Nghiên cứu, thiết kế và thi công mô hình đếm và phân loại sản phẩm theo cân nặng, màu sắc

Đề tài “Nghiên cứu, thiết kế và thi công mô hình đếm và phân loại sản phẩm theo cân nặng và màu sắc” là nhóm đề tài tự thực hiện dựa vào tham khảo một số tài liệu trước đó và không sao c

BỘ GIÁO DỤC & ĐÀO TẠO TRƯỜNG ĐẠI HỌC SƯ PHẠM KỸ THUẬT TP HỒ CHÍ MINH

KHOA ĐIỆN – ĐIỆN TỬ

BỘ MÔN ĐIỆN TỬ CÔNG NGHIỆP – Y SINH

NGHIÊN CỨU, THIẾT KẾ VÀ THI CÔNG

MÔ HÌNH ĐẾM VÀ PHÂN LOẠI SẢN PHẨM

THEO CÂN NẶNG, MÀU SẮC

GVHD: Th.S NGUYỄN ĐÌNH PHÚ SVTH:

1 PHẠM THỊ THANH THẢO 15141284

2 PHAN TRẦN HOÀI VŨ 15141333

BỘ GIÁO DỤC & ĐÀO TẠO TRƯỜNG ĐẠI HỌC SƯ PHẠM KỸ THUẬT TP HỒ CHÍ MINH

KHOA ĐIỆN – ĐIỆN TỬ

BỘ MÔN ĐIỆN TỬ CÔNG NGHIỆP – Y SINH

MÀU SẮC

GVHD: ThS NGUYỄN ĐÌNH PHÚ SVTH:

1 PHẠM THỊ THANH THẢO 15141284

2 PHAN TRẦN HOÀI VŨ 15141333

Tp Hồ Chí Minh – 07/2019

KHOA ĐIỆN-ĐIỆN TỬ

BỘ MÔN ĐIỆN TỬ CÔNG NGHIỆP – Y

SINH

NAM ĐỘC LẬP - TỰ DO - HẠNH PHÚC

o0o

Tp HCM, ngày tháng năm 2019 NHIỆM VỤ ĐỒ ÁN TỐT NGHIỆP Họ tên sinh viên: Phạm Thị Thanh Thảo MSSV: 15141284 Phan Trần Hoài Vũ MSSV: 15141333 Chuyên ngành: Điện tử công nghiệp Mã ngành: 41 Hệ đào tạo: Đại học chính quy Mã hệ: 1 Khóa: 2015 Lớp: 15141DT2A I TÊN ĐỀ TÀI: NGHIÊN CỨU, THIẾT KẾ VÀ THI CÔNG MÔ HÌNH ĐẾM VÀ PHÂN LOẠI SẢN PHẨM THEO CÂN NẶNG, MÀU SẮC II NHIỆM VỤ 1 Các số liệu ban đầu: (ghi những thông số, tập tài liệu tín hiệu, hình ảnh, …)

2 Nội dung thực hiện: (ghi những nội dung chính cần thực hiện như trong phần tổng quan)

ii

III NGÀY GIAO NHIỆM VỤ: 18/02/2019

IV NGÀY HOÀN THÀNH NHIỆM VỤ: 10/06/2019

V HỌ VÀ TÊN CÁN BỘ HƯỚNG DẪN: ThS Nguyễn Đình Phú

CÁN BỘ HƯỚNG DẪN BM ĐIỆN TỬ CÔNG NGHIỆP – Y SINH

KHOA ĐIỆN-ĐIỆN TỬ

BỘ MÔN ĐIỆN TỬ CÔNG NGHIỆP – Y

SINH

NAM ĐỘC LẬP - TỰ DO - HẠNH PHÚC

NGHIÊN CỨU, THIẾT KẾ VÀ THI CÔNG MÔ HÌNH ĐẾM VÀ PHÂN LOẠI

SẢN PHẨM THEO CÂN NẶNG, MÀU SẮC

Đề tài “Nghiên cứu, thiết kế và thi công mô hình đếm và phân loại sản phẩm theo cân nặng và màu sắc” là nhóm đề tài tự thực hiện dựa vào tham khảo một số tài liệu trước đó và không sao chép từ tài liệu hay công trình nào khác

Người thực hiện đề tài Phạm Thị Thanh Thảo Phan Trần Hoài Vũ

Nhóm cũng xin gửi lời cảm ơn đến quý thầy(cô) trong khoa Điện-Điện tử đã tận tình giải đáp thắc mắc, nguyện vọng trong quá trình thực hiện đề tài của nhóm

Sự hỗ trợ của quý thầy(cô) đóng góp một phần không nhỏ vào thành công ngày hôm nay

Nhóm đề tài cũng xin cảm ơn các bạn sinh viên trong khoa Điện-Điện tử đã nhiệt tình giúp đỡ, hỗ trợ nhóm, đặc biệt là tập thể lớp 15141DT2A Những đóng góp của các bạn luôn được nhóm tiếp nhận và đánh giá cao

Cuối cùng, nhóm xin cảm ơn chân thành và sâu sắc đến Cha, Mẹ - những người luôn bên cạnh hỗ trợ hết mình về tài chính cũng như tinh thần trong suốt những năm tháng qua

Thành công của đề tài ngày hôm nay chính là một phần đóng góp to lớn của mọi người Một lần nữa, nhóm xin gởi lời cảm ơn chân thành nhất đến quý thầy cô, bạn bè và quý phụ huynh đã hỗ trợ nhóm thực hiện đề tài hoàn chỉnh

Xin chân thành cảm ơn!

