The topic of this research is the construction and installation of a sorting machine for Skittles and M&M's, which will operate automatically. The project addresses a unique problem: developing equipment which can successfully separate candies of different colors and shapes including those with different small sizes. The sort of precise sorting that we currently have has a large impact on the efficiency and reduction of waste in the food processing industries as well as other industrial applications. To put it briefly, this problem is quite complicated and an ideal topic for a Bachelor’s thesis as it contains the areas of mechanical engineering, computer science, and sensory technology. Although the sorting technology available today is capable of dealing with small-sized and color-varied products, Skittles and M&M's are an exception as the existing sorting systems are not widely applicable and very complicated to use. An approach is taken with applying a color sensor to sense the hues of candies accurately, microcontroller to make sorting decisions and mechanical components for the final sorting. The methodology is based on the creation of a reliable sorting algorithm, the color calibration process which is precise and the interface design which is user-friendly. The findings showed that the machine was able to sort candies at an average rate of 2.37 seconds per candy, meeting the target of three seconds while having a high level of precision under various lighting conditions. This achievement is not only a proof of the fact that the advanced color sorting for small objects is justifiable but also lays a basis for similar technologies in the industries where such sorting is helpful. Further study on this thesis is likely to focus on applicability for industrial production line, machine learning for different objects, and interfaces user interaction. The plan has a general scheme, which could be carried out on a larger scale in areas more than the one of candy sorting like the example of agriculture and recycling, in which accurate color differentiation is essential.

Denna rapport utforskar design och utveckling av en automatiserad färgsorteringsmaskin specifikt för Skittles och M&M's. Projektet tar sig an ett unikt problem: att utveckla en maskin som kan sortera små, varierat formade och färgade godisar med hög precision. Sådan precision i sorteringen har stora implikationer, särskilt när det gäller att förbättra effektivitet och minska avfall i livsmedelsbearbetning och andra industriella tillämpningar. Betydelsen av detta problem ligger i dess komplexitet som passar för en kandidatuppsats, där element av maskinteknik, datavetenskap och sensorsteknologi kombineras. Trots befintliga sorteringsteknologier är de specifika utmaningarna som ställs av Skittles och M&M's små storlekar och färgvariationer till stor del oadresserade, särskilt i ett användarvänligt och anpassningsbart format. Tillvägagångssättet innebar integration av en färgsensor för att noggrant upptäcka godisnyanser, en mikrokontroller för att bearbeta sorteringsbeslut och mekaniska komponenter för att fysiskt sortera godisarna. Nyckeln till metoden var utvecklingen av en tillförlitlig sorteringsalgoritm, precisa färgkalibreringsprocesser och design av ett användarvänligt gränssnitt. Resultaten visar att maskinen framgångsrikt sorterade godisar med en genomsnittlig hastighet på 2,37 sekunder per godis, vilket överstiger målhastigheten på tre sekunder och uppnår en hög noggrannhetsnivå under varierande ljusförhållanden. Denna utgång bekräftar inte bara genomförbarheten av avancerad färgsortering för små objekt utan öppnar också dörren till liknande teknologier i branscher där sådan sortering är fördelaktig. Framtida arbete baserat på denna rapport kan utforska skalbarhet för industriella applikationer, förbättra maskinens anpassningsförmåga till olika objekt och ytterligare förfina användargränssnittet. Projektet lägger en grundläggande ram som skulle kunna anpassas för bredare användningsområden bortom godissortering, såsom inom jordbruk eller återvinning, där exakt färgdifferentiering är avgörande.