Machine Vision AI: Lợi ích, Các trường hợp sử dụng và ứng dụng trong công nghiệp

Những điểm chính về Machine Vision AI

• Thị giác máy tính dựa trên AI (Machine vision AI) kết hợp phần cứng hình ảnh công nghiệp, công nghệ xử lý ảnh và trí tuệ nhân tạo để tự động hóa quy trình kiểm tra trực quan và đưa ra các quyết định trong sản xuất.
• Khác với phương pháp Kiểm tra Quang học Tự động (AOI) dựa trên quy tắc cố định, hệ thống thị giác sử dụng AI có khả năng nhận diện các dạng lỗi phức tạp, biến đổi đa dạng và chưa từng gặp trước đó mà không đòi hỏi nhiều công sức thiết lập quy tắc thủ công.
• Những lợi ích chính trong sản xuất bao gồm: tốc độ kiểm tra nhanh hơn, tính nhất quán cao trong các quyết định về chất lượng, giảm khối lượng công việc thủ công, khả năng truy xuất nguồn gốc tốt hơn và năng suất sản xuất cao hơn.
• Một giải pháp đáng tin cậy đòi hỏi nhiều yếu tố hơn là chỉ một mô hình AI; nó phụ thuộc vào hệ thống camera, quang học, chiếu sáng, kết nối công nghiệp, năng lực tính toán AI tại biên (edge ​​AI) và khả năng tích hợp với các Hệ thống Điều hành Sản xuất (MES) hoặc nền tảng SCADA.
• AI tại biên (Edge AI) thường là mô hình triển khai được ưu tiên cho hoạt động kiểm tra thời gian thực tại nhà máy nhờ khả năng giảm độ trễ, bảo mật dữ liệu sản xuất và duy trì hoạt động ngay cả khi kết nối đám mây bị hạn chế.
• Advantech hỗ trợ triển khai AI thị giác máy công nghiệp thông qua các hệ thống AI tại biên, máy tính công nghiệp tích hợp GPU, nền tảng tính toán nhúng và các phần cứng sẵn sàng tích hợp, đáp ứng được các yêu cầu khắt khe của môi trường nhà máy.
  

Machine Vision AI là gì?

Machine vision AI là việc ứng dụng các camera công nghiệp, hệ thống chiếu sáng có kiểm soát, phần cứng thu nhận hình ảnh, phần mềm xử lý ảnh và các mô hình học sâu (deep learning) để tự động phân tích thông tin hình ảnh và đưa ra các quyết định vận hành.

Trong lĩnh vực sản xuất, hệ thống AI thị giác máy có thể kiểm tra sản phẩm để phát hiện các lỗi như vết trầy xước, thiếu linh kiện, nhãn dán sai, lỗi mối hàn, sai lệch kích thước, lỗi đóng gói hoặc lỗi lắp ráp. Hệ thống sẽ chụp ảnh, chạy mô hình suy luận AI, phân loại kết quả và gửi tín hiệu đạt/không đạt (pass/fail) đến bộ điều khiển logic khả trình (PLC), hệ thống robot hoặc nền tảng quản lý chất lượng.

Thị giác máy truyền thống thường dựa vào các quy tắc xác định trước (deterministic rules), chẳng hạn như phát hiện cạnh, khớp mẫu (template matching), đọc mã vạch, ngưỡng màu sắc hoặc đo đạc hình học. AI thị giác máy bổ sung khả năng nhận diện dựa trên mạng thần kinh, cho phép hệ thống học các đặc điểm hình ảnh từ các mẫu dữ liệu đã được gán nhãn. Điều này đặc biệt hữu ích trong các trường hợp hình dạng lỗi không đồng nhất, bề mặt sản phẩm có độ phản chiếu cao hoặc khi việc duy trì các quy tắc kiểm tra truyền thống gặp nhiều khó khăn.

Thị giác máy so với Thị giác máy tính và thị giác máy AI

Thị giác máy (machine vision) thường tập trung vào lĩnh vực tự động hóa công nghiệp. Công nghệ này sử dụng camera và các phương pháp xử lý ảnh để kiểm tra, đo lường, dẫn hướng, nhận diện hoặc phân loại các đối tượng trên dây chuyền sản xuất. Các ứng dụng phổ biến bao gồm đọc mã vạch, xác nhận sự hiện diện của vật thể, đo kích thước và kiểm tra quang học tự động (AOI) dựa trên quy tắc.

