loại tổng thể: Tọa độ tâm đối tượng từ ảnh sau khi hiệu chỉnh qua ma trận nội/ngoại được truyền chính xác xuống bộ điều khiển. Robot Delta tính toán động học nghịch và điều khiển khâu chấp hành di chuyển đến đúng vị trí vật thể trên băng tải, kích hoạt van hút chân không và phân loại vật thể vào các vị trí quy định.

Đóng góp chính của đề tài do nhóm tác giả tự xác định:

• Xây dựng thành công hệ thống kết hợp giữa robot song song Delta tốc độ cao với thuật toán nhận diện đối tượng tiên tiến YOLOv8 để phân loại rác thải tự động.
• Triển khai thành công giải pháp FOTA cho vi điều khiển STM32F4 thông qua mạng ảo ZeroTier và giao thức SSH, tạo tiền đề cho việc bảo trì, cập nhật phần mềm cho các trạm robot công nghiệp từ xa mà không cần can thiệp trực tiếp vào phần cứng.

Hạn chế và hướng nghiên cứu tiếp

Các hạn chế được văn bản đề cập trực tiếp gồm:

• Mô hình cơ khí robot Delta do nhóm sinh viên tự thiết kế và gia công nên chưa có dữ liệu đo đạc, kiểm nghiệm về độ bền vững cơ học và độ ổn định lâu dài trong điều kiện hoạt động công nghiệp liên tục.
• Bộ dữ liệu nhận diện của mô hình YOLOv8 mới chỉ giới hạn ở 2 đối tượng rác thải là chai nhựa và vỏ hộp carton.
• Hệ thống thị giác máy tính chỉ đạt hiệu quả phân loại cao trong môi trường được cung cấp đầy đủ ánh sáng; độ chính xác nhận diện có xu hướng suy giảm khi điều kiện chiếu sáng thay đổi hoặc thiếu sáng.
• Do những giới hạn về kết cấu cơ khí và giải thuật phân loại, phân phối quỹ đạo chưa được tối ưu triệt để nên tốc độ gắp phân loại rác của robot chưa đạt mức tối đa.

Các hướng phát triển tiếp theo được đề xuất:

• Mở rộng tập dữ liệu huấn luyện hình ảnh cho nhiều nhóm rác thải sinh hoạt và công nghiệp khác (kim loại, thủy tinh, túi nilon, rác hữu cơ).
• Tối ưu hóa giải thuật nội suy quỹ đạo và điều khiển động lực học nhằm nâng cao tốc độ nhặt/thả (picks per minute) và giảm rung lắc cho cơ cấu cánh tay Delta.
• Thiết kế hệ thống buồng chụp ảnh có nguồn sáng chuyên dụng đồng đều, chống nhiễu quang học từ môi trường bên ngoài.

Giá trị tham khảo

Đồ án tốt nghiệp là tài liệu tham khảo phù hợp cho sinh viên, học viên cao học và kỹ sư thuộc các chuyên ngành Công nghệ Kỹ thuật Điều khiển và Tự động hóa, Cơ điện tử, Kỹ thuật Máy tính và Robot.

Những nội dung có giá trị tham khảo ứng dụng cao trong tài liệu bao gồm:

1. Phương pháp giải tích động học robot Delta: Hệ phương trình chi tiết cho cả hai bài toán động học thuận (giao điểm ba mặt cầu) và động học nghịch (kết hợp xoay hệ tọa độ 120 độ), thuận tiện cho việc lập trình thuật toán điều khiển trên máy tính hoặc vi điều khiển.
2. Quy trình thiết kế Bootloader và giải pháp FOTA: Cách phân vùng bộ nhớ Flash nội của STM32F4, định dạng khung truyền dữ liệu có mã kiểm tra CRC, các hàm xóa/ghi Flash và giải pháp định tuyến qua mạng ảo ZeroTier kết hợp SSH.
3. Quy trình tích hợp thị giác máy tính vào tay máy công nghiệp: Phương pháp chuẩn bị dữ liệu trên Roboflow, huấn luyện mô hình YOLOv8 và công thức chuyển đổi tọa độ điểm ảnh sang tọa độ thế giới thực thông qua ma trận camera nội và ngoại.

