Mô hình phân loại sản phẩm bằng mã vạch bar code

Phương thức sản xuất đã thay đổi đáng kể, và giải pháp là thay thế việc thực hiện thủ công ở khâu phân loại sản phẩm, từ thực hiện thủ công sang sử dụng hệ thống tự động để phân chia sản

BỘ GIÁO DỤC VÀ ĐÀO TẠO

TRƯỜNG ĐẠI HỌC CÔNG NGHỆ TP HỒ CHÍ MINH

Giảng viên hướng dẫn: PGS.TS Nguyễn Hùng

Sinh viên thực hiện: MSSV: Lớp:

TP HỒ CHÍ MINH NĂM 2022

LỜI CAM ĐOAN

Đồ án tốt nghiệp này là công trình nghiên cứu của nhóm, được thực hiện dưới sự hướng dẫn khoa học của thầy PGS.TS Nguyễn Hùng Các số liệu, mô hình được trình bày trong luận văn này hoàn toàn trung thực

Nhóm xin cam kết đề tài này là do nhóm tự thực hiện dựa vào một số tài liệu trước đó và không sao chép từ tài liệu hay công trình đã có trước đó

Nhóm thực hiện đề tài xin hoàn toàn chịu trách nhiệm về lời cam đoan này

Tp Hồ Chí Minh, ngày…tháng…năm 2022

(Ký tên và ghi rõ họ tên)

Nguyễn Bá Trình Bạch Hữu Nhân Ngô Kim Trọng

LỜI CẢM ƠN



Lời đầu tiên, nhóm thực hiện đề tài xin gửi lời cảm ơn chân thành nhất đến PGS.TS Nguyễn Hùng đã tận tình giúp đỡ, giải đáp các thắc mắc, hướng dẫn nhóm thực hiện đề tài, tạo mọi điều kiện tốt nhất từ bố trí phòng thí nghiệm đến các thiết bị vật tư trong suốt thời gian nhóm thực hiện đề tài Những kiến thức bổ ích từ Thầy được áp dụng vào đề tài rất nhiều, từ những kiến thức nhỏ nhặt cho tới những bài học lớn Một lần nữa nhóm thực hiện đề tài xin được gửi lời cảm ơn chân thành đến Thầy

Để hoàn thành tốt đồ án tốt nghiệp này, nhóm đã nhận được sự giúp đỡ nhiệt tình của các quý thầy cô Viện Kỹ Thuật nói chung và các giảng viên ngành Kỹ Thuật Điện nói riêng đã trang bị những kiến thức cần thiết, đóng góp

ý kiến và giải đáp những thắc mắc liên quan đến đề tài

Nhóm cũng xin gửi lời cảm ơn đến tập thể lớp 18DDCA2 đã đóng góp

ý kiến giúp cải thiện hệ thống, giúp đỡ nhóm trong suốt quá trình thực hiện đề tài Xin cảm ơn gia đình và bạn bè đã luôn bên cạnh động viên, khích lệ tinh thần để nhóm có thể hoàn thành tốt đề tài này

TÓM TẮT



mã, logo của các đối tượng thông qua hệ thống Camera Nếu sản phẩm có các yếu tố đúng quy định về mã logo sẽ được lưu trữ trong kho Còn ngược lại sản phẩm khác với quy định, nó sẽ được gỡ khỏi băng chuyền và phân loại thành các làn thích hợp

Sau khi đã nhận dạng được barcode, logo vật thể trên băng chuyền bằng công nghệ xử lý ảnh đã được thực nghiệm đạt được độ chính xác cao Cơ cấu van điện từ khí nén và xi-lanh sẽ nhân tín hiệu từ PLC phân loại sản phẩm vào lane quy định Tuy nhiên, hệ thống đôi lúc hoạt vẫn còn thiếu ổn định do ảnh hưởng của một số yếu tố như ánh sáng tự nhiên gây nên bóng của vật thể nên gây ra nhận dạng ảnh bị lỗi

Cuối cùng, lập trình chương trình xử lý ảnh dựa trên ngôn ngữ Python trên thư viên nguồn mở OpenCV có thể ảnh dựa trên nguồn mở OpenCV có thể giao tiếp được với PLC Kết quả thu được là hệ thống phân loại sản phẩm dựa trên yếu tố: logo, barcode và giao tiếp với PLC hoạt động đúng với yêu cầu đề

ra

ABSTRACT



In this project, we use the conveyor to move the products, cameras are used to classify objects based on code, logo and their number including two main stages: processing collected data bythe camera and comparing and categorizing The product classification process will be based on collecting information about objects’ code, logo, and quantity through the camera system

If the product has elements that comply with code, logo, and quantity, will be stored in the warehouse Otherwise, if the product is different from the regulation, it will be removed from the conveyor and classified into appropriate lanes

After identifying the code, the number, and the logo of the object on the conveyor belt by image processing technology have experimented with high accuracy The electromagnetic valve and xilanh will receive a signal from the PLC acting on the stick, pushing the product into the specified lane However, the system sometimes operates still unstable due to the influence of several factors such as natural light causing shadows of the object, resulting in faulty image recognition

Finally, we are program image processing programs based on the Python programming language on the OpenCV open-source library that could communicate with the PLC The result is a product classification system based

on 3 factors: logo, code, quantity, and communication with the PLC to operate properly according to the requirements

