Vì thế nhóm quyết định thực hiện nghiên cứu, khảo sát và thực hiện đề tài: “Thiết kế và chế tạo hệ thống phân loại sản phẩm tốc độ cao” Nội dung đồ án bao gồm: • Nghiên cứu các mẫu sản
GIỚI THIỆU
Tính cấp thiết của đề tài
Ngày nay, với sự phát triển mạnh mẽ của các ngành khoa học kỹ thuật, kỹ thuật điện tử, điều khiển tự động đóng vai trò quan trọng trong nhiều lĩnh vực như quản lý và công nghiệp tự động hóa Việc nắm bắt và áp dụng hiệu quả công nghệ này là cần thiết để thúc đẩy sự phát triển của nền khoa học kỹ thuật toàn cầu, đặc biệt trong lĩnh vực điều khiển tự động Qua các đợt thực tập tốt nghiệp tại nhà máy và khu công nghiệp, chúng tôi nhận thấy nhiều quy trình sản xuất đã được tự động hóa, minh chứng cho sự tiến bộ trong công nghệ.
Quá trình phân loại sản phẩm bằng camera xử lý ảnh là một khâu tự động quan trọng trong dây chuyền sản xuất tự động hóa, giúp kiểm soát chất lượng sản phẩm và giảm thiểu tỷ lệ sản phẩm lỗi Quy trình này đảm bảo chỉ những sản phẩm đạt chuẩn được xuất xưởng, từ đó nâng cao uy tín và độ tin cậy của sản phẩm Đối với các doanh nghiệp sản xuất, phát hiện và loại bỏ sản phẩm lỗi là vô cùng cần thiết, vì việc để sản phẩm không đạt chuẩn ra thị trường có thể gây tổn hại nghiêm trọng đến thương hiệu Do đó, việc cải tiến độ chính xác và tốc độ của quá trình phân loại luôn được chú trọng, với nhiều cơ cấu phân loại như băng tải, rulo và mâm xoay hiện nay.
Hình 1.1: Hệ thống phân loại thùng
Doanh nghiệp vừa và nhỏ vẫn chưa áp dụng nhiều tự động hóa trong khâu phân loại, dẫn đến việc sử dụng nhiều nhân công và năng suất thấp Để nâng cao hiệu suất lao động và đảm bảo độ chính xác về kích thước, chúng tôi đã quyết định thiết kế và chế tạo mô hình mâm xoay phân loại sản phẩm tốc độ cao, đặc biệt là vòng đệm cao su Sản phẩm này quen thuộc trong đời sống, dễ tìm kiếm và đóng vai trò quan trọng trong máy móc, giúp ngăn chặn rò rỉ khí hoặc chất lỏng và giảm ma sát giữa hai bề mặt cứng Yêu cầu chính là sản phẩm phải đạt độ chính xác về kích thước và không có lỗi.
Ý nghĩa khoa học và thực tiễn của đề tài
Phân loại sản phẩm đóng vai trò quan trọng trong quy trình sản xuất, vì vậy nghiên cứu về khâu này mang lại ý nghĩa khoa học to lớn và đóng góp đáng kể cho lĩnh vực tự động hóa công nghiệp Các nghiên cứu này không chỉ giúp cải thiện hiệu quả sản xuất mà còn nâng cao chất lượng sản phẩm, từ đó thúc đẩy sự phát triển bền vững trong ngành công nghiệp.
1 Phát triển và ứng dụng công nghệ Đề tài này được ứng dụng các công nghệ và thiết bị hiện đại như PLC, thị giác máy tính và thuật toán YOLO trong việc phân loại sản phẩm với tốc độ cao Điều này giúp mở rộng hiểu biết và kiến thức trong việc tích hợp các công nghệ vào trong quy trình sản xuất, từ đó nâng cao hiệu suất và độ chính xác của hệ thống tự động hóa
2 Phát triển thuật toán xử lý ảnh và nhận diện đối tượng Đề tài áp dụng thuật toán YOLO để xử lý ảnh và nhận diện đối tượng, với yêu cầu cốt lõi của đề tài là xử lý, phân loại sản phẩm nhanh và chính xác Việc nghiên cứu, phát triển và tối ưu hóa phương pháp xử lý ảnh không chỉ góp phần tăng hiệu suất sản xuất trong đề tài này mà còn góp phần giúp cho xử lý ảnh được ứng dụng rộng rãi hơn trong các lĩnh vực khác như an ninh, y tế, giao thông,…
3 Đóng góp vào việc cải thiện hiệu suất sản xuất công nghiệp
Hệ thống phân loại sản phẩm tốc độ cao nâng cao hiệu suất và độ chính xác trong quy trình sản xuất, đồng thời giảm thiểu nhân lực cần thiết cho các công đoạn phân loại Điều này không chỉ giảm sai sót mà còn tăng cường năng suất sản xuất Nghiên cứu và kết quả của đề tài có thể áp dụng cho các dây chuyền sản xuất khác với sản phẩm có kích thước tương tự như vòng đệm cao su, từ đó mở rộng ứng dụng và nâng cao hiệu quả, chất lượng sản phẩm.
Hệ thống phân loại là yếu tố quan trọng trong quy trình sản xuất, quyết định chất lượng sản phẩm Phương pháp phân loại sản phẩm bằng mâm xoay công nghiệp hiện đại và hiệu quả, được áp dụng rộng rãi trong nhiều lĩnh vực Phương pháp này giúp kiểm soát và theo dõi tốc độ, số lượng sản phẩm, đồng thời nâng cao khả năng phản hồi nhanh chóng.
Việc áp dụng mâm xoay trong suốt cho sản phẩm giúp kiểm soát chất lượng từ hai mặt, phát hiện các lỗi như vết cắt và xước Nghiên cứu về phân loại sản phẩm sử dụng mâm xoay công nghiệp mang lại nhiều lợi ích thiết thực cho doanh nghiệp và ngành công nghiệp Ứng dụng mâm xoay vào quy trình sản xuất không chỉ nâng cao hiệu suất mà còn giải quyết các thách thức trong môi trường sản xuất hiện đại.
Sự phát triển của trí tuệ nhân tạo và học máy mở ra cơ hội áp dụng giải pháp thông minh trong phân loại sản phẩm Điều này không chỉ nâng cao khả năng dự đoán mà còn tăng cường sự linh hoạt và độ chính xác trong quy trình sản xuất.
Đề tài phân loại sản phẩm sử dụng mâm xoay công nghiệp không chỉ có giá trị nghiên cứu khoa học mà còn cung cấp các giải pháp thực tiễn quan trọng, nhằm nâng cao hiệu suất và chất lượng sản xuất trong môi trường công nghiệp hiện đại.
Mục tiêu nghiên cứu của đề tài
Thiết kế và chế tạo hệ thống phân loại sản phẩm vòng đệm cao tốc độ cao sử dụng xử lý ảnh
Phát triển một hệ thống phân loại hoàn chỉnh bao gồm thiết kế cơ khí, điều khiển, hệ thống điện và phần mềm điều hành, giúp giảm lượng công việc và nâng cao hiệu suất làm việc cho nhà máy.
Đối tượng và phạm vi nghiên cứu
Tìm hiểu khái niệm, nguyên lý về điều khiển và phân loại sản phẩm
Cấu trúc và các thành phần của hệ thống
Hệ thống điều khiển, ngôn ngữ lập trình
Nghiên cứu về camera và thuật toán xử lý ảnh là rất quan trọng trong việc phát triển các công cụ phát hiện hình ảnh Để đảm bảo hiệu quả trong quá trình thử nghiệm mô hình, cần đề ra các giải pháp nhằm giải quyết các vấn đề phát sinh.
1 Công nghệ và thiết bị
PLC Keyence là một giải pháp tiên tiến cho việc điều khiển chính trong các hệ thống tự động hóa Bài viết này sẽ khám phá phần mềm lập trình PLC Keyence, các chức năng nổi bật của nó, ngôn ngữ lập trình được sử dụng, và cách tối ưu hóa điều khiển cho động cơ.
Camera Flir là công cụ hữu ích trong việc chụp và xử lý ảnh, cho phép nhận dạng và phân loại sản phẩm dựa trên hình ảnh thu được Nghiên cứu các thuật toán xử lý ảnh và nhận diện đối tượng, đặc biệt là thuật toán YOLO, đóng vai trò quan trọng trong việc cải thiện độ chính xác và hiệu quả của quá trình này.
Nghiên cứu và tích hợp giao thức Ethernet/IP giúp truyền nhận dữ liệu hiệu quả giữa PLC và Python Quá trình này cho phép Python nhận dạng và xử lý ảnh, sau đó truyền tín hiệu để thực hiện bước phân loại sản phẩm tiếp theo.
2 Chức năng của hệ thống
Hệ thống phân loại sản phẩm vòng đệm cao su được thiết kế dựa trên các tiêu chí cụ thể như kích thước, bề mặt sản phẩm và các dị tật.
Xây dựng hệ thống tự động hóa bao gồm việc lập trình điều khiển động cơ, băng tải, van khí nén, thu nhận tín hiệu từ cảm biến và xử lý ảnh bằng Python.
Xử lý và nhận diện ảnh là việc triển khai các thuật toán xử lý ảnh trên hệ thống thực tế nhằm mục đích nhận diện và phân loại sản phẩm một cách chính xác và nhanh chóng.
Để phân loại sản phẩm hiệu quả, cần tập trung vào những loại sản phẩm cụ thể như viên kẹo, vòng cao su hoặc các sản phẩm có hình dạng và kích thước tương tự Việc tìm hiểu nhu cầu thực tế sẽ giúp xác định rõ ràng sản phẩm cần phân loại.
Hệ thống cơ khí và điều khiển đóng vai trò quan trọng trong quá trình phân loại sản phẩm Đầu tiên, cần nghiên cứu và thiết kế các thành phần cơ khí như băng tải, hệ thống cấp phôi tự động và mâm xoay Tiếp theo, hệ thống thu nhận tín hiệu, điều khiển và phân loại sản phẩm sẽ được phát triển để đảm bảo hiệu quả trong quy trình sản xuất.
4 Ứng dụng và đánh giá
• Thực hiện thi công và thử nghiệm hệ thống trong các điều kiện thực tế để đánh giá hiệu suất và độ tin cậy
Đánh giá và cải tiến hệ thống là quá trình phân tích kết quả thử nghiệm, nhằm xác định các yếu tố ảnh hưởng đến hiệu suất như thành phần cơ khí, lập trình, thu nhận tín hiệu và khả năng hoạt động của thiết bị Qua đó, chúng ta có thể đưa ra các giải pháp cần thiết để nâng cao hiệu suất và cải thiện hệ thống một cách hiệu quả.
Phương pháp nghiên cứu
Phương pháp nghiên cứu, tham khảo lý thuyết
Phương pháp kiểm tra đánh giá
Phương pháp thu thập dữ liệu và đánh giá hiệu suất Đề xuất cải tiến và phát triển.
Kết cấu của đồ án tốt nghiệp
Đồ án bao gồm 7 chương:
Đề tài này nhấn mạnh tính cấp thiết của nghiên cứu, đồng thời làm rõ ý nghĩa khoa học và thực tiễn của nó Mục tiêu nghiên cứu được xác định rõ ràng, cùng với đối tượng và phạm vi nghiên cứu cụ thể Các phương pháp nghiên cứu được áp dụng nhằm đảm bảo tính chính xác và độ tin cậy của kết quả Cuối cùng, kết cấu của đề tài được trình bày một cách logic, tạo thuận lợi cho việc tiếp cận và hiểu biết sâu sắc về nội dung nghiên cứu.
Chương 2: Tổng quan nghiên cứu đề tài
Chương này tóm tắt các khái niệm và kiến thức thiết yếu liên quan đến đề tài nghiên cứu, đồng thời tổng hợp lý thuyết và các nghiên cứu trước đây trong và ngoài nước có liên quan đến lĩnh vực nghiên cứu cụ thể.
Chương 3: Cơ sở lý thuyết
Bài viết này trình bày cơ sở lý thuyết cho đề tài, bao gồm các kiến thức nền tảng cần thiết để thực hiện đồ án Nội dung tập trung vào lý thuyết điều khiển trong tự động hóa, các phương thức điều khiển, cùng với cơ sở lý thuyết về cơ khí, điện tử, xử lý ảnh và lập trình.
Chương 4: Phương hướng và các giải pháp về thiết kế
Để giải quyết vấn đề, cần trình bày rõ ràng các yêu cầu của đề bài, đồng thời xác định các phương hướng và giải pháp cụ thể liên quan đến tính toán, thiết kế, chế tạo và công nghệ Việc này không chỉ giúp định hướng cho quá trình thực hiện mà còn đảm bảo tính khả thi và hiệu quả của các giải pháp được đề xuất.