Người thực hiện đề tài Phạm Thị Thanh Thảo Phan Trần Hoài Vũ

LỜI CẢM ƠN vi

MỤC LỤC vii

LIỆT KÊ HÌNH VẼ x

LIỆT KÊ BẢNG BIỂU xiii

Chương 1: TỔNG QUAN 1

1.1 ĐẶT VẤN ĐỀ 1

1.2 MỤC TIÊU 2

1.3 NỘI DUNG NGHIÊN CỨU 2

1.4 GIỚI HẠN 3

1.5 BỐ CỤC 3

Chương 2: CƠ SỞ LÝ THUYẾT 5

2.1 TỔNG QUAN VỀ XỬ LÝ ẢNH 5

2.1.1 Giới thiệu về xử lý ảnh 5

2.1.2 Những vấn đề xử lý ảnh[2] 7

2.1.3 Ngôn ngữ Python và thư viện OpenCV 11

2.2 PHƯƠNG PHÁP PHÂN LOẠI SẢN PHẨM THEO MÀU SẮC, CÂN NẶNG 12

2.2.1 Các màu sắc cơ bản của sản phẩm 13

2.2.2 Phương pháp phân loại theo màu sắc 18

2.2.3 Phương pháp phân loại theo cân nặng 18

2.3 GIỚI THIỆU PHẦN CỨNG 19

2.3.1 Raspberry Pi 3 model B [5] 19

2.3.2 USB Camera 22

2.3.3 Cảm biến cân nặng 23

2.3.4 Xi-lanh khí nén (air cylinder)[7] 26

2.3.5 Van điện từ (solenoid) 28

Chương 3: TÍNH TOÁN VÀ THIẾT KẾ 30

3.1 TỔ CHỨC CÁC KHỐI TRONG HỆ THỐNG 30

viii

3.2.2 Khối thu tín hiệu cân nặng (loadcell) và khối ADC (module HX711) 34

3.2.3 Khối xử lý trung tâm (Raspberry Pi 3) 36

3.1.1 Động cơ DC; Xi-lanh và Van điện từ 37

3.1.2 Khối hiển thị 45

3.1.3 Khối nguồn 45

3.1.4 Sơ nguyên lý toàn mạch 49

Chương 4: THI CÔNG HỆ THỐNG 50

4.1 GIỚI THIỆU 50

4.2 THI CÔNG HỆ THỐNG 50

4.2.1 Thi công board mạch 50

4.4.2 Lắp ráp và kiểm tra 51

4.3 ĐÓNG GÓI VÀ THI CÔNG MÔ HÌNH 54

4.4 LẬP TRÌNH HỆ THỐNG 56

4.4.1 Lưu đồ giải thuật 56

4.4.2 Giao diện hệ thống 63

4.5 VIẾT TÀI LIỆU HƯỚNG DẪN SỬ DỤNG, THAO TÁC 64

Chương 5 KẾT QUẢ - NHẬN XÉT - ĐÁNH GIÁ 76

5.1 KẾT QUẢ TỔNG QUAN 76

5.2 KẾT QUẢ ĐẠT ĐƯỢC 77

5.2.1 Giao diện hiển thị Tkinter 77

5.2.2 Giao diện Web và Cơ sở lưu trữ dữ liệu Realtime Database 78

5.2.3 Kết quả mô hình thực tế 79

5.2.4 Kết quả thực nghiệm 83

5.3 NHẬN XÉT – ĐÁNH GIÁ 84

5.3.1 Nhận xét kết quả đạt được 84

5.3.2 Đánh giá kết quả 86

Chương 6: KẾT LUẬN – HƯỚNG PHÁT TRIỂN 87

6.1 KẾT LUẬN 87

6.2 HƯỚNG PHÁT TRIỂN 88

PHỤ LỤC 90

x

Hình 2 1 Giới thiệu về xử lý ảnh 5

Hình 2 2 Quá trình xử lý ảnh 6

Hình 2 3 Các lân cận ảnh 9

Hình 2 4 Các trường hợp biên 11

Hình 2 5 Mô hình màu không gian màu RGB 14

Hình 2 6 Mô hình màu HSV 15

Hình 2 7 Dải màu sắc (H) trong hệ màu HSV 16

Hình 2 8 Sắc đỏ hoặc đỏ hồng chiếm trên 90% diện tích bề mặt quả (quả đỏ) 17

Hình 2 9 Sắc vàng hoặc cam chiếm 30÷90% diện tích bề mặt quả (quả cam) 17

Hình 2 10 Sắc lục chiếm hầu như toàn bộ bề mặt quả (quả xanh) 18

Hình 2 11 Raspberry Pi 3 Model B 19

Hình 2 12 Sơ đồ Raspberry Pi3 model B 20

Hình 2 13 USB camera cho Raspberry Pi 22

Hình 2 14 Sơ đồ khối USB Camera Raspberry Pi 23

Hình 2 15 Loadcell cân nặng ngoài thực tế 24

Hình 2 16 Loadcell cảm nhận sự thay đổi của tải (dây điện trở strain gauges) và chuyển thành những tín hiệu điện 25

Hình 2 17 Xi-lanh khí nén (air cylinder) 26

Hình 2 18 Cấu tạo chính của một xi-lanh khí nén 27

Hình 2 19 Van điện từ điều khiển xi-lanh 29

Hình 3 2 Sơ đồ kết nối module camera USB với Raspberry Pi qua 1 hub 32 Hình 3 3 Đèn led K3E19-3 dùng để ổn định nguồn sáng trắng 32 Hình 3 4 Sơ đồ bố trí buồng chụp ảnh (nhìn từ trên xuống) 33 Hình 3 5 Sơ đồ bố trí buồng chụp ảnh (nhìn từ mặt bên) 33 Hình 3 6 Sơ đồ nguyên lý module ADC HX711 (ảnh từ datasheet AVIA

Hình 3 8 Sơ đồ kết nối loadcell, HX711 với Raspberry Pi 3 36

Hình 3 11 Động cơ giảm tốc DC 12V JGB37-3530 38 Hình 3 12 Nguyên lý làm việc của PWM – Điều chế độ rộng xung 39 Hình 3 13 Mạch điều khiển tốc độ động cơ DC bằng phương pháp PWM dùng IC

Hình 3 14 Sơ đồ nguyên lý mạch điều khiển tốc độ động cơ 41 Hình 3 15 Hình ảnh thực tế Module PWM 12-40VDC/10A 42 Hình 3 17 Sơ đồ kết nối module PWM và động cơ DC 43

Hình 3 19 Nguồn 5V 2.5A cung cấp cho Raspberry Pi 47 Hình 3 20 Nguồn 5V 1.5 A cung cấp cho board mạch chính 47 Hình 3 21 Nguồn 12V 5A cung cấp cho băng tải 48 Hình 3 22 Nguồn 24V 5A cung cấp cho van điện từ 48 Hình 3 23 Mạch điện sơ đồ nguyên lý toàn mạch 49

