CHƯƠNG 1: Cơ sở lý thuyết CHƯƠNG 2: Tính toán và thiết kế CHƯƠNG 3: Thi công hệ thống 1 KẾT LUẬN VÀ PHÁT TRIỂN 1. Kết quả của đề tài Xây dựng thành công hệ thống băng truyền phân loại sản phẩm áp dụng kỹ thuật xử lý ảnh. Đề tài sẽ là cơ sở quan trọng để các giảng viên có điều kiện giới thiệu một cách trực quan nhất cho sinh viên nghiên cứu, tìm hiểu về mô hình dây chuyền sản xuất trong thực tế được thực hiện một cách tự động hóa. Bên cạnh đó mô hình cũng đáp ứng được yêu cầu về đào tạo thực hành tại trường trong điều kiện thực tế chưa cho phép sinh viên được đi thực tế tại cơ sở sản xuất.Đề tài cũng là một tài liệu tham khảo hữu ích cho các bạn đồng nghiệp, các bạn sinh viên trong công việc cũng như trong quá trình học tập của mình.
Giới hạn của đề tài Hệ thống băng truyền phân loại sản phẩm ứng dụng kỹ thật xử lý ảnh là một đề tài còn khá mới mẻ. Nên trong phạm vi một đề tài nghiên cứu, với những giới hạn về kiến thức, thời gian và kinh phí đề tài giới hạn bởi: - Để ứng dụng kỹ thuật xử lý ảnh trên tốc độ băng tải thì độ chính xác phân loại sản phẩm chưa quá cao. Còn có thể bị nhầm lẫn bởi các vật thể có gần giống đặc tính sản phẩm - Cùng với Camera chụp ảnh không mong muốn ở điều kiện thiếu ánh sáng mà cần được che kín và chiếu thêm đèn led để tăng cường sáng. - Đề tài chỉ xây dựng với mô hình nhỏ và gọn không làm thành dây chuyền sản xuất,sử dụng máy tính, Arduino, băng tải, động cơ Servo và hiển thị kết quả trên màn hình máy tính.
Ứng dụng thực tiễn của đề tài - Đề tài mà em thiết kế có nhiều ứng dụng quan trọng trong nhiều lĩnh vực như vận chuyển sản phẩm, đếm sản phẩm và phân loại sản phẩm. Với hệ thống tự động hóa này thì chúng ta có thể giảm thiểu nhân công đi kèm với giảm thiểu chi phí sản xuất. - Ngày nay khi khoa học công nghệ kỹ thuật phát triển thì tự động hóa đã và đang góp phần rất lớn vào quá trình sản xuất thay thế sức lao động của con người. TỔNG QUAN VỀ XỬ LÝ ẢNH - Xử lý ảnh là một lĩnh vực mang tính khoa học và công nghệ.
Nó là một ngành khoa học mới mẻ so với nhiều ngành khoa học khác nhưng tốc độ phát triển của nó rất nhanh, kích thích các trung tâm nghiên cứu, ứng dụng, đặc biệt là máy tính chuyên dụng riêng cho nó. - Xử lý ảnh là kỹ thuật áp dụng trong việc tăng cường và xử lý các ảnh thu nhận từ các thiết bị như camera, webcam… Do đó, xử lý ảnh đã được ứng dụng và phát triển trong rất nhiều lĩnh vực quan trọng như: Trong lĩnh vực an ninh bảo mật: Nhận diện khuôn mặt người, nhận diện vân tay, mẫu mắt, hình ảnh người và các thiết bị khác. Trong lĩnh vực quân sự: Xử lý và nhận diện các trang thiết bị quân sự, phục vụ trinh thám, giám sát các mục tiêu quan trọng. Trong lĩnh vực giải trí: Phục vụ quá trình làm phim và tạo ra các trò chơi điện tử, xử lý đồ họa.
Trong lĩnh vực y tế: Xử lý ảnh chụp X-quang, MRI, xử lý ảnh y sinh,… Trong lĩnh vực AI: nhận dạng và xử lý ảnh của robot, giao tiếp giữa robot với con người, xử lý đồ họa. - Các phương pháp xử lý ảnh bắt đầu từ các ứng dụng chính: nâng cao chất lượng và phân tích ảnh. Ứng dụng đầu tiên được biết đến là nâng cao chất lượng ảnh báo được truyền từ Luân đôn đến New York từ những năm 1920. Vấn đề nâng cao chất lượng ảnh có liên quan tới phân bố mức sáng và độ phân giải của ảnh.