Chương 5: Tính toán, thiết kế và xây dựng hệ thống
Bài viết trình bày yêu cầu thiết kế cơ khí cho băng tải và mâm xoay, bao gồm sơ đồ khối của hệ thống cơ khí và truyền động Đồng thời, nó cũng đề cập đến quy trình thiết kế cơ khí và kết quả của việc gia công lắp ráp các thành phần.
Chương 6: Kết quả thi công, thực nghiệm và đánh giá
Nội dung trình bày yêu cầu của hệ thống kết quả đánh giá hệ thống và thực nghiệm Chương 7: Kết luận và đề nghị
Bài viết trình bày kết quả nghiên cứu của đề tài, nêu rõ những ưu và nhược điểm của hệ thống Đồng thời, tác giả cũng đưa ra những hướng phát triển tiềm năng cho đề tài trong tương lai.
TỔNG QUAN NGHIÊN CỨU ĐỀ TÀI
Giới thiệu
Trong thời đại công nghiệp 4.0, tự động hóa và tối ưu hóa quy trình sản xuất là yếu tố then chốt cho sự cạnh tranh và phát triển doanh nghiệp Phân loại sản phẩm là một công đoạn quan trọng, ảnh hưởng trực tiếp đến chất lượng và hiệu quả sản xuất, đặc biệt trong các ngành yêu cầu độ chính xác cao như sản xuất vòng đệm Đề tài "Thiết kế và chế tạo hệ thống phân loại sản phẩm vòng đệm cao tốc độ cao sử dụng xử lý ảnh" hướng đến việc phát triển một hệ thống phân loại tiên tiến, áp dụng công nghệ xử lý ảnh để nhận diện và phân loại sản phẩm với độ chính xác và tốc độ cao Giải pháp này tích hợp các thành phần kỹ thuật hiện đại như hệ thống camera, mâm xoay công nghiệp và các thuật toán xử lý ảnh tiên tiến.
Hệ thống phân loại sản phẩm vòng đệm được thiết kế để nâng cao hiệu suất, chất lượng sản phẩm và tối ưu hóa chi phí, nguồn nhân lực trong sản xuất Với khả năng tự động hóa cao, hệ thống này giảm thiểu sự can thiệp của con người, từ đó giảm sai sót và nâng cao tính nhất quán Ứng dụng của hệ thống không chỉ giới hạn trong ngành sản xuất vòng đệm mà còn mở rộng sang sản xuất điện tử, y tế và nhiều ngành công nghiệp khác Khả năng tùy chỉnh và linh hoạt của hệ thống giúp đáp ứng yêu cầu cụ thể của từng ngành, mang lại hiệu quả cao cho quy trình sản xuất.
Hệ thống này mang lại lợi ích quan trọng trong việc theo dõi và giám sát quy trình sản xuất theo thời gian thực Nhờ vào cảm biến và camera tích hợp, hệ thống có khả năng phát hiện và xử lý vấn đề ngay lập tức, đảm bảo quy trình sản xuất diễn ra hiệu quả Điều này không chỉ giảm thiểu lãng phí mà còn tăng cường khả năng đáp ứng nhanh với thay đổi nhu cầu sản xuất và yêu cầu của khách hàng.
Việc áp dụng công nghệ xử lý ảnh tiên tiến cho phép hệ thống phân loại sản phẩm với độ chính xác cao, đặc biệt trong việc phát hiện các khuyết tật nhỏ mà mắt thường khó nhận thấy Điều này đảm bảo chỉ những sản phẩm đạt tiêu chuẩn chất lượng mới được xuất xưởng, từ đó nâng cao uy tín và độ tin cậy của doanh nghiệp trên thị trường.
Nghiên cứu và triển khai hệ thống phân loại sản phẩm vòng đệm cao tốc độ cao bằng xử lý ảnh không chỉ nâng cao chất lượng và hiệu quả sản xuất mà còn tạo ra cơ hội mới cho ngành công nghiệp Đây là bước tiến quan trọng trong việc ứng dụng công nghệ hiện đại vào quy trình sản xuất, góp phần tăng cường năng lực cạnh tranh và phát triển bền vững cho doanh nghiệp.
Đặc tính của hệ thống
Hệ thống phân loại sản phẩm vòng đệm cao tốc độ cao của nhóm chúng em sử dụng công nghệ xử lý ảnh để đo chính xác kích thước và nhận dạng sản phẩm không đạt chuẩn Sau đó, sản phẩm sẽ được phân loại bằng béc phun với áp suất cao, đảm bảo hiệu quả và độ chính xác trong quy trình phân loại.
Hệ thống này có khả năng xử lý và phân loại sản phẩm nhanh chóng, đáp ứng nhu cầu của các dây chuyền sản xuất hiện đại với hiệu suất cao Đặc biệt, độ chính xác của quá trình này cũng rất cao, đảm bảo chất lượng sản phẩm tối ưu.
Sử dụng thuật toán xử lý ảnh và Yolo để phát hiện sản phẩm lỗi, chúng tôi đảm bảo độ chính xác cao trong việc nhận diện và phân loại sản phẩm, đặc biệt là khả năng phát hiện các khuyết tật nhỏ.
Hệ thống kiểm soát chất lượng nghiêm ngặt đảm bảo rằng chỉ những sản phẩm đạt tiêu chuẩn chất lượng cao mới được phép tiếp tục vào quy trình sản xuất hoặc xuất xưởng.
Hệ thống tự động hóa toàn bộ quá trình phân loại giúp giảm thiểu sự can thiệp của con người, từ đó giảm thiểu sai sót và nâng cao tính nhất quán trong quy trình.
Hệ thống này cho phép tích hợp dễ dàng vào các dây chuyền sản xuất hiện có, từ đó nâng cao mức độ tự động hóa cho toàn bộ quy trình sản xuất.
Khả năng giám sát và phản hồi thời gian thực
• Giám sát liên tục: Hệ thống cung cấp khả năng giám sát liên tục quá trình sản xuất, phát hiện và xử lý các vấn đề kịp thời
• Phản hồi nhanh chóng: Khả năng phản hồi nhanh giúp điều chỉnh quy trình sản xuất theo nhu cầu thực tế và các biến động của thị trường
• Giảm chi phí lao động: Tự động hóa quy trình phân loại giúp giảm thiểu nhu cầu về nhân lực, từ đó giảm chi phí lao động
Tối ưu hóa sử dụng nguyên vật liệu thông qua việc phân loại chính xác không chỉ giúp giảm lãng phí mà còn tối ưu hóa chi phí sản xuất, từ đó gia tăng lợi nhuận hiệu quả.
Hệ thống phân loại sản phẩm vòng đệm cao tốc độ cao sử dụng xử lý ảnh là một giải pháp công nghệ tiên tiến, mang lại nhiều lợi ích cho doanh nghiệp Với tốc độ cao và độ chính xác vượt trội, hệ thống này tự động hóa quy trình sản xuất, giám sát thời gian thực và tiết kiệm chi phí, từ đó nâng cao hiệu quả sản xuất và đảm bảo chất lượng sản phẩm.
Kết cấu của hệ thống
Kết cấu của hệ thống được thiết kế để tối ưu hóa quy trình phân loại sản phẩm, bao gồm:
Khung sườn cơ khí được làm từ nhôm định hình chắc chắn và bền bỉ, có khả năng chịu tải trọng lớn của toàn bộ hệ thống Phần cơ khí này đáp ứng nhu cầu về tốc độ, độ chính xác và hiệu quả trong quá trình hoạt động.
Cơ cấu truyền động sử dụng động cơ AC servo dưới mâm xoay giúp duy trì tốc độ ổn định và cho phép tùy chỉnh tốc độ cao hơn cho hệ thống Băng tải được thiết kế với hai hướng chạy song song và ngược chiều, dẫn phôi vào mâm xoay Mâm xoay được trang bị cơ cấu gạt phôi để tránh tình trạng chồng chéo, cùng với nhiều cơ cấu dẫn hướng phôi Sau khi phôi rơi từ băng tải đầu tiên, băng tải thứ hai sẽ tiếp tục đưa chúng trở lại cơ cấu cấp phôi để tiếp tục quá trình.
Hệ thống cảm biến: Phát hiện nhanh chóng, phản hồi nhanh và liên tục về cho PLC, hỗ trợ quá trình phân loại một cách chính xác
Phần điện điều khiển đóng vai trò quan trọng trong việc đảm bảo các thiết bị điện và camera hoạt động hiệu quả Để đáp ứng yêu cầu của đồ án, hệ thống cần có tốc độ cao và được trang bị hệ thống ánh sáng phù hợp, giúp camera nhận diện sản phẩm một cách chính xác nhất.
Giao diện giám sát được thiết kế thân thiện và dễ sử dụng, cho phép người dùng theo dõi và phản hồi hiệu quả về số lượng vòng đệm đã được phân loại cũng như tổng số lượng trong quy trình.
Các nghiên cứu liên quan đến đề tài
Hình 2.1: Hệ thống phân loại vít tốc độ cao
Tại nước ngoài, sản phẩm ốc vít được phân loại trên một mâm xoay tốc độ cao, sử dụng máy kiểm tra với ba camera CCD công nghiệp chính xác CCD1 kiểm tra độ dày sản phẩm, CCD2 kiểm tra đường kính trong, ngoài và các thông số khác, trong khi CCD3 phát hiện khiếm khuyết bề ngoài như gờ và thiếu vật liệu Nhờ độ trong suốt cao của kích, máy có khả năng kiểm tra tất cả sản phẩm ổn định trên bệ kích Có thể lắp thêm từ 2 đến 6 camera CCD tùy theo yêu cầu kiểm tra Tốc độ kiểm tra và phân loại đạt từ 500-1200 chiếc/phút, với tùy chọn lắp máy đếm và đóng gói tự động Các bộ phận của máy có thể thay đổi nhanh chóng và dễ dàng.
GHN đã ra mắt hệ thống phân loại hàng tự động 100% đầu tiên tại Việt Nam, cho phép phân loại sản phẩm dựa trên các yêu cầu cụ thể như trọng lượng, kích thước, màu sắc và thông tin mã vạch Hệ thống này tự động phân loại hàng hóa trong kho theo các tiêu chí đặc trưng và gán vị trí lưu trữ phù hợp, đồng thời lưu trữ thông tin một cách khoa học Điểm nổi bật của hệ thống là khả năng phân loại sản phẩm dựa trên nhiều tiêu chí khác nhau như kích thước, chiều cao, trọng lượng và màu sắc, được thực hiện chính xác nhờ công nghệ thị giác tiên tiến và camera kiểm tra sản phẩm.
Sản phẩm được phân loại qua dây chuyền, đảm bảo chất lượng và tính đồng đều về hình dáng cũng như trọng lượng, đồng thời tuân thủ các tiêu chí quy định Việc này được thực hiện hiệu quả nhờ vào ứng dụng công nghệ thị giác và camera kiểm tra sản phẩm.
Hình 2.2: Hệ thống phân loại hàng tốc độ cao của GHN
CƠ SỞ LÝ THUYẾT
Tổng quan về hệ thống phân loại sản phẩm tốc độ cao
Hệ thống phân loại sản phẩm tự động là giải pháp tối ưu cho dây chuyền sản xuất hiện đại, giúp phân loại sản phẩm theo kích thước, hình dạng, màu sắc, trọng lượng và các đặc tính khác mà không cần nhân lực Việc phân loại tự động với tốc độ cao nâng cao hiệu suất và chất lượng đầu ra, đồng thời giảm thiểu sai sót và hư hỏng, từ đó tối ưu hóa quá trình sản xuất.
Hình 3.1: Dây chuyền sản xuất và phân loại
Yêu cầu thiết kế của hệ thống
Khi thiết kế hệ thống phân loại sản phẩm, cần xác định rõ các yêu cầu để đảm bảo tính chính xác và tốc độ phân loại cao Việc đưa ra các tiêu chí phù hợp sẽ giúp tối ưu hóa quá trình thiết kế và nâng cao hiệu quả phân loại.
Hệ thống cần có khả năng xử lý và phân loại một số lượng lớn sản phẩm trong thời gian ngắn, với tốc độ phân loại phụ thuộc vào yêu cầu của dây chuyền sản xuất và tính chất sản phẩm Trong đồ án này, sản phẩm được phân loại là vòng đệm cao su, có kích thước nhỏ gọn, giúp dễ dàng di chuyển số lượng lớn qua băng tải và mâm xoay Do đó, tốc độ phân loại cần nhanh trong một khoảng thời gian nhất định để đảm bảo hiệu quả phân loại.
