Đồ án tốt nghiệp Kỹ thuật điện tử truyền thông: Thiết kế và thi công hệ thống phân loại sản phẩm bút chì theo màu sắc

Mục tiêu của đồ án là Thiết kế và thi công một hệ thống phân loại bút chì, trong đó sử dụng Webcam để thực hiện việc thu nhận hình ảnh bút chì, rồi gửi dữ liệu vào máy tính để xử lý màu sắc cho việc phân loại 7 màu sắc khác nhau của bút chì. Hệ thống sử dụng bộ xử lý trung tâm là vi điều khiển Arduino Uno R3 nhận dữ liệu từ máy tính.

TỔNG QUAN

Đặt vấn đề

Khoa học kỹ thuật luôn phát triển trong tất cả các lĩnh vực, nhất là các ngành sản xuất Việc đòi hỏi cải tiến và nâng cấp hệ thống sản xuất luôn là ưu tiên hàng đầu Một trong những cải tiến và nâng cấp đó là tự động hóa hệ thống phân loại sản phẩm

Hệ thống này giúp cho sản xuất được linh hoạt hơn, tiết kiệm thời gian và nhân lực, tăng năng suất, đem lại lợi ích kinh tế cao và hiệu quả Công nghiệp đòi hỏi phải ngày càng chính xác và nhanh chóng để đáp ứng được xu thế hiện đại hóa Các ngành công nghiệp đóng gói sản phẩm, dược phẩm cũng như trong lĩnh vực điện, điện tử là những ngành cần sự chính xác trong kiểm tra đầu ra, và để thay thế con người trong việc kiểm tra thành phẩm với một tốc độ và sự chính xác cao, công nghệ xử lý ảnh ra đời và không ngừng phát triển để ngày càng hoàn thiện hơn

Sự ra đời của xử lý ảnh và những ứng dụng của nó là rất cần thiết cho cuộc sống Xử lý ảnh đã có từ rất lâu và đã được vận dụng trong những lĩnh vực như dân sự, quân sự, y tế và nhiều lĩnh vực khác Ứng dụng đầu tiên được biết đến là nâng cao chất lượng ảnh báo được truyền qua cáp từ London đến New York từ những năm

1920 Vấn đề nâng cao chất lượng ảnh có liên quan tới phân bố mức sáng và độ phân giải của ảnh Việc nâng cao chất lượng ảnh được phát triển vào khoảng những năm

1955 Từ năm 1964 đến nay, các phương tiện xử lý, nâng cao chất lượng, nhận dạng ảnh phát triển không ngừng Tuy nhiên, mới chỉ khoảng một thập niên trở lại đây, kiến thức xử lý ảnh mới được đưa vào để giảng dạy tại một vài trường đại học tại Việt Nam nhưng cũng chỉ hạn chế ở một vài trường lớn tại Thành phố Hồ Chí Minh và Hà Nội [1-2]

Hiện nay, các ứng dụng về xử lý ảnh đã bước đầu được triển khai trên một số lĩnh vực như lắp đặt hệ thống nhận dạng biển số xe, nhận dạng vân tay, nhận dạng mã vạch ở Việt Nam Tuy nhiên nhìn một cách tổng quan thì số lượng các ứng dụng trên thực tế vẫn là quá ít, lĩnh vực này sẽ còn phát triển mạnh mẽ trong tương lai nếu được quan tâm một cách nghiêm túc [3] Đã có nhiều công trình trước đó nghiên cứu về đề tài này như đồ án “Nhận diện cảm xúc khuôn mặt người” của Nguyễn Thị Đài Trang – Hà Tiến Dương [4] sử dụng camera, động cơ servo cùng với board Arduino

Uno R3 và phần mềm Matlab vào việc nhận diện cảm xúc vui để mở cửa, cảm xúc buồn để bật đèn, cảm xúc ngạc nhiên để đóng cửa và tắt đèn Hay tác giả Nguyễn Phạm Anh Tuấn đã nghiên cứu đề tài khoa học “Nhận dạng biển số xe” dùng camera và kỹ thuật tách biên cùng với chuyển ảnh nhị phân để nhận dạng biển số xe bất kì

Và theo đó, xử lý ảnh trong phân loại sản phẩm đã và đang được nghiên cứu phát triển với tốc độ nhanh chóng Để phân loại sản phẩm có rất nhiều phương pháp, tuy nhiên hiện nay phương pháp phân loại dựa vào màu sắc chưa được ứng dụng nhiều và cũng có rất nhiều phương pháp như dùng cảm biến màu sắc, kính lọc màu Trên cơ sở đó, chúng em đã tìm hiểu và quyết định chọn đề tài mang tính nghiên cứu, ứng dụng cao, phù hợp với sự phát triển của các ngành sản xuất là “Thiết kế và thi công hệ thống phân loại sản phẩm bút chì theo màu sắc” bằng phương pháp xử lý ảnh trên phần mềm Matlab.

Mục tiêu

Thiết kế và thi công một hệ thống phân loại bút chì, trong đó sử dụng Webcam để thực hiện việc thu nhận hình ảnh bút chì, rồi gửi dữ liệu vào máy tính để xử lý màu sắc cho việc phân loại 7 màu sắc khác nhau của bút chì Hệ thống sử dụng bộ xử lý trung tâm là vi điều khiển Arduino Uno R3 nhận dữ liệu từ máy tính.

Nội dung nghiên cứu

Đề tài được thực hiện qua những nội dung như sau:

- Nghiên cứu, tìm hiểu Webcam Logitech C270p

- Nghiên cứu, tìm hiểu động cơ Servo và board Arduino Uno R3

- Nghiên cứu, tìm hiểu phần mềm lập trình Matlab

- Nghiên cứu, tìm hiểu các thuật toán và các hàm, các không gian màu áp dụng cho việc xử lý màu sắc

- Viết code chương trình Matlab xử lý ảnh, màu sắc

- Xây dựng chương trình điều khiển mô hình giao tiếp giữa Matlab và Arduino

- Thiết kế, xây dựng phần cứng của mô hình

- Chạy thử nghiệm, cân chỉnh và sửa lỗi mô hình

- Viết báo cáo luận văn

- Báo cáo đề tài tốt nghiệp

Giới hạn của đề tài

Đề tài này chỉ tập trung vào việc xác định màu sắc của cây bút chì cụ thể: màu đỏ, cam, vàng, lục, lam, hồng, tím Không đánh giá chất lượng của bút chì Do đó, các bức ảnh đưa vào được thực hiện như sau:

- Bút chì được đặt trên phông nền có màu sắc không trùng với màu của bút chì

- Xử lý và phân loại màu sắc từng cây bút chì trên hệ thống

- Ảnh được chụp trong điều kiện ánh sáng bình thường, cố định

- Đề tài chỉ giới hạn trong mô hình thu nhỏ.

