Luận văn Thạc sĩ Khoa học: Nghiên cứu hệ thống kiểm tra chiết rót chai tự động

Đề tài "Nghiên cứu hệ thống kiểm tra chiết rót chai tự động" nghiên cứu về các thuật toán xử lý ảnh nói cung để đưa ra một phương án tối ưu nhất trong hệ thống đảm bảo được tính chính xác của hệ thống và cải thiện được thời gian nhận diện các lỗi của sản phẩm. Nghiên cứu đó kết hợp với các thuật toán trong DeepLearning để phát hiện hệ thống trong tương lai.
Nội dung trích xuất từ tài liệu:
Luận văn Thạc sĩ Khoa học: Nghiên cứu hệ thống kiểm tra chiết rót chai tự động TRƯỜNG ĐẠI HỌC BÁCH KHOA HÀ NỘI LUẬN VĂN THẠC SĨ Nghiên cứu hệ thống kiểm tra chiết rót chai tự động TRẦN THIÊN NAM thiennam.tran2009@gmail.com Chuyên ngành Kỹ thuật Cơ Điện Tử Giảng viên hướng dẫn: GVCC. TS. Nguyễn Trọng Doanh Chữ ký của GVHD Bộ môn: Cơ Điện Tử Viện: Cơ Khí HÀ NỘI, 3/2020 1 ĐỀ TÀI LUẬN VĂN Đề tài tên tiếng Việt “Nghiên cứu hệ thống kiểm tra chiết rót chai tự động”. Đề tài tên tiếng Anh “Research of automatic vision system for bottle filling inspection”. Giáo viên hướng dẫn: GVCC.TS. Nguyễn Trọng Doanh Giáo viên hướng dẫn Ký và ghi rõ họ tên 2 LỜI CẢM ƠN Đầu tiên em xin chân thành cảm ơn GVCC.TS. Nguyễn Trọng Doanh và TS. Hoàng Hồng Hải – người đã trực tiếp hướng dẫn và định hướng giúp em có thể nhanh chóng tiếp cận, nắm bắt kiến thức và hoàn thành đề tài luận văn. Em xin gửi lời cảm ơn tới toàn thể thầy cô giáo khoa bộ môn Cơ điện tử – Viện Cơ khí trường Đại học Bách Khoa – Hà Nội, đã tận tình giảng dạy trang bị cho em những kiến thức quý báu trong những năm học vừa qua. Mặc dù em đã cố gắng hoàn thành tốt đề tài nhưng cũng không thể tránh khỏi những sai sót nhất định, rất mong nhận được đóng góp ý kiến của thầy cô giáo và các bạn. TÓM TẮT NỘI DUNG LUẬN VĂN Nội dung nghiên cứu: Nghiên cứu sơ lược về hệ thống kiểm tra chiết rót chai tự động Nghiên cứu tổng quan về hệ thống xử lý ảnh Nghiên cứu về các kĩ thuật thuật toán nhận dạng và phát hiện đối tượng Nghiên cứu về mô hình YOLO trong bài toán nhận dạng đối tượng Nghiên cứu và tối ưu hóa thuật toán phát hiện và nhận dạng lỗi chai Kết quả nghiên cứu: Bằng phương pháp kết hợp sử dụng mạng nơ-ron (YOLO) và phương pháp tìm biên cạnh truyền thống, thuật toán phát hiện lỗi đạt được hai mục tiêu chính: nâng cao độ chính xác và khả năng kiểm tra trực tuyến đảm bảo tính ổn đinh và tiết kiệm thời gian xử lý của hệ thống. Một hệ thống kiểm tra trên chai Cocacola được thực nghiệm. Kết quả thực nghiệm thu được chỉ ra với thuật toán phát triển độ chính xác có thể đạt được 95% và có thể được ứng dụng trong sản xuất tự động. Giáo viên hướng dẫn Học viên Ký và ghi rõ họ tên Ký và ghi rõ họ tên 3 MỤC LỤC ĐỀ TÀI LUẬN VĂN 2 LỜI CẢM ƠN 3 TÓM TẮT NỘI DUNG LUẬN VĂN 3 MỤC LỤC 4 DANH MỤC HÌNH VẼ 6 DANH MỤC BẢNG 8 CHƯƠNG 1. MỞ ĐẦU 9 1.1 Đặt vấn đề 9 1.2 Tính cấp