3.1.1.2 Độ chính xác Độ chính xác trong việc phân loại là một trong những yếu tố quan trọng và quyết định Hệ thống phải đảm bảo rằng các sản phẩm được phân loại chính xác theo các tiêu chí đã được định trước để tránh các sai sót ảnh hưởng đến chất lượng sản phẩm cuối cùng
Trong hệ thống phân loại sản phẩm, camera xử lý ảnh đóng vai trò quan trọng trong việc kiểm tra và phân loại với độ chính xác cao, giúp phát hiện các lỗi trên bề mặt sản phẩm.
Hệ thống cần có tính linh hoạt cao để xử lý nhanh chóng nhiều sản phẩm và các tiêu chí phân loại đa dạng Điều này yêu cầu các module, thiết bị và thành phần cơ khí trong hệ thống phải dễ dàng thay đổi và điều chỉnh, nhằm đáp ứng nhu cầu sản xuất ngày càng tăng trong tương lai.
3.1.1.4 Tính bền vững và đáng tin cậy
Hệ thống công nghiệp cần đảm bảo độ bền cao và hoạt động ổn định trong môi trường khắc nghiệt, với ít sai sót và lỗi trong quá trình sử dụng lâu dài Để đáp ứng yêu cầu của tự động hóa hiện đại, hệ thống cũng cần tích hợp các module và thiết bị dễ bảo trì, sửa chữa, nhằm giảm thiểu thời gian và chi phí cho việc bảo trì sau này.
3.1.1.5 Giao tiếp và tích hợp
Hệ thống cần có tính tích hợp cao để hoạt động hiệu quả với các khâu trong dây chuyền sản xuất khác Bộ điều khiển hệ thống phân loại phải có khả năng giao tiếp với các thiết bị khác thông qua các giao thức truyền thông tiêu chuẩn như Ethernet, RS232/485, Modbus Việc này giúp dễ dàng tích hợp và đồng bộ hóa hệ thống phân loại với toàn bộ quy trình sản xuất.
Môi trường làm việc lý tưởng
Môi trường làm việc lý tưởng cho hệ thống phân loại sản phẩm cần đảm bảo các điều kiện sau:
Nhiệt độ và độ ẩm:
Hệ thống cần duy trì hoạt động trong môi trường có nhiệt độ và độ ẩm ổn định Các thiết bị điện tử và cơ khí thường hoạt động hiệu quả trong khoảng nhiệt độ từ 0°C đến 40°C (tránh tình trạng đóng băng) và độ ẩm từ 20% đến 80% RH (không có hiện tượng ngưng tụ).
Sạch sẽ và không bụi:
Môi trường làm việc cần được giữ gìn sạch sẽ, không có bụi bẩn và hạt lơ lửng trong không khí để đảm bảo hiệu suất tối ưu cho các thiết bị như cảm biến và camera Bụi bẩn có thể làm giảm độ chính xác và hiệu suất của hệ thống, ảnh hưởng đến công việc và kết quả cuối cùng.
Hệ thống cần được lắp đặt trong môi trường có ánh sáng phù hợp, đặc biệt đối với các hệ thống sử dụng thị giác máy tính để phân loại sản phẩm Việc kiểm soát ánh sáng là cần thiết để tránh hiện tượng chói hoặc thiếu sáng, từ đó đảm bảo chất lượng hình ảnh thu được ở mức tốt nhất.
Để đảm bảo an toàn cho hệ thống và người vận hành, cần lắp đặt các biện pháp bảo vệ như cầu chì, hệ thống cảnh báo và nút dừng khẩn cấp Những biện pháp này không chỉ ngăn ngừa tai nạn mà còn bảo vệ thiết bị khỏi hư hỏng.
Việc thiết kế và triển khai hệ thống phân loại sản phẩm cần xem xét kỹ lưỡng các yêu cầu kỹ thuật và môi trường làm việc Để hệ thống hoạt động hiệu quả, ổn định và bền bỉ, cần đảm bảo đáp ứng đầy đủ các yêu cầu thiết kế và duy trì môi trường làm việc lý tưởng.
Hình 3.2: Môi trường làm việc nhà máy
Giao thức truyền thông
Tổng quan về giao thức Ethernet/IP
Giao thức Ethernet/IP (Ethernet Industrial Protocol) là một giao thức mạng công
Ethernet/IP là một giao thức phổ biến trong ngành tự động hóa công nghiệp, cho phép truyền tải dữ liệu điều khiển với độ tin cậy cao và hiệu suất tối ưu.
Ethernet/IP sử dụng cả giao thức TCP (Transmission Control Protocol) và UDP (User Datagram Protocol) để truyền dữ liệu Giao thức TCP/IP đảm bảo độ tin cậy cao cho các kết nối, giúp dữ liệu được truyền tải chính xác và theo thứ tự.
Thiết lập kết nối giữa PLC và Python
Trong đồ án này, nhóm sử dụng giao thức Ethernet/IP trên PLC Keyence KV-5500 để kết nối và truyền dữ liệu giữa Python và PLC qua TCP/IP Mục tiêu là đảm bảo dữ liệu được truyền tải chính xác và nhanh chóng Để thiết lập kết nối, nhóm áp dụng thư viện socket của Python với các bước cụ thể.
• Tạo Socket: để thiết lập giao tiếp 2 chiều, cần sử dụng kiểu socket là
SOCK_STREAM là loại giao thức được sử dụng để thiết lập kết nối mạng Tiếp theo, vùng AF_INET được chọn để giao tiếp, sử dụng địa chỉ IP nhằm xác định vị trí của thiết bị trong mạng.
• Kết nối tới PLC: Sau khi chọn vùng AF_INET, có thể kết nối tới địa chỉ IP của cổng
PLC Địa chỉ IP của PLC này là “192.168.0.10” và cổng là “8501” được định sẵn trong PLC (có thể xem được trong phần mềm lập trình KV Studio của hãng)
• Gửi và nhận dữ liệu: Nhóm sử dụng phương thức “sendall()” và “recv()” của socket để gửi lệnh và nhận phản hồi từ PLC.
Cơ sở lý thuyết về lập trình và điều khiển
Cơ sở chọn PLC làm bộ điều khiển:
PLC (Bộ điều khiển logic lập trình) là lựa chọn chính cho hệ thống phân loại sản phẩm trong đề tài này nhờ vào độ tin cậy cao PLC được thiết kế để hoạt động hiệu quả trong môi trường công nghiệp khắc nghiệt, với khả năng chống nhiễu và ổn định, đáp ứng tốt các tiêu chí về điều khiển và truyền nhận tín hiệu một cách đáng tin cậy.
Dễ lập trình và bảo trì: PLC hỗ trợ nhiều ngôn ngữ lập trình khác nhau như Ladder
Logic, Function Block Diagram (FBD), and Structured Text (ST) facilitate easy programming and maintenance In this project, the team utilizes Ladder Logic for programming.
Khả năng mở rộng của PLC cho phép kết nối và điều khiển nhiều thiết bị khác nhau thông qua các module I/O Trong đồ án này, nhóm đã sử dụng các module mở rộng I/O cùng với module điều khiển động cơ servo để nâng cao hiệu suất hệ thống.
PLC tích hợp nhiều tính năng như điều khiển PID, điều khiển chuyển động và giao tiếp truyền thông Trong đồ án này, PLC sử dụng giao tiếp truyền thông với Python để nhận tín hiệu từ phần xử lý ảnh, từ đó phân loại sản phẩm hiệu quả.
Hình 3.3: PLC và các module
PLC (Bộ điều khiển lập trình) là thiết bị điều khiển số chuyên dụng cho ứng dụng tự động hóa trong công nghiệp Nó sử dụng bộ nhớ lập trình để lưu trữ hướng dẫn và thực hiện các chức năng điều khiển logic, trình tự, thời gian, đếm và tính toán.
Các thành phần chính của PLC:
CPU đóng vai trò là bộ não của PLC, thực hiện các lệnh và điều khiển toàn bộ hệ thống Nó xử lý tín hiệu đầu vào, thực hiện các chương trình đã lập trình và gửi tín hiệu điều khiển đến các thiết bị đầu ra.
CPU đóng vai trò quan trọng trong việc xử lý các phép toán logic, điều khiển thời gian và thực hiện các chức năng tính toán khác Ngoài ra, CPU còn đảm nhiệm việc giao tiếp với các module I/O và các thiết bị ngoại vi, đảm bảo hoạt động hiệu quả của hệ thống.
Vai trò: Bộ nhớ của PLC chứa chương trình điều khiển và các dữ liệu cần thiết cho việc vận hành hệ thống
• RAM (Random Access Memory): Lưu trữ tạm thời các dữ liệu và chương trình đang chạy Khi mất điện, dữ liệu trong RAM sẽ bị mất
• ROM (Read-Only Memory): Lưu trữ các chương trình và dữ liệu cố định, không bị mất khi mất điện
• EEPROM/Flash Memory: Lưu trữ chương trình và dữ liệu có thể thay đổi và không bị mất khi mất điện
Vai trò: Module I/O là các thiết bị trung gian để kết nối và tương tác với các thiết bị ngoại vi như cảm biến, động cơ, van, v.v
Loại module I/O và một số module khác:
• Module đầu vào (Input Modules): Nhận các tín hiệu từ các cảm biến và thiết bị đầu vào khác Các tín hiệu này có thể là digital hoặc analog
Module đầu ra (Output Modules) chịu trách nhiệm gửi tín hiệu điều khiển đến các thiết bị đầu ra như động cơ, van, và đèn Những tín hiệu này có thể được truyền dưới dạng digital hoặc analog.
Module phát xung 2 trục (2 Axis Pulse Train) cho phép thực hiện các tác vụ điều khiển động cơ servo như điều khiển điểm đến điểm (Point to Point), JOG, và điều chỉnh tốc độ cũng như gia tốc.
Module nguồn AC chuyển đổi nguồn điện AC thành nguồn DC với điện áp phù hợp, cung cấp năng lượng cho PLC và các thiết bị điện có công suất vừa và nhỏ.
4 Nguồn cung cấp (Power Supply)
Vai trò: Cung cấp năng lượng cho PLC và các module I/O
Chức năng chính của nguồn cung cấp là đảm bảo PLC và các module I/O nhận đủ năng lượng để hoạt động hiệu quả Nguồn cung cấp thường sử dụng các bộ chuyển đổi AC/DC để chuyển đổi điện áp từ nguồn chính thành các mức điện áp phù hợp cho PLC.
Các thành phần chính của PLC phối hợp chặt chẽ để thực hiện các nhiệm vụ điều khiển tự động hiệu quả trong môi trường công nghiệp Chúng đóng vai trò thiết yếu trong việc tạo ra một hệ thống điều khiển linh hoạt, dễ mở rộng và bảo trì.
Ethernet là công nghệ mạng phổ biến trong tự động hóa công nghiệp, mang lại phương tiện truyền thông nhanh chóng và đáng tin cậy Nó cho phép trao đổi dữ liệu hiệu quả giữa các thiết bị trong hệ thống, góp phần nâng cao hiệu suất và tính ổn định của các quy trình tự động hóa.
Trong đồ án này, nhóm sử dụng cổng giao tiếp ethernet để truyền nhận thông tin giữa PLC và Python xử lý ảnh
Các ưu điểm của Ethernet trong PLC:
• Tốc độ cao: Ethernet cung cấp băng thông cao, cho phép truyền dữ liệu nhanh chóng giữa các thiết bị
• Khả năng mở rộng: Hỗ trợ kết nối nhiều thiết bị và mở rộng mạng lưới dễ dàng
• Tính tương thích: Ethernet là một chuẩn công nghiệp được sử dụng rộng rãi, đảm bảo tính tương thích giữa các thiết bị khác nhau
• An toàn và bảo mật: Ethernet hỗ trợ các giao thức bảo mật như IPsec, SSL/TLS để bảo vệ dữ liệu truyền thông
Hình 3.5: Phần mềm KV Studio
KV Studio Ver.11G là phần mềm lập trình và cấu hình PLC của Keyence, mang đến một môi trường lập trình trực quan và mạnh mẽ Phần mềm này hỗ trợ nhiều ngôn ngữ lập trình cùng với các công cụ phát triển, giúp người dùng dễ dàng thực hiện các dự án tự động hóa.