Hình 4 1 Mạch PCB board mạch chính của hệ thống 51

Hình 4 2 Van khí nén được kết nối với xi-lanh thông qua hệ thống dây dẫn khí 52

Hình 4 3 Động cơ DC kéo trục quay băng tải nhờ hệ thống bánh răng và dây đai 52

Hình 4 4 Loadcell được đặt ở mặt dưới của băng chuyền 53

Hình 4 5 Buồng chụp ảnh nhìn từ trên cao 53

Hình 4 6 Buồng chụp ảnh nhìn từ phía dưới lên trên 54

Hình 4 7 Bố trí và lắp đặt các module, board mạch chính, kit Raspberry Pi 3 55

Hình 4 8 Hệ thống sau khi được thi công hoàn thiện 56

Hình 4 9 Lưu đồ hoạt động của hệ thống 57

Hình 4 10 Lưu đồ chụp và lưu ảnh 59

Hình 4 11 Lưu đồ chương trình con xử lý ảnh 60

Hình 4 12 So sánh và dán nhãn phân loại 62

Hình 4 13 Giao diện hoạt động của chương trình chính 63

Hình 4 14 Giao diện Web của hệ thống 63

Hình 4 15 Giao diện firebase lưu dữ liệu của hệ thống 64

Hình 4 16 Đèn báo hiệu của Raspberry Pi sáng lúc mới cấp nguồn 65

Hình 4 17 Đèn led của buồng chụp ảnh sáng lúc mới cấp nguồn 66

Hình 4 18 Giao diện màn hình LCD của hệ thống khi mới cấp điện 67

Hình 4 19 Màn hình LCD hiển thị Raspberry Pi đã kết nối Internet 67

Hình 4 20 Núm xoay điều chỉnh tốc độ băng chuyền hệ thống 68

Hình 4 21 Mở chương trình chính điều khiển hệ thống 69

Hình 4 22 Màn hình LCD khi mới chạy chương trình điều khiển 69

Hình 4 23 Màn hình LCD hiển thị chọn chương trình “WEB_HE_THONG.html” 70

Hình 4 24 Giao diện web tùy chỉnh các thông số về loại sản phẩm 70

Hình 4 25 Giao diện màn hình LCD sau khi điều chỉnh các thông số phân loại 71

Hình 4 26 Cà chua thứ nhất khi được đưa vào buồng chụp 72

Hình 4 27 Cà chua sau khi ra khỏi buồng chụp của hệ thống 72

Hình 4 28 Xi lanh đẩy cà chua thứ nhất xuống hộp chứa loại 3 73

Hình 4 29 Màn hình LCD sau khi xi-lanh tác động quả cà chua thứ nhất 73

Hình 4 30 Băng tải di chuyển cà chua loại 5 đến cuối băng chuyền 74

Hình 4 31 Cà chua sau khi được hệ thống phân loại 75

xii

Hình 5 2 Số lượng cà chua được cập nhật sau khi hệ thống xử lý mỗi quả 78 Hình 5 3 Giao diện web tùy chỉnh các thông số về loại sản phẩm 78 Hình 5 4 Dữ liệu được lưu dữ tại firebase 79 Hình 5 5 Hệ thống hoàn thiện của đề tài (đầu băng chuyền, ngõ vào của cà chua)79 Hình 5 6 Hệ thống hoàn thiện của đề tài (phía trái so với đầu băng chuyền) 80 Hình 5 7 Bố trí và lắp đặt các module, board mạch trong hộp điện điều khiển 81 Hình 5 8 Hình Hình ảnh chụp phía trên của buồng chụp ảnh khi cung cấp điện hoạt động hệ thống 82 Hình 5 9 Hình Hệ thống hoàn thiện của đề tài(phía phải so với đầu băng chuyền) 82 Hình 5 10 Các van điện từ được bố trí ngay dưới băng chuyền 83 Hình 5 11 Kết quả thực nghiệm đối với nhóm cà chua (thực hiện ngày 25/5/2019) 84

Bảng 3 1 Dòng tiêu thụ các ngoại vi Raspberry Pi 46

Bảng 4 1 Thông tin các thiết bị, linh kiện sử dụng cho mạch 50

và thư viện OpenCV, cùng khả năng quản lí và điều khiển qua điện thoại thông minh Nhóm sử dụng những đặc điểm riêng về màu sắc và cân nặng của quả cà chua để làm

cơ sở nhận dạng và tiến hành cho hệ thống phân loại Kết quả thực hiện đề tài là một

mô hình có thể phân loại được một nhóm quả cà chua thành những nhóm nhỏ có hình dạng và cân nặng khác nhau Việc quản lí hoạt động của hệ thống, đếm số lượng, cài đặt thông số phân loại…sẽ được thực hiện từ xa thông qua webserver

Chương 1: TỔNG QUAN

1.1 ĐẶT VẤN ĐỀ

Ngày nay, cùng với sự phát triển của nền kinh tế thị trường, ngành chế biến nông sản của nước ta cũng đang phát triển mạnh mẽ Trên cơ sở những tiềm năng và chiến lược phát triển mà Nhà nước đã đề ra, nông sản Việt ngày càng khẳng định được vị thế ở cả thị trường trong nước và quốc tế, trở thành một trong những mặt hàng trọng điểm, chiếm tỉ trọng lớn trong ngành xuất khẩu, đóng góp một phần không nhỏ vào nền kinh tế quốc dân

Nông sản sau khi thu hoạch sẽ được phân loại thành loại 1, loại 2, với những tiêu chuẩn khác nhau về trọng lượng, màu sắc, hình dáng, … Nhờ vậy, người nông dân cũng như thương lái có thể dễ dàng định giá cho từng loại nông sản, tránh được tình trạng ép giá, nông dân phải bán rẻ nông sản Chẳng hạn, giá dưa chuột thường bấp bênh, không ổn định, dao động từ 7.000 - 10.000 đồng/kg nhưng vào chính vụ thu hoạch, giá dưa giảm chỉ còn 4.000 - 5.000 đồng/kg đôi lúc bị rớt xuống còn khoảng 500-1.000 đồng/kg mà vẫn khó tiêu thụ Trong khi đó, sản phẩm dưa chuột của bà con Tiên Lãng, Hải Phòng đang được chế biến thành dưa chuột bao tử đóng hộp xuất khẩu đi nhiều nước trên thế giới Phân loại dưa chuột ở đây theo nhiều tiêu chuẩn vì mỗi thị trường thường có một tiêu chuẩn nhất định, không đồng nhất Nhưng với phương pháp phân loại bằng tay truyền thống thì người nông dân cũng như các

cơ sở chế biến khó có thể đáp ứng chính xác các yêu cầu tiêu chuẩn được

Với sự ra đời và phổ biến rộng rãi của băng tải công nghiệp, chúng ta gần như

có thể tối ưu hóa mọi lĩnh vực, trong đó có việc chế biến và phân loại nông sản Thông qua việc tự động hóa ở các khâu, sử dụng những công nghệ, sản phẩm của khoa học

kỹ thuật, băng tải công nghiệp có thể giảm thiểu sai sót, giảm bớt nhân công, cho thời gian làm việc liên tục cũng như hiệu suất làm việc cao Hiện nay trên thị trường trong nước và ngoài nước đã có các sản phẩm băng chuyền phân loại nông sản có quy mô lớn công nghiệp, dùng cảm biến hoặc cánh tay robot để xác định kích thước, màu sắc Tuy nhiên các hệ thống này tương đối lớn, vận hành phức tạp, điều chỉnh các thông

BỘ MÔN ĐIỆN TỬ CÔNG NGHIỆP - Y SINH

như nông dân hoặc tiểu thương lái do tính chất sản xuất, tính chất thay đổi chất lượng nông sản hàng năm cũng như sự thay đổi về tiêu chuẩn ở các thị trường

Với mục đích có thể tạo ra một hệ thống phân loại sản phẩm theo dây chuyền, thân thiện với người dùng, khả năng tùy biến cao và giá thành phải chăng, nhóm xin

giới thiệu đề tài: “Nghiên cứu thiết kế và thi công mô hình đếm và phân loại sản phẩm

theo cân nặng, màu sắc”, do chính nhóm tiến hành nghiên cứu và thực hiện Với mô

hình này, chúng ta có thể phát triển thêm thành một hệ thống hoàn chỉnh, có thể giúp nông dân dễ dàng sử dụng, vận hành cũng như điều chỉnh, thay thế lao động chân tay giúp giảm nhân công, tiền bạc, tăng năng suất làm việc, đồng thời giảm bớt chi phí lắp đặt và vận hành khi phải đầu tư một hệ thống lớn Sau quá trình tìm hiểu, nhóm quyết định chọn cà chua làm đối tượng phân loại