MỤC LỤC

LỜI CAM ĐOAN i

LỜI CẢM ƠN ii

TÓM TẮT iii

ABSTRACT iv

MỤC LỤC v

DANH SÁCH CÁC HÌNH viii

DANH SÁCH CÁC BẢNG xi

DANH MỤC TỪ VIẾT TẮT xii

LỜI MỞ ĐẦU 1

CHƯƠNG 1 2

GIỚI THIỆU 2

1.1 Đặt vấn đề 2

1.2 Lý do chọn đề tài 4

1.3 Tình hình nghiên cứu 5

1.4 Mục đích nghiên cứu 9

1.5 Nhiệm vụ nghiên cứu 10

1.6 Các kết quả đạt được của đề tài 10

1.7 Kết cấu của đề tài gồm 6 chương 11

CHƯƠNG 2 12

CƠ SỞ LÝ THUYẾT 12

2.1 Tổng quan về phân loại sản phẩm 12

2.1.1 Các phương pháp phân loại sản phẩm 12

2.1.2 Phương pháp phân loại sản phẩm dùng xử lí ảnh 13

2.2 Tổng quan về xử lí ảnh 13

2.2.1 Xử lí ảnh số 14

2.2.2 Điểm ảnh 14

2.2.3 Độ phân giải ảnh 15

2.2.4 Mức xám 15

2.2.5 Biển diễn ảnh 16

2.2.6 Phân tích ảnh 16

2.2.7 Nhận dạng và phân loại ảnh 17

2.2.8 Giới thiệu ngôn ngữ Python và thư viện OpenCV 18

2.2.8.1 Thư viện OpenCV 18

2.2.8.2 Ngôn ngữ Python 21

2.3 Cảm biến phát hiện vật thể 23

2.3.1 Cảm biến tiệm cận 23

2.3.2 Cảm biến siêu âm 24

2.3.3 Cảm biến quang thu phát chung 26

2.4 Các thuật toán xử lí ảnh 27

2.4.1 Thuật toán Feature Maching (Brute Force Matcher) nối điểm 27

2.4.2 Thuật toán nhận diện vật thể hình tròn (Hough Circle Transform) 28

2.4.3 Thuật toán đọc mã vạch barcode 28

2.4.3.1 Tổng quan mã vạch 28

2.4.3.2 Kiểm tra mã vạch 29

2.5 Mạng truyền thông công nghiệp 29

2.5.1 Truyền thông Modbus 30

2.5.2 Truyền thông Profibus 32

2.5.3 Giao tiếp giữa Camera với PLC 32

2.5.4 Giao tiếp giữa Rasberry với PLC 33

2.6 Phương thức giao tiếp giữa PLC với máy tính 34

2.7 Trung tâm xử lý tín hiệu Raspberry Pi 3 35

2.7.1 Sơ đồ chân của Raspberry Pi 3 36

2.7.2 Cấu trúc phần cứng 37

2.7.3 Hệ điều hành cho Raspberry Pi 3 39

2.7.4 Thông số kỹ thuật chính 40

2.7.5 So sánh Raspberry Pi 3 và máy tính 41

2.7.6 Các ứng dụng của Raspberry Pi 3 42

2.7.7 Giới thiệu về PLC S7-1200 43

2.8 Cơ cấu chấp hành 48

2.8.1 Xilanh 48

2.8.2 Động cơ step 51

2.8.3 Động cơ giảm tốc 52

CHƯƠNG 3 54

TÍNH TOÁN THIẾT KẾ MÔ HÌNH PHÂN LOẠI SẢN PHẨM BẰNG MÃ VẠCH 54

3.1 Giới thiệu 54

3.2 Phương pháp lựa chọn 54

3.3 Đề suất sơ đồ khối 55

3.4 Yêu cầu thiết kế 55

3.4.1 Thiết bị phần cứng 56

3.4.2 Sơ đồ nguyên lí 57

3.4.3 Sơ đồ kết nối nguồn 58

3.4.4 Sơ đồ kết nối van điện từ khí nén và xi lanh 59

3.5 Yêu cầu điều khiển 59

3.6 Linh kiện phần cứng 60

3.6.1 Camera 60

3.6.2 PLC S7-1200 60

3.6.3 Nguồn tổ ong 24V 61

3.6.4 Relay trung gian 62

3.6.5 Nút nhấn 63

3.6.6 Băng tải 64

CHƯƠNG 4 66

THI CÔNG HỆ THỐNG 66

4.1 Nguyên lí hoạt động 66

4.2 Thi công phần tủ điện: 67

4.3 Lưu đồ giải thuật 68

4.4 Mô hình thực nghiệm 72

4.5 Kết quả 71

CHƯƠNG 5 73

KẾT LUẬN VÀ HƯỚNG PHÁT TRIỂN 73

5.1 Kết luận 73

5.1.1 Ưu điểm 73

5.1.2 Nhược điểm 73

TÀI LIỆU THAM KHẢO 75

PHỤ LỤC 76

DANH SÁCH CÁC HÌNH

Hình 1 1: Xử lý ảnh 2

Hình 1 2: Hình ảnh hệ thống phân loại ở nhà máy Bình Dương 5

Hình 1 3: Hình ảnh hệ thống phân loại cam 6

Hình 1 4: Hình ảnh dây chuyền phân loại sản phẩm theo màu sắc 7

Hình 1 5: Hình ảnh phân loại trứng và cà chua theo kích thước 8

Hình 1 6: Hình ảnh phân loại hàng bằng loại mã vạch QR 9

Hình 2 1: Phân loại sản phẩm theo Barcode 12

Hình 2 2: Phân loại táo theo kích thước và màu sắc dùng xử lý ảnh 13

Hình 2 3: Công nghệ xử lý ảnh 13

Hình 2 4: Mô tả điểm ảnh 15

Hình 2 5: So sánh độ phân giải 15

Hình 2 6: Dải mức xám 16

Hình 2 7: Nhận dạng các vật thể trong ảnh 17

Hình 2 8: Logo Open CV 19

Hình 2 9: Logo Python 22

Hình 2 10: Hình ảnh cảm biến tiệm cận 24

Hình 2 11: Hình ảnh cảm biến siêu âm 25

Hình 2 12: Cảm biến quang thu phát chung 26

Hình 2 13: Kết quả match điểm ảnh sau khi dùng thuật toán Feature Matching (Brute Force Matcher) 27