Thị giác máy tính (computer vision) là một lĩnh vực rộng lớn hơn, tập trung vào việc cho phép máy tính hiểu được hình ảnh và video. Lĩnh vực này bao gồm cả kiểm tra công nghiệp nhưng cũng hỗ trợ các ứng dụng khác như nhận diện khuôn mặt, xe tự hành, chẩn đoán hình ảnh y tế, phân tích dữ liệu bán lẻ và giám sát bằng video.

AI trong thị giác máy (machine vision AI) là sự giao thoa giữa thị giác máy công nghiệp và thị giác máy tính dựa trên AI. Công nghệ này ứng dụng học sâu (deep learning)—bao gồm phân loại, phát hiện đối tượng, phân đoạn hình ảnh và phát hiện bất thường vào các tác vụ xử lý hình ảnh tại nhà máy. Mục đích của nó không chỉ đơn thuần là "nhìn thấy" một đối tượng, mà là đưa ra quyết định công nghiệp đáng tin cậy trong một khoảng thời gian chu kỳ (cycle time) nhất định. Tóm lại: thị giác máy là ứng dụng trong công nghiệp, thị giác máy tính là lĩnh vực kỹ thuật rộng hơn, còn AI trong thị giác máy là giải pháp kiểm tra và tự động hóa bằng hình ảnh được hỗ trợ bởi AI dành cho các hoạt động công nghiệp.

Cách thức hoạt động của AI trong thị giác máy

Chụp ảnh bằng camera công nghiệp

Camera công nghiệp ghi lại hình ảnh của các linh kiện, sản phẩm hoặc quy trình tại một điểm kiểm tra xác định. Việc lựa chọn camera phụ thuộc vào độ phân giải, tốc độ khung hình, loại màn trập, kích thước cảm biến, giao diện kết nối và các điều kiện môi trường. GigE Vision, USB3 Vision, Camera Link và CoaXPress là những giao diện thị giác máy (machine vision) thường được sử dụng.

Tối ưu hóa ánh sáng và chất lượng hình ảnh

Ánh sáng đóng vai trò cực kỳ quan trọng vì mô hình AI không thể bù đắp một cách đáng tin cậy cho dữ liệu đầu vào hình ảnh kém chất lượng. Đèn vòng, đèn thanh, đèn nền, đèn vòm và ánh sáng cấu trúc giúp làm nổi bật kết cấu bề mặt, các cạnh, nhãn, mối hàn hoặc các đặc điểm về kích thước. Ánh sáng ổn định giúp giảm thiểu lỗi sai và cải thiện độ chính xác của mô hình.

Xử lý hình ảnh bằng các mô hình AI

Các hình ảnh thu được sẽ được tiền xử lý và gửi đến một mô hình AI để thực hiện các tác vụ như phân loại, phát hiện đối tượng, phân đoạn, nhận dạng ký tự quang học (OCR) hoặc phát hiện bất thường. Mô hình sẽ trả về kết quả dự đoán, điểm số tin cậy, vị trí lỗi hoặc mặt nạ (mask).

Kích hoạt các hành động công nghiệp

Kết quả từ hệ thống thị giác được truyền đến các thiết bị tại nhà máy thông qua các giao thức như OPC UA, Modbus TCP, Ethernet/IP hoặc I/O kỹ thuật số. Hệ thống có thể loại bỏ sản phẩm lỗi, dừng dây chuyền, điều hướng robot, ghi lại dữ liệu chất lượng hoặc cảnh báo cho người vận hành.

Lợi ích chính của Machine Vision AI

Nâng cao độ chính xác trong việc phát hiện lỗi

Machine Vision AI có thể nhận diện các lỗi tinh vi hoặc không đồng nhất – những lỗi khó mô tả bằng các quy tắc kiểm tra cố định. Các ví dụ điển hình bao gồm vết trầy xước bề mặt, tạp chất, lắp ráp chưa hoàn chỉnh, mối hàn không đều, lỗi trên vải và sự sai lệch ở nhãn in. Các mô hình học sâu (deep learning) có thể nâng cao hiệu suất phát hiện khi được huấn luyện bằng các hình ảnh sản xuất mang tính đại diện.

Giảm khối lượng công việc kiểm tra thủ công

Việc kiểm tra thủ công mang tính lặp lại, khó mở rộng quy mô và dễ gây mệt mỏi. Công nghệ thị giác máy tính tích hợp AI giúp tự động hóa quy trình kiểm tra khối lượng lớn, đồng thời cho phép nhân sự phụ trách chất lượng tập trung vào việc xử lý các trường hợp bất thường, phân tích nguyên nhân gốc rễ và cải tiến quy trình.

