Cách AI thị giác tăng cường phát hiện lỗi trên dây chuyền sản xuất

Một sai sót nhỏ hoặc dị thường ban đầu có vẻ không đáng kể, nhưng theo thời gian, nó có thể phát triển dưới áp lực, dẫn đến chi phí sửa chữa tốn kém, thu hồi sản phẩm và mất lòng tin của người tiêu dùng. Chỉ dựa vào kiểm tra thủ công sẽ làm tăng rủi ro này, và điều đó đúng với nhiều ngành công nghiệp khác nhau.

Các vết nứt nhỏ, vết lõm, sự lệch lạc nhẹ và khuyết điểm bề mặt trên sản phẩm có thể khó phát hiện, đặc biệt là trong môi trường sản xuất tốc độ cao, số lượng lớn. Mặc dù kiểm tra thủ công hoạt động tốt khi sản xuất chậm hơn và ít phức tạp hơn, nhưng các dây chuyền sản xuất ngày nay hoạt động ở quy mô hoàn toàn khác.

Các quy trình nhanh hơn, tự động hóa nhiều hơn và đòi hỏi khắt khe hơn bao giờ hết. Các phương pháp kiểm soát chất lượng truyền thống đơn giản là không thể theo kịp.

Để đối mặt với những thách thức này, các nhà sản xuất đang áp dụng các hệ thống thị giác máy tính. Thị giác máy tính là một nhánh của trí tuệ nhân tạo (AI) cho phép máy móc phân tích và diễn giải dữ liệu hình ảnh. Các hệ thống này có thể liên tục theo dõi sản phẩm trên dây chuyền và tự động xác định các mẫu bất thường hoặc lỗi.

Ví dụ, các mô hình thị giác máy tính, như Ultralytics YOLO26, hỗ trợ nhiều tác vụ thị giác thời gian thực như phát hiện đối tượng, phân đoạn thực thể và phân loại hình ảnh. Cụ thể đối với việc phát hiện lỗi, các mô hình này có thể quét bề mặt sản phẩm khi chúng di chuyển dọc theo dây chuyền sản xuất, xác định các mẫu bất thường, phát hiện các vết nứt hoặc vết lõm nhỏ và gắn cờ lỗi theo thời gian thực.

Hình 1. Ví dụ về phát hiện lỗi bề mặt kim loại (Nguồn)

Trong bài viết này, chúng ta sẽ khám phá việc sử dụng thị giác máy tính để phát hiện lỗi và xem cách nó giúp các nhà sản xuất duy trì chất lượng sản phẩm trên các dây chuyền sản xuất thông minh. Hãy bắt đầu nào!

Link to this sectionNhu cầu phát hiện lỗi trong tự động hóa sản xuất#

Dưới đây là một cái nhìn về các yếu tố chính làm cho việc phát hiện dựa trên AI trở nên thiết yếu trong các môi trường sản xuất thông minh:

• Môi trường sản xuất khắc nghiệt: Các cơ sở sản xuất thường hoạt động trong các điều kiện như bụi, nhiệt độ, rung động và ánh sáng thay đổi. Việc phát hiện lỗi đáng tin cậy phải hoạt động ổn định bất chấp các yếu tố môi trường này.
• Sự phụ thuộc vào lực lượng lao động: Kiểm tra truyền thống dựa vào con người. Khi quy mô sản xuất mở rộng, việc duy trì độ chính xác ổn định qua các ca làm việc và nhiều giờ làm việc trở nên ngày càng khó khăn.
• Thách thức vận hành: Các dây chuyền lắp ráp chạy ở tốc độ cao. Các hệ thống kiểm tra phải theo kịp tốc độ này và đánh giá mọi sản phẩm mà không làm gián đoạn quy trình làm việc.
• Chi phí lỗi: Lỗi được phát hiện càng sớm, chi phí sửa chữa càng thấp. Phát hiện muộn, đặc biệt là sau khi xuất hàng, có thể dẫn đến việc làm lại, lãng phí và thu hồi.
• Yêu cầu về tính nhất quán và truy xuất nguồn gốc: Nhiều công ty tập trung vào việc duy trì các tiêu chuẩn chất lượng của họ. Các hệ thống tự động ghi lại dữ liệu kiểm tra, giúp dễ dàng theo dõi kết quả, đảm bảo tính minh bạch và duy trì trách nhiệm giải trình.

Link to this sectionPhát hiện lỗi bằng thị giác là gì?#

Phát hiện lỗi bằng thị giác dựa vào camera và hệ thống thị giác máy tính để xác định lỗi sản phẩm trong quá trình sản xuất. Các hệ thống này quét hàng hóa khi chúng di chuyển dọc theo dây chuyền sản xuất và xác minh rằng chúng đáp ứng các tiêu chuẩn chất lượng.