Hình 2 14: Kết quả sau khi dùng thuật toán Hough Circle Transform 28

Hình 2 15: Mã vạch hàng hóa 29

Hình 2 16: Đầu ra của chương trình 29

Hình 2 17: Mạng truyền thông công nghiệp 30

Hình 2 18: Giao tiếp truyền thông Modbus 31

Hình 2 19: Giao thức truyền thông Profibus 32

Hình 2 20: Thư viện PyModbusTCP 33

Hình 2 21: Hình ảnh relay module cách ly 5v 33

Hình 2 22: Cáp RS232 34

Hình 2 23: RS485 34

Hình 2 24: Cáp Ethernet 35

Hình 2 25: Sơ đồ chân Raspberry Pi 3 37

Hình 2 26: Phần cứng Raspberry Pi 3 37

Hình 2 27: Hệ điều hành cho Raspberry Pi 3 39

Hình 2 28: Thông số kỹ thuật 40

Hình 2 29: Các ứng dụng của Raspberry Pi 3 42

Hình 2 30: PLC Siemens S7-1200 44

Hình 2 31: Module mở rộng 45

Hình 2 32: Cấu hình giao tiếp S7-1200 46

Hình 2 33: Module mở rộng 46

Hình 2 34: Xilanh điện 48

Hình 2 35: Xilanh khí nén 49

Hình 2 36: Xilanh thủy lực 50

Hình 2 37: Step motor 51

Hình 2 38: Cơ khí của động cơ 53

Hình 2 39: Hình ảnh động cơ giảm tốc 53

Hình 3 1: Sơ đồ khối 55

Hình 3 2: Thiết bị phần cứng 56

Hình 3 3: Sơ đồ nguyên lý 57

Hình 3 4: Sơ đồ kết nối nguồn 58

Hình 3 5: Sơ đồ kết nối van điện tử khí nén và xi lanh 59

Hình 3 7: Camera quét mã vạch QR 60

Bảng 3 1: Thông số kỹ thuật Camera 60

Hình 3 8: PLC S7-1200 CPU 1212C 61

Bảng 3 2: Thông số kỹ thuật PLC 61

Hình 3 9: Nguồn tổ ông 24V 62

Bảng 3 3: Thông số kỹ thuật nguồn tổ ông 62

Hình 3 10: Relay kiếng 8 chân 62

Bảng 3 4: Thông số kỹ thuật Relay kiếng 63

Hình 3 11: Nút nhấn nhã 63

Hình 3 12: Hình ảnh băng tải 3D 64

Hình 4 1: Nguyên lý hoạt động 66

Hình 4 2: Hình ảnh bản vã CAD tủ điện 67

Hình 4 3: Ảnh chụp từ bên trong tủ điện 67

Hình 4 4: Ảnh chụp mặt trước tủ điện 68

Hình 4 5: Ảnh chụp tủ điện từ bên trên mô hình 68

Hình 4.6: Sơ đồ thuật toán 69

Hình 4 7: Hệ thống cánh tay robot 70

Hình 4 8: Các hệ thống có sẳn trong Factory IO 71

Hình 4 9: Mô phỏng mô hình trên Factory IO 71

Hình 5 1: Nhận diện mã vạch barcode 72

DANH SÁCH CÁC BẢNG

Bảng 3 1: Thông số kỹ thuật Camera 60

Bảng 3 2: Thông số kỹ thuật PLC 61

Bảng 3 3: Thông số kỹ thuật nguồn tổ ông 62

Bảng 3 4: Thông số kỹ thuật Relay kiếng 63

DANH MỤC TỪ VIẾT TẮT

OpenCV: Open-Source Computer Vission

I/O: Input/Output

Profibus: Process Field Bus

Tia Portal: Totally Integrated Automation Portal

QR: Quick response

PLC: Programmable Logic Controller

LỜI MỞ ĐẦU



Trong những năm gần đây, với sự phát triển không ngừng của công nghệ thông tin, việc mua sắm trực tuyến các sản phẩm dần trở thành một xu hướng mới Tạo ra sự thay đổi lớn trong cách thức sản xuất và hậu cần, sự kết hợp giữa ứng dụng vật lý và ứng dụng kỹ thuật số để tạo ra Internet vạn vật (Internet of Things - IoT) sẽ thay đổi nhanh chóng và sâu sắc toàn bộ chuỗi logistics Trong lĩnh vực hậu cần, các giải pháp mới trong chuỗi phân loại sản phẩm giúp tối ưu hóa chi phí kinh doanh bằng cách giảm thời gian giao hàng, chi phí vận tải và chi phí kinh doanh

Cách mạng công nghiệp 4.0 đã tác động mạnh mẽ đến ngành “Logistics” Phương thức sản xuất đã thay đổi đáng kể, và giải pháp là thay thế việc thực hiện thủ công ở khâu phân loại sản phẩm, từ thực hiện thủ công sang sử dụng hệ thống

tự động để phân chia sản phẩm theo đặc tính do người dùng chỉ định Việc phân loại thường được thực hiện theo nguồn thông tin mã vạch đi kèm với sản phẩm, khi lấy dữ liệu từ máy chủ sẽ đưa ra thông tin của cửa tương ứng với địa chỉ đã xác định trước Do đó, nó sẽ giúp hệ thống hậu cần và chuỗi cung ứng của các công ty lớn như Shoppe, Sendo, Lazada, Tiki…minh bạch hơn

Tuy nhiên, các hệ thống phân loại sản phẩm vẫn chưa trở nên phổ biến do chi phí của các hệ thống này tương đối cao Với mong muốn đóng góp vào sự phát triển chung của hệ thống phân loại sản phẩm mã vạch, chúng em không ngừng cố gắng tìm tòi, học hỏi và trau dồi kiến thức, cùng nhau thiết kế và chế tạo ra mẫu

mã của hệ thống Hệ thống phân loại sản phẩm, chúng tôi hy vọng hệ thống phân loại sản phẩm mã vạch này sẽ khả dụng cho mục đích thương mại trong tương lai gần Đồng thời, nó hứa hẹn sẽ phát triển thêm nhiều chủ đề để giúp đưa các hệ thống phân loại chất lượng, giá cả cạnh tranh đến gần hơn

Hình 1 1: Công nghệ xử lý ảnh

Nhờ các hệ thống xử lý ảnh, con người đã giảm được một khối lượng lớn công việc lẫn tiết kiệm thời gian cũng như tăng sự chính xác trong việc đưa ra các quyết định liên quan đến hình ảnh trên nhiều lĩnh vực trong y học để phát hiện khối

u, giải phẫu, cải thiện ảnh X quang, nhận dạng đường biên mạch máu; trong cuộc sống hàng ngày xử lý ảnh được dùng để cải thiện hình ảnh màn hình TV, laptop; điện thoại; trong công nghiệp đóng gói xử lý ảnh có nhiệm vụ kiểm tra xem các

sản phẩm đã được dán nhãn hay chưa hay bao bì có đúng với sản phẩm được đóng gói hay không; trong công nghiệp dược phẩm, áp dụng xử lý ảnh đê kiểm tra số lượng thuốc có trong vỉ thuốc hay trong lĩnh vực điện-điện tử xử lý ảnh được dùng

để phát hiện khuyết tật các mối hàn trên bo mạch Ngoài ra, xử lý ảnh còn được áp dụng để nhận dạng khuôn mặt, vân tay, mộng mắt, chữ viết trong bảo mật, nhận dạng vật thể, phân loại chất lượng sản phẩm trong nghành Robotics

Trong sản xuất công nghiệp cũng như nông nghiệp, việc kiểm tra ngoại quan đối với sản phẩm là vô cùng cần thiết Công việc này giúp cho sản phẩm trước khi tung ra thị trường có chất lượng đồng đều, loại bỏ các sản phẩm không phù hợp trong quá trình sản xuất và phân loại chúng theo từng nhóm chất lượng khác nhau

Ví dụ: phân loại gạch men thành loại 1, loại 2, loại 3; phân loại rau củ quả thành loại chín, loại chín vừa, loại xanh, hay trong nghành thương mai dịch vụ phân loại các phương tiện giao thông khác nhau cho việc thu phí cầu đường, thu phí ở các bãi giữ xe