Cải thiện khả năng truy xuất nguồn gốc và hồ sơ chất lượng

Mỗi lần kiểm tra có thể tạo ra hình ảnh, dấu thời gian, số sê-ri, kết quả phân loại theo mẫu, chỉ số độ tin cậy và vị trí trên dây chuyền sản xuất. Các dữ liệu này hỗ trợ công tác đánh giá chất lượng, quản lý nhà cung cấp, điều tra bảo hành và các sáng kiến ​​cải tiến liên tục.

Tăng lưu lượng và năng suất sản xuất

Quy trình kiểm tra tự động theo thời gian thực giúp phát hiện lỗi ở giai đoạn sớm hơn trong quy trình sản xuất. Việc phát hiện sớm giúp giảm thiểu công đoạn làm lại, ngăn chặn sản phẩm lỗi chuyển sang các công đoạn tiếp theo, đồng thời hỗ trợ nhà sản xuất nhận diện tình trạng sai lệch thiết bị trước khi gây ra tổn thất đáng kể về năng suất.

Ứng dụng Machine Vision AI trong sản xuất

Kiểm tra quang học tự động cho linh kiện điện tử

Trong lĩnh vực sản xuất điện tử, AI thị giác máy tính hỗ trợ công tác kiểm tra bo mạch in (PCB) và linh kiện bán dẫn. Công nghệ này có khả năng phát hiện các lỗi như thiếu linh kiện, sai cực tính, cầu nối mối hàn, thiếu thiếc hàn, đầu nối bị hỏng và lỗi ký hiệu. Hệ thống AOI tích hợp AI đặc biệt hữu ích khi hình thức linh kiện có sự thay đổi giữa các nhà cung cấp hoặc qua các lần cải tiến sản phẩm.

Kiểm tra lỗi bề mặt

Các bề mặt làm bằng kim loại, thủy tinh, nhựa, giấy, vải, màng pin hay bề mặt sơn có thể xuất hiện vết trầy xước, vết móp, bọt khí, vết ố, vết nứt hoặc tạp chất. Các mô hình phát hiện bất thường có thể học đặc điểm ngoại quan của sản phẩm đạt chuẩn và đánh dấu những vùng có biểu hiện bất thường về mặt hình ảnh mà không cần phải định nghĩa trước mọi loại lỗi có thể xảy ra.

Xác minh lắp ráp và phát hiện sự hiện diện

Công nghệ thị giác AI xác nhận xem các linh kiện cần thiết có hiện diện, được đặt đúng vị trí và lắp ráp chính xác hay không. Các ví dụ điển hình bao gồm việc kiểm tra kẹp, chi tiết kẹp giữ, gioăng làm kín, đầu nối, nhãn mác, nắp đậy và cách đi dây cáp trong các ngành sản xuất ô tô, điện tử tiêu dùng và thiết bị gia dụng.

Dẫn hướng robot và gắp-đặt

Các hệ thống robot sử dụng AI thị giác máy tính để xác định vị trí các linh kiện nằm ngẫu nhiên, ước tính tọa độ, phân loại đối tượng và kiểm tra kết quả gắp. Công nghệ này hỗ trợ các quy trình như gắp linh kiện từ thùng chứa (bin picking), tự động hóa đóng gói, tập hợp bộ linh kiện (kitting), xếp hàng lên pallet và vận hành robot cộng tác.

Đóng gói, OCR và Kiểm tra nhãn

Các nhà sản xuất sử dụng AI thị giác để kiểm tra hạn sử dụng, mã lô, khả năng đọc mã vạch, độ kín của bao bì, vị trí nhãn và chất lượng in ấn. Những khả năng này đóng vai trò quan trọng trong các lĩnh vực thực phẩm và đồ uống, dược phẩm, thiết bị y tế cũng như hoạt động logistics.

Kiến trúc của Machine Vision AI: Camera, Edge AI và điện toán công nghiệp

Camera công nghiệp và camera AI

Camera công nghiệp mang lại khả năng chụp ảnh ổn định và nhất quán trong môi trường sản xuất. Camera tích hợp AI có thể tự xử lý dữ liệu tại chỗ đối với các tác vụ kiểm tra đơn giản, trong khi các ứng dụng phức tạp hơn thường truyền hình ảnh đến một máy tính biên (edge ​​computer) bên ngoài được trang bị GPU hoặc bộ tăng tốc AI.