1.2 MỤC TIÊU

Mục tiêu nghiên cứu của đề tài “Nghiên cứu, thiết kế và thi công mô hình đếm

và phân loại sản phẩm theo cân nặng, màu sắc” là nắm rõ nguyên lí hoạt động của

cảm biến cân nặng, camera, làm quen với ngôn ngữ lập trình Python cũng như các công cụ hỗ trợ trong thư viện OpenCV, thực hiện các tác vụ cơ bản trên Kit Raspberry

Pi và hệ điều hành Raspbian để nhận biết và phân loại sản phẩm

Ngoài ra, nhóm đề tài mong muốn thi công được một hệ thống có khả năng phân loại sản phẩm về màu sắc và cân nặng; đếm và tùy chỉnh các thông số đặt trưng của loại sản phẩm từ xa thông qua Web localhost

1.3 NỘI DUNG NGHIÊN CỨU

• NỘI DUNG 1: Tổng quan về hệ thống phân loại sản phẩm, các giải pháp thiết kế hệ thống băng chuyền

• NỘI DUNG 2: Nghiên cứu thuật toán xử lý ảnh ứng dụng vào phân loại màu sắc sản phẩm

• NỘI DUNG 3: Xử lý phân loại sản phẩm theo cân nặng

• NỘI DUNG 4: Giải pháp thiết kế giao diện Web localhost tùy chỉnh các đặc trưng về màu sắc và chỉ số về cân nặng của hệ thống

• NỘI DUNG 5: Hoàn thiện hệ thống điều khiển và mô hình, tiến hành chạy mẫu

• NỘI DUNG 6: Đánh giá kết quả thực hiện

1.4 GIỚI HẠN

- Thiết kế mô hình băng chuyền phân loại nông sản

- Sử dụng động cơ DC để làm hoạt động băng tải

- Sử dụng xi-lanh khí nén làm cơ cấu phân loại

- Nhận dạng màu sắc cà chua qua thuật toán xử lý ảnh và trọng lượng qua cảm biến cân nặng

- Dùng Raspberry Pi 3 model B để xử lý hình ảnh, trọng lượng, nhận dữ liệu từ môi trường web trung gian, hiển thị giao diện người dùng

- Đếm số lượng cà chua mỗi loại bằng bộ đếm được lập trình trên Raspberry

Pi 3

- Tùy chỉnh các đặc trưng về màu sắc và chỉ số về cân nặng của hệ thống

1.5 BỐ CỤC

• Chương 1: Tổng quan

• Chương 2: Cơ sở lý thuyết

• Chương 3: Thiết kế và tính toán

• Chương 4: Thi công hệ thống

• Chương 5: Kết quả - nhận xét – đánh giá

• Chương 6: Kết luận và hướng phát triển

BỘ MÔN ĐIỆN TỬ CÔNG NGHIỆP - Y SINH

Nội dung chương bao gồm lý thuyết cơ bản về xử lý ảnh, phương pháp cơ bản

để nhận dạng và phân loại ảnh, cảm biến cân nặng, giới thiệu cơ bản về Raspberry

Pi, ngôn ngữ lập trình Python và thư viện hỗ trợ Open CV, xi-lanh khí nén

• Chương 3: Thiết Kế và Tính Toán

Từ những cơ sở lý thuyết có được, nhóm đề tài sẽ trình bày về sơ đồ khối,

công thức tính toán và kết nối của hệ thống

• Chương 4: Thi Công Hệ Thống

Sau khi thực hiện tính toán và thiết kế, nhóm đề tài sẽ tiến hành thi công hệ thống và trình bày lại quá trình thi công tại chương này

• Chương 5: Kết Qủa - Nhận Xét - Đánh Giá

Những kết quả đạt được cùng với những nhận xét, đánh giá về toàn bộ hệ thống

nhóm đề tài sẽ tóm tắt tại Chương 5

• Chương 6: Kết Luận và Hướng Phát Triển

Cuối cùng, nhóm xin được trình bày những kết luận đã được rút ra trong suốt quá trình thực hiện đề tài cùng với hướng phát triển, cải tiến của đề tài sao cho phù hợp với thực tế hơn

Chương 2: CƠ SỞ LÝ THUYẾT

2.1 TỔNG QUAN VỀ XỬ LÝ ẢNH

2.1.1 Giới thiệu về xử lý ảnh

Xử lý ảnh là quá trình xử lý số tín hiệu với đối tượng xử lý là tín hiệu hình ảnh Trong đó, ảnh đầu vào sẽ được xử lý sao cho ảnh sau khi xử lý đạt kết quả mong muốn Kết quả của xử lý ảnh là một ảnh khác có đặc điểm khác với ảnh ban đầu hoặc một kết luận (Hình 2.1) Xử lý ảnh phát triển rất mạnh mẽ trong thời gian gần đây, bao gồm ở rất nhiều lĩnh vực: y tế, kinh tế, văn hóa, quân sự, quốc phòng… Hiện nay,

có bốn khía cạnh chính liên quan đến xử lý ảnh: xử lý và nâng cao chất lượng ảnh, nhận dạng ảnh, truy vấn ảnh và nén ảnh Ở phạm vi đề tài này sẽ tìm hiểu về mảng nhận dạng ảnh

Hình 2 1 Giới thiệu về xử lý ảnh

BỘ MÔN ĐIỆN TỬ CÔNG NGHIỆP - Y SINH

6

Hình 2 2 Quá trình xử lý ảnh

• Thu nhận ảnh[1]: đây là công đoạn đầu tiên mang tính quyết định đối với quá

trình xử lý ảnh Ảnh đầu vào sẽ được thu nhận qua các thiết bị như camera, sensor, máy quét… và sau đó các tín hiệu này sẽ được số hóa Việc lựa chọn các thiết bị thu nhận ảnh sẽ phụ thuộc vào đặc tính của các đối tượng cần xử

lý Các thông số quan trọng ở bước này là độ phân giải, chất lượng màu, dung lượng bộ nhớ và tốc độ thu nhận ảnh của các thiết bị

• Quá trình tiền xử lý[1]: Ở bước này, ảnh sẽ được cải thiện về độ tương phản,

khử nhiễu, khử bóng, khử độ lệch… với mục đích làm cho chất lượng ảnh trở lên tốt hơn nữa, chuẩn bị cho các bước xử lý phức tạp hơn về sau trong quá trình xử lý ảnh Quá trình này thường được thực hiện bởi các bộ lọc

• Trích chọn đặc điểm[1] (hoặc trích chọn đặc trưng): Đặc trưng ảnh ở đây

chính là đặc trưng nội dung ảnh, hay nói cách khác là nội dung thực sự của các bức ảnh Nội dung ảnh được thể hiện bằng màu sắc, hình dạng, kết cấu, các đặc trưng cục bộ… hay bất cứ thông tin nào có từ chính nội dung ảnh Phạm

vi đề tài bao gồm nhận biết màu sắc từ bề mặt quả cà chua nên đặc trưng được trích chọn là màu sắc

• Hậu xử lý[1]: có nhiệm vụ xử lý các đặc điểm đã trích chọn, có thể lược bỏ

hoặc biến đổi các đặc điểm này để phù hợp với các kỹ thuật cụ thể sử dụng trong hệ quyết định