Câu hỏi thường gặp

1. Hệ thống điều khiển phân cấp trong đồ án gồm những khối phần cứng chính nào? Hệ thống gồm ba khối chính: Máy tính cá nhân/máy tính nhúng đóng vai trò xử lý ảnh thu từ camera qua mô hình YOLOv8, tính toán tọa độ thế giới và kết nối mạng ảo ZeroTier; Vi điều khiển trung tâm STM32F4 nhận tọa độ, giải thuật toán động học và phát xung điều khiển các động cơ robot cùng van khí nén; Khối động lực và chấp hành gồm ba cánh tay robot Delta, bộ nguồn, driver động cơ, van điện từ và đầu hút chân không.

2. Bài toán động học nghịch của robot Delta được giải quyết như thế nào trong đồ án? Nhóm tác giả thiết lập phương trình chuyển động của khâu chủ động đầu tiên trong mặt phẳng YZ, đưa bài toán về tìm giao điểm giữa đường tròn bán kính $r_f$ và mặt cầu bán kính $r_e$. Nhờ tính chất đối xứng tâm của robot Delta, hai góc quay còn lại ($\theta_2, \theta_3$) được tính bằng cách nhân tọa độ điểm thao tác với ma trận xoay quanh trục Z các góc tương ứng $+120^\circ$ và $-120^\circ$, rồi áp dụng lại chính thuật toán đã giải cho góc đầu tiên.

3. Cơ chế nâng cấp phần mềm từ xa (FOTA) cho STM32F4 được tổ chức bộ nhớ ra sao? Bộ nhớ Flash nội của STM32F4 được chia làm hai phân vùng độc lập: Phân vùng Bootloader lưu trữ chương trình nạp khởi động bắt đầu từ địa chỉ 0x08000000 (Sector 0), và phân vùng Application lưu trữ mã chương trình điều khiển vận hành bắt đầu từ địa chỉ 0x08008000. Khi nhận lệnh cập nhật, bootloader sẽ xóa dữ liệu tại phân vùng Application và ghi đè tập tin firmware nhị phân (.bin) mới vào địa chỉ này.

4. Hai lớp đối tượng rác thải nào được mô hình YOLOv8 phân loại trong đề tài? Mô hình YOLOv8 trong đề tài được huấn luyện để nhận dạng và phân loại hai lớp đối tượng rác thải cụ thể là chai nhựa và vỏ hộp carton trên hệ thống băng tải.

5. Những giao thức và dịch vụ mạng nào được sử dụng để kỹ sư kết nối và nạp phần mềm cho robot từ xa? Hệ thống sử dụng nền tảng mạng riêng ảo ZeroTier One (SD-WAN) để thiết lập kết nối IP an toàn giữa máy tính của kỹ sư và máy tính nhúng tại trạm robot qua môi trường internet. Quá trình truyền tập tin firmware (.bin) vào thiết bị nhúng sử dụng giao thức SSH/SFTP, trước khi dữ liệu được nạp vào STM32F4 qua giao tiếp nối tiếp UART.

Kết luận

Đồ án tốt nghiệp của nhóm tác giả Bùi Gia Phát và Lê Nguyễn Khánh Lâm đã giải quyết trọn vẹn bài toán tích hợp công nghệ thị giác máy tính YOLOv8 và cơ chế cập nhật từ xa FOTA trên mô hình robot song song Delta 3 bậc tự do. Hệ thống thực hiện tốt việc nhận diện, quy đổi tọa độ và phân loại tự động hai nhóm rác thải chai nhựa và hộp carton, đồng thời chứng minh tính khả thi của giải pháp nâng cấp firmware vi điều khiển STM32F4 qua mạng riêng ảo. Mặc dù còn một số hạn chế về tốc độ cơ khí và số lượng lớp rác thải nhận dạng, công trình đã xây dựng được một quy trình kỹ thuật hoàn chỉnh từ tính toán động học, thiết kế phần cứng, cấu hình bootloader cho đến triển khai mô hình học sâu trong tự động hóa công nghiệp.

