AI Inspection trong sản xuất: Phát hiện lỗi phức tạp – Nâng cao độ tin cậy kiểm tra chất lượng

Kiểm tra chất lượng bằng hình ảnh đã trở thành tiêu chuẩn tại nhiều dây chuyền sản xuất. Với những lỗi có hình dạng và kích thước rõ ràng, thuật toán xử lý ảnh truyền thống hoạt động hiệu quả. Tuy nhiên, thực tế sản xuất không phải lúc nào cũng gọn gàng như vậy: vết xước mảnh trên bề mặt kim loại, vết bẩn mờ trên nhựa, khuyết tật trên nền có vân phức tạp hay lỗi in trên bao bì trong suốt thường xuất hiện với hình thái thay đổi liên tục, rất khó mô tả bằng một bộ quy tắc cố định.

AI Inspection ứng dụng trí tuệ nhân tạo, đặc biệt là Deep Learning, để giải quyết lớp bài toán này. Thay vì lập trình từng quy tắc phát hiện lỗi, hệ thống học các đặc trưng trực tiếp từ hình ảnh sản phẩm. Bài viết này giải thích AI Inspection hoạt động như thế nào, khi nào nên sử dụng, quy trình xây dựng ra sao và những điểm cần lưu ý để hệ thống vận hành ổn định tại nhà máy.

Vì sao xử lý ảnh truyền thống đôi khi chưa đủ?

Xử lý ảnh truyền thống dựa trên các quy tắc do kỹ sư thiết lập, chẳng hạn ngưỡng sáng tối, hình dạng, kích thước hoặc vị trí cạnh. Cách làm này nhanh và ổn định với bài toán rõ ràng, nhưng gặp giới hạn trong các tình huống sau:

• Lỗi đa dạng về hình thái. Cùng một loại lỗi như xước, nứt hay lõm có thể xuất hiện với độ dài, hướng và mức độ khác nhau. Viết quy tắc cho mọi trường hợp là rất khó và dễ bỏ sót.

• Nền sản phẩm phức tạp. Bề mặt có vân, họa tiết hoặc độ phản xạ không đồng đều khiến các thuật toán dựa trên ngưỡng hoặc cạnh dễ báo nhầm.

• Biến thiên tự nhiên giữa các sản phẩm đạt. Nhiều sản phẩm vẫn đạt yêu cầu nhưng có khác biệt nhỏ về màu sắc hay kết cấu. Quy tắc cứng khó phân biệt giữa biến thiên chấp nhận được và lỗi thực sự.

• Tốn công hiệu chỉnh khi thay đổi. Mỗi khi đổi vật liệu hoặc điều kiện sản xuất, tham số thuật toán lại phải được chỉnh thủ công.

AI không thay thế hoàn toàn xử lý ảnh truyền thống. Vai trò của AI là bổ sung ở những chỗ phương pháp truyền thống khó đáp ứng.

>> ĐĂNG KÝ NHẬN SETUP DEMO: TẠI ĐÂY

AI Inspection là gì?

AI Inspection là giải pháp ứng dụng AI, Deep Learning và Edge AI cho các bài toán kiểm tra chất lượng phức tạp, nơi phương pháp xử lý ảnh truyền thống khó đáp ứng. Giải pháp gồm ba thành phần chính:

• Deep Learning: mạng nơ-ron học đặc trưng từ ảnh mẫu để nhận diện sản phẩm, phát hiện lỗi phức tạp và khó mô tả bằng quy tắc.

• Edge AI: triển khai mô hình AI trực tiếp trên thiết bị tại dây chuyền, tối ưu tốc độ và khả năng hoạt động độc lập.

• Defect Detection: phát hiện lỗi nhỏ, lỗi tiềm ẩn hoặc lỗi đa dạng mà phương pháp truyền thống khó nhận diện.

Tùy bài toán, AI Inspection thực hiện một hoặc nhiều tác vụ sau: Classification (phân loại sản phẩm hoặc loại lỗi, ví dụ OK/NG), Detection (xác định vị trí lỗi trên ảnh) và Anomaly Detection (phát hiện những điểm bất thường so với mẫu đạt).

Hai hướng tiếp cận phổ biến

Học có giám sát. Mô hình được huấn luyện bằng ảnh đã gán nhãn của cả sản phẩm đạt và từng loại lỗi. Hướng này phù hợp khi lỗi lặp lại và đã có sẵn tập mẫu lỗi, đồng thời cho kết quả chi tiết về loại lỗi và vị trí lỗi.