• Hệ quyết định và lưu trữ[1]: có nhiệm vụ đưa ra quyết định (phân loại) dựa

trên dữ liệu đã học lưu trong khối lưu trữ

• Đối chiếu, so sánh và kết luận[1]: đưa ra kết luận cuối cùng dựa vào những

cơ sở của hệ quyết định

2.1.2 Những vấn đề xử lý ảnh[2]

a Điểm ảnh (Picture Element)

Là đơn vị cơ bản nhất để tạo nên một bức ảnh kỹ thuật số Địa chỉ của điểm ảnh được xem như là một tọa độ (x, y) nào đó Một bức ảnh kỹ thuật số, có thể được tạo ra bằng cách chụp hoặc bằng một phương pháp đồ họa nào khác, được tạo nên từ hàng ngàn hoặc hàng triệu pixel riêng lẻ Bức ảnh càng chứa nhiều pixel thì càng chi

tiết Một triệu pixel thì tương đương với 1 megapixel

b Ảnh số

Ảnh số là tập hợp hữu hạn các điểm ảnh với mức xám phù hợp dùng để mô tả ảnh gần với ảnh thật Số điểm ảnh xác định độ phân giải của ảnh Ảnh có độ phân giải càng cao thì càng thể hiện rõ nét các đặc điểm của tấm ảnh và càng làm cho tấm ảnh trở nên thực và sắc nét hơn Một hình ảnh là một tín hiệu hai chiều, nó được xác định bởi hàm toán học f (x, y) trong đó x và y là hai tọa độ theo chiều ngang và chiều dọc Các giá trị của f (x, y) tại bất kỳ điểm nào là các giá trị điểm ảnh (pixel) tại điểm

đó của một hình ảnh Ảnh số thực tế là biểu diễn số học của hình ảnh trong máy tính, thường là biểu diễn nhị phân Có thể phân ảnh số thành 2 loại: ảnh raster và ảnh vector

• Ảnh raster

Ảnh Raster là một tập hợp hữu hạn các giá trị số, gọi là điểm ảnh (pixel - picture element) Thông thường một hình ảnh được chia thành các hàng và cột chứa điểm ảnh Điểm ảnh là thành phần bé nhất biểu diễn ảnh, có giá trị số biểu diễn màu sắc, độ sáng,… của một thành phần trong bức ảnh

Ảnh raster thường được thu từ camera, các máy chiếu, chụp, quét… và chính là đối tượng chính của xử lý ảnh và thị giác máy tính

• Ảnh vector

BỘ MÔN ĐIỆN TỬ CÔNG NGHIỆP - Y SINH

8

Ảnh vector là loại ảnh tạo thành từ các thành phần đơn giản của hình học như điểm, đường thẳng, hình khối… Thay vì được lưu lại thành các ma trận điểm ảnh như ảnh raster, ảnh vector được biểu diễn dưới dạng tọa độ của các thành phần trong ảnh Chính điều này đã tạo nên sự đặc biệt của ảnh vector, khiến nó có thể được kéo dãn, thu nhỏ tùy ý mà không bị vỡ, không xuất hiện răng cưa như ảnh raster Dữ liệu trong ảnh vector nhỏ, do vậy thường tiết kiệm dung lượng lưu trữ hơn ảnh raster

Tuy thế, màu sắc trong ảnh vector nhìn không thật, màu sắc ít tinh tế hơn ảnh raster

Thông thường người ta sử dụng ảnh vector trong thiết kế các logo, banner, giao diện đồ họa… Loại ảnh này gần như không xuất hiện khi đề cập đến xử lý ảnh / thị giác máy tính

c Phân loại ảnh [1]

Mức xám của điểm ảnh là cường độ sáng, gán bằng một giá trị tại điểm đó Các mức ảnh xám thông thường: 16, 32, 64, 128, 256 Mức được sử dụng thông dụng

nhất là 265, tức là dùng 1byte để biểu diễn mức xám Trong đó:

• Ảnh nhị phân: Là ảnh có 2 mức trắng và đen, chỉ có 2 giá trị 0 và 1 và chỉ sử dụng 1bit dữ liệu trên 1 điểm ảnh

• Ảnh đen trắng: Là ảnh có hai màu đen, trắng (không chứa màu khác) với mức xám ở các điểm ảnh có thể khác nhau

• Ảnh màu: Là ảnh kết hợp của 3 màu cơ bản lại với nhau để tạo ra một thế giới màu sinh động Người ta thường dùng 3byte để mô tả mức màu, tức là có khoảng

16, 7 triệu mức màu

d Quan hệ giữa các điểm ảnh

Lân cận ảnh là tập hợp những điểm ảnh có xung quanh điểm ảnh đang xét

Có 2 loại lân cận ảnh: lân cận 4 và lân cận 8

Hình 2 3 Các lân cận ảnh

4 điểm ảnh lân cận 4 theo cột và hàng với tọa độ lần lượt là (x+1, y), (x-1, y), (x, y+1), (x, y-1) ký hiệu là tập N4 (p) 4 điểm ảnh lân cận 4 theo đường chéo có tọa

độ lần lượt là (x+1, y+1), (x+1, y-1), (x-1, y+1), (x-1, y-1) ký hiệu là tập ND (p) Tập

8 điểm ảnh lân cận 8 là hợp của 2 tập trên:

N8 (p) = N4 (p) + ND (p) Liên kết ảnh [3]: Các mối liên kết của ảnh được xem như là mối liên kết của 2 điểm ảnh gần nhau, có 3 loại liên kết: liên kết 4, liên kết 8, lên kết m (liên kết hỗn hợp) Trong ảnh đa mức xám, ta có thể đặt V chứa nhiều giá trị như V= {tập con} Cho p có tọa độ (x, y)

Liên kết 4: hai điểm ảnh p và q có giá trị thuộc về tập V được gọi là liên kết 4 của nhau nếu q thuộc về tập N4 (p)

Liên kết 8: hai điểm ảnh p và q có giá trị thuộc về tập V được gọi là liên kết 8 của nhau nếu q thuộc về tập N8 (p)

Liên kết m: hai điểm ảnh p và q có giá trị thuộc về tập V được gọi là Liên kết

m của nhau nếu thỏa 1 trong 2 điều kiện sau: q thuộc về tập N4 (p), q thuộc về tập

ND (p) và giao của hai tập N4 (p), N4 (q) không chứa điểm ảnh nào có giá trị thuộc

V

e Lọc nhiễu

BỘ MÔN ĐIỆN TỬ CÔNG NGHIỆP - Y SINH

10

Ảnh thu nhận được thường sẽ bị nhiễu nên cần phải loại bỏ nhiễu Các toán tử không gian dùng trong kỹ thuật tăng cường ảnh được phân nhóm theo công dụng: làm trơn nhiễu, nổi biên Để làm trơn nhiễu hay tách nhiễu, người ta sử dụng các bộ lọc tuyến tính (lọc trung bình, thông thấp) hoặc lọc phi tuyến (trung vị, giả trung vị, lọc đồng hình) Từ bản chất của nhiễu (thường tương ứng với tần số cao) và từ cơ sở

lý thuyết lọc là: bộ lọc chỉ cho tín hiệu có tần số nào đó thông qua, để lọc nhiễu người

ta thường dùng lọc thông thấp (theo quan điểm tần số không gian) hay lấy tổ hợp tuyến tính để san bằng (lọc trung bình) Để làm nổi cạnh (ứng với tần số cao), người

ta dùng các bộ lọc thông cao, lọc Laplace Lọc nhiễu được chia làm 2 loại: lọc tuyến tính, lọc phi tuyến