Trích đoạn nội dung tài liệu

CHƯƠNG 1. TỔNG QUAN HỆ THỐNG Bên cạnh đó việc tích hợp công nghệ Firmware Over-The-Air (FOTA) cho phép các robot này được cập nhật phần mềm từ xa mà không cần sự can thiệp trực tiếp. Công nghệ FOTA là một giải pháp hiệu quả để đảm bảo rằng tất cả các robot trong hệ thống luôn được cập nhật với các thuật toán mới nhất và cải tiến về bảo mật, từ đó tăng cường hiệu suất và độ tin cậy. Với FOTA, các cập nhật có thể được thực hiện nhanh chóng và đồng bộ, giảm thiểu thời gian ngừng hoạt động và chi phí bảo trì, đồng thời cho phép các hệ thống tự động phản ứng linh hoạt với các thay đổi và yêu cầu mới mà không cần gửi kỹ thuật viên đến tận nơi.

Cuối cùng, việc tích hợp robot trong quản lý rác thải không chỉ cải thiện hiệu quả tái chế mà còn giúp giảm thiểu lượng rác thải đổ vào bãi chôn lấp, góp phần vào việc bảo vệ môi trường và giảm phát thải khí nhà kính. Đặc biệt, việc áp dụng công nghệ Firmware Over-The-Air (FOTA) cho phép các robot này nhận được cập nhật phần mềm từ xa, đảm bảo rằng chúng luôn hoạt động với hiệu suất cao nhất và phản ứng linh hoạt với những thay đổi trong quy trình xử lý rác. Điều này không những giảm thiểu thời gian chết do bảo trì mà còn tiết kiệm chi phí đáng kể cho các hoạt động quản lý rác thải. Sự đầu tư vào công nghệ này không chỉ là một bước tiến về mặt công nghệ mà còn là một lựa chọn thông minh trong bối cảnh môi trường hiện nay, đáp ứng nhu cầu bền vững và hiệu quả cao trong ngành xử lý rác thải.2 Tình hình nghiên cứu 1.1 Tình hình nghiên cứu ngoài nước Theo Business Insider, các Robot hỗ trợ xử lý rác thải có hiệu quả và năng suất cao đã được chế tạo để giải quyết bài toán rác thải.

Một số hãng sản xuất Robot lớn trên thế giới như AMP Robotics, Bulk Handling Systems of Eugene ở Oregon (Mỹ), ZenRobotics ở Helsinki (Phần Lan) … đã đẩy mạnh nghiên cứu, phát triển các Robot phân loại rác thải, lần lượt cho ra mắt nhiều Robot hiện đại, tích hợp công nghệ AI để giúp con người phân loại rác thải, tăng năng suất lao động.1 Các nghiên cứu nước ngoài về robot phân loại rác STT Hình ảnh Thông tin 1 - Sản xuất năm 2018 - Công ty Machinex - Nước Canada - SamurAL (Robot Delta) - Công suất 70 lần nhặt/ phút - Phân loại rác nhựa - Cơ cấu hít - Hiệu quả 95% BỘ MÔN TỰ ĐỘNG ĐIỀU KHIỂN 2 CHƯƠNG 1. TỔNG QUAN HỆ THỐNG 2 - Sản xuất năm 2021 - Robot 6 Dof - Công ty Waste Robotics - Nước Canada - Công suất 25 lần nhặt/phút, 6 tấn/giờ - Phân loại rác vụn xây dựng, túi rác. - Cơ cấu gắp 3 - Robot Delta - Công ty AMP - Sản xuất năm 2022 - Nước Mỹ - Công suất: 80 lần nhặt/ phút. - Loại rác: rác thải sinh hoạt.2 Tình hình nghiên cứu trong nước Hiện nay trình độ khoa học kĩ thuật trong lĩnh vực Robot ở Việt Nam còn bị bỏ khá xa so với thế giới.