Tầm quan trọng của kiểm tra ngoại quan là không thể phủ nhận và hiện nay chủ yếu do con người đảm nhiệm Tuy nhiên, để đạt đucợ năng xuất cao và tránh các sai sót chủ quan (do mệt mỏi, do phân loại tín chất tương đối), việc tự động hóa khâu kiểm tra ngoại quan thay thế cho con người thực hiện là công việc vô cùng cần thiết

Xuất phát từ nhu cầu thực tiễn đó, nhóm thực hiện đã tiến hành nghiên cứu ứng dụng công nghệ xử lý ảnh phân loại bằng nhiều yếu tố để phân loại sản phẩm thay thế cho khâu kiểm tra ngoại quan do con người thực hiện Quá trình phân loại sản phẩm sẽ được thưc hiện dựa trên việc thu thập thông tin về các yếu tố của sản phẩm bao gồm: barcode, logo và số lượng sản phẩm thông qua hệ thống camera Nếu vật thể có những yếu tố khác quy định thì sẽ được loại bỏ khỏi băng chuyển đưa vào những lane đã được định sẵn

1.2 Lý do chọn đề tài

Trong nền kinh tế thị trường và hội nhập ngày càng sâu rộng vào nền kinh

tế thế giới, vấn đề cạnh tranh ngày càng khốc liệt hơn trong nhiều lĩnh vực như chất lượng mẫu mã và quá giá thành sản phẩm Có thể thấy rằng áp dụng tự động hóa vào quá trình sản xuất mới có cơ hội phát triển nâng cao sản xuất, tạo tiền đề cho việc giảm giá thành sản phẩm, cũng như thay đổi mẫu mã một cách nhanh chóng

Đặc tính dây chuyền phân loại sản phẩm (sorting line) là dây chuyền tự động phục vụ công đoạn cho dây chuyền phân loại – đóng gói, chế biến, xuất nhập kho hàng hóa, bưu kiện Nơi mà các sản phẩm được phân loại theo một hoặc một số tiêu chí như mã vạch, QR, barcode, kích thước, chiều cao, trọng lượng, màu sắc…nhờ công nghệ vision tiên tiến với camera kiểm tra sản phẩm Các sản phẩm được phân loại giúp đảm bảo các tiêu chí thành phẩm, đảm bảo độ đồng đều về hình dáng, trọng lượng trước khi đóng gói hoặc các tiêu chí phân loại có thể được chuyển sàn đóng gói tự động hoặc lưu/xuất kho

Ưu điểm của dây chuyền phân loại sản phẩm tự động là: Nếu như phương pháp phân loại sản phẩm truyền thống yêu cầu không gian làm việc rộng hơn cho

số lượng người tham gia phân loại lớn, thời gian phân loại lâu và việc rộng hơn cho

số lượng người tham gia phân loại lớn, thời gian phân loại lâu và dễ sai sót thì nay với dây chuyền phân loại sản phẩm tự động nhờ camera kiểm tra sản phẩm, số lượng nhân công đã giảm xuống đáng kể (tới 80%) khi năng xuất tăng lên từ 3-5 lần cùng với tỉ lệ nhầm lẫn, sai sót được kiểm soát

Hệ thống phân loại tự động đã và đang là hình thức mà các đơn vị sản xuất, dịch vụ thương mại điện tử, giao nhận hướng tới trong thời đại công nghệ số hiện nay Dây chuyền phân loại, phân loại sản phẩm với máy phân loại, cảm biến nhận diện sản phẩm, camera check ngoại quan sản phẩm, cân điện tử, hệ thống đo, cơ cấu chọn, vận chuyển (băng tải, băng chuyền, bẫy, tay gạt, cơ cấu chia, băng tải

góc, bộ gạt…) hệ thống băng tải xương cá, hub và hệ thóng điều khiển trung tâm kết nối dữ liệu từ xa Dây chuyền phân loại lựa chọn được ứng dụng trong nhiều nghành công nghiệp: chế biến nông sản, rau củ quả, các nhà máy sản xuất linh kiện điện tử, cơ khí, kho trung chuyển chuyển phát nhanh logistic, bưu chính và thương mại điện tử trong phân loại kiện hàng, bưu phẩm Hình bên dưới là ứng dụng phân loại sản phẩm tại nhà máy Bình Dương

Sản phẩm ngày càng nhiều và đa dạng mẫu mã nên chúng ta phải áp dụng công nghệ xử lý ảnh vào việc phân loại sản phẩm chứ không thể nào bằng mắt thường sẽ không đúng tiến độ làm việc và giảm đi năng lực sản xuất của nhà máy

Vì vậy chúng em sẽ chọn đề tài này để nghiên cứu

1.3 Tình hình nghiên cứu

Trong nghành logistic, thương mại điện tử, các gói hàng được đóng trong các hộp với trọng lượng, màu sắc, kích thước khác nhau dễ dàng được phân loại nhờ hệ thống phân loại lựa với camera và thuật toán phân loại thông minh Hàng hóa được phân loại trên băng tải chính theo các băng tải xương cá di chuyển tới các vị trí tập kết

Phân loại sản phẩm tự động giúp giảm thiểu sức người và thời gian cho khau phân loại vốn nhàm chán nhưng vẫn đảm bảo độ chính xác ở tốc độ cao với

Hình 1 2: Hệ thống phân loại ở nhà máy Bình Dương

năng xuất vượt trội

Với các nghành chế biến, sản xuất bánh kéo, thực phẩm, sản phẩm sau khi chế biến chạy trên băng tải hoàn toàn có thể được hệ thống chọn/bỏ theo các tiêu chí về hình dáng, màu sắc, giúp quá trình đóng gói diễn ra liền mạch và chất lượng sản phẩm được kiểm soát đồng đều hơn

Hệ thống nhận diện và phân loại ngày càng thông minh hơn và với việc áp dụng AI vào công việc phân loại, lựa sản phẩm theo các kịch bản mong muốn từ trước

Ở các nhà máy, xưởng hiện nay có một số dây chuyền phổ biến như:

Dây chuyền phân loại sản phẩ theo khối lượng: Là hệ thống phân cỡ sản phẩm ứng dụng đa dạng các loại/kiểu sản phẩm theo nguyên tắc kiểm tra khối lượng online, sau đó phân ra từng cỡ trọng lượng theo yêu cầu

Ứng dụng phân loại sản phẩm theo khối lượng cho ngành thực phẩm, thủy hải sản, nông sản Hình bên dưới là ứng dụng vào phân loại trái cây