Làm trơn nhiễu bằng lọc tuyến tính: Khi chụp ảnh có thể xuất hiện nhiều

loại nhiễu vào quá trình xử lý ảnh, nên ta cần phải lọc nhiễu Gồm các phương pháp

cơ bản lọc trung bình, lọc thông thấp, …Ví dụ lọc trung bình: Với lọc trung bình, mỗi điểm ảnh được thay thế bằng trung bình trọng số của các điểm lân cận

Làm trơn nhiễu bằng lọc phi tuyến[2]: Các bộ lọc phi tuyến cũng hay được

dùng trong kỹ thuật tăng cường ảnh Một số phương pháp lọc cơ bản bộ lọc trung vị, lọc ngoài… Với lọc trung vị, điểm ảnh đầu vào sẽ được thay thế bởi trung vị các điểm ảnh còn lọc giả trung vị sẽ dùng trung bình cộng của hai giá trị “trung vị” (trung bình cộng của max và min)

f Phương pháp phát hiện biên

Điểm biên: Một điểm ảnh được coi là điểm biên nếu có sự thay đổi nhanh hoặc

đột ngột về mức xám (hoặc màu) Ví dụ trong ảnh nhị phân, điểm đen gọi là điểm biên nếu lân cận nó có ít nhất một điểm trắng

Đường biên (đường bao: boundary): tập hợp các điểm biên liên tiếp tạo thành

một đường biên hay đường bao

Ý nghĩa của đường biên trong xử lý: ý nghĩa đầu tiên, đường biên là một loại

đặc trưng cục bộ tiêu biểu trong phân tích, nhận dạng ảnh Thứ hai, người ta sử dụng

biên làm phân cách các vùng xám (màu) cách biệt Ngược lại, người ta cũng sử dụng các vùng ảnh để tìm đường phân cách

Mô hình biểu diễn đường biên, theo toán học: điểm ảnh có sự biến đổi mức

xám u(x) một cách đột ngột theo hình dưới

Hình 2 4 Các trường hợp biên

Chú ý: Phát hiện biên là một phần trong phân tích ảnh, sau khi đã lọc ảnh (hay

tiền xử lý ảnh) Các bước của phân tích ảnh có thể mô tả theo sơ đồ dưới đây Việc

dò và tìm biên ảnh là một trong các đặc trưng thuộc khối trích chọn đặc trưng

2.1.3 Ngôn ngữ Python và thư viện OpenCV

a Ngôn ngữ Python

Python là một ngôn ngữ lập trình cấp cao được sử dụng phổ biến từ trong môi trường học đường cho tới các dự án lớn cho các mục đích lập trình đa năng, do Guido van Rossum tạo ra và lần đầu ra mắt vào năm 1991 Python được thiết kế với ưu điểm mạnh là dễ đọc, dễ học và dễ nhớ, là ngôn ngữ có cấu trúc rõ ràng, phù hợp cho người mới học lập trình Cấu trúc của Python còn cho phép người sử dụng viết mã lệnh với

số lần gõ phím tối thiểu

Ban đầu Python được phát triển để chạy trên nền Unix nhưng sau này ngôn ngữ đã được sử dụng chạy trên mọi hệ điều hành từ MS-DOS đến Mac OS, OS/2, Windows, Linux và các hệ điều hành khác thuộc họ Unix

Nhóm đề tài chọn ngôn ngữ Python thay vì những ngôn ngữ lập trình khác để tiến hành nghiên cứu và thực hiện xử lý ảnh

b Thư viện Open CV[3]

BỘ MÔN ĐIỆN TỬ CÔNG NGHIỆP - Y SINH

12

OpenCV (OpenSource Computer Vision) là một thư viện mã nguồn

mở OpenCV được phát hành theo giấy phép BSD, do đó nó hoàn toàn miễn phí cho

cả học thuật và thương mại Thư viện được lập trình trên các ngôn ngữ cấp cao: C++,

C, Python, Java và hỗ trợ Windows, Linux, Mac OS, iOS, Android OpenCV được thiết kế để giúp cho việc tính toán hiệu quả hơn và tập trung nhiều vào các ứng dụng thời gian thực Được viết bằng tối ưu hóa C/C++, thư viện có thể tận dụng lợi thế của

xử lý đa lỗi Opencv có rất nhiều ứng dụng: Nhận dạng ảnh, xử lý hình ảnh, phục hồi hình ảnh/video, thực tế ảo…

Chính vì những lý do trên, nhóm đề tài quyết định dùng thư viện OpenCV làm thư viện chính, viết trên ngôn ngữ Python để thực hiện đề tài

Các tính năng của thư viện OpenCV:

- Đối với hình ảnh, chúng ta có thể đọc và lưu hay ghi chúng

- Có thể ghi và đọc video

- Xử lý hình ảnh có thể lọc nhiễu hoặc chuyển đổi ảnh

- Thực hiện nhận dạng đặc điểm của hình dạng ảnh

- Phát hiện các đối tượng được xác định trước như khuôn mặt, mắt, phương tiện giao thông… trong video hoặc hình ảnh

- Phân tích video, ước lượng chuyển động của đối tượng xuất hiện trong video, tách nền và đối tượng riêng biệt…

2.2 PHƯƠNG PHÁP PHÂN LOẠI SẢN PHẨM THEO MÀU SẮC, CÂN NẶNG

Cà chua là một trong những mặt hàng nông sản cũng như rau quả thực phẩm quen thuộc với chúng ta Quá trình sinh trưởng của quả cà chua từ lúc kết quả đến lúc chín hoàn toàn trải qua các giai đoạn biến đổi hình thái về màu sắc mà bằng mắt thường, con người có thể thấy được sự thay đổi đó Các giai đoạn chuyển hóa của quả cà chua

được trình bày cụ thể sau đây [4]:

• Thời kỳ quả xanh: Quả và hạt phát triển chưa hoàn thiện Nếu thu hái quả vào lúc này và thông qua thúc chín tới thì quả không bình thường, không có hương vị, không có màu sắc đặc trưng của giống

• Thời kỳ chín xanh chất keo bao quanh hạt được hình thành, quả chưa có màu hồng hoặc màu vàng Nếu thúc chín thì quả sẽ thể hiện màu sắc của giống nhưng hương vị không rõ như quả chín trên cây

• Thời kỳ chín vàng: Đỉnh quả xuất hiện màu vàng hoặc màu hồng với diện tích bề mặt chiếm khoảng 10%