Bố cục

Chương 1: Tổng Quan Đặt vấn đề liên quan đến đề tài, tìm hiểu những lý do và sự cần thiết để thực hiện đề tài, mục tiêu hoàn thành, giới hạn cũng như những bước đi từ cơ bản đến cụ thể mà nhóm sẽ thực hiện trong quá trình nghiên cứu đề tài

Chương 2: Cơ Sở Lý Thuyết

Trình bày các kiến thức về các bước cơ bản trong xử lý ảnh, không gian màu của ảnh

Chương 3: Thiết Kế Hệ Thống

Trình bày sơ đồ khối của hệ thống, thiết kế cho từng khối Sơ đồ kết nối phần cứng, nguyên lý hoạt động

Chương 4: Thi Công Hệ Thống

Lắp đặt webcam, động cơ servo, buồng tối và khay chứa bút chì cho mô hình băng tải, trình bày lưu đồ giải thuật và viết chương trình phân tích màu sắc bút chì cho mô hình

Chương 5: Kết Quả, Nhận Xét và Đánh Giá

Trình bày kết quả đã đạt được, đưa ra những bàn luận về sản phẩm và viết tài liệu hướng dẫn hệ thống

Chương 6: Kết Luận và Hướng Phát Triển

Kết luận chung về đề tài và hướng phát triển của nó.

CƠ SỞ LÝ THUYẾT

Giới thiệu về xử lý ảnh

Xử lý ảnh kỹ thuật số là một trong những đối tượng nghiên cứu của lĩnh vực thị giác máy tính (computer vision), cùng với phương pháp thu nhận, phân tích và nhận dạng các hình ảnh Cũng như xử lý dữ liệu bằng đồ họa, xử lý ảnh số là một phần của tin học ứng dụng Xử lý dữ liệu bằng đồ họa đề cập đến những ảnh nhân tạo, các ảnh này được xem xét như là một cấu trúc dữ liệu và được tạo bởi các chương trình Xử lý ảnh số bao gồm các phương pháp và kỹ thuật biến đổi, để truyền tải hoặc mã hóa các ảnh tự nhiên

Những năm trở lại đây với sự phát triển của phần cứng máy tính, xử lý ảnh đã phát triển một cách mạnh mẽ và có nhiều ứng dụng thực tiễn trong cuộc sống Có thể liệt kê những ứng dụng của xử lý ảnh như: khôi phục, chỉnh sửa hình ảnh; các lĩnh vực nhận dạng như nhận dạng chữ viết, vân tay; thị giác máy tính, chuyển động của robot; xe không người lái, xe tự hành; ứng dụng trong an ninh và giám sát; các ứng dụng trong y học như nội soi, xử lý tế bào;

Mô tả cụ thể các bước cơ bản trong một hệ thống xử lý ảnh:

Biểu diễn và mô tả ảnh

Nhận dạng và nội suy

Hình 2.1: Các giai đoạn chính trong xử lý ảnh [6]

2.1.1 Thu Nhận Ảnh 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, máy scan Sau đó các tín hiệu này sẽ được số hóa Các thông số quan trọng ở đây là độ phân giải, chất lượng màu và tốc độ thu nhận ảnh của các thiết bị Chất lượng của một ảnh thu nhận được phụ thuộc vào thiết bị thu, vào môi trường (ánh sáng, phong cảnh)

CHƯƠNG 2 CƠ SỞ LÝ THUYẾT

2.1.2 Tiền Xử Lý Ảnh Ở bước này, ảnh sẽ được xử lý để cải thiện về độ tương phản, khử nhiễu,… với mục đích làm cho chất lượng ảnh trở nên tốt hơn, rõ nét hơn Quá trình này thường được thực hiện bởi các bộ lọc Bộ lọc trung bình được sử dụng chính trong bước tiền xử lý ảnh này, nó là bộ lọc mà mỗi điểm ảnh được thay thế bằng trung bình trọng số của các điểm lân cận nhằm loại bỏ những điểm ảnh biến đổi lớn hơn so với điểm lân cận (hay còn gọi là nhiễu) Bộ lọc trung bình được định nghĩa: g(x, y) = ∑ ∑ (k,l)∈W a(k, l)f(x − k, y − l) (2.1)

Trong kỹ thuật lọc trên, nếu ta dùng các trọng số như nhau thì phương trình trên trở thành: g(x, y) = 1

Với: f(x, y) là ảnh đầu vào g(x, y) là ảnh đầu ra a(k, l) là cửa sổ lọc (mặt nạ)

Trong lọc trung bình, người ta thường ưu tiên cho các hướng để bảo vệ biên của ảnh khỏi bị mờ khi làm trơn ảnh Các kiểu mặt nạ được sử dụng tùy theo các trường hợp khác nhau

Hình 2.2: Cách thức nhân chập điểm ảnh với cửa sổ lọc [7]

Phân đoạn hay còn gọi phân vùng ảnh là phân tích ảnh thành những thành phần có cùng tính chất nào đó dựa theo biên hay các vùng liên thông Tiêu chuẩn để xác định các vùng liên thông có thể là cùng màu, cùng mức xám,… Mục đích của phân đoạn ảnh là để có một miêu tả tổng hợp về nhiều phần tử khác nhau cấu tạo nên ảnh thô, để tìm ra các đặc trưng của ảnh Với các thao tác: tìm biên, tách biên, phân loại đối tượng Sử dụng các phương pháp: phát hiện biên cục bộ, dò biên, phân vùng theo miền đồng nhất, phân vùng dựa theo đường biên

Trong đề tài này nhóm chúng em đã sử dụng bộ tách biên Sobel để tách biên ảnh Bộ tách biên Sobel dùng mặt nạ Sobel để tính các đạo hàm bậc nhất Gx và Gy Các mặt nạ này được thiết kế để tìm ra các đường biên theo chiều đứng và chiều ngang một cách tốt nhất

Mặt nạ Sobel theo hàng: [

Mặt nạ Sobel theo cột: [

] (2.4) Để tính Gx và Gy ta dựa vào mặt nạ Sobel như sau Gọi z là giá trị pixel trong một lân cận kích thước 3x3: [

2.1.4 Biểu Diễn Và Mô Tả Ảnh

Kết quả của bước phân đoạn ảnh thường được cho dưới dạng dữ liệu điểm ảnh thô, trong đó có hàm chứa biên của một vùng ảnh, hoặc tập hợp tất cả các điểm ảnh thuộc về chính vùng ảnh đó Việc biến đổi các số liệu này thành dạng thích hợp là

CHƯƠNG 2 CƠ SỞ LÝ THUYẾT cần thiết cho xử lý tiếp theo bằng máy tính Việc chọn các tính chất để thể hiện ảnh gọi là trích chọn đặc trưng gắn với việc tách các đặc tính của ảnh dưới dạng các thông tin định lượng hoặc làm cơ sở để phân biệt lớp đối tượng này với đối tượng khác trong phạm vi ảnh nhận được Dựa vào phần tử đặc trưng của ảnh đó là pixel Ta có thể biểu diễn ảnh bằng hàm toán học, hoặc các ma trận điểm