Hầu hết các nghiên cứu phát triển Robot đã và đang được triển khai ở các trường đại học, viện nghiên cứu trong cả nước nhưng đa phần chỉ quan tâm và tập trung giải quyết một số vấn đề liên quan đến hệ thống như thiết kế tối ưu, động học, động lực học, điều khiển, thiết kế phần cứng, lập trình phần mềm…Việc kết hợp xử lý ảnh cùng với Robot cũng đã được thực hiện nhưng chưa thật sự rộng rãi, các đề tài tập trung nhiều cho mô hình cánh tay Robot chỉ gắp sản phẩm và phân loại sản phẩm. Bên cạnh đó việc ứng dụng FOTA chỉ dừng lại ở các đề tài tốt nghiệp, chưa được triển khai rộng rãi trong các hệ thống robot.2 Các nghiên cứu trong nước về robot phân loại rác và nạp không dây STT Tên đề tài Tác giả Năm Kết quả đạt được 1 Ứng dụng Robot tích Lê Tiến Thành 2022 Dựng lại mô hình hợp thị giác máy tính Nguyễn Thế Hùng Robot Scara 3 bậc, phân loại rác sử dụng mô hình YOLOv5 phân loại rác thải 2 Phân loại sản phẩm linh Lê Đức Kông 2022 Thiết kế mô hình hoạt ứng dụng Robot Nguyễn Văn Thiên Robot Delta phân và xử lý ảnh loại sản phẩm theo màu sắc BỘ MÔN TỰ ĐỘNG ĐIỀU KHIỂN 3 CHƯƠNG 1. TỔNG QUAN HỆ THỐNG 3 Thiết kế, thi công và Nguyễn Văn Thái 2022 Ứng dụng điều lập trình robot 4 chân Trang Tuấn Duy khiển và nạp điều khiển qua ứng Nguyễn Huệ Thiện Firmware trên điện dụng trên điện thoại kết thoại cho robot 4 hợp nạp Firmware từ chân. xa bằng Wifi 4 Cập nhật chương trình Nguyễn Huỳnh Nhật 2021 Ứng dụng FOTA từ xa cho thiết bị nhúng Thương cho thiết bị có kết nối Internet.

Trần Thụy Ngọc Datalogger tại Hằng công ty TNHH Kỹ Nguyễn Hoàng thuật TAPIT. Phương Trinh Võ Tuấn Minh 1.3 Mục tiêu đề tài Sử dụng mô hình phát hiện đối tượng YOLOv8 để phân loại chai nhựa và hộp carton. Ứng dụng FOTA vào hệ thống robot để cập nhật chương trình từ xa cho vi điều khiển STM32F4.4 Giới hạn đề tài Mô hình robot được thiết kế và thi công bởi nhóm sinh viên, vì vậy chưa có sự đánh giá nào về mức độ bền vững và ổn định trong quá trình hoạt động của mô hình. Nhóm chi sử dụng mô hình YOLOv8 phân loại 2 đối tượng chai nhựa và hộp carton.

Chỉ phân loại hiệu quả trong môi trường có đủ ánh sáng. Do hạn chế của cơ khí và thuật toán phân loại chưa tối ưu nên tốc độ phân loại đối tượng chưa cao.5 Phương pháp nghiên cứu 1. Nghiên cứu lý thuyết: - Mục tiêu: Thu thập và phân tích các bài viết, bài báo và tài liệu liên quan đến công nghệ nâng cấp từ xa, trí tuệ nhân tạo, và robot Delta. Từ đó có cái nhìn tổng quan về đề tài, hiểu rõ các khái niệm cơ bản, lý thuyết và các công nghệ liên quan.

- Nguồn tìm kiếm: tài liệu khoa học trên các cơ sở dữ liệu như IEEE Xplore, Google Scholar, thư viện số của trường và các bài viết trên các web site, video trên youbute. Nghiên cứu thực nghiệm: - Mục tiêu: Đánh giá hiệu quả của chương trình nâng cấp từ xa và AI trong việc phân loại rác. BỘ MÔN TỰ ĐỘNG ĐIỀU KHIỂN 4 CHƯƠNG 1. TỔNG QUAN HỆ THỐNG - Phương pháp: Tiến hành các thử nghiệm thực tế, thu thập dữ liệu về hiệu suất của robot, bao gồm độ chính xác phân loại, tốc độ xử lý, và tính ổn định của hệ thống.6 Nội dung đề tài Chương 1: Tổng quan Chương 2: Cơ sở lý thuyết.