Hình 1 3: Hệ thống phân loại cam

Dây chuyền phân loại sản phẩm theo màu sắc: là dùng máy phân loại sản phẩm theo màu sắc có thể phân loại các sản phẩm như ớt, cà chua, cà phê, nhựa màu, gạo, chè búp, các loại hạt… nhờ camera kiểm tra sản phẩm, công nghệ vision

xử lý ảnh tự động Ứng dụng phân loại sản phẩm theo màu sắc trong các ngành nông nghiệp, thực phẩm, dầu, hóa chất, công nghiệp dược phẩm, linh kiện điện tử, thiết bị y tế Hình bên dưới ứng dụng vào phân loại hạt

Hình 1 4: Dây chuyền phân loại sản phẩm theo màu sắc

Dây chuyền phân loại sản phẩm theo kích thước: là hệ thống phân loại tự động cho sản phẩm hàng hóa, trái cây và rau quả trên cơ sở kích thước bao gồm bộ phận cấp, phân loại, thả và thu hồi sản phẩm Máy phân loại sản phẩm theo kích thước điều khiển tự động, độ chính xác cao, hoạt động ổn định, phù hợp cho nhiều loại sản phẩm khác nhau Ứng dụng phân loại sản phẩm theo khối lượng cho

nghành thực phẩm, nông sản, trái cây Hình bên dưới là ứng dụng phân loại theo kích thước

Hình 1 5: Phân loại trứng và cà chua theo kích thước

Dây chuyền phân loại theo mã vạch: Là hệ thống dây chuyền sorting được

sử dụng để phân loại các kiện hàng, bưu phẩm, sản phẩm thành phẩm đã được đóng thùng carton, đóng túi và dán mã vạch barcode, mã QR Với các thông tin lưu trữ trên mã vạch dán trên sản phẩm, hệ thống có thể dễ dàng sàng lọc và lựa chọn, gom sản phẩm vào các vị trí tập kết (hub) theo yêu cầu đặt ra như:

Với sản phẩm điện tử, công nghệ: phân theo cùng lô sản xuất, ngày sản xuất, mode…

Với các bưu phẩm, đơn hàng chuyển phát nhanh: phân loại theo ngày lên đơn, cách thức đóng gói, địa điểm giao hàng, hàng chuyển nhanh-tiêu chuẩn…

Với các sản phẩm nông sản đóng gói: phân loại theo hạn sử dụng, số lô chế biến, cấp sản phẩm…

Vì dây chuyền phân loại sản phẩm theo mã vạch được sử dụng rất phổ biến hiện nay nên chúng em quyết định chọn hệ thống này làm để tài cho đồ án

Hình 1 6: Phân loại hàng bằng loại mã vạch QR

Thiết kế, lập trình và vận hành được đề tài “Hệ thống phân loại sản phẩm bằng mã vạch bar code” dựa trên các thuật toán phát hiện vật thể, phát hiện đường thẳng trong hình vuông và nhận diện barcode, logo cũng như số lượng sản phẩm bằng việc sử dụng thư viện nguồn mở OpenCV

Sử dụng thành thạo PLC và những chức năng mở rộng của nó để áp dụng vào hệ thống Xác định được chính xác số lượng sản phẩm, logo, đọc mã barcode

đã được định sẵn Từ đó có thể phân loại chính xác sản phẩm sai logo, sai số lượng hoặc sản phẩm đúng vào các lane theo quy định ban đầu

Phân tích và xử lý được các tình huống có thể xảy ra trong quá trình hệ thống hoạt động Mô hình lắp ráp thực tế được điều khiển và theo dõi trực tiếp trên phần mềm máy tính, từ đó đưa ra được những ứng dụng thực tế của xử lý ảnh trong khoa học và đời sống.s

1.4 Mục đích nghiên cứu

Mục đích đạt được là hệ thống phân loại tách riêng biệt các loại hàng hóa khác nhau thành từng loại giống nhau mà đã đề ra sẵn dựa vào logo, mã vạch QR trên mỗi hàng hóa

Độ chính xác cũng như tốc độ của dây chuyền đạt mức tối ưu

Cố gắng giảm khả năng lỗi xuống mức thấp nhất

Tạo mạch bảo vệ, nút nhấn khẩn cấp, CB bảo vệ khi có hiện tượng quá tải hàng hóa, ngắn mạch

Hệ thống dây phân loại sản phẩm hoạt động liên tục trong thời gian dài Một ý tưởng nghiên cứu là thay vì kết nối PLC với Rasberry pi 3 theo phương thức cũ truyền thông RS232 rất tốn thời gian và chi phí cao thì nhóm

đã dùng mạch tăng áp 5V của Rasberry pi 3 ở chân GPIO kích thành 12V

để kết nối với cổng Input của PLC S7 1200

1.5 Nhiệm vụ nghiên cứu

 Tìm hiểu tổng quan hệ thống phân loại sản phẩm sử dụng mã vạch bar code

 Thiết kế và thi công cơ khí

 Thiết kế hệ thống phân loại sản phẩn sử dụng mã vạch bar code

 Sơ đồ đấu nối PLC

 Thiết kế hệ thống điều khiển

 Hiển thị lên màn hình HMI

 Lựa chọn thiết bị PLC, cảm biến camera, xilanh khí nén

 Xây dựng lưu đồ giải thuật toán

 Thực nghiệm và đánh giá kết quả

 Viết báo cáo trình bày luận văn

1.6 Các kết quả đạt được của đề tài

 Hệ thống nhận dạng và phân loại được sản phẩm theo logo, barcode, số lượng bằng ngôn ngữ Python dựa vào thư viện OpenCv

 Giao tiếp được giữa máy tính với Camera

 Truyền thông được tín hiệu từ camera đến PLC qua phương thức kích điện

áp chân GPIO từ 5V lên 12V

 Giao tiếp được PLC với băng tải, cảm biến quang, Servo, Relay, Van và Xilanh khí nén

 Mô hình hoạt động xử lí đồng thời 3 chức năng: Đọc barcode, đếm số lượng, nhận diện logo

1.7 Kết cấu của đề tài gồm 6 chương

 Chương 1: Giới thiệu: Trình bày tổng quan sơ bộ về mô hình, các thiết bị

sẽ được dụng

 Chương 2: Cơ sở lý thuyết: Trình bày các phương pháp giải quyết có thể

dùng để thực hiện việc thiết kế và thi công hệ thống

 Chương 3: Tính toán thiết kế: Xuất phát từ yêu cầu thiết kế và yêu cầu

của đề tài, trình bày các tính toán thiết kế và lựa chọn thiết bị phần cứng hệ thống

 Chương 4: Thi công hệ thống: Tiến hành thi công, lắp ráp mô hinhg đã

thiết kế; trình bày lưu đồ thuật toán và lập trình điều khiển; vận hành hệ thống

 Chương 5: Kết quả, nhận xét và đánh giá: Trình bày kết quả của quá trình

thực hiện đề tài, nghiên cứu được những gì, minh chứng và giải thích

 Chương 6: Kết luận và hướng phát triển: Kết luận chung về ưu điểm, nhược

điểm, khó khăn gặp phải trong suốt quá trình thực hiện đề tài; khẳng định những kết quả đạt được, đề xuất ý kiến cải thiện khuyết điểm và đinh hướng phát triển trong tương lai