2.1.5 Nhận Dạng Và Nội Suy

Nhận dạng ảnh có thể nhìn nhận một cách đơn giản là quá trình xác định ảnh, liên quan đến mô tả đối tượng mà ta muốn đặc tả về nó Quá trình này thường thu được bằng cách so sánh với mẫu chuẩn đã được học (hoặc lưu) từ trước

Nội suy là phán đoán theo ý nghĩa dựa trên cơ sở nhận dạng Theo lý thuyết về nhận dạng, các mô hình toán học về ảnh được phân theo hai loại nhận dạng ảnh cơ bản là: nhận dạng theo tham số và nhận dạng theo cấu trúc Một số đối tượng nhận dạng khá phổ biến hiện nay là: nhận dạng ký tự, nhận dạng vân tay, nhận dạng khuôn mặt. Ứng dụng trong đề tài này, sau khi ảnh được phân tích và xử lý xong, quá trình nhận dạng màu sắc của ảnh được thực hiện so sánh với ảnh ban đầu được chụp từ webcam Dựa trên cơ sở nhận dạng, ta biết được màu sắc là màu gì.

Không gian màu của ảnh

Không gian màu là những phương pháp định lượng màu sắc được thiết lập công thức một cách khoa học Hệ thống không gian màu dùng mô hình toán học để xác định màu, biểu diễn mỗi màu dưới dạng số học, bằng cách đó ta có thể chọn và lặp lại màu nào đó thật chính xác Trên thực tế, có rất nhiều không gian màu khác nhau để sử dụng vào những mục đích khác nhau như: RGB, HSV, HSL, CMYK Trong đó, RGB và HSV là hai không gian màu cơ bản và ứng dụng nhiều nhất Còn không gian màu CMYK thường được sử dụng trong in ấn màu

Không gian màu RGB là một không gian màu cơ bản trong xử lý ảnh, sử dụng mô hình bổ sung trong đó ánh sáng đỏ, xanh lá cây, xanh da trời được tổ hợp với nhau theo nhiều phương thức khác nhau để tạo thành các màu khác nhau Tất cả đều là sự pha trộn của 3 màu cơ bản là Red, Green và Blue

Hình 2.3: Không gian màu RGB

Ta cũng cần lưu ý rằng, tự bản thân mô hình màu RGB không định nghĩa thế nào là “đỏ”, “xanh lá”, “xanh dương” một cách chính xác, vì thế với cùng các giá trị như nhau của RGB có thể mô tả các màu tương đối khác nhau trên các thiết bị khác nhau có cùng một mô hình màu Trong khi chúng cùng chia sẻ một mô hình màu chung, không gian màu thực sự của chúng là dao động một cách đáng kể

Trong biểu diễn số trên máy tính, ảnh màu RGB có thể sử dụng số bit màu là

16, 24, 32 hoặc 48 bit Điểm ảnh có số bit màu càng cao thì màu sắc của điểm ảnh càng được biểu diễn chính xác

Mô hình màu RGB được biểu diễn bởi khối lập phương với các trục R, G, B như sau:

Hình 2.4: Hệ tọa độ màu RGB

Thông thường ảnh số được mã hóa bằng 24 bit thông tin cho mỗi điểm ảnh (bit per pixel hay bpp), nghĩa là 8bit ứng với mỗi kênh R, G, B, thì mỗi kênh màu này sẽ nhận giá trị từ 0-255 Với một giá trị của mỗi kênh màu khác nhau kết hợp lại với nhau ta sẽ được một màu khác nhau, như vậy mô hình RGB có thể biểu diễn 2 8 *2 8 *2 8

Khi biểu diễn dưới dạng số, các giá trị RGB trong mô hình 24bpp thông thường được ghi bằng cặp ba số nguyên giữa 0-255, mỗi số đại diện cho cường độ của màu đỏ, xanh lá, xanh lam Ví dụ như màu đen là sự kết hợp của các kênh màu (R, G, B) với giá trị tương ứng (0, 0, 0), màu trắng có giá trị (255, 255, 255), màu đỏ có giá trị

(255, 0, 0), màu xanh lơ có giá trị (0, 255, 255), màu vàng có giá trị (255, 255, 0), màu hồng có giá trị (255, 0, 255) và một số màu khác

Tuy nhiên, do tính tương quan cao giữa các kênh, giá trị cảm nhận không đồng nhất, sự pha trộn giữa dữ liệu thành phần màu và dữ liệu về độ sáng mà không gian màu RGB không được ưa chuộng sử dụng cho việc phân tích màu cũng như trong các thuật toán nhận dạng dựa trên màu sắc

Không gian màu HSV được dùng nhiều trong việc phân tích và chỉnh sửa ảnh

Hệ màu này dựa vào 3 thông số để mô tả màu sắc bao gồm: H = Hue: vùng màu; S Saturation: độ bão hòa; V = Value: giá trị hay cường độ sáng Không gian màu này thường được biểu diễn dưới dạng hình nón ngược hoặc hình trụ

Hình 2.5: Không gian màu HSV

Theo như cách biểu diễn không gian màu như trên, giá trị màu thuần khiết (H) chạy từ 0-360 o Độ bão hòa (S) đi từ tâm ra mặt ngoài có giá trị từ 0-1 Giá trị S = 0 ứng với trục nón là nơi màu sắc nhạt nhất, giá trị S = 1 ở ngoài mặt nón là nơi mà giá trị màu sắc đậm đặc nhất Độ sáng của màu (V) được biểu diễn bằng cách đi từ dưới chóp nón lên và cũng nằm trong khoảng từ 0-1 Giá trị V = 0 là tối hoàn toàn và V 1 là độ sáng lớn nhất Như vậy ứng với mỗi cặp ba giá trị (H, S, V) sẽ cho ta một màu sắc mà ở đó mô tả đầy đủ thông tin về màu sắc, độ đậm đặc và độ sáng của màu đó

2.2.3 Chuyển Đổi RGB Sang HSV

Từ đầu vào là không gian màu RGB ta có thể tìm không gian màu HSV như sau Giả sử ta có một điểm màu trong hệ RGB có giá trị là (R, G, B) Mỗi giá trị R,

G, B thay đổi trong phạm vi từ 0 đến 255, lấy mỗi giá trị này chia cho 255 ta được R', G', B' có giá trị thay đổi từ 0 đến 1 Ta chuyển sang không gian HSV như sau [8]:

Ta có: R' = R/255, G' = G/255, B' = B/255 Đặt các biến: Cmax = Max(R', G', B'), Cmin = Min(R', G', B'),  = Cmax – Cmin Tính toán giá trị H:

∆ 𝐶𝑚𝑎𝑥 𝑘ℎ𝑖 Cmax ≠ 0 (2.11) Tính toán giá trị V:

Như vậy, với ba thông số H, S, V ta có thể xác định được khoảng giá trị ngưỡng một cách dễ dàng và việc chuyển đổi màu từ không gian RGB sang không gian HSV giúp cho quá trình xử lý nhận biết màu sắc của phần mềm được chính xác hơn.