Hệ thống chiếu sáng, Quang học và Card thu hình

Ống kính quyết định trường nhìn và độ sắc nét của hình ảnh, trong khi hệ thống chiếu sáng làm nổi bật các đặc điểm quan trọng của sản phẩm. Các thiết bị thu nhận hình ảnh (frame grabber) có thể cần thiết đối với các loại camera có băng thông cao, chẳng hạn như hệ thống Camera Link hoặc CoaXPress. Các thành phần này cần được lựa chọn đồng bộ thay vì chọn lựa một cách riêng lẻ.

Hệ thống AI tại biên và máy tính công nghiệp (IPC) tích hợp GPU

Các máy tính AI biên (edge ​​AI) thực hiện tác vụ suy luận ngay tại vị trí gần camera và thiết bị sản xuất. Các hệ thống IPC công nghiệp tích hợp GPU và hệ thống AI biên có khả năng hỗ trợ nhiều luồng dữ liệu từ camera, thực hiện kiểm tra độ phân giải cao, đưa ra quyết định với độ trễ thấp, cũng như xử lý các tác vụ AI như phát hiện hoặc phân đoạn đối tượng. Các nền tảng hệ thống GPU và AI biên của Advantech được thiết kế cho các kịch bản triển khai trong công nghiệp đòi hỏi khả năng mở rộng năng lực tính toán, tăng tốc bằng GPU, hỗ trợ các giao diện I/O công nghiệp và khả năng tích hợp vào môi trường tự động hóa máy móc.

Phần mềm AI và Tích hợp trong nhà máy

Một kiến ​​trúc toàn diện bao gồm các công cụ huấn luyện mô hình, môi trường thực thi suy luận, hệ thống quản lý thiết bị, lưu trữ dữ liệu, cũng như khả năng tích hợp với PLC, MES, hệ thống hoạch định nguồn lực doanh nghiệp (ERP) và các hệ thống quản lý chất lượng. Mục tiêu là chuyển đổi dữ liệu hình ảnh thành các hành động vận hành có thể đo lường được.

Edge AI so với Cloud AI trong Thị giác Máy tính

Đối với hầu hết các dây chuyền kiểm tra sử dụng AI thị giác máy tính, AI tại biên (edge ​​AI) đảm nhiệm việc suy luận theo thời gian thực, trong khi hạ tầng đám mây hỗ trợ các tác vụ như huấn luyện mô hình, lưu trữ hình ảnh dài hạn, phân tích dữ liệu đa địa điểm và quản lý vòng đời mô hình. Kiến trúc lai kết hợp giữa biên và đám mây thường mang lại sự cân bằng tối ưu.

Lựa chọn giải pháp AI thị giác máy phù hợp

Việc lựa chọn giải pháp AI thị giác máy (machine vision) bắt đầu từ việc xác định mục tiêu kiểm tra: loại lỗi cần phát hiện, tỷ lệ phát hiện yêu cầu, tỷ lệ loại bỏ nhầm (false-reject rate) chấp nhận được, tốc độ sản xuất, các hạn chế về môi trường và yêu cầu tích hợp vào hệ thống nhà máy. Các nhà sản xuất cần đánh giá độ phân giải camera, thiết kế hệ thống chiếu sáng, độ phù hợp của mô hình AI, hiệu năng GPU, yêu cầu về I/O, các chứng nhận công nghiệp, thiết kế tản nhiệt và khả năng cung ứng phần cứng lâu dài. Ngoài ra, việc thu thập dữ liệu hình ảnh mang tính đại diện bao gồm các biến thể thông thường, các dạng lỗi, các ca làm việc, vật liệu và điều kiện ánh sáng khác nhau cũng đóng vai trò quan trọng.

Advantech là đối tác công nghệ công nghiệp chuyên triển khai các giải pháp AI thị giác máy tính, cung cấp hệ thống AI tại biên (edge ​​AI), máy tính công nghiệp tích hợp GPU, nền tảng nhúng, các tùy chọn kết nối và phần cứng được thiết kế để tích hợp vào môi trường tự động hóa nhà máy. Bằng cách kết hợp camera công nghiệp, hệ thống tính toán tại biên tin cậy, phần mềm AI và khả năng kết nối với PLC/MES, các nhà sản xuất có thể triển khai những hệ thống kiểm tra bằng hình ảnh có khả năng mở rộng, giúp nâng cao hiệu quả kiểm soát chất lượng và hỗ trợ các sáng kiến ​​sản xuất thông minh.