CHƯƠNG 2

CƠ SỞ LÝ THUYẾT

2.1 Tổng quan về phân loại sản phẩm

Hiện nay với sự phát triển vượt bậc của khoa học công nghệ đặc biệt là lĩnh vực tự động hóa Điều cốt yếu là phải phát triển các nhà máy sản xuất với năng suất

và tốc độ cao Để đáp ứng nhu cầu này, các hệ thống phân loại sản phẩm tốc độ cao

ra đời và dần thay thế con người Một số hệ thống phân loại sản phẩm đang được

sử dụng hiện nay là: phân loại sản phẩm dựa trên màu sắc, phân loại sản phẩm dựa trên chiều cao, phân loại sản phẩm dựa trên máy quét mã vạch, phân loại sản phẩm dựa trên xử lý ảnh…

2.1.1 Các phương pháp phân loại sản phẩm

Với việc xử dụng các cảm biến màu sắc, cảm biến quang, máy quét mã vạch barcode vào hệ thống phân loại sản phẩm thì sẽ có những ưu điểm nổi trội như: Tốc độ xử lí nhanh, lập trình đơn giản, vận hành dễ dàng… Ngoài những ưu điểm trên thì những phương pháp này tồn tại một số khuyết điểm: có thể tốn thêm nhân công để quét mã vạch, màu sắc hoặc chiều cao, chứ không nhận diện được đồng thời những yếu tố trên Hình bên dưới là phân loại dựa vào Barcode

Hình 2 1: Phân loại sản phẩm theo Barcode

2.1.2 Phương pháp phân loại sản phẩm dùng xử lí ảnh

Việc phát triển vượt bậc của xử lí ảnh đã mở ra một bước tiến mới trong việc phân loại sản phẩm Sử dụng xử lí ảnh sẽ khắc phục được những khuyết điểm của hệ thống phân loại sản phẩm trước đây, có tính đồng bộ cao, có thể lập trình thay đổi sản phẩm phân loại Tiết kiệm được chi phí đầu tư vì có thể tích hợp được

cả barcode, logo, màu sắc, số lượng, chiều cao… vào trong một chương trình xử lí

2.2 Tổng quan về xử lí ảnh

Hình 2 3: Công nghệ xử lý ảnh Hình 2 2: Phân loại táo theo kích thước dùng 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 nghành 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 nó

Xử lý ảnh kỹ thuật áp dụng trong đó 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 quân sự: xử lý và nhận dạng ảnh quân sự

Trong lĩnh vực giao tiếp người máy: nhận dạng ảnh, xử lý âm thanh, đồ họa Trong lĩnh vực an toàn, bảo mật: nhận diện khuôn mặt người, nhận diện vân tay, mẫu mắt, …

Trong lĩnh vực giải trí: trò chơi điện tử

Trong lĩnh vực y tế: Xử lý ảnh y sinh, chụp X quang, MRI

2.2.1 Xử lí ảnh số

Ảnh số là tập hợp hữu hạn các điểm ảnh với mức xám phù hợp dùng để mô

ta ảnh gần với ảnh thật Xử lý ảnh số là một dạng xử lý tín hiệu mà trong đó đầu vào là một ảnh và đầu ra của quá trình xử lý có thể là một ảnh khác hoặc là một tập hợp chứa các tính chất hoặc tham số liên quan đến hình ảnh được cung cấp từ đầu vào

Phần lớn các kỹ thuật xử lý ảnh thường quy về một dạng tín hiệu hai chiều

và sử dụng các kỹ thuật xử lý tín hiệu để phân tích nó

2.2.2 Điểm ảnh

Điểm ảnh là một phần tử của ảnh số tại tọa độ (x, y) với độ xám hoặc màu nhất định Kích thước và khoảng cách giữa các điểm ảnh được chọn thích hợp sao cho mắt người cảm nhận được liên tục về không gian và mức xám (hoặc màu) của

ảnh số gần như ảnh thật Mỗi phần tử trong ma trận được gọi là một phần tử ảnh

Hình 2 4: Mô tả điểm ảnh

2.2.3 Độ phân giải ảnh

Độ phân giải ảnh là một độ điểm ảnh ấn định trên một ảnh số được hiển thị Khoảng cách giữa các điểm ảnh phải được chọn sao cho mắt người vẫn thấy được

sự liên tục của ảnh Việc lựa chọn khoảng cách thích hợp tạo nên một mật độ phân

bố đó chính là độ phân giải ảnh và được phân bố theo trục Ox (trục ngang) và Oy (trục dọc) trong không gian hai chiều Ảnh có độ phân giải càng cao thì các biến đổi trong ảnh sẽ màng mịn và càng rõ nét Hình bên dưới thể hiện 2 độ phân giải khác nhau

2.2.4 Mức xám

Mức xám là kết quả của sự biến đổi tương ứng một giá trị độ sáng của một

Hình 2 5: So sánh độ phân giải

điểm ảnh với một giá trị nguyên dương Thông thường, nó được xác định trong khoảng [0, 225] tùy thuộc vào giá trị mà mỗi điểm ảnh được biểu diễn Các giá trị mức xám thông thường là 16, 32, 64, 256 (mức phổ dụng vì kỹ thuật máy tính dừng

1 byte = 8 bits để biểu diễn mức xám, mức xám dùng 1-byte để biểu diễn 28 = 256 giá trị tức từ 0 đến 255)

Hình 2.6: Dải mức xám

2.2.5 Biển diễn ảnh

Trong biểu diễn ảnh, người ta thường dùng các phần tử đặc trung của ảnh là điểm ảnh (pixel) Do đó, ta có thể biểu diễn một ảnh bởi một hàm hai biến chứa các thông tin Các mô hình biểu diễn ảnh cho ta một mô tả logic hay định lượng các tính chất của hàm này Chất lượng ảnh hoặc tính hiệu quả của các kỹ thuật xử

lý phụ thuộc vào nhiểu yếu tố độ phân giải ảnh, nhiễu, …

2.2.6 Phân tích ảnh

Trong quá trình xử lý ảnh, việc trích chọn đặc điểm đối tượng trong ảnh là một bước rất quan trọng Đặc điểm của đối tượng sẽ được trích chọn theo mục đích nhận dạng trong quá trình xử lý giúp cho việc nhận dạng trở nên chính xác, thời gian tính toán nhanh và giảm thiểu dung lượng lưu trữ Một số đặc điểm có thể kể đến như:

Đặc điểm không gian: phân bố mức xám, phân bố xác suất, biên độ ảnh, điểm uốn, …

Đặc điểm biến đổi: các đặc điểm của loại này được trích chọn bằng việc thực hiện lọc vùng Các bộ lọc vùng được gọi là “mặt nạ đặc điểm” thường

là các khe hẹp với nhiều hình dạng khác nhau (hình chữ nhật, hình vuông,

hình tròn, hình elip)

Đặc điểm biên và đường biên: hữu ích trong việc phân tích các thuộc tính bất biến được dùng để nhận dạng đối tượng (góc, cạnh) Để thu được ảnh biên ta có thể sử dụng toán tử Gradient, toán tử Laplace, giải thuật Canny

2.2.7 Nhận dạng và phân loại ảnh

Nhận dạng ảnh là quá trình xác định phân loại các đối tượng được biểu diễn theo một mô hình nào đó, thường thu được bằng cách so sánh với mẫu chuẩn đã được lưu từ trước Sự nhân dạng thường dựa trên nhiều tính chất của vật và với mỗi tính chất đều có các kỹ thuật nhận dạng khác nhau Ví dụ, hình dạng của một vật được đặc trưng bởi đường biên của nó, máu sắc cũng là một đặc điểm nhận dạng

quan trọng

Theo lý thuyết về nhận dạng, các mô hình toán học vè ảnh được phân theo hai loại nhận dạng ảnh cơ bản đó là phân loại có mẫu (so sánh với mẫu đã được

xác định ban đầu) và phân loại không có mẫu (các mẫu được gán vào các lớp khác

nhau dựa trên một tiêu chuẩn đồng hạng nào đó, các lớp này cho đến thời điểm phân loại vẫn chưa biết hay chưa được định danh)

Hình 2 7: Nhận dạng các vật thể trong ảnh

Trong thực tế, không thể chhir dùng một cách tiếp cận đơn lẻ để phân loại tối ưu, vì vậy các phương thức phân loại tổ hợp thường được sử dụng khi nhận dạng nhằm đem lại những kết quả tốt nhất Một số đối tượng nhận dạng phổ biến hiện nay đang được áp dụng trong khoa học và công nghệ có thể kể đến là nhận dạng kí tự (chữ in, chữ viết tay, chữ ký điện tử), nhận dạng văn bản, nhận dạng vân tay, nhận dạng khuôn mặt, …

2.2.8 Giới thiệu ngôn ngữ Python và thư viện OpenCV

2.2.8.1 Thư viện OpenCV

a Giới thiệu

OpenCV là thư viện mã nguồn mở hàng đầu trong lĩnh vực thị giác máy tính, xử lý ảnh và máy học Nó được phát hành năm 1999 theo giáy phép BSD (một nhóm các giấy phép phần mềm miễn phí cho phép), do đó hoàn toàn miễn phí cho

cả học thuật và thương mại Hổ trợ các ngôn ngữ lập trình C++, C, Python, Java và các hệ điều hành Windows, Linux, MacOS, iOS và Android OpenCV được viết trên ngôn ngữ C/C ++ vì vậy nó có tốc độ tính toán rất nhanh, tập trung nhiều vào các ứng dụng thời gian thực

Ứng dụng phổ biến trong nhận dạng và xử lý hình ảnh, kiểm tra và giám sát

tự động Robot và xe tự hành, phân tích hình ảnh y tế, thực tế ảo

Một số tính năng nổi bật có trong thư viện OpenCV bảo gồm:

Bộ công cụ hổ trợ xử lý ảnh 2D và 3D; nhân diện khuôn mặt; nhận diện đối tượng; nhân diện cử chỉ; nhận dạng chuyển động, hành vi của đối tượng; tương tác giữa người và máy tính; điều khiển Robot; hỗ trợ công nghệ thực tế ảo

Hình 2 8: Logo Open CV

b Đặt điểm

OpenCV Là một thư viện mở nên sử dụng các thuật toán một cách miễn phí, cùng với việc chúng ta cũng có thể đóng góp thêm các thuật toán giúp Thư viện

thêm ngày càng phát triển Các tính năng của thư viện OpenCV:

Các hoạt động xử lý hình ảnh: khi viết thuật toán về thị giác máy tính (Computer Vision), sử dụng nhiều thao tác xử lý hình ảnh cơ bản như lọc hình ảnh, biến đổi hình học, chuyển đổi màu sắc, phân tích hình dạng và một số tính năng

khác

Xây dựng GUI (giao diện người dùng): OpenCV cung cấp mô-đun được gọi

là highgui xử lý tất cả các hoạt động GUI Khi bạn muốn kiểm tra hình ảnh trước khi bắt đầu bước tiếp theo, mô-đum highgui có thể tạo một cửa sổ hiển thị ảnh hoặc một video, giúp bạn căn chỉnh phù hợp hơn trước

Phân tích Video: bao gồm các tác vụ như phân tích chuyển động giữa các khung hình liên tiếp trong video, theo dõi các đối tượng khác nhau trong video, tạo

mô hình giám sát video…OpenCV cung cấp chức năng xử lý tất cả các tác vụ này Ngoài ra, OpenCV còn giúp xử lý sự ổn định của video, đây là một phần rất quan trọng Tất cả thiết bị hiện đại đều được áp dụng các kỹ thuật xử lý video trước khi công chiếu cho người dùng

Tái tạo 3D: Đây là một phần rất quan trọng trong thị giác máy tính Với một tập hợp các hình ảnh 2D có thể tái tạo lại cảnh 3D bằng cách sử dụng các thuật toán

có liên quan OpenCV cung cấp các thuật toán có thể tìm kiếm mối quan hệ giữa các đối tượng khác nhau trong các hình ảnh 2D để tính toán cho vị trí 3D

Khai thác tính năng: Cơ quan thị giác của con người có xu hướng trích xuất các đặc điểm nổi bật từ một cảnh nhất định và có thể được truy xuất sau đó Để thực hiện điều này, mọi người bắt đầu thiết kế các trình trích xuất với tính năng khác nhau, có thể trích xuất những điểm nổi bật này từ một hình ảnh nhất định

Phát hiện đối tượng: Phát hiện đối tượng đề cập đến việc phát hiện vị trí của một đối tượng trong một hình ảnh nhất định Quá trình này không liên quan đến loại đối tượng Phát hiện vị trí của các đối tượng là một bước rất quan trọng trong nhiều hệ thống thị giác máy tính