Các tính năng chính của KV Studio Ver.11G:
Giao diện người dùng thân thiện: Cung cấp giao diện đồ họa dễ sử dụng, giúp lập trình viên dễ dàng tạo và chỉnh sửa chương trình
Hỗ trợ đa ngôn ngữ lập trình: Hỗ trợ Ladder Logic, Structured Text, Function
Block Diagram, giúp lập trình viên lựa chọn ngôn ngữ phù hợp nhất
Công cụ chẩn đoán và giám sát: Cung cấp các công cụ giám sát hoạt động của
PLC và chẩn đoán lỗi trong chương trình, lỗi liên quan đến phần cứng và đấu nối, giúp giảm thời gian bảo trì và sửa chữa
3.3.4.2 Ngôn ngữ lập trình Ladder Logic
Ladder Logic là ngôn ngữ lập trình đồ họa phổ biến trong hệ thống PLC, được thiết kế để mô phỏng sơ đồ mạch điện, giúp kỹ sư điện dễ dàng lập trình và hiểu chương trình Trong đồ án này, nhóm đã sử dụng ngôn ngữ lập trình Ladder Logic để lập trình PLC.
Các đặc điểm của Ladder Logic:
Thị giác máy tính
Thị giác máy tính là một lĩnh vực trong khoa học máy tính, chuyên về khả năng tự động nhận diện và mô tả hình ảnh một cách chính xác Công nghệ này tập trung vào việc phân tích và hiểu thông tin từ hình ảnh 2D và video, nhằm nhận diện các thuộc tính của cấu trúc trong cảnh quan Thị giác máy tính mô phỏng và tái tạo khả năng nhìn của con người thông qua các hệ thống máy tính.
Ngày nay, hệ thống máy tính có khả năng truy cập lượng lớn hình ảnh và video từ điện thoại thông minh, camera giao thông, hệ thống bảo mật và nhiều thiết bị khác Thị giác máy tính kết hợp trí tuệ nhân tạo và học máy (AI/ML) để xử lý và phân tích dữ liệu, cho phép xác định đối tượng, nhận diện khuôn mặt, phân loại, đề xuất, giám sát và phát hiện các sự kiện.
Nhiệm vụ của thị giác máy tính bao gồm thu thập, xử lý và phân tích hình ảnh kỹ thuật số để trích xuất thông tin có giá trị từ thế giới thực Quá trình này chuyển đổi hình ảnh trực quan thành các mô tả có ý nghĩa, hỗ trợ quá trình suy nghĩ và gợi ra hành động thích hợp Sự hiểu biết hình ảnh được thực hiện thông qua các mô hình dựa trên hình học, vật lý, thống kê và lý thuyết học tập.
Thị giác máy tính là một lĩnh vực khoa học nghiên cứu lý thuyết về các hệ thống nhân tạo có khả năng trích xuất thông tin từ hình ảnh Dữ liệu hình ảnh có thể xuất hiện dưới nhiều dạng, bao gồm video, hình ảnh từ nhiều camera, dữ liệu 3D từ máy quét, đám mây điểm từ cảm biến LiDAR và thiết bị y tế Các lý thuyết và mô hình trong thị giác máy tính được ứng dụng để phát triển các hệ thống có khả năng phân tích và hiểu các loại dữ liệu này.
Các lĩnh vực phụ của thị giác máy tính bao gồm:
• Học tập, lập chỉ mục
Hình 3.7: Ứng dụng của thị giác máy trong nhiều lĩnh vực
Tiền xử lý ảnh là bước thiết yếu trong thu thập và xử lý dữ liệu hình ảnh, giúp nâng cao chất lượng dữ liệu, loại bỏ nhiễu và tăng cường đặc trưng Quy trình này chuẩn bị dữ liệu cho các bước xử lý hình ảnh tiếp theo, đảm bảo rằng dữ liệu hình ảnh đạt chất lượng tối ưu trước khi áp dụng các thuật toán xử lý.
Trong đồ án này, tiền xử lý ảnh rất quan trọng để cải thiện chất lượng hình ảnh trước khi áp dụng các phương pháp thị giác máy tính và học máy Một trong những kỹ thuật tiền xử lý mà nhóm thực hiện là chuyển đổi không gian màu.
Phương pháp chuyển đổi không gian màu là một kỹ thuật tiền xử lý ảnh hiệu quả, giúp tách biệt thông tin màu sắc và các đặc trưng khác trong hình ảnh Trong đồ án này, việc áp dụng chuyển đổi không gian màu sẽ nâng cao khả năng phân loại chai nhựa Dưới đây là các bước cơ bản để thực hiện phương pháp này.
• Đọc ảnh: Sử dụng OpenCV để quét hình ảnh
• Chuyển đổi không gian màu: Áp dụng chức năng chuyển đổi không gian màu từ không gian màu gốc (RGB) sang không gian màu khác như HSV hoặc Lab
Trích xuất thành phần màu từ không gian màu mới bao gồm việc xác định các yếu tố như màu sắc chính, độ tương phản và giá trị độ bão hòa trong không gian màu HSV, cũng như các thành phần Lab trong không gian màu Lab.
Sau khi trích xuất các thành phần màu, việc xử lý và phân loại trở nên cần thiết Các biện pháp như sử dụng ngưỡng để tách biệt các vùng màu khác nhau hoặc áp dụng phương pháp học máy giúp phân loại chai nhựa dựa trên các thành phần màu đã được trích xuất.
Các bước này đảm bảo rằng dữ liệu hình ảnh được chuẩn bị một cách kỹ lưỡng, giúp tối ưu hóa việc áp dụng các phương pháp thị giác máy tính và học máy, từ đó nâng cao hiệu quả và độ chính xác trong quá trình phân loại.
Phát hiện vật thể là khả năng của hệ thống máy tính và phần mềm trong việc nhận diện các đối tượng qua hình ảnh và video Công nghệ này đã được áp dụng thành công trong nhiều lĩnh vực, bao gồm phát hiện con người, nhận diện vật thể lạ, đếm người đi bộ, giám sát và phương tiện tự lái Nhiều phương pháp và thuật toán đã được sử dụng trong quá trình phát hiện đối tượng, và sự phát triển của công nghệ này phụ thuộc vào nỗ lực của lập trình viên và nhà phát triển phần mềm.
Phát hiện vật thể là một lĩnh vực quan trọng trong thị giác máy tính, đặc biệt trong ngành công nghiệp ô tô tự lái Các hệ thống này sử dụng công nghệ thị giác máy tính và LADAR để tạo ra các đại diện đa chiều cho con đường YOLO (You Only Look Once) là một phương pháp phát hiện đối tượng hiệu quả, sử dụng lớp xác suất và mạng nơ-ron tích chập (CNN) để phát hiện các đối tượng trong thời gian thực Thuật toán YOLO cho phép dự đoán toàn bộ hình ảnh chỉ với một lần truyền tiến qua mạng nơ-ron, nhờ đó xác định các hộp giới hạn và xác suất của từng lớp.
Hình 3.8: Một số thuật toán nổi tiếng
Từ năm 2012, deep learning đã thúc đẩy sự phát triển của các thuật toán phát hiện đối tượng hiện đại như RetinaNet, R-CNN, Fast-RCNN, YOLO và SSD Những phương pháp này yêu cầu kiến thức sâu về toán học và học máy Tuy nhiên, việc tích hợp và sử dụng công nghệ phát hiện đối tượng trong sản phẩm mới vẫn gặp nhiều thách thức cho lập trình viên và nhà phát triển phần mềm.
Hình 3.9: So sánh kết quả các thuật toán
Trích xuất đặc trưng là quá trình chuyển đổi dữ liệu đầu vào thành các đặc trưng có ý nghĩa, nhằm tạo ra biểu diễn gọn gàng và thông tin hữu ích Mục tiêu chính của quá trình này là giúp việc phân loại, nhận dạng và xử lý dữ liệu trở nên dễ dàng hơn.
Khi làm việc với dữ liệu lớn hoặc chứa thông tin thừa, việc trích xuất đặc trưng là cần thiết để tập trung vào các yếu tố quan trọng và loại bỏ những phần không cần thiết Quá trình này không chỉ giúp giảm chiều dữ liệu mà còn tăng tốc độ xử lý và nâng cao hiệu suất của thuật toán máy học.
Tổng quan về Yolo
Hình 3.10: Các phiên bản của Yolo
YOLO (You Only Look Once) là thuật toán phát hiện đối tượng trong lĩnh vực thị giác máy tính, cho phép nhận dạng và phân loại các đối tượng trong hình ảnh và video chỉ với một lần truyền qua mạng nơ-ron tích chập (CNN) Nhờ vào thiết kế này, YOLO có khả năng xử lý hình ảnh nhanh chóng, thường đạt hiệu suất thời gian thực Thuật toán chia hình ảnh thành lưới và dự đoán các hộp giới hạn cùng xác suất lớp cho mỗi ô, từ đó xác định chính xác các đối tượng hiện diện trong hình ảnh.
Hình 3.11: Cấu trúc của Yolo Ưu điểm của Yolo
YOLO là một công nghệ nhận diện hình ảnh nhanh chóng, với khả năng xử lý lên đến 45 khung hình mỗi giây (FPS) mà không cần các đường ống phức tạp Đặc biệt, YOLO đạt độ chính xác trung bình (mAP) cao gấp đôi so với các hệ thống thời gian thực khác, làm cho nó trở thành lựa chọn lý tưởng cho các ứng dụng xử lý hình ảnh thời gian thực.
Từ hình ảnh bên dưới, chúng tôi nhận thấy rằng YOLO vượt xa các máy dò đối tượng khác với 91 FPS
Hình 3.12: Bảng so sánh tốc độ của các thuật toán
(Ảnh sưu tầm trên Internet) Độ chính xác phát hiện cao
Yolo nổi bật hơn các mẫu máy hiện đại khác nhờ độ chính xác cao và ít lỗi nền Với khả năng xử lý hình ảnh và video nhanh chóng, Yolo thường đạt tốc độ thời gian thực, lý tưởng cho các ứng dụng cần phản ứng nhanh như giám sát video và xe tự lái Đặc biệt, Yolo chỉ cần một lần truyền qua mạng nơ-ron để phát hiện đối tượng, giúp giảm thiểu thời gian xử lý so với các phương pháp truyền thống phức tạp hơn.
Hình 3.13: Bảng so sánh độ chính xác của các thuật toán
(Ảnh sưu tầm trên Internet)
Các phiên bản mới của YOLO đã cải thiện khả năng khái quát hóa, cho phép ứng dụng hiệu quả hơn trong các miền mới Sự tiến bộ này giúp YOLO trở thành lựa chọn lý tưởng cho các ứng dụng yêu cầu phát hiện đối tượng nhanh chóng và mạnh mẽ.
Mã nguồn mở đã tạo ra một hệ sinh thái phát triển mạnh mẽ, khuyến khích sự hợp tác và chia sẻ tri thức, dẫn đến những cải tiến liên tục Nhờ đó, YOLO trở thành một trong những thuật toán phát hiện đối tượng hàng đầu hiện nay, đồng thời thúc đẩy sự phát triển của các ứng dụng thị giác máy tính trên toàn cầu Việc YOLO trở thành mã nguồn mở đã khuyến khích cộng đồng không ngừng cải tiến mô hình, giúp YOLO ngày càng hoàn thiện và đáp ứng tốt hơn các nhu cầu đa dạng trong thực tế.
Kiến trúc mạng YOLO và cách hoạt động của YOLO
Mạng YOLO bao gồm các thành phần chính như hình ảnh đầu vào, kiến trúc darknet, các lớp fully connected, và đầu ra bao gồm anchor box cùng với nhãn của vật thể.
Hình 3.14: Cấu trúc hoạt động của Yolo
(Ảnh sưu tầm trên Internet)
Trên hình trên mô hình Yolo bao gồm các lớp sau:
• Lớp đầu vào (Input Layer): Lớp này nhận dữ liệu đầu vào là những hình ảnh
Lớp trích xuất đặc trưng trong Yolo đóng vai trò quan trọng trong việc nhận diện hình ảnh, sử dụng các mô hình mạng nơ-ron tích chập (CNN) như DarkNet hoặc ResNet để trích xuất các đặc trưng cần thiết.
Lớp kết hợp đặc trưng (Feature Concatenation Layer) là một thành phần quan trọng trong mô hình, nơi nó kết hợp các đặc trưng được trích xuất từ lớp trích xuất đặc trưng với thông tin vị trí của các ô lưới (grid cells) Sự kết hợp này giúp cải thiện khả năng phân tích và nhận diện trong các tác vụ liên quan đến dữ liệu không gian.
Lớp dự đoán (Prediction Layer) trong mạng nơ-ron chịu trách nhiệm xác định đối tượng và vị trí của chúng trên hình ảnh Bằng cách sử dụng thông tin từ lớp kết hợp đặc trưng, lớp này đưa ra các dự đoán về đối tượng và vị trí Mỗi ô lưới trên hình ảnh sẽ dự đoán một số lượng bounding box cùng với xác suất tương ứng cho từng đối tượng.