TÍNH TOÁN VÀ THIẾT KẾ

Thiết kế phần cứng

Bảng 3.1 Danh sách các linh kiện

STT Tên linh kiện Giá trị Số lượng Chú thích

1 Webcam Logitech 270p 5V 1 Nguồn USB Laptop

2 Board Arduino UNO R3 5V 1 Nguồn USB Laptop

8 Băng tải 30cm 1 Vải màu xanh

9 Băng tải 100cm 1 Vải màu trắng

3.1.1 Khối Nguồn Đề tài chúng em sử dụng nguồn 1 chiều Adapter có sẵn

- Điện áp đầu vào: AC100-240V 50/60Hz

- Điện áp đầu ra: 12V DC

CHƯƠNG 3 TÍNH TOÁN VÀ THIẾT KẾ

Với 2 động cơ 12V định mức và dòng tối đa 1.5A, như vậy với nguồn 12V 3A cho công suất tối đa 36W sẽ đủ cho 2 động cơ

Nhóm chúng em sử dụng Webcam Logitech C270p vì có giá thành rẻ, hoạt động ổn định Với độ phân giải lên tới 720p/30fps cho chất lượng video sáng và rõ nét, tích hợp mic giảm tiếng ồn, nhỏ gọn linh hoạt và có thể điều chỉnh góc quay

- Độ phân giải video 1280 x 720 pixel

- Độ phân giải ảnh lên tới 3.0 megapixel

Camera được đặt phía trên, vuông góc với mặt băng tải và cách mặt băng tải 30cm để cho hình ảnh tốt nhất

Board Arduino có rất nhiều phiên bản với hiệu năng và mục đích sử dụng khác nhau Trong đề tài này chúng em sử dụng board Arduino UNO R3 bởi chi phí và tính linh động của nó Arduino UNO R3 là một board điều khiển dựa trên vi điều khiển ATmega328 Những Model hiện tại được trang bị gồm 1 cổng giao tiếp USB, 6 chân

CHƯƠNG 3 TÍNH TOÁN VÀ THIẾT KẾ đầu vào analog, 14 chân I/O tín hiệu số tương thích với nhiều board mở rộng khác nhau Nó có thể nạp chương trình qua cổng USB, cấp nguồn qua USB hoặc adapter

Hình 3.4: Mặt trước và sau của board Arduino UNO R3 [9]

Bảng 3.2: Thông số kỹ thuật của Arduino Uno R3.

Vi điều khiển ATmega328 họ 8bit Điện áp hoạt động 5V DC (cấp qua cổng USB) Điện áp vào khuyên dùng 7-12V DC Điện áp vào giới hạn 6-20V DC

Tần số hoạt động 16 MHz

Dòng tiêu thụ khoảng 30mA

Số chân Digital I/O 14 (6 chân hardware PWM)

Số chân Analog 6 (độ phân giải 10bit)

Dòng tối đa trên mỗi chân I/O 30 mA

Dòng ra tối đa (5V) 500 mA

Dòng ra tối đa (3.3V) 50 mA

Bộ nhớ flash 32 KB (ATmega328) với 0.5KB dùng bởi bootloader

Bảng 3.1 cho chúng ta cái nhìn tổng quát về Board Arduino UNO R3 với những thông số chính về điện áp hoạt động, điện áp đầu vào đề nghị và giới hạn, số lượng cũng như dòng tối đa trên các chân I/O, bộ nhớ Flash, SRAM, EEPROM, tốc độ của xung đồng hồ Thông qua những thông số này, chúng ta sẽ có những cách lựa chọn các linh kiện cho phù hợp với những quy định về điện áp, dòng điện, mục đích lập trình để đảm bảo cho mô hình hoạt động ổn định

 Động cơ DC Động cơ DC (Direct Current) là động cơ điện một chiều có cấu tạo gồm hai dây (dây nguồn và dây tiếp đất) Động cơ phụ thuộc vào lực mà từ trường tạo ra Khi cấp điện thì động cơ DC sẽ chuyển điện năng thành cơ năng và quay với tốc độ được tính bằng rpm Tốc độ của động cơ DC được điều khiển bằng cách biến đổi điện áp cung cấp, thay đổi cường độ dòng điện hoặc điều biến độ rộng xung (PWM)

- Tốc độ quay: 50 vòng/phút với điện áp 12V, 150 vòng/phút với điện áp 24V

CHƯƠNG 3 TÍNH TOÁN VÀ THIẾT KẾ Động cơ trong mô hình dùng để kéo băng tải hoạt động, vận chuyển bút chì di chuyển từ đầu băng tải đến cuối băng tải

 Động cơ Servo Động cơ RC Servo S3003 được ứng dụng rộng rãi và đóng vai trò quan trọng trong việc chế tạo và vận hành mô hình, robot Bên trong một servo có bốn thành phần chính gồm động cơ DC, hộp số, biến trở và mạch điều khiển được tích hợp sẵn driver điều khiển theo cơ chế phát xung – quay góc

Hình 3.6: Động cơ RC Servo S3003

- Kích thước: 40.7mm x 19.7mm x 42.9mm

- Điện áp hoạt động: 4.8 – 7.2VDC

- Lực kéo: 8.5kg/cm (4.8V), 10kg/cm (6V)

- Tốc độ quay: 0.17sec/60degree (4.8v), 0.14sec/60degree (6v)

- Phạm vi nhiệt độ: 0 ºC – 55 ºC

Trong đề tài, động cơ RC Servo S3003 được dùng để hoạt động gạt sản phẩm vào 2 vị trí đã quy định

Module 2 Relay với opto cách ly nhỏ gọn, có opto và transistor cách ly giúp cho việc sử dụng trở nên an toàn, mạch được sử dụng để đóng ngắt nguồn điện công

CHƯƠNG 3 TÍNH TOÁN VÀ THIẾT KẾ suất cao AC hoặc DC, có thể chọn đóng khi kích mức cao hoặc mức thấp bằng Jumper

Tiếp điểm đóng ngắt gồm 3 tiếp điểm NC (thường đóng), NO (thường mở) và COM (chân chung) được cách ly hoàn toàn với board mạch chính, ở trạng thái bình thường chưa kích, NC-COM sẽ ngắn mạch còn NO-COM sẽ hở mạch, khi có trạng thái kích thì NC-COM sẽ hở mạch và NO-COM sẽ ngắn mạch, hay nói cách khác COM sẽ chuyển sang nối với NO và mất kết nối với NC

- Sử dụng điện áp nuôi DC 5V

- Điện thế đóng ngắt tối đa: AC 250V ~ 10A, DC 30V ~ 10A

- Dòng điện kích hoạt: 5mA

- Relay tiêu thụ dòng khoảng: 80mA

- Có đèn báo đóng ngắt trên Relay

Trong đề tài này module 2 relay được dùng để đóng ngắt động cơ.

