TRƯỜNG ĐẠI HỌC SƯ PHẠM KỸ THUẬT THÀNH PHỐ HỒ CHÍ MINH
KHOA ĐÀO TẠO CHẤT LƯỢNG CAO

ĐỒ ÁN TỐT NGHIỆP

NGHIÊN CỨU VÀ ỨNG DỤNG MACHINE VISION
PHÁT HIỆN SẢN PHẨM LỖI TRONG CÔNG
NGHIỆP
SVTH:

PHẠM HOÀNG VIỆT

MSSV:

16151103

Khoá:

K16

Ngành:

CNKT ĐIỀU KHIỂN VÀ TỰ ĐỘNG HÓA

GVHD:

THS. NGUYỄN TỬ ĐỨC

Tp. Hồ Chí Minh, tháng 8 năm 2020

TRƯỜNG ĐẠI HỌC SƯ PHẠM KỸ THUẬT THÀNH PHỐ HỒ CHÍ MINH
KHOA ĐÀO TẠO CHẤT LƯỢNG CAO

ĐỒ ÁN TỐT NGHIỆP

NGHIÊN CỨU VÀ ỨNG DỤNG MACHINE VISION
PHÁT HIỆN SẢN PHẨM LỖI TRONG CÔNG
NGHIỆP
SVTH:

PHẠM HOÀNG VIỆT

MSSV:

16151103

Khoá:

K16

Ngành:

CNKT ĐIỀU KHIỂN VÀ TỰ ĐỘNG HÓA

GVHD:

THS. NGUYỄN TỬ ĐỨC

Tp. Hồ Chí Minh, tháng 8 năm 2020

CỘNG HÒA XÃ HỘI CHỦ NGHĨA VIỆT NAM
Độc lập – Tự do – Hạnh phúc
***
Tp. Hồ Chí Minh, ngày 27 tháng 07 năm 2020

NHIỆM VỤ ĐỒ ÁN TỐT NGHIỆP
Họ và tên sinh viên: Phạm Hoàng Việt

MSSV: 16151103

Ngành: Công nghệ kỹ thuật Điều khiển và Tự động hóa

Lớp: 16151CL1

Giảng viên hướng dẫn: Ths. Nguyễn Tử Đức

ĐT: 0908 550 450

Ngày nhận đề tài: 24/02/2020

Ngày nộp đề tài: 27 tháng 7 năm 2020

1. Tên đề tài: Nghiên cứu và ứng dụng Machine Vision phát hiện sản phẩm lỗi trong
công nghiệp
2. Các số liệu, tài liệu ban đầu:
3. Nội dung thực hiện đề tài:
-

Tìm hiểu và nghiên cứu về hệ thống Machine Vision trong công nghiệp.
Tìm hiểu giải thuật xủ lý ảnh và máy học cho bài toán nhận dạng và phân loại
ảnh.
- Tìm hiểu máy tính nhúng, cách cài đặt và cấu hình phục vụ cho Computer Vision
và Deep Learning.
- Áp dụng giải thuật xủ lý ảnh và mô hình Deep Learning xây dựng được vào hệ
thống Machine Vison phát hiện sản phẩm lỗi.
4. Sản phẩm
- Hệ thống Machine Vision hoàn chỉnh
- Chương trình phát hiện sản phẩm lỗi.
- Quyển báo cáo đồ án tốt nghiệp
- Đĩa CD

TRƯỞNG NGÀNH

GIẢNG VIÊN HƯỚNG DẪN

i

CỘNG HOÀ XÃ HỘI CHỦ NGHĨA VIỆT NAM
Độc lập – Tự do – Hạnh Phúc

*******

PHIẾU NHẬN XÉT CỦA GIÁO VIÊN HƯỚNG DẪN
Họ và tên Sinh viên: Phạm Hoàng Việt
MSSV: 16151103
Ngành: Công nghệ Kỹ thuật điều khiển và Tự động hóa.
Tên đề tài: Nghiên cứu và ứng dụng Machine Vision phát hiện sản phẩm lỗi trong công
nghiệp.
Họ và tên Giáo viên hướng dẫn: Ths. Nguyễn Tử Đức
NHẬN XÉT
1. Về nội dung đề tài và khối lượng thực hiện:

.............................................................................................................................
.............................................................................................................................
........................................
...

...
150:
print(Defective Can)
print(len(idx_left[0]), len(idx_right[0]))
return False
if img_obj.shape[0] != img_obj.shape[1]*2:
img_obj = cv2.resize(img_obj, (420, 840))
#bot
print(img_obj.shape)

83

img = img_obj[420: 840, :]
img = cv2.resize(img, (224, 224))
img = img*1./255
img = img.reshape(-1,224,224,3)
output = model.predict(img) # [[0.3, 0.7]]
if output[0][1] threshold:
return False
#mid
img = img_obj[210: 630, :]
img = cv2.resize(img, (224, 224))
img = img*1./255
img = img.reshape(-1,224,224,3)
output = model.predict(img)
if output[0][1] threshold:
return False
#top
img = img_obj[0: 420, :]
img = cv2.resize(img, (224, 224))
img = img*1./255
img = img.reshape(-1,224,224,3)
output = model.predict(img)
if output[0][1] threshold:
return False
return True

model = load_model(0012.h5)
img = cv2.imread(virtual.jpg)

84

img = img*1./255
img = img.reshape(-1,224,224,3)
_ = model.predict(img)
print(Loaded model)
import sys
sys.path.append(/opt/nvidia/jetson-gpio/lib/python/)
sys.path.append(/opt/nvidia/jetson-gpio/lib/python/Jetson/GPIO)
import RPi.GPIO as GPIO
import time
# Pin Definitions
#output_pin = 18 # BOARD pin 12, BCM pin 18
# Pin Setup:
# Board pin-numbering scheme
GPIO.setmode(GPIO.BCM)
# set pin as an output pin with optional initial state of HIGH
GPIO.setup(18, GPIO.OUT, initial=GPIO.LOW)
GPIO.setup(23, GPIO.IN) # set pin as an input pin
path = /home/phamviet/Desktop/DATN/loi
files = [i for i in os.listdir(path) if i.endswith(.jpg)]
n=0

cap_1 = cv2.VideoCapture(0) # camera 1
cap_2 = cv2.VideoCapture(1) # camera 2

try:
while(True):
start = time.time()

85

_, image_1 = cap_1.read()
_, image_2 = cap_2.read()
image_1 = cv2.transpose(image_1,0)
image_2 = cv2.transpose(image_2,0)
#image_1 = cv2.flip(image_1, 0)

if GPIO.input(23) == GPIO.LOW: # tin hieu tu cam bien gui ve
cv2.imshow(, cv2.resize(image_1, (240, 320)))
if cv2.waitKey(1) == 27:
break
continue
print(Co object)
flag_inspection_1 = predict_img(image_1, model, 0.5)
flag_inspection_2 = predict_img(image_2, model, 0.5)
if flag_inspection_1 and flag_inspection_2:
print(Ok)
cv2.circle(image_1, (650, 70), 50, (0,255,0), -1)
else:
print(Defect)
GPIO.output(18, GPIO.HIGH)
time.(0.5)
GPIO.output(18, GPIO.LOW)
cv2.circle(image_1, (650, 70), 50, (0,0,255), -1)
n=n+1
cv2.imshow(, cv2.resize(image_1, (360, 640)))
print(time: , time.time()- start)
if cv2.waitKey(1) == 27:

86

break
finally:
GPIO.cleanup()
cv2.destroyAllWindows()

87