Phát hiện bất thường (Anomaly Detection). Mô hình chủ yếu học từ ảnh sản phẩm đạt, sau đó đánh dấu những vùng khác biệt so với mẫu chuẩn. Hướng này phù hợp khi lỗi hiếm, rất đa dạng hoặc chưa thu thập đủ mẫu lỗi. Điều kiện là tập ảnh đạt phải đại diện tốt và ngưỡng phát hiện cần được tinh chỉnh cẩn thận.

Trong thực tế, nhiều hệ thống kết hợp cả hai hướng với xử lý ảnh truyền thống: thuật toán truyền thống đảm nhiệm định vị, đo kích thước và đọc mã, còn AI đảm nhiệm phát hiện lỗi bề mặt và phân loại phức tạp.

Quy trình xây dựng một hệ thống AI Inspection

Bước 1: Xác định bài toán và tiêu chí đánh giá

Làm rõ loại lỗi cần phát hiện, mức độ nào được xem là không đạt, tốc độ dây chuyền và mức sai sót doanh nghiệp có thể chấp nhận. Hai chỉ số cần thống nhất ngay từ đầu là tỷ lệ bỏ sót (sản phẩm lỗi bị cho là đạt) và tỷ lệ báo nhầm (sản phẩm đạt bị cho là lỗi). Hai chỉ số này thường đánh đổi với nhau, và việc ưu tiên chỉ số nào phụ thuộc vào mức rủi ro của sản phẩm.

Bước 2: Thu thập hình ảnh

Hình ảnh được thu thập trong điều kiện sản xuất thực: nhiều ca, nhiều lô nguyên liệu, thay đổi nhỏ về ánh sáng. Tập dữ liệu cần có cả mẫu đạt và mẫu lỗi. Hệ thống camera, ống kính và chiếu sáng nên được cố định trước khi thu thập để dữ liệu nhất quán.

Bước 3: Gán nhãn và chuẩn bị dữ liệu

Ảnh được gán nhãn theo tiêu chuẩn lỗi đã thống nhất, đồng thời loại bỏ ảnh nhiễu hoặc ảnh chất lượng kém. Tiêu chí gán nhãn phải nhất quán giữa những người thực hiện, vì nhãn không nhất quán sẽ tạo ra mô hình không nhất quán.

Bước 4: Huấn luyện mô hình

Kỹ sư lựa chọn kiến trúc mô hình phù hợp, huấn luyện và tinh chỉnh tham số dựa trên dữ liệu đã chuẩn bị.

Bước 5: Đánh giá và kiểm thử

Mô hình được đánh giá trên tập ảnh chưa từng dùng trong huấn luyện, sau đó kiểm thử trực tiếp tại dây chuyền để đo tỷ lệ bỏ sót và báo nhầm trong điều kiện thực tế. Ngưỡng quyết định được điều chỉnh theo yêu cầu chất lượng đã thống nhất.

Bước 6: Triển khai và giám sát

Mô hình được tích hợp vào hệ thống Vision và PC Control, kết nối với PLC, Robot và MES để kết quả kiểm tra chuyển thành hành động trên dây chuyền. Sau khi vận hành, hệ thống tiếp tục được theo dõi, thu thập ảnh mới và cập nhật mô hình khi cần.

>> ĐĂNG KÝ NHẬN SETUP DEMO: TẠI ĐÂY

Edge AI: Suy luận ngay tại dây chuyền

Edge AI là cách triển khai mô hình để việc suy luận (inference) diễn ra trực tiếp trên máy tính công nghiệp hoặc thiết bị edge đặt tại dây chuyền, thay vì gửi ảnh đến máy chủ ở xa. Cách làm này có ba ưu điểm chính:

• Độ trễ thấp: kết quả có ngay trong chu kỳ máy, phù hợp với dây chuyền tốc độ cao và các tác vụ cần phản hồi theo thời gian thực.

• Hoạt động độc lập: hệ thống vẫn vận hành khi kết nối mạng không ổn định.

• Dữ liệu nằm trong nhà máy: hình ảnh sản phẩm được xử lý tại chỗ, thuận lợi cho yêu cầu bảo mật của doanh nghiệp.

Quá trình huấn luyện mô hình có thể thực hiện trên máy tính cấu hình mạnh, sau đó mô hình đã huấn luyện được triển khai lên thiết bị tại dây chuyền để chạy ổn định lâu dài.

Ứng dụng điển hình của AI Inspection

• Linh kiện điện tử: phát hiện lỗi bề mặt, thiếu linh kiện, lỗi hàn và sai lệch lắp ráp trên bo mạch.

• Chi tiết cơ khí: kiểm tra lỗi đúc, bavia, nứt và xước trên các chi tiết gia công.

• Bao bì, nhãn mác: phát hiện lỗi in, nhãn rách, nhãn dán lệch hoặc thiếu thông tin trên bao bì.