Phần mềm xử lý ảnh

MATLAB là phần mềm cung cấp môi trường tính toán số và lập trình, do công ty MathWorks thiết kế MATLAB cho phép tính toán số với ma trận, vẽ đồ thị hàm số hay biểu đồ thông tin, thực hiện thuật toán, tạo các giao diện người dùng và liên kết với những chương trình máy tính viết trên nhiều ngôn ngữ lập trình khác

Hình 3.8: Giao diện chính của Matlab

Hệ thống được xây dựng toàn bộ trên nền Matlab nhúng dữ liệu xuống kit Arduino nên quá trình tính toán và thiết kế được thực hiện chủ yếu trên phần mềm Matlab nhận dữ liệu hình ảnh từ Webcam và xử lý, sau đó truyền tín hiệu xuống Arduino để điều khiển động cơ DC và Servo

3.2.1 Kết nối Webcam với Matlab

Ta kết nối thiết bị Webcam Logitech C270p với máy tính thông qua cổng USB Để kiểm tra có giao tiếp giữa Webcam và phần mềm Matlab hay không, ta gõ dòng lệnh trong Command Window của Matlab như sau: >>webcamlist [10]

Hình 3.9: Cửa sổ Command Window của Matlab khi gõ lệnh webcamlist

Trên cửa sổ hiển thị 2 webcam có trong máy là webcam có sẵn của laptop và webcam Logitech C270p vừa kết nối, nghĩa là Matlab đã được giao tiếp với Webcam

3.2.2 Kết nối Arduino với Matlab

Ta gắn board Arduino Uno R3 vào máy tính qua cáp USB Sau đó kiểm tra giao tiếp giữa Matlab và board Arduino bằng lệnh: >>arduino [10]

Hình 3.10: Cửa sổ Command Window của Matlab khi gõ lệnh arduino

Cửa sổ Command Window hiển thị đúng như Hình 4.19 nghĩa là board Arduino Uno đã giao tiếp được với Matlab và sử dụng cổng USB COM5.

Phương pháp xác định màu của bút chì

Như đã trình bày trong phần Cơ sở lý thuyết ở chương 2, dưới đây là sơ đồ khối của phương pháp xác định màu bút chì Sơ đồ bao gồm 6 khối chính: khối thu nhận ảnh, bộ lọc trung bình, bộ chuyển đổi RGB sang HSV, phân ngưỡng, tái hiện ảnh, xác định màu của bút chì

XÁC ĐỊNH MÀU BÚT CHÌ

Hình 3.11: Sơ đồ khối xác định màu của bút chì

3.3.1 Bộ lọc trung bình Ảnh thu nhận được thường có hai nguồn nhiễu là: nhiễu cuộn và nhiễu muối tiêu Cả hai nguồn nhiễu này phân bố ở các thành phần tần số cao, sau khi ảnh qua bộ lọc trung bình thì ảnh đã được lọc đi một phần nhiễu và trở nên mịn hơn so với ảnh ban đầu

Bộ lọc trung bình Ảnh đầu vào Ảnh đầu ra

Hình 3.12: Sơ đồ hoạt động của bộ lọc trung bình

Lọc trung bình có giá trị điểm ảnh chính là tích nhân chập ảnh đầu vào với cửa sổ lọc H Cửa sổ lọc H trong trường hợp này có dạng:

Giả sử đầu vào biểu diễn bởi ma trận I:

(3.2) Ảnh số thu được bởi lọc trung bình Y = H⊗I:

Hình 3.13: a) Ảnh RGB gốc của bút chì b) Ảnh RGB đã qua bộ lọc trung bình của bút chì

Nhận xét: Từ ảnh trên ta thấy bộ lọc đã lọc đi một phần nhiễu, làm ảnh mịn hơn so với ảnh gốc khi chưa qua bộ lọc trung bình

3.3.2 Chuyển đổi RGB sang HSV Ảnh webcam thu nhận thường là ảnh ở không gian màu RGB, nhưng không gian màu RGB việc xử lý nhận dạng màu sắc sẽ không hoàn toàn chính xác Để việc nhận dạng màu sắc được chính xác hơn, ta phải chuyển đổi ảnh từ không gian màu RGB sang không gian màu HSV Đây là bước tiếp theo trong quá trình xử lý ảnh của hệ thống, giúp cho chương trình có thể phân biệt màu sắc bút chì một cách tối ưu nhất

Bộ chuyển đổi RGB HSV Ảnh RGB Ảnh HSV

Hình 3.14: Sơ đồ hoạt động bộ chuyển đổi RGB sang HSV Để chuyển đổi từ không gian màu RGB sang không gian màu HSV ta dùng hàm rgb2hsv() như sau: hsvImage = rgb2hsv(rgbImage);

Hình 3.15: Ảnh khi được chuyển đổi sang HSV

Hình 3.16: Ảnh vòng màu HSV 360 o

Dựa trên dữ liệu màu bút chì có sẵn để phân loại (đỏ, cam, vàng, lục, lam, hồng, tím), cùng với vòng màu HSV ta sẽ xác định được thông số Hue, Saturation, Value của từng màu Các giá trị này dùng để phân ngưỡng, từ đó xác định được các màu sắc khác nhau của bút chì

Với 1 ảnh f(x,y) ta sẽ có ảnh đã phân ngưỡng g(x,y) được định nghĩa như sau:

Trong đó với T là ngưỡng Như vậy, các điểm ảnh được đánh nhãn 1 tương ứng với vật thể trong khi đó nhãn 0 tương ứng với nền [1]

Hình 3.17: Ảnh nhị phân của bút chì sau khi phân ngưỡng

Ta tiến hành nhân chập ảnh nhị phân sau khi phân ngưỡng với ảnh gốc ban đầu, ta sẽ thu được ảnh phân vùng màu sắc của cây bút chì

Hình 3.18: Ảnh RGB của bút chì được tái hiện sau khi nhân chập

Dùng hàm tái hiện lại ảnh rgb sau khi phân ngưỡng: maskedRGBImageGreen

3.3.4 Xác định màu bút chì

Do tính chất cấu trúc tuần tự của ngôn ngữ lập trình Matlab, sau khi tái hiện ảnh ta sẽ nhận biết được và phân loại màu bút chì theo thứ tự: Đỏ → Cam → Vàng

Bảng 3.3 Bảng giá trị thông số HSV của từng màu

Màu sắc Giá trị ngưỡng

Sơ đồ kết nối hệ thống

Hình 3.19: Sơ đồ kết nối hệ thống

Hình 3.20: Sơ đồ nguyên lý hệ thống

Giải thích sơ đồ kết nối

Hình 3.19 là sơ đồ kết nối phần cứng của hệ thống Đầu tiên ta có Webcam Logitech C270p và Board Arduino Uno R3 kết nối với máy tính thông qua cổng USB Máy tính cung cấp nguồn để Webcam Logitech C270p và Board Arduino Uno R3 hoạt động Board Arduino Uno R3 kết hợp với 2 Module 1 Relay để điều khiển 2 động cơ DC kéo băng tải chuyển động, và kết hợp với 2 servo để gạt sản phẩm vào 2 khay

Với Module 2 Relay và động cơ DC: kết nối chân NO với chân V+ của động cơ DC, chân COM nối với chân V+ của nguồn adapter 12V Kết nối chân VCC và GND của Module 2 Relay lần lượt với chân 5V và chân GND và của Arduino Uno, chân V- của động cơ DC nối với chân V- của nguồn adapter 12V, còn chân tín hiệu IN1 và IN2 của Module 2 Relay lần lượt được nối với chân D3 và D5 của Arduino Uno

A T M E L www.arduino.cc blogembarcado.blogspot.com

Với động cơ Servo: kết nối chân V+, V- lần lượt với chân 5V và chân GND Còn chân tín hiệu của servo thứ nhất và thứ hai lần lượt nối với chân D6, D10 của board Arduino Uno.