The Non-Max Suppression (NMS) Layer employs a non-max suppression algorithm to eliminate overlapping bounding boxes while retaining the most reliable ones This process effectively minimizes the number of redundant bounding boxes, enhancing the overall accuracy of object detection.
Lớp đầu ra (Output Layer) là phần quan trọng trong mô hình, cung cấp dữ liệu về các đối tượng được phát hiện cùng với thông tin tọa độ của chúng Qua lớp này, người dùng có thể xác định được các đối tượng và vị trí của chúng trên hình ảnh một cách chính xác.
Output của mô hình Yolo là một véc tơ sẽ bao gồm các thành phần:
Hình 3.15: Output của mô hình Yolo
𝑝 0 : là xác suất dự báo vật thể xuất hiện trong bounding box
:giúp xác định bounding box Trong đó 𝑡 𝑥, 𝑡 𝑦 là tọa độ tâm và 𝑡 𝑤, 𝑡 ℎ là kích thước rộng, dài của bounding box
:là véc tơ phân phối xác suất dự báo của các classes
Hiểu output là yếu tố quan trọng để cấu hình tham số chính xác khi huấn luyện model qua các open source như darknet Output được xác định dựa trên số lượng classes theo công thức (𝑛 𝑐𝑙𝑎𝑠𝑠 + 5) Nếu bạn huấn luyện 80 classes, output sẽ là 85 Trong trường hợp sử dụng 3 anchors/cell, số lượng tham số output sẽ thay đổi tương ứng.
Hình 3.16: Kiến trúc đầu ra của model YOLO
Hình 3.17: Các feature maps khác nhau của mạng Yolo
Các feature maps của mạng YOLO với input shape là 416x416, output là 3 feature maps có kích thước lần lượt là 13x13, 26x26 và 52x52
Trong mô hình YOLOv3, mỗi cell trên các feature map sẽ sử dụng 3 anchor box để dự đoán, dẫn đến tổng số anchor box là 𝑆 × 𝑆 × 3 trên một feature map hình vuông có kích thước S x S Do đó, tổng số anchor boxes trên một bức ảnh sẽ được tính bằng số lượng cell nhân với 3.
Số lượng 10647 (hộp neo) là rất lớn, gây khó khăn cho quá trình huấn luyện mô hình YOLO Điều này dẫn đến việc cần phải dự đoán đồng thời cả nhãn và hộp bao quanh cho 10647 hộp bao, làm cho quá trình huấn luyện trở nên chậm chạp.
Để xác định bounding box cho vật thể, YOLO sử dụng các anchor box được xác định trước, giúp ước lượng vị trí một cách chính xác Các anchor box này sẽ bao quanh vật thể và sau đó thuật toán regression bounding box sẽ điều chỉnh chúng để tạo ra bounding box dự đoán chính xác hơn cho vật thể.
Mỗi vật thể trong ảnh huấn luyện được gán cho một anchor box Nếu có từ hai anchor boxes trở lên bao quanh một vật thể, chúng ta sẽ chọn anchor box có chỉ số IoU cao nhất so với ground truth bounding box.
Hình 3.18: Xác định anchor box cho một vật thể
Để xác định anchor box cho một vật thể, từ Cell i, chúng ta có thể nhận diện 3 anchor boxes viền xanh Tất cả 3 anchor boxes này đều giao nhau với bounding box của vật thể Tuy nhiên, chỉ anchor box có đường viền dày nhất màu xanh được chọn làm anchor box cho vật thể, vì nó có chỉ số IoU cao nhất so với ground truth bounding box.
Mỗi vật thể trong ảnh huấn luyện được phân bổ vào một ô trên bản đồ đặc trưng, nơi chứa điểm giữa (mid point) của vật thể Ví dụ, trong hình ảnh chú chó, điểm giữa của nó nằm trong ô màu đỏ, do đó chú chó sẽ được phân vào ô này.
Từ cell ta sẽ xác định các anchor boxes bao quanh hình ảnh chú chó
Khi xác định một vật thể, cần chú ý đến hai thành phần quan trọng là cell và anchor box, vì cả hai đều gắn liền với quá trình nhận diện.
YOLO dự đoán bounding box với mục tiêu giữ vị trí trung tâm ổn định Nếu bounding box được dự đoán có thể xuất hiện ở bất kỳ vị trí nào trong hình ảnh, giống như trong mạng regional proposal network, quá trình huấn luyện mô hình có thể gặp phải sự không ổn định.
PHƯƠNG HƯỚNG VÀ CÁC GIẢI PHÁP VỀ THIẾT KẾ
Yêu cầu của đề tài
• Hệ thống có khả năng xử lý và phân loại số lượng lớn sản phẩm trong thời gian ngắn nhưng vẫn đạt hiệu suất cao
Cảm biến và hệ thống xử lý hình ảnh cần đạt độ phân giải cao để nhanh chóng và chính xác phát hiện các đặc tính của sản phẩm, từ đó đảm bảo việc phân loại chính xác từng sản phẩm.
• Hệ thống có khả phân loại đa dạng các tiêu chí.như kích thước, màu sắc, hình dạng
Hệ thống cần được tự động hóa hoàn toàn từ giai đoạn cấp liệu và phân loại cho đến giai đoạn đóng gói Đồng thời, nó cũng phải có khả năng giao tiếp và truyền dữ liệu hiệu quả với các hệ thống điều khiển và quản lý.
• Hệ thống phải an toàn cho người vận hành và sản phẩm
Chi phí vận hành và bảo trì thấp giúp doanh nghiệp tiết kiệm chi phí, đồng thời khả năng mở rộng linh hoạt cho phép hệ thống đáp ứng nhu cầu sản xuất tăng lên mà không cần thay đổi toàn bộ cấu trúc.
Phương án 1: hệ thống chiết rót và phân loại sản phẩm
Hệ thống chiết rót và phân loại sản phẩm là giải pháp tối ưu cho ngành thực phẩm, dược phẩm và hóa chất Hệ thống này tích hợp các công đoạn từ cấp liệu, chiết rót, kiểm tra phân loại theo tiêu chí yêu cầu, đến đóng gói sản phẩm, tạo thành một chuỗi quy trình thống nhất.
• Hệ thống chiết rót và phân loại hiện có độ chính xác cao, đảm bảo chất lượng sản phẩm
• Tăng tốc độ sản xuất đáp ứng được nhu cầu sản xuất lớn
• Có thể chiết rót và phân loại nhiều loại sản phẩm khác nhau
• Giảm thiểu sự can thiệp của con người, tăng hiệu suất
• Chi phí đầu tư ban đầu cao cho thiết bị và công nghệ
• Bảo trì thường xuyên để đảm bảo hệ thống hoạt động ổn định và chính xác
• Yêu cầu về sự hiểu biết công nghệ và lập trình để vận hành, giám sát và điều khiển
Hình 4.1: Mô hình hệ thống chiết rót phân loại sản phẩm
Phương án 2: hệ thống phân loại sản phẩm tốc độ cao
Hệ thống phân loại sản phẩm tốc độ cao là một giải pháp tự động hóa hiệu quả để phân loại vòng cao su dựa trên kích thước, màu sắc, hình dạng và chất liệu Quy trình này bao gồm các bước cấp liệu, phân tích xử lý, phân loại và đánh giá chất lượng trước khi đóng gói Hệ thống này mang lại nhiều ưu điểm, giúp tăng cường hiệu suất và độ chính xác trong sản xuất.
• Hệ thống có khả năng phân loại số lượng lớn vòng cao su trong khoảng thời gian ngắn với độ chính xác và đem lại năng suất cao
• Có khả năng phân loại theo nhiều tiêu chí khác nhau như kích thước, hình dạng,
• Giảm sự can thiệp từ con người, chi phí vận hành
• Chi phí đầu tư ban đầu cao cho thiết bị và công nghệ
• Bảo trì thường xuyên để đảm bảo hệ thống hoạt động ổn định và chính xác
• Yêu cầu về sự hiểu biết công nghệ và lập trình để vận hành, giám sát và điều khiển
Hình 4.2: Mô hình hệ thống phân loại vòng đệm cao su tốc độ cao
Lựa chọn phương án
Sau khi phân tích và so sánh hai hệ thống chiết rót phân loại sản phẩm và hệ thống phân loại vòng cao su theo các tiêu chí đã đề ra, nhóm chúng em đã quyết định chọn thiết kế hệ thống phân loại vòng cao su.
Hệ thống phân loại vòng cao su tốc độ cao là lựa chọn tối ưu, được thiết kế đặc biệt để đáp ứng những yêu cầu khắt khe trong quá trình phân loại.
• Hệ thống có khả năng xử lý và phân loại số lượng lớn sản phẩm trong thời gian ngắn nhưng vẫn đạt hiệu suất cao
• Hệ thống có khả phân loại đa dạng các tiêu chí.như kích thước, màu sắc, hình dạng
Hệ thống cần được tự động hóa từ giai đoạn cấp liệu, phân loại cho đến giai đoạn đóng gói, đồng thời có khả năng giao tiếp và truyền dữ liệu hiệu quả với các hệ thống điều khiển và quản lý.
Trình tự thực hiện công việc
Để nghiên cứu, thiết kế và chế tạo hệ thống phân loại vòng đệm cao su, cần thực hiện một quy trình chi tiết và cẩn thận qua các bước sau: xác định yêu cầu kỹ thuật, khảo sát thị trường, phát triển mẫu thiết kế, thử nghiệm và hoàn thiện sản phẩm.
Nghiên cứu và khảo sát:
• Xác định yêu cầu cụ thể của khách hàng, nhà máy sản xuất
• Đánh giá số lượng vòng đệm cao su cần phân loại trong một khoảng thời gian nhất định
• Xác định các tiêu chí phân loại: kích thước, màu sắc, hình dạng, chất liệu
• Nghiên cứu các công nghệ và thiết bị phân loại hiện có trên thị trường đánh giá hiệu quả của chúng
Hệ thống phân loại vòng đệm cao su bao gồm các thành phần chính như bộ cấp liệu, băng tải, cảm biến, hệ thống hình ảnh, bộ xử lý trung tâm và cơ cấu phân loại Những thành phần này phối hợp chặt chẽ để đảm bảo quy trình phân loại diễn ra hiệu quả và chính xác Bộ cấp liệu cung cấp nguyên liệu đầu vào, trong khi băng tải vận chuyển vòng đệm đến vị trí phân loại Cảm biến và hệ thống hình ảnh đóng vai trò quan trọng trong việc nhận diện và phân loại sản phẩm, và bộ xử lý trung tâm xử lý thông tin để điều khiển toàn bộ hệ thống.
• Đánh giá tính khả thi, phân tích ưu nhược điểm để đưa ra phương án tối ưu nhất
• Thiết kế chi tiết các bộ phận cơ khí của hệ thống: khung máy, băng tải, cơ cấu phân loại
• Thiết kế điện: lập sơ đồ mạch điện cho hệ thống, chọn các cảm biến, hệ thống xử lý hình ảnh, và bộ điều khiển phù hợp
• Thiết kế phần mềm điều khiển hệ thống
Chế tạo và lắp đặt:
• Gia công cơ khí mua sắm và tìm hiểu sử dụng các linh kiện điện tử và cảm biến
• Lắp ráp các bộ phận cơ khí theo thiết kế
• Kết nối và lắp đặt các cảm biến, bộ xử lý hình ảnh, và bộ điều khiển
• Kiểm tra và hiệu chỉnh
• Thực hiện các kiểm tra ban đầu để đảm bảo tất cả các bộ phận hoạt động đúng chức năng
• Hiệu chỉnh các thông số, điều chỉnh các cảm biến và hệ thống hình ảnh để đảm bảo phân loại chính xác theo tiêu chí đề ra
Thử nghiệm và đánh giá:
• Thử nghiệm hệ thống trong điều kiện thực tế với các vòng đệm cao su để đánh giá hiệu suất và độ chính xác của hệ thống
• Thu thập và phân tích dữ liệu từ các thực nghiệm để đưa ra các hướng điều chỉnh cần thiết nhằm cải thiện hệ thống.
TÍNH TOÁN, THIẾT KẾ VÀ XÂY DỰNG HỆ THỐNG
Thiết kế cơ khí
Hình 5.1: Sơ đồ khối thiết kế cơ khí
Khung được thiết kế từ nhiều thanh nhôm định hình 30x30, kết nối với nhau để tạo ra một cấu trúc có không gian rộng rãi, thuận tiện cho việc lắp đặt các thiết bị và hệ thống bên trong.
Khung chịu tải thường bị uốn cong khi chịu lực từ trên xuống, do đó, việc kiểm tra độ bền của vật liệu là rất cần thiết.
