PHÂN LOẠI HÀNG HÓA TỰ ĐỘNG TRÊN BĂNG TẢI BẰNG  ROBOT CÔNG NGHIỆP PALLETIZING DỰA TRÊN THỊ GIÁC MÁY TÍNH

Lưu Trọng Hiếu; Ngô Quang Hiếu; Nguyễn Hữu Cường; Lê Văn Lẻ

doi:10.34238/tnu-jst.14208

PHÂN LOẠI HÀNG HÓA TỰ ĐỘNG TRÊN BĂNG TẢI BẰNG ROBOT CÔNG NGHIỆP PALLETIZING DỰA TRÊN THỊ GIÁC MÁY TÍNH

Thông tin bài báo

Ngày nhận bài: 10/12/25 Ngày hoàn thiện: 13/04/26 Ngày đăng: 14/04/26

Các tác giả

1. Lưu Trọng Hiếu, Trường Bách Khoa - Đại học Cần Thơ
2. Ngô Quang Hiếu , Trường Bách Khoa - Đại học Cần Thơ
3. Nguyễn Hữu Cường, Trường Bách Khoa - Đại học Cần Thơ
4. Lê Văn Lẻ, Trường Bách Khoa - Đại học Cần Thơ

Tóm tắt

Nghiên cứu trình bày giải pháp phân loại hàng hóa tự động sử dụng robot công nghiệp dạng palletizing kết hợp thị giác máy tính và học sâu YOLOv8. Một máy ảnh số thu nhận đồng thời ảnh màu và ảnh độ sâu, giúp xác định tọa độ 3D và hướng của vật thể trong vùng làm việc. Mô hình YOLOv8, sau khi huấn luyện đạt giá trị mAP@0,5 ≈ 0,99, thể hiện khả năng phát hiện và phân loại chính xác. Hệ thống xử lý ảnh và điều khiển được tích hợp vào bộ điều khiển nhằm thực hiện quá trình gắp, thả theo tọa độ và góc định hướng được xác định từ máy ảnh. Kết quả thực nghiệm cho thấy sai số định vị trung bình đạt khoảng 4–6 mm trên mặt phẳng X–Y, và sai số trục Z giữ nguyên ở mức 0 mm trong các lần thử nghiệm gắp và đặt với hai chiều cao cố định 25 mm và 35 mm. Giải pháp đề xuất cho thấy tính khả thi của việc tích hợp thị giác máy tính và điều khiển robot, góp phần nâng cao hiệu quả tự động hóa trong sản xuất công nghiệp.

Từ khóa

Gắp và thả; Robot công nghiệp; Thị giác máy tính; Xếp hàng hóa; YOLOv8

Toàn văn:

PDF (English)

Tài liệu tham khảo

[1] A. Dzedzickis, J. Subačiūtė-Žemaitienė, E. Šutinys, U. Samukaitė-Bubnienė, and V. Bučinskas, “Advanced applications of industrial robotics: New trends and possibilities,” Applied Sciences, vol. 12, no. 1, 2022, doi: 10.3390/app12010135.

[2] A. Saxena and R. Chaturvedi, “Advancement of industrial automation in integration with robotics,” in Proc. 2021 Int. Conf. Simulation, Automation & Smart Manufacturing (SASM), Mathura, India, Aug. 20-21, 2021, pp. 1-6, doi: 10.1109/SASM51857.2021.9841071.

[3] M. Javaid, A. Haleem, R. P. Singh, and R. Suman, “Substantial capabilities of robotics in enhancing Industry 4.0 implementation,” Cognitive Robotics, vol. 1, pp. 58-75, 2021, doi: 10.1016/j.cogr.2021.06.001.

[4] V. Liagkou, C. Stylios, L. Pappa, and A. Petunin, “Challenges and opportunities in Industry 4.0 for mechatronics, artificial intelligence and cybernetics,” Electronics, vol. 10, no. 16, 2021, doi: 10.3390/electronics10162001.

[5] M. Moghaddam and S. Y. Nof, “Parallelism of pick-and-place operations by multi-gripper robotic arms,” Robotics and Computer-Integrated Manufacturing, vol. 42, pp. 135-146, 2016. https://doi.org/10.1016/j.rcim.2016.06.004

[6] M. Russo, D. Zhang, X. Liu, and Z. Xie, “A review of parallel kinematic machine tools: Design, modeling, and applications,” Int. J. Machine Tools and Manufacture, vol. 196, 2024, Art. no. 104118, doi: 10.1016/j.ijmachtools.2024.104118.

[7] C. J. Conti, A. S. Varde, and W. Wang, “Human-robot collaboration with commonsense reasoning in smart manufacturing contexts,” IEEE Trans. Autom. Sci. Eng., vol. 19, no. 3, pp. 1784-1797, 2022. doi: 10.1109/TASE.2022.3159595

[8] U. E. Ogenyi, J. Liu, C. Yang, Z. Ju, and H. Liu, “Physical human–robot collaboration: Robotic systems, learning methods, collaborative strategies, sensors, and actuators,” IEEE Trans. Cybern., vol. 51, no. 3, pp. 1888-1901, 2021, doi: 10.1109/TCYB.2019.2947532

[9] V. Villani, F. Pini, F. Leali, and C. Secchi, “Survey on human–robot collaboration in industrial settings: Safety, intuitive interfaces and applications,” Mechatronics, vol. 55, pp. 248-266, 2018, doi: 10.1016/j.mechatronics.2018.02.009.

[10] F. Ore, B. R. Vemula, L. Hanson, and M. Wiktorsson, “Human–industrial robot collaboration: Application of simulation software for workstation optimisation,” Procedia CIRP, vol. 44, pp. 181-186, 2016, doi: 10.1016/j.procir.2016.02.002.

[11] N. Pedrocchi, F. Vicentini, M. Matteo, and L. M. Tosatti, “Safe human–robot cooperation in an industrial environment,” Int. J. Adv. Robot. Syst., vol. 10, no. 1, 2013, doi: 10.5772/53939.

[12] Y.-L. Chen, Y.-R. Cai, and M.-Y. Cheng, “Vision-based robotic object grasping: A deep reinforcement learning approach,” Machines, vol. 11, no. 2, 2023, Art. no. 275, doi: 10.3390/machines11020275.

[13] J. Li, A. Wahrburg, and N. Enayati, “Active learning of time-optimal motion for an industrial manipulator with variable payload,” IFAC-PapersOnLine, vol. 56, no. 2, pp. 306-313, 2023, doi: 10.1016/j.ifacol.2023.10.1585.

[14] A. Sameh, M. Fanni, and M. Rashad, “Advances in intelligent industrial manipulators for smart manufacturing and standardized automation technologies,” Discover Robotics, vol. 1, 2025, doi: 10.1007/s44430-025-00012-2.

[15] G. Jocher, J. Qiu, and A. Chaurasia, Ultralytics YOLO, computer software Version 8.0.0, 2023.

[16] R. Varghese and M. Sambath, “YOLOv8: A novel object detection algorithm with enhanced performance and robustness,” in Proc. 2024 Int. Conf. Advances in Data Engineering and Intelligent Computing Systems (ADICS), Chennai, India, Apr. 2024, pp. 1-6, doi: 10.1109/ADICS58448. 2024.10533619.

DOI: https://doi.org/10.34238/tnu-jst.14208

Các bài báo tham chiếu

Hiện tại không có bài báo tham chiếu



Ghi nhớ