Nguyên lý hoạt động

Đầu tiên ta cấp nguồn cho hệ thống, khởi động máy tính, mở phần mềm Matlab và giao diện GUI để điều khiển Arduino Uno R3 và Webcam Logitech C270p được kết nối trực tiếp với máy tính Nhấn nút Start để 2 băng tải hoạt động, băng tải vận chuyển sẽ luôn chạy Băng tải nhập liệu chạy 1s rồi dừng, sau 2.5s webcam sẽ chụp ảnh Nếu không có bút chì hoặc bút chì có màu khác những màu cần phân loại, băng tải nhập liệu sẽ lại bắt đầu chạy 1s rồi dừng, nếu có màu cần phân loại nhưng 2 khay đều đang có màu đó thì băng tải nhập liệu đợi 4s rồi tiếp tục chạy 1s Nếu webcam phát hiện có màu bút chì cần phân loại và chưa có trong khay, băng tải nhập liệu sẽ chờ cho đến khi servo gạt xong thì băng tải nhập liệu mới tiếp tục chạy lại

Ta đặt cây bút chì lên băng tải nhập liệu, băng tải nhập liệu sẽ hoạt động sẽ đưa bút chì xuống băng tải vận chuyển Khi bút chì đi vào buồng tối Webcam Logitech C270p phát hiện và thu thập dữ liệu, cụ thể là sẽ chụp ảnh của cây bút chì và truyền dữ liệu thu thập được cho máy tính Máy tính sau khi nhận dữ liệu từ webcam sẽ thực hiện công việc xử lý phân tích màu sắc dựa trên phần mềm lập trình Matlab Sau khi xử lý xong, máy tính sẽ gửi tín hiệu điều khiển xuống board Arduino Uno R3 để thực hiện điều khiển 2 động cơ Servo hoạt động phân loại Nếu ở khay 1 chưa có một trong các màu đỏ, cam, vàng, lục, lam, hồng, tím thì Servo 1 sẽ gạt, nếu cây bút chì tiếp theo đi vào và màu đã có ở khay 1 thì động cơ Servo 2 sẽ gạt, nếu cây bút chì tiếp theo nữa đi vào và màu đã có ở cả 2 khay thì cả 2 Servo sẽ không gạt và băng tải sẽ đưa cây bút chì đi thẳng Khi 1 trong 2 khay đủ 7 màu, màn hình sẽ hiển thị số lượng hộp bút chì tăng thêm 1 Màn hình cũng hiển thị tên những màu đã có trong từng khay Quá trình thực hiện diễn ra liên tục, lặp lại cho đến khi nhấn nút Stop thì hệ thống sẽ ngừng hoạt động.

THI CÔNG HỆ THỐNG

Thi công hệ thống

Tổng quan về phần cứng của mô hình:

- Kích thước băng tải 1: chiều dài 30cm, chiều rộng 20cm, chiều cao 25cm

- Kích thước băng tải 2: chiều dài 100cm, chiều rộng 20cm, chiều cao 20cm

- Webcam Logitech C270p có nhiệm vụ thu nhận ảnh đầu vào, khoảng cách đặt Webcam để thu nhận ảnh tối đa là 30cm tính từ mặt băng tải

- Dùng 2 động cơ Servo 5V để gạt sản phẩm

- 2 Động cơ DC 12V hoạt động điều khiển băng tải với tốc độ 50 vòng/phút

- Board Arduino Uno R3 được đặt phía dưới băng tải, đây là bộ điều khiển trung tâm của mô hình

Khay chứa bút chì Động cơ 1 Động cơ 2

Adruino và Module 2 Relay Buồng tối

CHƯƠNG 4 THI CÔNG HỆ THỐNG

Mô hình băng tải nhỏ gọn, có thể di chuyển dễ dàng Các vị trí của thiết bị có thể thay đổi và điều chỉnh được Quá trình lắp ráp các thiết bị thực hiện như sau:

Hình 4.2: Vị trí đặt Webcam Logitech C270p

Theo Hình 4.2 thì Webcam Logitech C270p được đặt theo phương thẳng đứng từ trên xuống, vuông góc và cách bề mặt băng tải 30cm để thu ảnh tốt nhất Còn 2 Led được đặt song song với nhau và song song với Webcam như Hình 4.1

Hình 4.3: Vị trí đặt động cơ DC Động cơ DC 12V được gắn phía dưới băng tải để kéo băng tải hoạt động như Hình 4.3 Băng tải 1 có màu xanh, băng tải 2 có màu trắng

Băng tải 1 Động cơ 1 Động cơ 2 Băng tải 2

Hình 4.4: Vị trí đặt board Arduino Uno R3 và Module Relay

Board Arduino Uno R3 và Module Relay được gắn trên đế gỗ của mô hình, nằm dưới băng tải như Hình 4.5 để gọn gàng, dễ điều khiển

Hình 4.5: Vị trí đặt 2 động cơ Servo

Hai động cơ Servo được đặt song song nhau, cách đoạn cuối của băng tải 15cm và nằm ở 2 bên băng tải như Hình 4.2

Module Relay Mặt băng tải 2

Hình 4.6: Vị trí đặt 2 khay chứa bút chì

Hai khay chứa bút chì được đặt 2 bên của băng tải, ở vị trí sát động cơ servo như Hình 4.3

Hình 4.7: Vị trí đặt buồng tối

Buồng tối nằm ở sau băng tải 1 và trước 2 khay chứa bút chì cùng servo, được gắn vào khung bao quanh vị trí của Webcam Webcam được đặt ở ngay chính giữa buồng tối, bên trong có 2 đèn led 3.3V để cung cấp nguồn sáng cho buồng tối

Lập trình hệ thống

4.2.1 Lưu đồ giải thuật mô phỏng

Khởi động Matlab và thiết lập các biến môi trường

Xóa tất cả các biến và cửa sổ lệnh trong Matlab

Chương trình phân tích màu sắc có trong ảnh

Chụp ảnh thông qua Webcam và hiển thị trên Matlab

Kiểm tra có nhấn Run?