• Thời kỳ chuyển màu: Diện tích bề mặt 10-30%, có màu vàng hoặc đỏ nhạt

• Thời kỳ quả chín hồng diện tích bề mặt 30-60%, có màu đỏ nhạt hoặc vàng

• Thời kỳ chín đỏ, diện tích bề mặt quả 90% có màu đỏ

Ở phạm vi của đề tài, những quả cà chua sẽ được phân thành 3 nhóm quả có màu như sau, dựa trên đặc điểm về màu sắc ở các giai đoạn:

• Loại 1: Quả chín hồng và quả chín đỏ

• Loại 2: Quả chín vàng và quả chuyển màu

• Loại 3: Quả chín xanh hoặc chưa chín

2.2.1 Các màu sắc cơ bản của sản phẩm

Ở mỗi giai đoạn chín của mình, quả cà chua mang những đặc điểm riêng về màu sắc và cân nặng Nhóm đề tài trích chọn những đặc trưng này của quả cà chua

để tiến hành lấy đặc trưng màu sắc ấy làm một trong những cơ sở phân loại, bên cạnh

cơ sở về cân nặng

a Hệ màu RGB (Red-Green-Blue)

Để biểu diễn màu sắc, người ta thường đưa chúng vào một mô hình màu Ở

đó, màu sắc sẽ được biểu diễn bằng một hoặc tập hợp nhiều giá trị thập phân

nguyên Dưới đây là cách biểu diễn một màu sắc trong mô hình màu RGB

Mô hình màu RGB sử dụng mô hình bổ sung trong đó ánh sáng đỏ, xanh lục

và xanh lam được tổ hợp với nhau để tạo thành các màu khác Từ viết tắt RGB trong

BỘ MÔN ĐIỆN TỬ CÔNG NGHIỆP - Y SINH

14

tiếng Anh có nghĩa là đỏ (red), xanh lục (green) và xanh lam (blue), là ba màu gốc trong các mô hình ánh sáng bổ sung Mô hình này thường được dùng để hiển thị trên máy tính

Hình 2 5 Mô hình màu không gian màu RGB

Nếu mỗi kênh màu được mã hóa bằng 1 byte (8 bit), và giá trị nằm trong đoạn [0, 255], thì ta có ảnh 24bit màu, và mã hóa được tất cả 28 × 28 × 28= 16.581.375 màu (khoảng 16 triệu màu) Dưới đây là một số màu cơ bản được biển diễn trong hệ màu RGB:

• (0, 0, 0) là màu đen

• (255, 255, 255) là màu trắng

• (255, 0, 0) là màu đỏ

• (0, 255, 0) là màu xanh lá cây

• (0, 0, 255) là màu xanh lam

đó có sự phân chia biểu diễn về vùng màu, độ bão hòa, và độ sáng Đó là hệ màu HSV

Không gian màu này còn có tên khác là HSI (Hue-Saturation-Intensity),

HSL(Hue-Saturation-Light) Nó dựa trên các đặc tính màu trực quan như sắc (tint),

bóng (shade) và tông màu (tone); nói cách khác là họ màu, độ thuần khiết, và độ sáng

Hệ tọa độ cho không gian màu này là hình trụ:

– Giá trị màu thuần khiết (Hue) chạy từ 0 đến 360°

– Độ bão hòa màu (Saturation) là mức độ thuần khiết của màu, có thể hiểu

là có bao nhiêu màu trắng được thêm vào màu thuần khiết này Giá trị của S nằm trong đoạn [0, 255], trong đó S = 255 là màu tinh khiết nhất, hoàn toàn không pha trắng Nói cách khác, S càng lớn thì màu càng tinh khiết, nguyên chất

– Độ sáng của màu (Value), còn được gọi là Intensity, Lightness, có giá trị

dao động trong đoạn [0, 255], trong đó V = 0 là hoàn toàn tối (đen), V = 255 là hoàn toàn sáng Nói cách khác, V càng lớn thì màu càng sáng

Hình 2 6 Mô hình màu HSV

BỘ MÔN ĐIỆN TỬ CÔNG NGHIỆP - Y SINH

16

Hình 2 7 Dải màu sắc (H) trong hệ màu HSV

Trong phạm vi đề tài, mỗi màu sắc được biểu diễn bằng một tổ hợp bộ 3 giá trị (H, S, V) Đối với các đặc trưng về độ bão hòa(S) và độ sáng(V), cần lấy toàn bộ các giá trị từ 0÷255 để đảm bảo có thể nhận biết được màu sắc với mọi mức bão hòa

và độ sáng khác nhau Riêng giá trị H, cần căn cứ vào dải phổ màu (hình 2.7) để đưa

ra được khoảng giá trị màu sắc phù hợp, phản ánh đúng đặc trưng màu sắc ở bề mặt

• Màu đỏ: (0,0,0) ÷ (8,255,255)

• Màu cam: (15,0,0) ÷ (60,255,255)

• Màu xanh lục: (70,0,0) ÷ (150,255,255) Công đoạn tiếp theo, cà chua được phân tách màu sắc bề mặt với các ngưỡng màu đã có được từ việc đối chiếu thủ công với bảng màu HSV từ trước Ở giai đoạn này, sẽ có sai lệch về màu sắc chọn ngưỡng và màu sắc thực tế của cà chua nhưng không quá lớn Tuy nhiên, những sai lệch này có thể dẫn đến sự nhầm lẫn về kết luận màu sắc Cần hiệu chỉnh các ngưỡng màu sao cho phù hợp và phản ánh chân thực màu sắc bề mặt quả cà chua

Sau khi hiệu chỉnh các ngưỡng màu, ta có được kết luận cuối cùng về ngưỡng màu thực tế của màu sắc bề mặt quả cà chua

Dưới đây là 3 loại màu sắc trong phạm vi đề tài

• Màu đỏ: giá trị HSV đo được (0,0,0) ÷ (10,255,255)

Hình 2 8 Sắc đỏ hoặc đỏ hồng chiếm trên 90% diện tích bề mặt quả (quả đỏ)

• Màu cam hoặc màu vàng: giá trị HSV đo được (11,0,0) ÷ (65,255,255)

Hình 2 9 Sắc vàng hoặc cam chiếm 30÷90% diện tích bề mặt quả

(quả cam)

• Màu xanh lục: giá trị HSV đo được (66,0,0) ÷ (160,255,255)

BỘ MÔN ĐIỆN TỬ CÔNG NGHIỆP - Y SINH

Hình 2 10 Sắc lục chiếm hầu như toàn bộ bề mặt quả (quả xanh)

2.2.2 Phương pháp phân loại theo màu sắc

Với sự giúp đỡ của thư viện OpenCV, ngôn ngữ lập trình Python và kit Raspberry Pi 3, công việc nhân biết và phân loại màu sắc của quả cà chua sẽ gồm những công đoạn sau:

1 Chụp và lưu ảnh

2 Dùng thuật toán phát hiện màu (tìm màu, tính số lượng pixel vùng màu, tính phần trăm số lượng pixel của mỗi màu trên số lượng pixel toàn bề mặt quả cà chua) và “dán nhãn” phân loại cà chua (gồm loại xanh, loại vàng, loại đỏ) từ ảnh đã chụp