Học máy: OpenCV cung cấp một loại mô-đun chứa nhiều thuật toán học máy, bao gồm một số thuật toán như Bayes Classifier, K-Nearest Neighbors, Support Vector Machines, Decision Trees, Neural Networks…Các thuật toán học máy được sử dụng rộng rãi để xây dựng các hệ thống nhận dạng đối tượng, phân loại hình ảnh, nhận diện khuôn mặt, tìm kiếm trực quan được tốt hơn

Phân tích hình dạng: Hình dạng là khái niệm rất quan trọng trong thị giác máy tính OpenCV phân tích dữ liệu trực quan bằng cách nhận ra nhiều hình dạng khác nhau trong hình ảnh, đây cũng là bước quan trọng trong nhiều thuật toán Mô-đun của OpenCV sẽ cung cấp các thuật toán cần thiết để trích xuất các hình dạng khác nhau, đo điểm tương đồng giữa hình dạng và sự biến đổi hình dạng của các đối tượng

Nhận dạng khuôn mặt và đối tượng: Nhận dạng khuôn mặt là việc xác định một người trong một hình ảnh nhất định Để xây dựng một hệ thống sinh trắc học thực tế có thể nhận ra người trước máy ảnh, cần dò tìm đặc điểm để xác định vị trí

của khuôn mặt Sau đó, thực hiện các phần mềm nhận dạng khuôn mặt để tìm ra đối tượng chính xác nhất qua các đặc điểm đã thu thập

Phát hiện và nhận dạng văn bản: Nhận dạng văn bản là việc nhận ra nội dung trong một số ngữ cảnh nhất định, chẳng hạn như nhận dạng bảng tên, nhận dạng biển báo chỉ đường, quét các dữ liệu để số hóa…Đây cũng là một loại mô-đun của OpenCV chứa các thuật toán khác nhau để xử lý các phát hiện hoặc nhận dạng văn bản được đã được thiết lập

Nhiếp ảnh điện toán: Nhiếp ảnh điện toán là việc sử dụng các kỹ thuật xử lý hình ảnh tiên tiến để cải thiện chất lượng hình ảnh được chụp từ máy ảnh Thay vì tập trung vào các quy trình quang học và phương pháp chụp ảnh, nhiếp ảnh điện toán sử dụng phần mềm để thao tác các dữ liệu hình ảnh một cách trực quan Các hàm chức năng chính trong OpenCV trên ngôn ngữ Python:

 cv2.VideoCapture: hàm đọc tín hiệu Camera

 cv2.imread: hàm đọc ảnh đầu vào

 cv2.imshow: hàm hiển thị ảnh

 cv2.imwrite: hàm ghi ảnh

 cv2.circle: hàm vẽ đường tròn

 cv2.putText: hàm thêm văn bản vào ảnh

 cv2.cvtColor: hàm chuyển đổi giữa các hệ màu

2.2.8.2 Ngôn ngữ Python

a Giới thiệu ngôn ngữ Python

Python là một ngôn ngữ lập trình được sử dụng phổ biến ngày nay từ trong môi trường học đường cho tới các dự án lớn phát triển nhiều loại ứng dụng, các phần mềm khác nhau như chương trình chạy trên máy tính để bàn, máy chủ, thiết

lập web ứng dụng Ngoài ra Python còn là ngôn ngữ ưa thích trong xây dựng nhân trí chương trình create in that compadgethọc tập Ban đầu, Python được phát triển để chạy trên nền Unix, nhưng sau này, nó đã chạy trên mọi hệ điều hành từ MS-DOS đến Mac OS, OS / 2, Windows, Linux và các hệ điều hành khác thuộc Unix Python do Guido van Rossum tạo ra năm 1990 Python được phát triển trong một dự án mở mã, làm tổ chức phi lợi nhuận Python Software Foundation quản lý Mặc dù sự phát triển của Python có sự đóng góp của rất nhiều cá nhân, nhưng Guido van Rossum hiện vẫn là tác giả chủ yếu của Python Ông giữ vai trò chủ

chốt trong việc định hướng phát triển Python

Hình 2 9: Logo Python

b Đặt điểm nỗi bật của Python

Python là ngôn ngữ có hình thức đơn giản, cú pháp ngắn gọn, sử dụng một

số lượng ít các từ khoá, do đó Python là một ngôn ngữ dễ học đối với người mới bắt đầu tìm hiểu Python là ngôn ngữ có mã lệnh (source code hay đơn giản là code) không mấy phức tạp Cả trường hợp bạn chưa biết gì về Python bạn cũng có thể suy đoán được ý nghĩa của từng dòng lệnh trong source code Python có nhiều ứng dụng trên nhiều nền tảng, chương trình phần mềm viết bằng ngôn ngữ Python cóthể được chạy trên nhiều nền tảng hệ điều hành khác nhau bao gồm Windows, Mac

OSX và Linux

2.3 Cảm biến phát hiện vật thể

Ngày nay việc sử dụng cảm biến vào các hệ thống sản xuất công nghiệp dần trở nên phổ biến nhằm tăng độ chính xác, tính tự động, nâng cao năng xuất và chất lượng sản phẩm, Cảm biến là thiết bị điện tử cảm nhận những trạng thái, quá trình vật lý hay hóa học ở môi trường cần khảo sát và biến đổi thành tín hiệu điện để thu thập thông tin về trạng thái hay quá trình đó Thông tin được xử lý để rút ra tham

số định tính hoặc định lượng của môi trường, phục vụ các nhu cầu nghiên cứu khoa học kỹ thuật hay dân sinh và gọi ngắn gọn là đo đạc, phục vụ trong xử lý thông tin

hay trong điều khiển các quá trình khác

Đối với hệ thống phân loại sản phẩm thì cảm biến phát hiện vật thể là một phần quan trọng không thể thiếu Nó đóng vai trò quyết định trong việc xác định vị trí vật thể trên băng chuyền từ đó có thể phân loại sản phẩm một cách nhanh chóng và

chính xác

2.3.1 Cảm biến tiệm cận

Cảm biến tiệm cận hay công tắc tiệm cận, sensir tiệm cận, PROX có tên tiếng anh là Proximity Sensors là loại cảm biến có khả năng phản ứng khi có vật ở gần đó, thông thường là vài milimet (mm) Cảm biến tiệm cận thường được lắp tại

vị trí cuối của chi tiết máy, tín hiệu đầu ra của cảm biến này sẽ có chức năng khởi động một chức năng khác của máy

Cảm biến tiệm cận hoạt động theo nguyên lý trường điện từ (đối với loại Proximity Sensor), hoặc vùng điện dung (đối với loại capacitive sensor) Trường điện từ/ điện dung này phát ra quanh cảm biến trong khoảng cách tối đa đến 60

mm Trong khoảng các này, khi gặp vật thể nó sẽ phát tín hiệu và truyền về bộ xử

lý