Việc nâng cao chất lượng ảnh được phát triển vào khoảng những năm 1955. Điều này có thể giải thích được vì sau thế chiến thứ hai, máy tính phát triển nhanh tạo điều kiện cho quá trình xử lý ảnh số được thuận lợi hơn. Năm 1964, máy tính đã có khả năng xử lý và nâng cao chất lượng ảnh từ mặt trăng và vệ tinh Ranger 7 của Mỹ bao gồm: làm nổi đường biên, lưu ảnh. Từ năm 1964 đến nay, các phương tiện xử lý, nâng cao chất lượng, nhận dạng ảnh phát triển không ngừng.
Các phương pháp tri thức nhân tạo như mạng nơ-ron nhân tạo, các thuật toán xử lý hiện đại và cải tiến, các công cụ nén ảnh ngày càng được áp dụng rộng rãi và thu được nhiều kết quả khả quan hơn. - Sau đây, ta sẽ xét các bước cần thiết trong quá trình xử lý ảnh. Đầu tiên, ảnh tự nhiên từ thế giới bên ngoài được thu nhận qua các thiết bị thu (như Camera, máy chụp ảnh). Trước đây, ảnh thu qua Camera là các ảnh tương tự (loại Camera ống kiểu CCIR).
Gần đây với sự phát triển của công nghệ, ảnh màu hoặc đen trắng được lấy ra từ Camera, 3 sau đó nó được chuyển trực tiếp thành ảnh số tạo thuận lợi cho xử lý tiếp theo. Mặt khác ảnh có thể được quét từ vệ tinh chụp trực tiếp bằng máy quét ảnh. Ảnh trong máy tính a. Ảnh màu Hệ màu RGB - RGB viết tắt của red (đỏ), green (xanh lục), blue (xanh lam), là ba màu chính của ánh sáng khi tách ra từ lăng kính.
Khi trộn ba màu trên theo tỉ lệ nhất định có thể tạo thành các màu khác nhau. 1: Mô tả không gian màu RGB - Thêm đỏ vào xanh lá cây tạo ra vàng; thêm vàng vào xanh lam tạo ra trắng. - Với mỗi bộ 3 số r, g, b nguyên trong khoảng [0, 255] sẽ cho ra một màu khác nhau. Do có 256 cách chọn r, 256 cách chọn màu g, 256 cách chọn b.
=> Tổng số màu có thể tạo ra bằng hệ màu RGB là: 256 * 256 * 256 = 16777216 màu. - Để tiện lưu trữ và xử lý không thể lưu trong 1 ma trận như thế kia mà sẽ tách mỗi giá trị trong mỗi pixel ra một mảng riêng tạo thành mảng 3 chiều (tensor) 𝒓𝟏,𝟏 𝒓𝟏,𝟐 … 𝒓𝟏,𝟖𝟎𝟎 𝒈𝟏,𝟏 𝒈𝟏,𝟐 … 𝒈𝟏,𝟖𝟎𝟎 𝒓 𝒓𝟐,𝟐 … 𝒓𝟐,𝟖𝟎𝟎 𝒈𝟐,𝟏 𝒈𝟐,𝟐 … 𝒈𝟐,𝟖𝟎𝟎 [ 𝟐,𝟏 … … ] , [ … … ], … … … … 𝒓𝟔𝟎𝟎,𝟏 𝒓𝟔𝟎𝟎,𝟐 … 𝒓𝟔𝟎𝟎,𝟖𝟎𝟎 𝒈𝟔𝟎𝟎,𝟏 𝒈𝟔𝟎𝟎,𝟐 … 𝒈𝟔𝟎𝟎,𝟖𝟎𝟎 4 𝒃𝟏,𝟏 𝒃𝟏,𝟐 … 𝒃𝟏,𝟖𝟎𝟎 𝒃𝟐,𝟏 𝒃𝟐,𝟐 … 𝒃𝟐,𝟖𝟎𝟎 … … … … [𝒃𝟔𝟎𝟎,𝟏 𝒃𝟔𝟎𝟎,𝟐 … 𝒃𝟔𝟎𝟎,𝟖𝟎𝟎 ] Hình 1. 2: Bức ảnh có chiều rộng 600 pixel, cao 800 pixel - Bức ảnh được có thể biểu diễn dưới dạng ma trận 600 * 800. 3: Ảnh màu là tensor bậc 3 b.