3 Cập nhật ảnh chụp mới

2.2.3 Phương pháp phân loại theo cân nặng

Ngoài cơ sở phân loại về màu sắc, đề tài còn hướng tới cơ sở phân loại về cân nặng Mỗi quả cà chua sau khi được “dán nhãn” phân loại về màu sắc, sẽ được kiểm tra cân nặng thông qua một loadcell Dữ liệu về cân nặng có được sẽ được kiểm tra xem có nằm trong các giới hạn cân nặng mà người dùng đã thiết lập thông qua trang Web localhost

Từ 3 cơ sở phân loại về màu sắc, cộng thêm cơ sở phân loại về cân nặng, hệ thống sẽ có khả năng phân loại một nhóm quả cà chua thành 5 loại với các đặc trưng

về màu sắc và cân nặng khác nhau

Ví dụ:

• Loại 1: Quả chín đỏ, nhẹ

• Loại 2: Quả chín đỏ, nặng

• Loại 3: Quả chín vàng, (hoặc cam), nhẹ

• Loại 4: Quả chín vàng, (hoặc cam), nặng

• Loại 5: Quả chín xanh, chưa chín hoặc cân nặng bất thường

BỘ MÔN ĐIỆN TỬ CÔNG NGHIỆP - Y SINH

thanh/video, và các tính năng khác… Tất cả được tích hợp bên trong chip có mức tiêu thụ điện năng khá thấp

Raspberry Pi không thay thế hoàn toàn hệ thống máy tính để bàn hoặc máy xách tay Chúng ta không thể chạy hệ điều hành Windows trên đó vì BCM2835 dựa trên cấu trúc ARM nên không hỗ trợ mã x86/x64, nhưng vẫn có thể chạy bằng Linux với các tiện ích như lướt web, môi trường Desktop và các tiện ích khác nữa Raspberry

Pi là một thiết bị đa năng đáng ngạc nhiên với nhiều phần cứng có giá thành thấp và phù hợp cho những hệ thống điện tử, những dự án DIY,…Raspberry Pi 3 có hai phiên bản: model A và model B Ở đề tài này nhóm sử dụng Kit Raspberry Pi 3 model B với số lượng hub USB và cổng GPIO nhiều hơn, hỗ trợ kết nối Ethernet, khả năng xử

lý RAM nhanh hơn,…

b Thông tin cấu hình Raspberry Pi 3:

Hình 2 12 Sơ đồ Raspberry Pi3 model B

Thông tin cấu hình:

• Bộ xử lí Broadcom BCM2835 tốc độ xử lí 1.2ghz 64-bit quad-core ARM CortexA53

• Mạng Wireless LAN chuẩn 802.11 b/g/n

• Bộ xử lý đa phương tiện Videocore IV® Dual Core

• Bộ nhớ Ram 1GB

• Hỗ trợ tất các bản phân phối ARM GNU/Linux mới nhất và Windows 10

• Đầu nối microusb cho nguồn điện 2,5A 5VDC

• Cổng mạng 1 x 10/100

• Đầu nối video/âm thanh 1 x HDMI

• Đầu nối video/âm thanh 1 x RCA

c Ứng dụng Raspberry Pi trong thực tế: sử dụng như máy tính để bàn,

máy chủ in không dây, bộ điều khiển robot, đài FM, máy chơi game, máy chủ web…

BỘ MÔN ĐIỆN TỬ CÔNG NGHIỆP - Y SINH

2.3.2 USB Camera

a Mô tả

USB camera cho Raspberry Pi là module camera được sử dụng thay thế Raspberry Pi camera để đảm bảo độ dài của dây và phù hợp với mô hình Module Camera ra đời đã làm hài lòng rất nhiều tín đồ yêu thích Raspberry Pi Trước khi xuất hiện camera, điều duy nhất chúng ta có thể làm để thêm khả năng nhận biết hình ảnh, quay phim, chụp hình cho Raspberry Pi là sử dụng 1 webcam cắm vào cổng USB Với các webcam Logitech tích hợp sẵn định dạng xuất file MJPEG sẽ giúp Raspberry

xử lý nhanh hơn Nhưng các webcam Logitech lại có giá thành khá cao, nhất là các

webcam có độ phân giải lớn

USB camera có độ nhạy sáng cao, có thể chụp tốt ở nhiều điều kiện ánh sáng khác nhau, cả trong nhà và ngoài trời Điểm đặc biệt mà camera mang lại đó là chụp hình độ nét cao trong lúc quay phim

Hình 2 13 USB camera cho Raspberry Pi

Chúng ta chỉ cần sử dụng một cổng USB cho camera Chiều dài cáp nối camera

đã được tính toán cẩn thận khi vừa đạt được độ dài cần thiết trong khi vẫn đảm bảo tốc độ truyền hình ảnh từ module về Raspberry Pi

Thông số USB Camera Raspberry Pi

- Camera USB hỗ trợ tất cả các phiên bản của Raspberry Pi, máy tính nhúng

- Ống kính tiêu cự: F6.0MM

- Focus khoảng: 20MM

- Độ phân giải Video: 640 x 480

- Kích thước: 3.8 x 1.5 x 3cm

- Dây có thể được kéo dài hoặc rút ngắn, dài 65 cm

Hình 2 14 Sơ đồ khối USB Camera Raspberry Pi

b Ứng dụng

Những tác vụ liên quan đến hình ảnh, với chất lượng ảnh đòi hỏi không quá cao, Camera Raspberry Pi có thể giúp chúng ta lấy tín hiệu hình ảnh và video thông qua Raspberry Pi Những hình ảnh và video này có thể được sử dụng với nhiều mục đích khác nhau, như giám sát đối tượng, xử lý và khôi phục ảnh, thị giác máy tính và robot…

2.3.3 Cảm biến cân nặng

a Khái niệm:

Loadcell là những cảm biến lực trọng lượng, mô-men xoắn, đầu dò tải có thể chuyển đổi lực tác dụng hoặc một tải trọng thành tín hiệu điện Đối với cân ô tô thì loadcell là thiết bị đo lường trọng lượng cần thiết để cân ô tô điện tử hiển thị trọng

lượng thành con số

BỘ MÔN ĐIỆN TỬ CÔNG NGHIỆP - Y SINH

Hình 2 15 Loadcell cân nặng ngoài thực tế

Thân loadcell là một khối kim loại đàn hồi, tùy vào mục đích sử dụng

mà thân loadcell được thiết kế có hình dạng và vật liệu kim loại khác nhau chủ yếu là nhôm hợp kim, thép không gỉ, thép hợp kim

c Cách thức hoạt động

Khi có tải trọng hoặc tác động lực lên thân loadcell, điều này sẽ làm nó bị biến

dạng nén hoặc giãn, làm cho các sợi kim loại của điện trở strain gauges thay đổi chiều dài và tiết diện, kéo theo sự thay đổi giá trị của các điện trở strain gauges Sự

thay đổi ở điện áp đầu ra chỉ sẽ được đo và chuyển thành số sau khi đi qua bộ khuếch đại của các bộ chỉ thị cân điện tử