• Sản phẩm nhựa: nhận diện vết bẩn, biến dạng và khuyết tật bề mặt trên chai, hộp và chi tiết nhựa.

• Bề mặt kim loại: phát hiện vết xước, vết lõm, vết ố trên bề mặt có độ phản xạ cao.

• Sản phẩm trong suốt: kiểm tra chai, lọ, bao bì trong suốt, nơi ánh sáng phản xạ và độ trong khiến bài toán khó hơn và cần thiết kế chiếu sáng phù hợp.

Những lưu ý khi triển khai AI Inspection

• Dữ liệu quyết định chất lượng mô hình. Tập ảnh cần đủ và đại diện cho các điều kiện sản xuất thực tế. Những loại lỗi hiếm cần được thu thập có chủ đích.

• Ổn định hệ thống quang học trước khi huấn luyện. AI không thể bù hoàn toàn cho ảnh chất lượng kém. Thay đổi camera hoặc ánh sáng sau khi huấn luyện có thể làm giảm độ chính xác.

• Thống nhất tiêu chuẩn lỗi. Tiêu chí đạt và không đạt phải rõ ràng giữa bộ phận chất lượng, sản xuất và kỹ sư triển khai.

• Đánh giá bằng dữ liệu thực tế. Kết quả tốt trên tập huấn luyện chưa đủ để kết luận. Mô hình cần được kiểm tra trên ảnh mới và trong điều kiện vận hành thật.

• Giám sát và cập nhật liên tục. Sản phẩm, nguyên liệu và ánh sáng thay đổi theo thời gian. Doanh nghiệp nên theo dõi tỷ lệ không đạt, lưu lại ảnh nghi ngờ để huấn luyện bổ sung và đào tạo đội ngũ vận hành.

Lợi ích khi ứng dụng AI Inspection

Phát hiện được lỗi phức tạp

AI nhận diện các lỗi đa dạng, lỗi nhỏ hoặc lỗi trên nền phức tạp mà quy tắc cố định khó bao quát.

Nâng cao độ tin cậy kiểm tra

Tiêu chuẩn kiểm tra được áp dụng đồng nhất giữa các ca, giảm phụ thuộc vào cảm quan và mức độ tập trung của từng người.

Thích ứng nhanh với sản phẩm mới

Với nhiều bài toán, việc bổ sung dữ liệu và huấn luyện lại giúp hệ thống thích nghi nhanh hơn so với việc viết lại toàn bộ thuật toán.

Tích hợp trực tiếp vào dây chuyền

Kết quả AI được chuyển thành hành động thông qua PC Control, PLC và Robot, ví dụ loại bỏ sản phẩm lỗi hoặc phân loại tự động.

Dữ liệu minh bạch, dễ truy xuất

Hình ảnh và kết quả kiểm tra được lưu trữ có hệ thống, hỗ trợ phân tích nguyên nhân lỗi và cải tiến quy trình sản xuất.

MVA LAB cung cấp giải pháp AI Inspection cho nhà máy

AI Inspection là một trong bốn năng lực cốt lõi của MVA LAB, bên cạnh Machine Vision, PC Control và Industrial Automation. Chúng tôi ứng dụng Deep Learning, Edge AI, Classification và phát hiện lỗi bất thường cho các bài toán kiểm tra chất lượng phức tạp, đồng thời kết hợp với xử lý ảnh truyền thống để xây dựng giải pháp phù hợp với từng sản phẩm và từng dây chuyền.

Trên nền tảng VisionFlow, AI Inspection được tích hợp cùng các công cụ Vision, kết nối PLC, Robot, MES và Database trong cùng một hệ thống. Ngoài triển khai giải pháp, MVA LAB còn tổ chức các khóa đào tạo về Machine Learning ứng dụng trong sản xuất, giúp doanh nghiệp chủ động xây dựng năng lực kỹ thuật nội bộ.

Với hơn 50 dự án đã triển khai, đội ngũ kỹ sư MVA LAB đồng hành cùng doanh nghiệp từ khảo sát, phân tích yêu cầu, thiết kế, thử nghiệm, phát triển và tích hợp, kiểm thử đến triển khai và bàn giao hệ thống.

>> ĐĂNG KÝ NHẬN SETUP DEMO: TẠI ĐÂY

Liên hệ với MVA LAB để được khảo sát và tư vấn giải pháp phù hợp với nhà máy của bạn:

Hotline: 078 657 0999

Email: mvalab.vn@gmail.com

Website: www.mvalab.vn

Địa chỉ: Số 42 Ngõ 111 Nguyễn Xiển, Phường Khương Đình, TP Hà Nội

XEM THÊM:

Khóa học Xử lý ảnh Vision và PC Control

MVA LAB – Machine Vision và PC Control cho nhà máy thông minh