Tính chất cơ học của hợp kim nhôm 6063-T5
• Giới hạn bền đứt σ 𝑏 : 186 MPa
• Độ giãn dài tương đối: 12%
Kiểm nghiệm độ bền khung là một bước quan trọng, trong đó khung được thiết kế để chứa hệ thống mâm xoay với động cơ 5.5kg và hai mâm xoay có tổng khối lượng khoảng 3kg Để đảm bảo độ bền, chúng tôi giả định trọng lượng lớn hơn 20kg, tương đương với lực 200 N, cùng với tủ điện nặng khoảng 15kg, tương ứng với 150N Phần mềm Solidworks được sử dụng để phân tích và tính toán độ bền cho khung máy.
Hình 5.3 cho thấy ứng suất phân bổ lên khung chính, với kết quả phân tích cho thấy tổng lực theo phương thẳng đứng tác dụng vào khung đạt mức tối đa 75.38 MPa, thấp hơn nhiều so với giới hạn ứng suất 186 MPa của hợp kim nhôm 6063-T5 Điều này chứng tỏ kết cấu khung đảm bảo độ bền và có khả năng chịu tải trọng theo yêu cầu.
Hình 5.4: Chuyển vị đối với khung chính Đánh giá kết quả: Hình 5.4 – độ chuyển vị lớn nhất tác động vào khung ở giá trị
0.8673 mm cho thấy vẫn nằm trong phạm vi cho phép để khung chịu tải trọng đưa ra, tính chắc chắn của kết cấu vẫn có thể chấp nhận
Tính toán chọn động cơ
Sản phẩm có khối lượng nhỏ nên chúng em sẽ sử dụng bộ định vị quay để vận chuyển hiệu quả.
Hai loại động cơ phổ biến cho bộ định vị quay là động cơ servo quay và động cơ truyền động trực tiếp Động cơ servo nổi bật với độ chính xác và hiệu suất cao, thường được sử dụng cho các ứng dụng yêu cầu mô-men xoắn ngắn hạn và có thể đạt tốc độ từ 3000 đến 5000 RPM Tuy nhiên, nó cần hộp số để giảm tốc độ, điều này có thể tạo ra độ rơ và giảm độ chính xác Ngược lại, động cơ truyền động trực tiếp cho phép giảm tốc độ để đạt mô-men xoắn cao hơn mà không cần hộp số, giúp gắn tải trực tiếp vào động cơ Với số cực cao, động cơ này tạo ra mô-men xoắn lớn trong khi giảm tốc độ, giúp loại bỏ các bộ phận cơ khí gây ra độ rơ và tiết kiệm chi phí lắp ráp và gia công so với động cơ servo tiêu chuẩn.
Vì vậy trong dự án này, chúng em quyết định sử dụng động cơ truyền động trực tiếp cho hệ thống
Quán tính của tải là yếu tố quan trọng trong việc xác định tính phù hợp của động cơ cho ứng dụng cụ thể Phương pháp định cỡ động cơ sẽ được áp dụng để đánh giá xem động cơ đã cho có đáp ứng yêu cầu hay không Bước tính toán đầu tiên sẽ tập trung vào việc hạn chế quán tính của tải và tỷ số quán tính của tải trong bối cảnh ứng dụng.
Quán tính của hệ thống:
JM: Quán tính của rotor (kg.m 2 )
JL: quán tính của tải (mô men quán tính của tải) (kg.m 2 )
Quán tính của mâm xoay:
𝐽 𝐷 1 : Mô men quán tính của mâm nhôm (kg.m 2 )
𝐽 𝐷 2 : Mô men quán tính của mâm mica (kg.m 2 )
𝐽 𝑣 : Mô men quán tính của tải (kg.m 2 )
Công thức mô men quán tính của mâm mica là:
8) m 2 D 2 2 (5.3) m 2 : khối lượng của mâm mica (kg)
Nếu không có khối lượng, quán tính tải có thể được tính với độ dày của mâm mà mật độ vật liệu:
Trong đó: ρ: Acrylic density 1180 (kg/m³) L: độ dày của mâm 8 (mm)
Quán tính tải của mâm mica:
Vì mâm nhôm có 8 gân nên công thức là tổng quán tính của mâm nhỏ (không tính phần gân) cộng quán tính của gân
Quán tính tải của mâm nhôm:
J D 1n : Mô men quán tính của mâm nhỏ (không tính phần gân) (kg.m 2 )
J D 𝑔 : Mô men quán tính của phần gân (kg.m 2 )
Quán tính tải của mâm nhỏ phần không có gân:
Trong đó: ρ: nhôm 2700 kg/m³ L: độ dày của mâm 5 mm
Tải của gân được tính toán sử dụng lý thuyết trục song song:
Trong đó: p: Độ đặc của nhôm 2700 𝑘𝑔/𝑚 3 L: Chiều cao của gân 5 mm +
𝐷 𝑔 : đường kính của gân 30 mm d: Khoảng cách giữa tâm mâm xoay tới gân 166 mm
Nên quán tính của mâm theo công thức:
Sản phẩm là vòng cao su có hình dạng tương tự trụ tròn rỗng ở giữa nên có công thức:
M: là khối lượng của vòng (kg)
𝑅 1 : bán kính ngoài của vòng (m)
𝑅 2 : bán kính trong của vòng (m)
Vòng cao su có khối lượng khoảng 2g, với đường kính ngoài là 32 mm và đường kính trong là 25.8 mm Mô men quán tính của vòng cao su được tính toán dựa trên các thông số này.
Từ các dữ liệu trên Tổng mô men quán tính là:
Vm: Vận tốc của động cơ (vòng/phút) 𝜃: Quãng đường di chuyển (độ) t0: Thời gian chu kỳ đầy đủ (s) t1: thời gian tăng tốc / giảm tốc (s)
Mô men xoắn yêu cầu:
Tải trọng yêu cầu bao gồm mô men tải và mô men gia tốc, trong đó tải trọng ma sát được xem là không đáng kể và vì vậy có thể bỏ qua Mô men xoắn tải được giả định là bằng 0.
Ta: Mô men tăng tốc, N.m
JL: quán tính của tải, kg.m 2
Vm: vận tốc động cơ
Để chọn động cơ cung cấp, cần đảm bảo rằng mô men xoắn cực đại tức thời của động cơ servo cao hơn mômen tăng/giảm tốc và quán tính tải nhỏ hơn tỷ số quán tính cho phép nhân với quán tính rôto của động cơ servo Động cơ được sử dụng trong trường hợp này là động cơ servo YOKOGAWA với các thông số kỹ thuật cụ thể.
Bảng 5.1: Thông số kỹ thuật của động cơ servo Provision
Mô men định mức (Rated torque) 10 N.m
Hệ số quán tính cho phép 80
Quán tính rôto là 12 x 10^-3 kg.m² Điều kiện thứ nhất cho thấy mô men cực đại liên tục lớn hơn mô men yêu cầu, do đó điều kiện này được thỏa mãn Điều kiện thứ hai yêu cầu rằng JL phải nhỏ hơn hệ số quán tính cho phép nhân với JM.
Sau khi các điều kiện của động cơ cung cấp được thỏa mãn, có thể xác minh hai biến mô men gia tốc và mô men giảm tốc
𝑇 𝑀𝑎 ≈ 111.08 × 10 −3 (N.m) < mô men cực đại => thỏa mãn
𝑇 𝑀𝑑 ≈ −111.08 × 10 −3 (N.m) thỏa mãn
Xác minh giá trị mô men xoắn hiệu quả:
𝑡 0 (5.10) tc: thời gian cố định, 0.66 sec
Trms < mô men định mức => thỏa mãn
Bảng 5.2: Thông số kỹ thuật tiêu chuẩn của động cơ servo
Hình 5.5: DYNASERV Direct Drive Servo Motor
Hình 5.6: Các bộ phận của động cơ
Tính toán độ bền của mâm xoay
Mâm hình tròn chịu tải phân bố đều q (N/m²) trên toàn bộ bề mặt Ứng suất lớn nhất tại tâm mâm được tính bằng công thức: σ 𝑚𝑎𝑥 = 3.(3+𝑣).𝑝.𝑟² Độ võng lớn nhất cũng có thể được xác định bằng các công thức liên quan.
Trong bài viết này, chúng ta sẽ tìm hiểu về các yếu tố liên quan đến ứng suất và độ võng của mâm Ứng suất lớn nhất được ký hiệu là σ 𝑚𝑎𝑥, đo bằng Pa hoặc N/m², trong khi tải trọng phân bố đều trên bề mặt được ký hiệu là p, tính bằng N/m² Bán kính của mâm được ký hiệu là r (m), và độ dày của mâm là t (m) Đặc biệt, độ võng lớn nhất tại tâm mâm có thể được tính theo công thức: σ 𝑣𝑚𝑎𝑥 = (5 + 𝑣) 𝑝 𝑟.
Trong đó: σ 𝑣𝑚𝑎𝑥 : Độ võng lớn nhất (m) p: Tải trọng phân bố đều trên bề mặt (N/m²) r: Bán kính của mâm (m)
D: Độ cứng uốn của mâm, được tính bằng:
E: Mô-đun đàn hồi của nhôm (Pa) ν: Hệ số Poisson của nhôm p = 𝐹
Trong đó: p: tải trọng phân bố đều trên toàn bộ bề mặt mâm (N/m²)
F: tổng lực tác dụng lên bề mặt mâm (N)
A: diện tích bề mặt của mâm (m²) Đường kính mâm, d=0.363m Độ dày mâm, t=0.005m
Lực tác dụng lên bề mặt mâm F0N, tương ứng với đặt một vật có khối lượng 3 kg Mô-đun đàn hồi của nhôm, E = 70 GPa = 70 x 10 9 Pa 𝑚 3
Hệ số Poisson của nhôm, ν = 0.33 Độ bền kéo của nhôm σ = 50 MPa
Tải trọng phân bố đều trên toàn bộ bề mặt mâm nhôm: p = 𝐹
2 ) 2 ≈ 290 (N/m²) Ứng suất lớn nhất: σ max = 3.(3+v).p.r 2
12.(1−0.33 2 ) ≈ 818.28 (Pa) Độ võng lớn nhất: σ vmax = (5+v).p.r 4
Mâm nhôm chịu ứng suất lớn nhất là 0.477 MPa, thấp hơn nhiều so với độ bền kéo của nhôm là 310 MPa Độ võng lớn nhất chỉ khoảng 2.41 x 10 −5 m, cho thấy mâm rất cứng và ổn định khi chịu tải phân bố đều.
Các thông số của mâm mica: Đường kính mâm, d=0.56m Độ dày mâm, t=0.008m
Lực tác dụng lên bề mặt mâm F = 10 N, tương ứng với đặt một vật có khối lượng
Mô-đun đàn hồi của mica, E = 3.2 GPa = 3.2 x 10 9 Pa 𝑚 3
Hệ số Poisson của mica, ν = 0.35 Độ bền kéo của mica σ = 50 MPa
Tải trọng phân bố đều trên toàn bộ bề mặt mâm mica: p = 𝐹
𝜋 ( 0.56 2 ) 2 ≈ 40 (N/m²) Ứng suất lớn nhất: σ max = 3.(3+v).p.r 2
12.(1−0.35 2 ) ≈ 155.59 (Pa) Độ võng lớn nhất: σ vmax = (5+v).p.r 4
• Ứng suất lớn nhất mà mâm mica (Acrylic) phải chịu là 0.062 MPa, thấp hơn nhiều so với độ bền kéo của mica (Acrylic) 50 MPa
• Độ võng lớn nhất là rất nhỏ, chỉ khoảng 9.78 x 10 −5 m, cho thấy mâm cứng và ổn định dưới tải phân bố đều
Để vận chuyển vòng cao su từ hệ thống cấp phôi đến vị trí mâm xoay, nhóm chúng tôi đã thiết kế một băng tải ứng dụng Dưới đây là các bước tính toán và lựa chọn động cơ phù hợp với yêu cầu của băng tải.
