Professional Documents
Culture Documents
đối tượng
Các ứng dụng của robot manipulation bao gồm các lĩnh vực sản xuất,
dịch vụ, y tế, giáo dục, khoa học, công nghệ thông tin và nhiều lĩnh vực
khác
o Tăng khả năng linh hoạt và đa năng: Robot manipulation có thể được
lập trình để thực hiện nhiều loại công việc khác nhau, giúp tăng khả
năng linh hoạt và đa năng của các quá trình sản xuất và dịch vụ
o Tiết kiệm chi phí: Robot manipulation có thể giảm chi phí lao động và
thời gian hoàn thành sản phẩm, do đó giảm chi phí sản xuất và cải
thiện lợi nhuận của doanh nghiệp
o Tăng năng suất và hiệu quả: Robot manipulation có thể hoạt động liên
tục, không có sự mệt mỏi, giúp tăng năng suất và hiệu quả của quá
trình sản xuất hoặc cung cấp dịch vụ
o Giảm nguy cơ tai nạn lao động: Robot manipulation giảm sự tham gia
của con người trong các quá trình làm việc nguy hiểm, giảm nguy cơ
tai nạn lao động và tăng tính an toàn cho nhân viên
Nhược điểm
6
o Giới hạn về môi trường làm việc: Robot manipulation có thể gặp
khó khăn trong việc hoạt động trong môi trường khắc nghiệt,
như môi trường có bụi, độ ẩm cao, nhiệt độ cao hoặc thấp,
o Chi phí đầu tư ban đầu cao: Robot manipulation yêu cầu đầu tư
lớn cho việc mua các thiết bị và máy móc phức tạp, cũng như
chi phí lắp đặt, huấn luyện và bảo trì, do đó chi phí đầu tư ban
đầu cao hơn so với các giải pháp khác.
o Khó khăn trong việc tương tác với con người: đặc biệt trong các
hoạt động phức tạp hoặc cần có sự linh hoạt
Sử dụng xử lý ảnh phân loại hình dạng sản phẩm
7
Phát triển thuật toán xử lý ảnh để thu thập thông tin qua
hình dạng sản phẩm.
Xây dựng thuật toán xử lý dữ liệu để chuyển đổi thông tin
từ OpenCV thành dữ liệu để phân loại sản phẩm.
Thiết kế robot điều khiển gắp và gắp sắp xếp các đối tượng dựa
trên phân loại.
Kiểm tra, đánh giá hiệu quả hoạt động của thao tác robot
phân loại đối tượng hệ thống trong các điều kiện khác
nhau
Nội dung
Tổng kết
Thực hiện tìm hiểu về Robot Manipulation và OpenCV
để phân loại sản phẩm theo hình dạng.
Xác định rõ mục tiêu đề tài
Một giá trị ngưỡng được đặt để tạo một hình ảnh mới bằng chức năng
"threshold" của OpenCV. Hình ảnh mới này sẽ chỉ có các pixel màu đen
và trắng dựa trên giá trị ngưỡng.
Các đường viền trong hình ảnh ngưỡng được tìm thấy bằng chức năng
"findContours“. Mỗi đường viền sau đó được xấp xỉ để giảm thiểu các sai
sót sử dụng chức năng "approxPolyDP“.
Các cạnh bên ngoài của mỗi đường viền được vẽ lên hình ảnh ban đầu
bằng chức năng "drawContours".
Văn bản được thêm vào hình ảnh để chỉ ra hình dạng sử dụng chức
năng "putText" của OpenCV.
Kết quả thử nghiệm
14
1
5 Kết quả thực nghiệm
15
Kết quả xác định hình dạng vật thể qua hình ảnh
Thuật toán YOLO
16
YOLO (You Only Look Once) là một thuật toán nhận diện đối tượng và
phân loại đối tượng. YOLO có khả năng xử lý nhanh chóng hình ảnh
và video bằng cách chỉ phân tích ảnh một lần.
Tổng kết
Nghiên cứu thuật toán máy học để phân loại các sản
phẩm dựa trên các đặc trưng
Ứng dụng của AI trong đời sống hiện nay là vô cùng to lớn. Xuất hiện ở
hầu hết các lĩnh vực như công nghiệp, nông nghiệp, y tế, đời sống xã
hội…
Kết quả thực hiện
24
Việc áp dụng AI vào đề tài này sẽ giải quyết bài toán thực tế
giúp kiểm tra phân loại các sản phẩm bị lỗi trong dầy chuyền
sản xuất công nghiệp, nhằm tối ưu hóa các quá trình sản xuất.
Trước đây, các công nghệ phân loại sản phẩm lỗi trong dây chuyền
sản xuất thường sử dụng các phương pháp thủ công hoặc dựa trên
các thuật toán phân loại cơ bản như Decision Tree, k-Nearest
Neighbors, Support Vector Machine (SVM) và Neural Network.
Kết quả thực hiện
26
Sử dụng mô hình phân loại sản phẩm bằng YOLO cùng với robot
công nghiệp sẽ có nhiều ưu điểm so với việc sử dụng các mô hình
phân loại thông thường:
+Độ chính xác cao: YOLO được huấn luyện trên rất nhiều dữ liệu và
sử dụng kiến trúc mạng neural sâu, do đó có thể đạt được độ chính
xác cao hơn trong việc phân loại sản phẩm.
+Tốc độ xử lý nhanh: YOLO được thiết kế để hoạt động với tốc độ
cao, do đó có thể xử lý ảnh và phân loại sản phẩm nhanh chóng,
thậm chí trong thời gian thực.
+Phát hiện đa đối tượng: YOLO có khả năng phát hiện và phân loại
đồng thời nhiều đối tượng trong cùng một bức ảnh hoặc video, giúp
tiết kiệm thời gian và năng lượng trong việc xử lý dữ liệu.
+Tích hợp dễ dàng: YOLO có khả năng tích hợp dễ dàng với các
thiết bị và hệ thống khác, bao gồm cả robot công nghiệp, giúp tối ưu
hoá quá trình sản xuất và nâng cao hiệu quả làm việc.
Nội dung
• Kết quả thực hiện tuần qua
Tổng kết
Nghiên cứu thuật toán máy học để phân loại các sản
phẩm dựa trên các đặc trưng
-Thank you-