Hiển thị kết quả trên giao diện

Nhấn Run trên phần mềm

Hình 4.8: Lưu đồ giải thuật mô phỏng

Hình 4.15 cho ta thấy trước khi chạy chương trình mô phỏng thì chúng ta phải khởi tạo môi trường làm việc và xóa tất cả các biến cùng các cửa sổ lệnh trong Matlab bằng lệnh Clear all Sau đó ảnh sẽ được chụp từ Webcam, hiển thị trên Matlab và lưu

CHƯƠNG 4 THI CÔNG HỆ THỐNG thành file ảnh Tiếp theo ta sử dụng ngôn ngữ lập trình Matlab để lập trình công việc phân tích màu sắc Sau khi lập trình xong, nhấn Run trên phần mềm Matlab để chạy mô phỏng, kết quả mô phỏng sẽ được hiển thị trên Figure Và quá trình lặp lại khi ta muốn chụp ảnh mới

4.2.2 Lưu đồ giải thuật hệ thống

Matlab và các biến môi trường

Cho băng tải 2 hoạt động

Cho băng tải 1 hoạt động

Kiểm tra có 1 trong 7 màu hay không?

Hiển thị kết quả trên giao diện GUI

Kiểm tra khay 1 đã có màu đó chưa? Điều khiển Servo 1 gạt

Kiểm tra khay 2 đã có màu đó chưa? Điều khiển Servo 2 gạt Điều khiển Servo 1 và Servo 2 ngưng gạt Đ Đ

Gọi hàm phân tích màu sắc

Hình 4.9: Lưu đồ giải thuật hệ thống

Hình 4.16 miêu tả quá trình điều khiển của hệ thống phân loại sản phẩm bút chì theo màu sắc Qua lưu đồ giải thuật chúng ta có thể thấy được các bước chính của hoạt động mô hình là thu nhận ảnh từ Webcam, phân tích màu sắc, điều khiển 2 động cơ servo hoạt động

4.2.3 Lưu đồ giải thuật xác định màu sắc

Chuyển không gian RGB sang HSV

Tạo mặt nạ nhị phân chỉ có màu đã xác định

Xác định màu sắc dựa vào các giá trị ngưỡng trong HSV

Loại bỏ các điểm có pixel nhỏ hơn 1000, giữ lại các điểm pixel lớn, lấp đầy các khoảng trống

Hiển thị kết quả trên giao diện GUI 1

Hiển thị kết quả Green

Hiển thị kết quả Red

Hiển thị kết quả Orange Đ

Hiển thị kết quả Yellow

Hiển thị kết quả Blue

Hiển thị kết quả Pink

Hiển thị kết quả Purple

Hình 4.10: Lưu đồ giải thuật xác định màu sắc

Hình 4.17 cho thấy lưu đồ giải thuật xác định màu sắc của 7 màu bút chì Ban đầu ảnh bút chì sẽ được Webcam thu nhận, sau đó qua bước tiền xử lý và chuyển từ không gian màu RGB sang không gian màu HSV Tiếp theo xác định màu sắc bút chì dựa vào thông số ngưỡng H,S,V để tạo ra ảnh nhị phân chỉ có vùng màu đó Sau đó loại bỏ các đối tượng nhỏ và giữ lại các khu vực lớn hơn 1000pixel, lấp đầy các khoảng trống

Từ CC1 đến CC7 lần lượt là biến của đối tượng màu đỏ, cam, vàng, lục, lam, hồng, tím NumObject là số lượng riêng đối tượng đó có trong ảnh Nếu kiểm tra biến CC1.NumObjects lớn hơn 0 sẽ hiển thị kết quả “Red” ứng với màu đỏ có trong ảnh, ngược lại nếu CC2.NumObjects lớn hơn 0 sẽ hiển thị kết quả “Orange” ứng với màu cam có trong ảnh, tương tự với các màu còn lại Ngược lại sẽ hiển thị kết quả “No pencil or Others pencil” ứng với việc không có bút chì hoặc bút chì có màu khác với

Tài liệu hướng dẫn sử dụng, thao tác

Bước 1: Khởi động phần mềm Matlab

Hình 4.11: Giao diện khi khởi động Matlab

Bước 2: Bấm Run trong giao diện Matlab

Hình 4.12: Nút Run trong giao diện Matlab

Sau khi nhất nút Run phần mềm sẽ mở ra giao diện Guide như Hình 4.20

Bước 3: Nhấn Start trên giao diện Guide

Hình 4.13: Giao diện điều khiển

4 Hiển thị ảnh kết quả

5 Hiển thị những màu có ở khay 1

6 Hiển thị những màu có ở khay 2

7 Hiển thị số lượng hộp

8 Hiển thị thông báo kết quả màu sắc

9 Hiển thị thông báo khi một màu đã có ở 2 khay

Ta nhấn nút Start trên giao diện điều khiển để khởi động chương trình và băng tải cùng Webcam sẽ hoạt động Cửa sổ Video camera sẽ cho thấy hình ảnh liên tục mà Webcam thu được Cửa sổ Ảnh chụp sẽ cho ta hình ảnh Webcam chụp lại khi có vật thể đi vào, và cửa sổ Ảnh kết quả sẽ cho ra ảnh phân vùng màu của vật thể sau khi được xử lý và hiển thị tên màu ở dưới dòng chữ Ảnh kết quả

Khay 1, khay 2 sẽ hiển thị tên những màu đã có trong từng khay, khi mỗi 1 khay đã đủ 7 màu, số lượng hộp sẽ tăng lên 1 và tên màu trong khay sẽ mất Dòng cuối cùng sẽ thông báo “Already have” nếu cả 2 khay đều có màu đó, hoặc thông báo

“No pencil or Other pencil” cho ta biết nếu không có bút chì hoặc bút chì có màu không nằm trong dữ liệu 7 màu đỏ, cam, vàng, lục, lam, hồng, tím đã xác định trước

Bước 4: Đặt bút chì lên băng tải 1

Bước 5: Quan sát kết quả

Hình 4.14: Kết quả thu được

KẾT QUẢ_NHẬN XÉT_ĐÁNH GIÁ

Thu thập dữ liệu ảnh

Yêu cầu bài toán đặt ra là phải phân biệt được màu sắc của 7 cây bút chì màu Cụ thể chúng em sẽ phân loại 7 màu sắc bút chì khác nhau đó là: đỏ, cam, vàng, lục, lam, hồng, tím Dưới đây là tập ảnh thu thập của 7 loại màu sắc bút chì khi được chụp trong môi trường đủ sáng