Chương 3: Tổng quan về nâng cấp từ xa Chương 4: Thiết kế hệ thống và chương trình điều khiển Chương 5: Huấn luyện mô hình và xác định vị trí đối tượng Chương 6: Thực nghiệm và đánh giá hệ thống Chương 7: Kết luận và hướng phát triển BỘ MÔN TỰ ĐỘNG ĐIỀU KHIỂN 5 CHƯƠNG 2. CƠ SỞ LÝ THUYẾT CHƯƠNG 2.1 Động học robot Delta 2.1 Cấu tạo robot Delta Hình 2.1 Cấu tạo của robot Delta Cấu tạo của Robot Delta bao gồm: - Đế cố định A và đế di động B được kết nối với nhau bởi 3 chuỗi động học giống nhau. Mỗi chuỗi động học có 2 khâu liên tiếp. - Ba khâu chủ động F1J1, F2J2, F3J3 liên kết với đế cố định A bằng các khớp quay và được dẫn động bởi 3 động cơ, các động cơ này được gắn chắc chắn với đế cố định A.

- Ba khâu bị động J1E1, J2E2, J3E3 mỗi khâu là một cấu trúc hình bình hành. Phía trên khâu được kết nối với khâu chủ động, phía dưới khâu được kết nối với đế di động B. Trước khi tính toán động học ta sẽ ký hiệu các kích thước và đặt hệ tọa độ góc cho Robot Delta như hình 2.2 sau: BỘ MÔN TỰ ĐỘNG ĐIỀU KHIỂN 6 CHƯƠNG 2. CƠ SỞ LÝ THUYẾT Hình 2.2 Đặt hệ tọa độ cho robot 2.2 Động học thuận Mục đích của bài toán động học thuận là xác định vị trí của khâu tác động cuối của robot khi biết các biến khớp của robot.

Từ các góc 1 , 2 , 3 đã biết ta sẽ đi tìm tọa độ của điểm E0 ( x0 ; y0 ; z0 ) là trọng tâm của tam giác đế di động.3 Tọa độ của điểm E0 trên đế di động Ta di chuyển lần lượt các điểm J1 , J 2 , J 3 đến các điểm J1' , J 2' , J 3' thông qua các vector tịnh tiến E1 E0 , E2 E0 , E3 E0 tương ứng. Sau quá trình chuyển đổi này ta sẽ thu được các hình cầu có tâm là J1' , J 2' , J 3' cùng bán kính re giao nhau tại điểm E0 như Hình 2. BỘ MÔN TỰ ĐỘNG ĐIỀU KHIỂN 7 CHƯƠNG 2. CƠ SỞ LÝ THUYẾT Hình 2.4 Giao điểm E0 của 3 hình cầu Vì vậy, để tìm tọa độ ( x0 ; y0 ; z0 ) của điểm E0 , ta cần giải hệ phương trình giao điểm của ba hình cầu ( x − xi ) 2 + ( y − y j ) 2 + ( z − zi ) 2 = re2 , với ( xi ; yi ; zi ) là tọa độ của điểm J i' được xác định như Hình 2.5 Các điểm J1' , J 2' , J 3' trên mặt phẳng Oxy Ta thu được các kết quả sau:  f −e  J1'  0; − − rf cos1 ; − rf sin 1  (2.1)  2 3   f − e   f −e   J 2'   + rf cos 2  cos30 ;  + rf cos  2  sin 30 ; −rf sin  2  (2.2)  2 3  2 3   BỘ MÔN TỰ ĐỘNG ĐIỀU KHIỂN 8 CHƯƠNG 2.

CƠ SỞ LÝ THUYẾT   f −e   f −e   J 3'  −  + rf cos 3  cos30 ;  + rf cos 3  sin 30 ; −rf sin  3  (2.3)  2 3  2 3   Tọa độ của điểm E0 là nghiệm của hệ phương trình (2.4)  ( x − x )2 + ( y − y )2 + ( z − z )2 = r 2  3 3 3 e Đặt wi = xi2 + yi2 + zi2 , từ (2.4) ta thu được:  w1 − w3  x2 x + ( y1 − y2 ) y + ( z1 − z2 ) z = 2  (2.5)  x x + ( y − y ) y + ( z − z ) z = w1 − w3  3 1 3 1 3 2 Giải hệ phương trình (2.