Lực căng băng tải được tính bằng công thức sau:
𝑊 𝑚 : Trọng lượng vật liệu trên băng tải (kg)
𝑊 𝑏 : Trọng lượng băng tải (kg) g: Gia tốc trọng trường (≈ 9.81 m/s²) μ: Hệ số ma sát θ: Góc nghiêng của băng tải (độ)
Mô-men xoắn cần thiết cho động cơ được tính bằng công thức sau:
D: Đường kính của rulo nơi động cơ được gắn
Công suất động cơ cần thiết được tính bằng công thức sau:
Trong đó: ω: Tốc độ góc của rulo (vòng/phút)
Tốc độ góc ω được tính từ vận tốc băng tải v như sau: ω = 𝜋.𝐷 𝑣 (5.18)
Trong đó: v: Tốc độ di chuyển của băng tải
Các thông số để tính toán động cơ cho băng tải:
Tải trọng trên băng tải 𝑊 𝑚 : 0.5 kg
Tải trọng băng tải 𝑊 𝑏 : 1.5 kg
Hệ số ma sát μ: 0.6 Đường kính rulo D: 0.34 m
Góc nghiêng của băng tải θ: 0 độ (ngang)
Lực căng dây băng tải:
Vậy cần chọn động cơ có công suất lớn hơn 1.97 x 10 −5 kW, vì vậy chúng em quyết định chọn động cơ giảm tốc 24VDC JGB37-3530, 66RPM, 2.5W
Hệ thống cấp phôi tự động
Hệ thống camera
Camera công nghiệp, hay còn gọi là Industrial Camera, là thiết bị chuyên dụng được thiết kế để hoạt động trong môi trường khắc nghiệt, bao gồm nhiệt độ cao và rung sốc mạnh Chúng là công cụ thiết yếu trong nhiều ngành công nghiệp hiện đại, nơi yêu cầu giám sát và kiểm soát chất lượng sản phẩm ngày càng cao Với khả năng hoạt động ổn định và chính xác, camera công nghiệp nâng cao hiệu suất và chất lượng sản xuất Chúng được ứng dụng rộng rãi trong các nhà máy và dây chuyền sản xuất, tự động giám sát toàn bộ quá trình, theo dõi sản phẩm trên băng tải, phát hiện lỗi siêu nhỏ và kiểm tra chất lượng mà không cần can thiệp của con người Điều này giúp tiết kiệm thời gian, giảm chi phí lao động và đảm bảo tính nhất quán, độ tin cậy của sản phẩm cuối cùng.
Hình 5.22: Hệ thống phân loại xử lý ảnh
Trong các nhà máy sản xuất hiện đại, camera công nghiệp đóng vai trò quan trọng trong việc giám sát quy trình sản xuất tự động, giúp phân loại và đo lường sản phẩm Chúng có khả năng kiểm tra sản phẩm tự động, điều hướng robot, quét mã vạch và thực hiện nhiều nhiệm vụ khác mà không cần tiếp xúc trực tiếp với sản phẩm Điều này đặc biệt cần thiết trong các môi trường sản xuất yêu cầu độ sạch sẽ và chính xác cao, như trong ngành điện tử, y tế và dược phẩm.
Camera công nghiệp đóng vai trò quan trọng trong việc giám sát và đảm bảo an toàn lao động Chúng giúp phát hiện kịp thời các tình huống nguy hiểm, ngăn chặn tai nạn lao động và tạo ra môi trường làm việc an toàn cho công nhân Nhờ đó, việc duy trì và nâng cao tiêu chuẩn an toàn trong các nhà máy và xí nghiệp trở nên hiệu quả hơn.
Sự phát triển của công nghệ xử lý ảnh và trí tuệ nhân tạo (AI) đã mang lại nhiều khả năng mới cho camera công nghiệp Các hệ thống camera hiện đại sử dụng AI để phân tích hình ảnh và nhận diện mẫu phức tạp, giúp tự động phát hiện và phân loại sản phẩm chính xác hơn Điều này không chỉ nâng cao chất lượng sản phẩm mà còn tối ưu hóa quy trình sản xuất và giảm thiểu lãng phí.
Trong thời đại công nghiệp 4.0, camera công nghiệp trở thành yếu tố then chốt trong chuyển đổi số và tự động hóa quy trình sản xuất Chúng giúp doanh nghiệp nâng cao năng lực cạnh tranh thông qua việc tối ưu hóa hiệu suất, đảm bảo chất lượng sản phẩm và giảm chi phí sản xuất Sự phát triển công nghệ liên tục càng khẳng định vai trò thiết yếu của camera công nghiệp trong các hệ thống sản xuất hiện đại.
Lựa chọn camera và thiết bị chiếu sáng
5.2.2.1 Lựa chọn camera Đối với sản phẩm vòng đệm có màu đen ta lựa sẽ lựa chọn loại cam trắng đen Chọn mua cam ở chế độ Global shutter để có thể chụp được sản phẩm ở tốc độ cao mà không bị nhòe, mờ hình mang lại chất lượng ảnh tốt hơn Độ phân giải của camera là một phần không thể thiếu độ phân giải càng cao thì sẽ cho ra chất lượng ảnh càng tốt Sau khi đã tham khảo nguồn trên mạng cũng như xem xét giá cả hợp lý nhóm chúng em đã quyết định mua chọn camera của hãng FLIR hãng camera có mức giá tầm trung và đáp ứng tốt nhu cầu bài toán là phân loại ở tốc độ cao Mã nguồn mở có hỗ trợ c loại ngôn ngữ như C,C# và python
Bảng 5.3: Thông số của camera
Chuẩn giao tiếp GIGE (cáp ethernet)
Frame rate 29fps Độ phân giải 2.0MP
Chế độ màu Trắng đen
Thu thập hình ảnh phôi
Thu thập hình ảnh là bước tiền xử lý quan trọng, giúp phân loại sản phẩm thành hai nhóm: sản phẩm đạt chuẩn và sản phẩm không đạt chuẩn Quá trình này tạo điều kiện thuận lợi cho việc gán nhãn (label) cho các sản phẩm.
Hệ thống điện
Tổng quan hệ thống điện
Hệ thống tủ điện đóng vai trò quan trọng trong dự án “Thiết kế và chế tạo hệ thống phân loại sản phẩm tốc độ cao”, bảo vệ và chứa đựng các thiết bị điện như nguồn cung cấp, CB, relay, van khí nén, đèn báo hiệu và nút nhấn Tủ điện cũng cung cấp nguồn cho các thiết bị bên ngoài như động cơ và cảm biến, đảm bảo cung cấp điện ổn định và an toàn Ngoài ra, hệ thống tủ điện giúp dễ dàng quản lý và bảo trì các thiết bị điện trong toàn bộ hệ thống.
Hình 5.28: Hệ thống tủ điện
Tủ điện đóng vai trò quan trọng trong việc thiết kế hệ thống, đảm bảo tính bền, an toàn và dễ bảo trì Việc sử dụng tủ điện không chỉ giúp duy trì khả năng hoạt động ổn định cho hệ thống mà còn cần thiết cho các ứng dụng công nghiệp khác.
Tủ điện là thiết bị quan trọng dùng để chứa và quản lý các thiết bị điều khiển, bảo vệ cũng như nguồn cấp cho hệ thống hoạt động Việc lựa chọn loại tủ điện và các thiết bị bên trong cần dựa vào yêu cầu cụ thể của từng ứng dụng hệ thống.
Theo yêu cầu của đồ án, nhiệm vụ chính là xử lý và phân loại tốc độ cao Để đáp ứng yêu cầu này, nhóm đã sử dụng các thiết bị có tốc độ phản hồi nhanh, bao gồm các module I/O của PLC và cảm biến quang với thời gian phản hồi trong micro giây.
Hệ thống tủ điện cần đảm bảo an toàn tuyệt đối cho người vận hành và thiết bị Việc lắp đặt đầy đủ các thiết bị bảo vệ như cầu dao (CB), cầu chì, relay bảo vệ và hệ thống dừng khẩn cấp là rất quan trọng.
Tủ điện cần được thiết kế sao cho tiện lợi, cho phép người sử dụng dễ dàng tiếp cận và thao tác khi cần thiết Việc sắp xếp các thiết bị một cách gọn gàng không chỉ giúp nâng cao hiệu quả sử dụng mà còn tạo điều kiện thuận lợi cho việc bảo trì.
Hệ thống tủ điện cần đảm bảo cung cấp điện ổn định và hiệu quả cho toàn bộ hệ thống, nhằm giảm thiểu tiêu thụ năng lượng và tối ưu hóa hiệu suất hoạt động.
• Xác định yêu cầu: Dựa trên yêu cầu của hệ thống phân loại sản phẩm, xác định các thiết bị cần thiết và thông số kỹ thuật cụ thể
• Thiết kế sơ đồ: Lập sơ đồ mạch điện và bố trí các thiết bị trong tủ điện một cách hợp lý
• Lựa chọn thiết bị: Chọn các thiết bị điện phù hợp với yêu cầu về công suất, tính năng và độ tin cậy
• Kiểm tra và thử nghiệm: Sau khi lắp đặt, tiến hành kiểm tra và thử nghiệm hệ thống để đảm bảo hoạt động đúng theo thiết kế
Lựa chọn các thiết bị
Nguồn cung cấp điện là yếu tố thiết yếu để duy trì hoạt động liên tục và ổn định của toàn bộ hệ thống Việc lựa chọn nguồn điện cần xem xét các yếu tố như điện áp, công suất và độ tin cậy để đảm bảo cung cấp đủ năng lượng cho tất cả thiết bị Đồng thời, nguồn điện phải đáp ứng các yêu cầu về tính ổn định và an toàn, với chức năng bảo vệ khỏi quá nhiệt, quá tải, quá áp và ngắn mạch.
Nguồn Mean Well DR-120-24 là giải pháp lý tưởng để cấp điện cho các thiết bị trong và ngoài tủ điện, bao gồm động cơ băng tải, module PLC, van khí nén và cảm biến, với khả năng cung cấp dòng ra lên đến 5A.
Bảng 5.4: Thông số nguồn MeanWell Điện áp đầu vào (V_in) 100 - 120 VAC
200 - 240 VAC Điện áp đầu ra (V_out) 24 VDC
Dòng điện tối đa đầu ra (Max) 5 A
Kích thước (Sâu x Rộng x Cao) 100 x 65.5 x 125.2 mm
Tần số đầu vào 50Hz, 60Hz
Bộ điều khiển PLC (Programmable Logic Controller) là thiết bị quan trọng trong hệ thống điều khiển tự động, chuyên thực hiện các tác vụ điều khiển trong môi trường công nghiệp Với khả năng lập trình, PLC có thể thực hiện các chức năng điều khiển logic, trình tự, thời gian, đếm và tính toán một cách hiệu quả.
Trong đồ án này nhóm sử dụng PLC Keyence KV-5500 để làm bộ điều khiển chính Truyền nhận tín hiệu để điều khiển các quy trình trong hệ thống
Bảng 5.5: Thông số PLC Keyence KV-5500 Điện áp đầu vào (V_in) 24VDC
Dòng điện tiêu thụ trong CPU Từ 320mA trở xuống
Môi trường vận hành Tốt nhất trong môi trường ít bụi và khí ăn mòn Dung lượng chương trình Xấp xỉ 260.000 bước
Số lượng khối cài đặt tối đa 16 khối (48 khối khi kết nối khối mở rộng) Chức năng tự chuẩn đoán CPU bất thường, RAM bất thường, khác
Module ngõ ra PLC (KV-B16TC) đóng vai trò quan trọng trong hệ thống điều khiển tự động sử dụng PLC Chức năng chính của nó là chuyển đổi tín hiệu điều khiển từ CPU của PLC thành tín hiệu điều khiển cho các thiết bị ngoại vi như động cơ, van điện từ, đèn báo và nhiều thiết bị khác.
Module KV-B16TC là một loại Module ngõ ra Transistor của Keyence với tốc độ đáp ứng khá nhanh, phù hợp với yêu cầu của hệ thống
Hình 5.31: Module Output KV-B16TC
Bảng 5.6: Thông số Module Output KV-B16TC
Kiểu ngõ ra Transistor (NPN) Điện áp đầu ra định mức 30VDC
Dòng điện đầu ra định mức 0.2A
Số ngõ ra 16 điểm / 2 COM
Thời gian đáp ứng từ OFF → ON Dưới 10s
Thời gian đáp ứng từ ON → OFF Dưới 200s
Module ngõ vào PLC (KV-B16XC) đóng vai trò quan trọng trong hệ thống điều khiển tự động sử dụng PLC Chức năng chính của nó là thu thập tín hiệu từ các thiết bị ngoại vi và chuyển đổi chúng thành tín hiệu điện tử để CPU của PLC có thể xử lý.
Module ngõ vào KV-B16XC của Keyence là một dạng module mở rộng ngõ vào
Bảng 5.7: Module Input KV-B16XC
Bảng 5.8: Thông số Module Input KV-B16XC Điện áp ngõ vào (có 2 chế độ) 24VDC
5VDC Điện áp ngõ vào tối đa (Max) 26.4VDC
Dòng điện ngõ vào định mức 5.3mA
Số ngõ vào 16 điểm / 2 COM
Thời gian đáp ứng từ OFF → ON 1ms
Thời gian đáp ứng từ ON → OFF 1ms
Module dãy xung 2 trục KV-H20S là một thành phần thiết yếu trong hệ thống điều khiển chuyển động, mang lại khả năng điều khiển chính xác và linh hoạt cho các ứng dụng công nghiệp.