Hình 5.1: Tập ảnh thu thập 7 màu sắc khác nhau

CHƯƠNG 5 KẾT QUẢ_NHẬN XÉT_ĐÁNH GIÁ

BỘ MÔN ĐIỆN TỬ CÔNG NGHIỆP – Y SINH 38

Kết quả quá trình thực hiện đề tài

5.2.1 Kết quả tính toán thời gian thu nhận ảnh

Băng tải 2 có độ dài 1m, để đi từ đầu băng tải đến cuối băng tải mất 11.8s, như vậy vận tốc trên bề mặt băng tải 2 là 0.0847m/s Khoảng cách từ điểm bút chì rơi từ băng tải 1 xuống băng tải 2 đến giữa buồng tối nơi đặt Webcam là 0.26cm Như vậy thời gian cần thiết để Webcam chụp được bút chì là trong khoảng 0.26/0.0847=3(s) kể từ khi băng tải 1 dừng lại

5.2.2 Kết quả xử lý màu sắc

Kết quả nhận diện bút chì màu đỏ a) b) c)

Hình 5.2: a) Ảnh ban đầu của bút chì màu đỏ b) Ảnh nhị phân của bút chì màu đỏ c) Ảnh phân vùng của bút chì màu đỏ

Kết quả nhận diện bút chì màu cam a) b) c)

Hình 5.3: a) Ảnh ban đầu của bút chì màu cam b) Ảnh nhị phân của bút chì màu cam c) Ảnh phân vùng của bút chì màu cam

Kết quả nhận diện bút chì màu vàng a) b) c)

Hình 5.4: a) Ảnh ban đầu của bút chì màu vàng b) Ảnh nhị phân của bút chì màu vàng c) Ảnh phân vùng của bút chì màu vàng

Kết quả nhận diện bút chì màu lục a) b) c)

Hình 5.5: a) Ảnh ban đầu của bút chì màu lục b) Ảnh nhị phân của bút chì màu lục c) Ảnh phân vùng của bút chì màu lục

Kết quả nhận diện bút chì màu lam a) b) c)

Hình 5.6: a) Ảnh ban đầu của bút chì màu lam b) Ảnh nhị phân của bút chì màu lam c) Ảnh phân vùng của bút chì màu lam

Kết quả nhận diện bút chì màu hồng a) b) c)

Hình 5.7: a) Ảnh ban đầu của bút chì màu hồng b) Ảnh nhị phân của bút chì màu hồng c) Ảnh phân vùng của bút chì màu hồng

Kết quả nhận diện bút chì màu tím a) b) c)

Hình 5.8: a) Ảnh ban đầu của bút chì màu tím b) Ảnh nhị phân của bút chì màu tím c) Ảnh phân vùng của bút chì màu tím Hình (a) cho ta thấy ảnh thực tế ban đầu của bút chì màu đỏ, cam, vàng, lục, lam, hồng, tím khi được chụp trong điều kiện đủ sáng, buồng tối có nguồn sáng không đổi Sau khi ảnh được loại bỏ các điểm ảnh nhỏ, làm mịn đường viền sẽ thu được ảnh nhị phân như Hình (b) Cuối cùng ta tiến hành nhân chập ảnh ban đầu (a) với ảnh nhị phân (b), sẽ thu được kết quả là ảnh phân vùng của màu bút chì như Hình (c)

5.2.3 Kết quả xử lý trên mô hình Đầu tiên ta sẽ đặt bút chì lên băng tải 1 để nhập liệu như Hình 5.9, băng tải 1 sẽ đưa bút chì rơi xuống băng tải 2

Hình 5.9: Bút chì nhập liệu trên băng tải 1

Sau đó bút chì sẽ được băng tải 2 vận chuyển vào buồng tối và Webcam sẽ bắt đầu chụp ảnh bút chì

Hình 5.10: Bút chì đi vào buồng tối

Bút chì đi vào buồng tối sẽ được Webcam đặt ở giữa buồng tối chụp ảnh, xử lý để nhận biết màu sắc

Hình 5.11: Bút chì ra khỏi buồng tối

Sau khi xử lý, servo sẽ hoạt động quay 1 góc 90 o để đón lấy bút chì đang di chuyển tới

Hình 5.12: Bút chì được tay gạt mở ra đón lấy

Sau 1 khoảng thời gian mở ra chờ bút chì, tay gạt sẽ đóng lại để gạt để bút chì lăn xuống khay

Hình 5.13: Tay gạt đóng lại gạt bút chì lăn xuống khay

Một số trường hợp nhận dạng màu sắc có thể không được chính xác hay không nhận dạng được, nguyên nhân do mô hình băng tải chuyển động liên tục, cùng với độ ổn định của Webcam và nguồn sáng

Bảng 5.1 Kết quả thống kê khi đưa vào bút chì có màu sắc nằm trong dữ liệu

Màu Số lượng bút chì đưa vào

Số lần nhận dạng màu chính xác Độ chính xác (%) Đỏ 30 30 100%

Bảng 5.2 Kết quả thống kê khi đưa vào bút chì có màu không nằm trong dữ liệu

Số lượng bút chì đưa vào khác 7 màu trong dữ liệu

Số lần nhận dạng màu chính xác Độ chính xác (%)

Nhận xét và đánh giá chung

Dựa vào kết quả thống kê ở Bảng 5.1 và Bảng 5.2, ta có thể thấy được sự ổn định của hệ thống bị giảm sút khi hoạt động trong thời gian dài Do kết hợp buồng tối nên nguồn sáng không bị ảnh hưởng từ ánh sáng bên ngoài, làm tăng độ chính xác khi Webcam chụp ảnh và xử lý màu sắc Kết quả từ việc chạy mô phỏng trong phần mềm Matlab đã đúng với thực tế từng màu đỏ, cam, vàng, lục, lam, hồng, tím của bút chì Như vậy mô hình đã phản ánh đúng mục đích và yêu cầu đưa ra của đề tài

Hệ thống có những ưu điểm như: không dùng cảm biến để phát hiện vật thể nên sẽ tiết kiệm được chi phí, cùng với việc sử dụng không gian màu HSV cho kết quả nhận dạng màu sắc được chính xác hơn so với dùng không gian màu RGB Ngoài ra hệ thống còn có buồng tối giúp cho việc chụp ảnh không bị ảnh hưởng bởi ánh sáng môi trường bên ngoài

Bên cạnh đó mô hình còn có những nhược điểm như: một số thuật toán còn chưa tối ưu, kém ổn định khi hoạt động liên tục trong thời gian dài, chưa đánh giá được chất lượng và kích thước của bút chì, cơ sở dữ liệu màu chỉ giới hạn trong 7 màu.

Tiêu đề	Thiết Kế Và Thi Công Hệ Thống Phân Loại Sản Phẩm Bút Chì Theo Màu Sắc
Tác giả	Trần Văn Tuấn, Phạm Văn Long
Người hướng dẫn	PGS.TS. Nguyễn Thanh Hải
Trường học	Trường Đại Học Sư Phạm Kỹ Thuật TP. Hồ Chí Minh
Chuyên ngành	Công Nghệ Kỹ Thuật Điện Tử Truyền Thông
Thể loại	Đồ án tốt nghiệp
Năm xuất bản	2020
Thành phố	Tp. Hồ Chí Minh

Định dạng
Số trang	93
Dung lượng	2,58 MB