Báo cáo đồ án điện tử căn bản đề tài đo màu sắc dung dịch sử dụng cảm biến as7261

Về phần mềm Giao diện phần mềm SS iSPI v3.4.2 Led current TINT Vì Basic không phụ thuộc và các thông số thiết lập và không thay đổido nhà sản xuất đã tính toán nên ta sử dụng Basic l

BÁO CÁO

ĐỒ ÁN ĐIỆN TỬ CĂN BẢN (KC331)

GIẢNG VIÊN HƯỚNG DẪN :

PGS.TS NGUYỄN CHÁNH NGHIỆM

SINH VIÊN THỰC HIỆN :

DƯƠNG TRƯỜNG THANH MSSV: B1912977

Lớp: KTĐK & TĐH A3

ĐẠI HỌC CẦN THƠ TRƯỜNG BÁCH KHOA KHOA TỰ ĐỘNG HÓA

Mạch PCB trên của cảm biến Mạch PCB dưới của cảm biến

Kích hoạt enable trên phần mềm SS iSPI v3.4.2 để bật Led và lựa chọn dòng của led.

• Chọn dòng 40mA vì Led sẽ đưa ra ánh sáng phù hợp để cảm biến nhận được giá trị ổn

định Thiết lập dòng điện ở 50mA và tính điện trở:

• => R = 15Ω

Lắp đặt phần khung đo dung dịch tổng quát Khung đo dung dịch

Thiết kế khung đo dung dịch

Thiết kế hộp đo màu gọn hơn

Chip LED Cree là thương hiệu sản xuất chip đèn Led đến từ Mỹ, với các sản phẩm chất lượng nằm ở phân khúc cao cấp Với độ hoàn màu CRI đạt 85-90 Ra, loại chip này có khả năng hiển thị ánh sáng chân thực và vô cùng rõ nét.

• Giới thiệu về led:

Thông số:

Chip led: XML-T6-U2 6500k Công suất: 10W

Áp vào: 3.3V DC CRI: 90

Ánh sáng: trắng 6500K Tuổi thọ: 50000 giờ

2 Về phần mềm



Giao diện phần mềm SS iSPI v3.4.2

Led current TINT

Vì Basic không phụ thuộc và các

thông số thiết lập và không thay

đổi(do nhà sản xuất đã tính toán)

nên ta sử dụng Basic là giá trị để

đưa vào huấn luyện mô hình

Thiết lập thông số led curent = 40mA để cảm biến nhận giá trị tốt nhất

Ta sử dụng 100 mẫu Transparent Liquids(dung dịch trong suốt) khác nhau để do và lấy dữ liệu Basic, sau đó lấy giá trị của 100 mẫu dung dịch từ máy UV-Vis chuyển đổi màu LAB training hồi quy tuyến tính

Đo dung dịch và lấy giá trị Basic

4 Hồi quy tuyến tính

4.1 Hồi quy tuyến tính đơn biến:

Là một phương pháp để dự đoán biến phụ thuộc (Y) dựa trên giá trị của biến độc lập (X) Nó có thể được sử dụng cho các trường hợp chúng ta muốn dự đoán một số lượng liên tục

Ở các điểm ở hình trên biểu diễn các điểm dữ liệu khác nhau và đường thẳng đại diện cho một đường gần đúng

có thể giải thích mối quan hệ giữa các trục x & y Thông qua, hồi quy tuyến tính chúng ta cố gắng tìm ra một

đường như vậy

Nếu chúng ta có một biến phụ thuộc Y và một biến độc lập

X - mối quan hệ giữa X và Y có thể được biểu diễn dưới dạng phương trình sau:

4.2 Hồi quy tuyến tính đa biến

Hồi quy tuyến tính đơn giản chỉ sử dụng khi ta chỉ có một biến độc lập Nếu chúng ta có nhiều hơn một biến độc lập, phương pháp phù hợp nhất là "Multiple Regression Linear" - Hồi quy tuyến tính đa biến

Phương trình hồi quy sẽ có một hình dạng như sau:

4.3 Chạy hồi quy tuyến tính bằng Python

scikit-Learn

Scikit-learn là một module Python mạnh mẽ cho việc học máy Module sklearn.linear_model có chứa "các method để thực hiện hồi quy, trong đó giá trị mục tiêu sẽ là sự kết hợp tuyến tính của các biến đầu vào"

Sử dụng phần mềm anaconda để straining và chạy

chương trình

Anaconda là một nền

tảng phân phối miễn phí của ngôn ngữ lập trình Python và

R cho tính toán khoa học

(khoa học dữ liệu, machine

learning, xử lý dữ liệu lớn,

phân tích dự đoán, v.v.), nhằm mục đích đơn giản hóa việc

quản lý và triển khai gói Nó có trên cả Windows, MacOS và Linux

Ta sử dụng các thư viện sẵn có của python trong Anaconda để dễ dàng huấn luyện mô hình hồi quy tuyến tính hơn

4.4 Hồi quy tuyến tính bằng Anaconda

Giả sử ta có 2 dữ liệu X và Y:

Đặt tên biến dữ liệu X và Y:

Sau đó ta huấn luyện 2 dữ liệu bằng hàm có sẵn trong scikit-Learn:

Mô hình đã được huấn

luyện xong

Sau đó ta có thể dự đoán dữ liệu mong muốn bằng hàm predict có sẵn:

Kết quả:

4.5 Một số lưu ý khi huấn luyện mô hình:

- Tương quan (r) - Giải thích mối quan hệ giữa hai

biến, giá trị có thể chạy từ -1 đến +1.Điểm tốt nhất có thể là 1,0 và nó có thể âm (vì mô hình có thể xấu đi tùy ý)

Chúng ta có thể kiểm tra bằng hàm score bằng cách

import thư viện: from sklearn.metrics import r2_score

- Hiện tượng overfitting

Overfitting là hiện tượng mô hình tìm được quá

khớp với dữ liệu training Việc quá khớp này có thể dẫn đến việc dự đoán nhầm nhiễu, và chất lượng mô hình không còn tốt trên dữ liệu test nữa Dữ liệu test được giả sử là không được biết trước, và không được sử

dụng để xây dựng các mô hình Machine Learning

CẢM ƠN THẦY ĐÃ XEM VÀ THEO DÕI