Trong đồ án này, module KV-H20S được sử dụng chủ yếu để phát tín hiệu xung và điều chỉnh tần số chính xác nhằm kiểm soát tốc độ và hướng của động cơ servo, đặc biệt là động cơ cho mâm xoay Module này hỗ trợ nhiều chế độ điều khiển như vị trí, tốc độ và mô men xoắn, trong đó nhóm đã chọn chế độ JOG để phát xung cho mâm xoay.
Hình 5.32: Module Dãy Xung KV-H20S
Bảng 5.9: Thông số Module Dãy Xung KV-H20S Điện áp đầu vào 24VDC (được cấp bởi khối CPU)
Số trục điều khiển Điều khiển đồng thời 2 trục (nội suy tuyến tính), 2 trục độc lập Dãy tốc độ thiết lập cho phép 1 đến 1000000 p/s
Dãy vị trí thiết lập cho phép ±99999999
Phạm vi tăng tốc/giảm tốc cho phép 1 đến 65000 mm/s/ms, deg/s/ms, p/s/ms
Module nguồn KV-U7 của Keyence là thiết bị thiết yếu trong hệ thống điều khiển tự động sử dụng PLC, cung cấp nguồn điện ổn định và tin cậy cho PLC và các module kết nối khác.
Bảng 5.10: Thông số Module Nguồn KV-U7 Điện áp đầu vào 100 – 240VAC Điện áp đầu ra 24VDC
Dòng điện đầu ra 1,8A (bao gồm cả dòng điện cấp cho tất cả các khối) Dòng điện đầu ra định mức 0.2A
Hệ thống điều khiển
Bộ điều khiển PLC (Programmable Logic Controller) là thành phần trung tâm trong hệ thống điều khiển của dự án, được lựa chọn nhờ khả năng điều khiển linh hoạt, độ tin cậy cao và dễ lập trình Trong dự án này, PLC Keyence được sử dụng làm bộ điều khiển chính cho toàn bộ hệ thống phân loại sản phẩm.
Các chức năng chính của PLC trong hệ thống:
PLC thu thập tín hiệu từ các cảm biến trên mâm xoay để nhận diện sản phẩm, từ đó gửi tín hiệu kích hoạt cho camera thực hiện quá trình chụp và xử lý ảnh.
PLC xử lý tín hiệu từ phần xử lý ảnh để phân loại sản phẩm lỗi Quá trình này bao gồm việc điều chỉnh bộ đếm, thời gian trễ và trạng thái của van khí nén, nhằm đảm bảo phân loại chính xác và hiệu quả.
Hệ thống xử lý ảnh giao tiếp với PLC bằng cách gửi tín hiệu để phân loại sản phẩm, từ đó PLC đưa ra các lệnh điều khiển phù hợp.
Chương trình điều khiển PLC trong dự án
Chương trình điều khiển PLC trong dự án này được phát triển nhằm thực hiện các nhiệm vụ chính như điều khiển JOG, kích hoạt sản phẩm và phân loại sản phẩm lỗi, nhằm đảm bảo hệ thống phân loại hoạt động chính xác và hiệu quả.
Chức năng điều khiển JOG cho phép điều khiển thủ công các động cơ trong hệ thống, giúp dễ dàng kiểm tra và bảo trì Chế độ JOG cho phép điều chỉnh từng bước di chuyển của động cơ mà không cần thay đổi số xung phát ra, thường được áp dụng trong quá trình cài đặt hoặc kiểm tra hệ thống.
Trong đồ án này, nhóm nghiên cứu sử dụng mâm xoay trong suốt để chụp và xử lý ảnh cả hai mặt của sản phẩm Mâm xoay có nhiệm vụ quay sản phẩm theo chu kỳ từ sensor phát hiện đến xử lý ảnh và phân loại Do đó, hệ thống xoay cần đảm bảo tính ổn định và tốc độ quay đồng đều, vì vậy giải pháp tối ưu được nhóm đưa ra là sử dụng điều khiển JOG.
Sau khi nhấn nút Start, động cơ mâm xoay sẽ khởi động với tốc độ và gia tốc được điều chỉnh phù hợp cho quá trình xử lý ảnh và phân loại sản phẩm.
Chức năng trigger sản phẩm là quá trình xác định và đánh dấu sự hiện diện của sản phẩm trên mâm xoay tại các vị trí cụ thể Chức năng này đóng vai trò quan trọng trong việc đồng bộ hóa các hoạt động của hệ thống, bao gồm chụp ảnh sản phẩm và thực hiện các hành động phân loại.
Trong đồ án này, camera xử lý ảnh được kích hoạt bởi tín hiệu từ PLC, nhằm phát hiện lỗi trên sản phẩm một cách nhanh chóng và chính xác.
Lập trình camera chụp ảnh được điều khiển bởi PLC thông qua tín hiệu trigger Khi sản phẩm vào mâm xoay, cảm biến sẽ phát hiện và kích hoạt bộ đếm thời gian trong PLC Sau khi bộ đếm hoàn tất, tín hiệu trigger sẽ được truyền đi với tốc độ dưới 10 micro giây.
5.4.2.3 Phân loại sản phẩm lỗi
Phân loại sản phẩm lỗi là bước quan trọng trong quy trình sản xuất, giúp xác định và loại bỏ những sản phẩm không đạt tiêu chuẩn Quy trình này đảm bảo rằng chỉ những sản phẩm đạt yêu cầu mới được tiếp tục, từ đó nâng cao chất lượng và hiệu quả sản xuất.
Sau khi camera phát hiện lỗi, PLC nhận tín hiệu từ Python để xác định sản phẩm lỗi và thực hiện phân loại Cụ thể, tín hiệu này sẽ kích hoạt bộ đếm thời gian trong PLC Khi bộ đếm hoàn tất, PLC sẽ chuyển trạng thái van khí nén để thổi khí phân loại sản phẩm lỗi.
5.4.3.1 Thuật toán xấp xỉ đường viền:
Hình 5.40: Thuật toán tìm đường viền
Đầu tiên, chúng ta tạo một bản sao của ảnh gốc “cvImage” để vẽ kết quả phát hiện Tiếp theo, áp dụng ngưỡng nhị phân để tạo ảnh đen trắng (gray_threshed), trong đó các pixel có giá trị lớn hơn 108 được chuyển thành 255 (trắng) và các pixel còn lại thành 0 (đen) Để làm mịn ảnh và giảm nhiễu, chúng ta sử dụng lọc Bilateral, giúp giữ lại các cạnh sắc nét Cuối cùng, bộ phát hiện cạnh Canny được sử dụng để xác định các cạnh trong ảnh đã được lọc.
Hình 5.41: Đường viền sản phẩm
Tìm kiếm và phát hiện tất cả các đường viền trong ảnh thông qua việc phát hiện cạnh Duyệt qua từng đường viền và thực hiện xấp xỉ đa giác cho mỗi đường viền Tiến hành lọc các đường viền dựa trên số lượng điểm trong đa giác xấp xỉ, yêu cầu len(approx) phải lớn hơn 8, cùng với diện tích của đường viền phải lớn hơn 30 Chỉ những đường viền thỏa mãn điều kiện này mới được giữ lại.
Hình 5.43: Vẽ đường bao, định tâm lên sản phẩm
KẾT QUẢ THI CÔNG, THỰC NGHIỆM VÀ ĐÁNH GIÁ
Kết quả thi công
Kết quả thi công hệ thống cơ khí
• Hoàn thành việc thiết kế, chế tạo và gia công hoàn thiện các chi tiết của hệ thống phân loại vòng đệm cao su
Lắp đặt chính xác các bộ phận cơ khí như băng tải, hệ thống cấp phôi và bộ phận phân loại là rất quan trọng Việc đảm bảo các bộ phận này được lắp đặt đúng vị trí và kết nối chắc chắn giúp duy trì sự đồng bộ và chính xác trong hoạt động của hệ thống.
• Cơ cấu khung đáp ứng yêu cầu về khả năng chịu tải và độ bền
Hệ thống đã trải qua quá trình kiểm tra và vận hành thử nghiệm, chứng minh khả năng phân loại vòng đệm cao su với tốc độ nhanh mà vẫn duy trì độ chính xác và độ tin cậy cao Nó có khả năng hoạt động liên tục trong thời gian dài mà không gặp phải sự cố nào.
Hình 6.1: Hệ thống phân loại vòng đệm cao su hoàn thiện
Kết quả thi công hệ thống điện
Hệ thống điện đã được thi công thành công, đảm bảo tất cả các thiết bị và thành phần hoạt động ổn định và an toàn
Tủ điện được thiết kế và lắp đặt hợp lý, giúp hệ thống hoạt động hiệu quả và dễ dàng trong việc bảo trì
Các thiết bị trong tủ điện được bố trí hợp lý, hoàn thành việc thi công đấu nối các thiết bị theo bản vẽ điện
Hệ thống điện đã được kiểm tra kỹ lưỡng để đảm bảo tất cả kết nối đều chính xác và không có sai sót
Toàn bộ hệ thống điện đã được nghiệm thu và sẵn sàng đưa vào hoạt động một cách ổn định và chính xác
Hình 6.2: Mặt cửa tủ điện
Hình 6.3: Panel Layout tủ điện
Kết quả thi công hệ thống xử lý ảnh
Trong đồ án "Thiết kế và chế tạo hệ thống phân loại sản phẩm tốc độ cao," hệ thống camera nhận diện và xử lý ảnh là yếu tố quan trọng giúp phát hiện, nhận diện và phân loại sản phẩm Việc thi công hệ thống này đã mang lại kết quả khả quan, nâng cao hiệu quả và độ chính xác trong quy trình phân loại Sau thời gian nghiên cứu và chế tạo, nhóm đã hoàn thiện hệ thống.
Hoàn thành lắp đặt camera và cảm biến xung quanh mâm xoay Khung hình của camera được điều chỉnh có thể bắt trọn sản phẩm
Sử dụng chân IO trigger của camera giúp chụp hình ảnh ở tốc độ cao chính xác và không bị miss sản phẩm nào
Camera kết nối với hệ thống máy tính và thiết bị điều khiển thông qua bộ hub ethernet, giúp truyền tải dữ liệu hình ảnh nhanh chóng và chính xác.
Các tham số của camera, bao gồm độ phân giải, tốc độ khung hình và độ nhạy sáng, cần được điều chỉnh để phù hợp với điều kiện làm việc thực tế và yêu cầu của hệ thống.
Các thuật toán xử lý ảnh tiên tiến được tích hợp vào hệ thống để nâng cao độ chính xác và tốc độ nhận diện sản phẩm
Hình 6.4: Lắp đặt camera trên
Hình 6.5: Lắp đặt camera dưới
Thực nghiệm và đánh giá
Quá trình thực nghiệm hệ thống phân loại vòng đệm cao su tốc độ cao đã được thực hiện để đánh giá hiệu suất và khả năng vận hành của hệ thống Các thử nghiệm bao gồm kiểm tra riêng lẻ từng thành phần và đánh giá toàn bộ hệ thống trong điều kiện hoạt động thực tế.
Kiểm tra từng thành phần cơ khí:
• Hệ thống cấp phôi được kiểm tra khả năng cung cấp vòng đệm liên tục và ổn định vào băng tải
• Băng tải đảm bảo khả năng vận chuyển vòng đệm cao su với tốc độ cao và độ ổn định
Hệ thống hất phôi được thiết kế đáp ứng đầy đủ các yêu cầu kỹ thuật, đảm bảo rằng các vòng cao su được phân bố đều trên bề mặt băng tải sau khi hoàn thành quá trình này.
Hệ thống bàn xoay hoạt động ổn định, giúp tránh ma sát với băng tải, đồng thời đảm bảo phôi được xếp thẳng hàng và duy trì khoảng cách yêu cầu khi vào mâm.
• Hệ thống mâm xoay đảm bảo độ bền, chắc chắn và ổn định trong xuyên suốt quá trình vận hành
• Hệ thống thoát phôi hoạt động chính xác, ổn định
Nhóm nghiên cứu đã thực hiện nhiều thí nghiệm để đánh giá hiệu suất của hệ thống camera nhận diện và xử lý ảnh Kết quả thực nghiệm chi tiết được trình bày, bao gồm các thông số đo lường và nhận xét về hiệu quả hoạt động của hệ thống.
Hệ thống camera xử lý ảnh đã chứng minh độ chính xác cao trong việc nhận diện và phân loại sản phẩm, đảm bảo rằng sản phẩm được phân loại đúng theo tiêu chuẩn.
• Hệ thống hoạt động với tốc độ cao, đáp ứng yêu cầu của đề tài Phản hồi nhanh các thông số kích thước, trạng thái của sản phẩm.