thiết của đề tài 9 1.3 Mục tiêu đề tài 9 1.4 Nội dung của luận văn 10 CHƯƠNG 2. TỔNG QUAN VỀ XỬ LÝ ẢNH 11 2.1 Cơ bản về xử lý ảnh 11 2.2 Các kĩ thuật lọc nhiễu trong ảnh 12 2.2.1 Nguyên tắc chung của lọc ảnh 12 2.2.2 Một số bộ lọc làm mịn ảnh:13 2.3 Các kĩ thuật dò cạnh 17 2.3.1 Khái quát về dò cạnh 17 2.3.2 Các phương pháp dò cạnh 17 2.4 Kĩ thuật hình thái học (Morphological technique) 21 CHƯƠNG 3. MỘT SỐ KĨ THUẬT THUẬT TOÁN PHÁT HIỆN VÀ NHẬN DẠNG ĐỐI TƯỢNG 25 3.1 Tổng quát chung khái niệm nhận dạng đối tượng 25 3.2 Các thuật toán chính để phát hiện và nhận dạng đối tượng 26 3.2.1 Lớp các mô hình họ R-CNN 26 3.2.2 Lớp các mô hình họ YOLO31 3.2.3 SSD máy dò Multi-Box 32 CHƯƠNG 4. MÔ HÌNH YOLO TRONG BÀI TOÁN NHẬN DẠNG ĐỐI TƯỢNG 34 4.1 Giới thiệu khái quát thuật toán 34 4.2 Tổng quát mô hình của thuật toán 35 4.2.1 Grid System 35 4.2.2 CNN cho YOLO object detection: 37 4.2.3 Hàm lỗi Loss Function: 38 a, Classification Loss 38 b, Localization Loss: 39 4 c, Confidence Loss: 40 4.2.4 Dự đoán lớp và tọa độ boundary box sau quá trình training 40 CHƯƠNG 5. THUẬT TOÁN NHẬN DẠNG LỖI CHAI 43 5.1 Cấu trúc phần cứng của hệ thống: 43 5.1.1 Tổng quan hệ thống 43 5.1.2 Hệ xử lý ảnh trong hệ thống 44 5.2 Xây dựng thuật toán phân loại chai coca 46 5.2.1 Phương pháp 1: (Sử thuật thuật toán Template Matching) 47 5.2.2 Phương pháp 2: Thuật toán sử dụng Edge Detection (tìm biên cạnh)……… 52 5.2.3 Phương pháp 3 được đề xuất trong bài toàn của luận văn (kết hợp giữa thuật toán YOLO trong neural network và edge detection sử dụng trong phương pháp 2) 56 5.3 Phân tích kết quả đã đạt được của phương pháp đề xuất 62 CHƯƠNG 6. KẾT LUẬN CHUNG VÀ HƯỚNG PHÁT TRIỂN CỦA LUẬN VĂN 66 6.1 Kết luận chung 66 6.2 Hướng phát triển của luận văn 66 5 DANH MỤC HÌNH VẼ Hình 2.1 Các giai đoạn của một quá trình xử lý ảnh 11 Hình 2.2 Quy tắc nhân chập ma trận lọc kernel 13 Hình 2.3 Kết quả sau khi lọc trung bình [8] 14 Hình 2.4 Sơ đồ phân phối Gauss [8] 15 Hình 2.5 Kết quả sau khi lọc Gauss [8] 16 Hình 2.6 Kết quả sau khi lọc trung vị [8]17 Hình 2.7 Lọc biên theo phương pháp Robert Cross [8] 18 Hình 2.8 Lọc biên theo phương pháp [8] 19 Hình 2.9 Lọc biên theo phương pháp Canny 21 Hình 2.10 Quá trình chập trong phép toán Giãn nở 23 Hình 2.11 Quá trình chập trong phép toán co 24 Hình 3.1 Sơ đồ tổng hợp các tác vụ Vision [9] 26 Hình 3.2 Quá trình phát triện của thuật toán phát hiện và nhận dạng đối tượng [9] 26 Hình 3.3 Kiến trúc mô hình R-CNN [9] 27 Hình 3.4 Kiến trúc mô hình Fast R-CNN [9] 28 Hình 3.5 Kiến trúc single model Fast R-CNN [9] 29 Hình 3.6 Kiến trúc mô hình Faster R-CNN [9] 30 Hình 3.7: Các kích thước tỉ lệ của mô hình [9] 31 Hình 3.8 Quá trình nhận dạng đối tượng mô hình họ YOLO [9] 31 Hình 3.9 Cấu trúc mạng của SSD [9] 33 Hình 4.1 Kết quả nhận dạng các đối tượng trong khung hình 34 H ...