4: Ảnh xám 6 - Tương tự ảnh màu, ảnh xám cũng có kích thước 800 pixel * 600 pixel, có thể biểu diễn dưới dạng một ma trận kích thước 600 * 800 (định nghĩa là số hàng nhân số cột). - Tuy nhiên mỗi pixel trong ảnh xám chỉ cần biểu diễn bằng một giá trị nguyên trong khoảng từ [0,255] thay vì (r,g,b) như trong ảnh màu. Do đó khi biểu diễn ảnh xám trong máy tính chỉ cần một ma trận là đủ. 𝒘𝟏,𝟏 𝒘𝟏,𝟐 … 𝒘𝟏,𝟖𝟎𝟎 𝒘 𝒘𝟐,𝟐 … 𝒘𝟐,𝟖𝟎𝟎 [ 𝟐,𝟏 … … ] … … 𝒘𝟔𝟎𝟎,𝟏 𝒘𝟔𝟎𝟎,𝟐 … 𝒘𝟔𝟎𝟎,𝟖𝟎𝟎 - Giá trị 0 là màu đen, 255 là màu trắng và giá trị pixel càng gần 0 thì càng tối và càng gần 255 thì càng sáng.
Chuyển hệ màu của ảnh - Mỗi pixel trong ảnh màu được biểu diễn bằng 3 giá trị (r,g,b) còn trong ảnh xám chỉ cần 1 giá trị x để biểu diễn. Khi chuyển từ ảnh màu sang ảnh xám ta có thể dùng công thức: x = r * 0. - Tuy nhiên khi chuyển ngược lại, vì chỉ biết giá trị x và cần đi tìm r,g,b nên sẽ không chính xác. CƠ SỞ TOÁN HỌC TRONG XỬ LÝ ẢNH 3.
Phép tích chập (convolution) - Convolution là kỹ thuật quan trọng trong Xử Lý Ảnh, được sử dụng chính yếu trong các phép toán trên ảnh như: đạo hàm ảnh, làm trơn ảnh, trích xuất biên cạnh trong ảnh. Có thể thực hiện nó trong ngôn ngữ C++ có hỗ trợ của thư viện openCV. *Định Nghĩa: - Theo toán học, tích chập là phép toán tuyến tính, cho ra kết quả là một hàm bằng việc tính toán dựa trên hai hàm đã có (f và g). Ví dụ: đối với phép lọc ảnh, phép tích chập giữa ma trận lọc và ảnh, cho ra kết quả ảnh đã được xoá nhiễu (làm mờ).
Công thức tích chập giữa hàm ảnh f(x, y) và bộ lọc k(x, y) (kích thước mxn): 7 - Thành phần không thể thiếu của phép tích chập là ma trận kernel (bộ lọc). Điểm neo (anchor point) của kernel sẽ quyết định vùng ma trận tương ứng trên ảnh để tích chập, thông thường anchor point được chọn là tâm của kernel. Giá trị mỗi phần tử trên kernel được xem như là hệ số tổ hợp với lần lượt từng giá trị độ xám của điểm ảnh trong vùng tương ứng với kernel. - Phép tích chập được hình dung thực hiện bằng việc dịch chuyển ma trận kernel lần lượt qua tất cả các điểm ảnh trong ảnh, bắt đầu từ góc bên trái trên của ảnh.
Và đặt anchor point tương ứng tại điểm ảnh đang xét. Ở mỗi lần dịch chuyển, thực hiện tính toán kết quả mới cho điểm ảnh đang xét bằng công thức tích chập. *Định nghĩa: Tích chập được định nghĩa là 1 phép toán trên không gian khả tích của các hàm tuyến tính, cho nên nó có tính chất giao hoán, kết hợp và phân phối. Ta có thể tính toán trước ma trận kernel để "giảm độ phức tạp tính toán" k = v * h do kích thước ma trận kernel hầu như rất nhỏ so với ảnh.
Lúc này, thay vì thực hiện tích chập theo thứ tự r = (f * g) * h, ta thực hiện r r = f * (v * h) = f * k. Phép tích chập đối với ảnh màu (mảng 2 chiều) - Lấy ví dụ trên ảnh xám, tức là ảnh được biểu diễn dưới dạng ma trận A kích thước m*n. - Ta định nghĩa kernel là một ma trận vuông kích thước k*k trong đó k là số lẻ. Ví dụ kernel kích thước 3*3 1 0 1 𝑊 = [0 1 0 ] 1 0 1 Kí hiệu phép tính convolution (⊗), kí hiệuY = X⊗W - Với mỗi phần tử xij trong ma trận X lấy ra một ma trận có kích thước bằng kích thước của kernel W có phần tử xij làm trung tâm (đây là vì sao kích thước của kernel thường lẻ) gọi là ma trận A.
Sau đó tính tổng các phần tử của phép tính element-wise của ma trận A và ma trận W, rồi viết vào ma trận kết quả Y.