Nhiều công ty đã sử dụng công nghệ này trong các cơ sở sản xuất của họ. Trên thực tế, thị trường phát hiện lỗi công nghiệp AI toàn cầu dự kiến sẽ đạt 6,07 tỷ đô la vào năm 2035.

Một động lực chính đằng sau sự tăng trưởng này là khả năng của các mô hình thị giác máy tính trong việc phát hiện ngay cả những lỗi hiếm gặp. Bằng cách huấn luyện trên các hình ảnh ví dụ được dán nhãn, các mô hình như YOLO26 có thể học cách nhận diện nhiều loại vấn đề.

Link to this sectionCác loại lỗi khác nhau#

Trong môi trường sản xuất thực tế, lỗi có thể xuất hiện dưới nhiều hình thức. Dưới đây là một số vấn đề phổ biến có thể được xác định bằng cách sử dụng công nghệ thị giác máy tính và xử lý hình ảnh:

• Lỗi bề mặt: Bao gồm các vết trầy xước, vết lõm, vết nứt, biến màu và các khuyết điểm bề mặt khác.
• Lỗi kích thước: Những lỗi này xảy ra khi sản phẩm có kích thước sai, bị lệch hoặc gặp vấn đề về hình dạng.
• Lỗi lắp ráp: Khi các bộ phận bị thiếu, đặt sai vị trí hoặc lệch trên dây chuyền lắp ráp, nó sẽ dẫn đến các lỗi lắp ráp có thể ảnh hưởng đến hiệu suất sản phẩm và chất lượng tổng thể.
• Lỗi sản xuất: Xảy ra trong quá trình sản xuất do sai sót về vật liệu, thiết bị hoặc kiểm soát quy trình. Ví dụ, trong sản xuất bảng mạch in (PCB) hoặc chất bán dẫn, các vấn đề như lớp bị lệch, mối hàn không hoàn chỉnh hoặc nhiễm bẩn có thể phát sinh từ các biến thể quy trình và dẫn đến các linh kiện bị lỗi.
• Lỗi in ấn hoặc dán nhãn: Xảy ra khi văn bản bị mờ, in không đều, thiếu thông tin hoặc nhãn bị dán sai trên sản phẩm hoặc bao bì.

Link to this sectionCách hoạt động của phát hiện lỗi bằng thị giác#

Tiếp theo, hãy xem xét kỹ hơn cách thức hoạt động của hệ thống phát hiện lỗi sử dụng hệ thống camera và các mô hình AI thị giác.

Trong một thiết lập điển hình, camera được đặt dọc theo dây chuyền lắp ráp để thu thập dữ liệu hình ảnh rõ nét khi sản phẩm di chuyển qua các giai đoạn sản xuất khác nhau. Những hình ảnh độ phân giải cao này được thu thập và tổ chức thành các tập dữ liệu cho một mô hình thị giác máy tính.

Các hình ảnh đóng vai trò là dữ liệu huấn luyện. Một mô hình thị giác máy tính có thể được huấn luyện trên các ví dụ về cả sản phẩm tốt và sản phẩm lỗi, để nó có thể học cách phân biệt chính xác giữa chúng.

Ví dụ, trong kiểm tra nắp chai, nắp có thể khác nhau về kích thước, màu sắc và hình dạng. Một hệ thống thị giác có thể được sử dụng để xác định các lỗi bề mặt, lệch lạc hoặc khiếm khuyết cấu trúc khi chúng di chuyển dọc theo dây chuyền sản xuất. Khi một vấn đề được phát hiện, nó sẽ bị gắn cờ ngay lập tức.

Hình 2. Phát hiện các lỗi khác nhau trong nắp chai có kích thước và màu sắc khác nhau (Nguồn)

Tùy thuộc vào thiết lập, các hệ thống kiểm tra bằng AI có thể hoạt động trực tiếp trên các dây chuyền lắp ráp và hỗ trợ ra quyết định nhanh chóng. Trong môi trường sản xuất thực tế, hệ thống tự động như vậy cải thiện tính nhất quán, tăng cường kiểm tra chất lượng và làm cho việc phát hiện lỗi ở quy mô lớn trở nên đáng tin cậy hơn.

Link to this sectionCác tác vụ thị giác máy tính chính được sử dụng để phát hiện lỗi#

Thông thường, các hệ thống phát hiện lỗi dựa trên AI thị giác dựa vào một tập hợp các tác vụ thị giác máy tính. Mỗi tác vụ này đóng một vai trò quan trọng trong quy trình kiểm tra chất lượng.

Các mô hình AI thị giác tiên tiến, như YOLO26, hỗ trợ các tác vụ này, làm cho chúng trở nên đáng tin cậy cho môi trường sản xuất thực tế. Dưới đây là cái nhìn thoáng qua về một số tác vụ này:

• Phân loại hình ảnh: Phân loại là tác vụ thị giác máy tính đơn giản nhất. Nó phân tích một hình ảnh và phân loại nó vào các danh mục như “lỗi” hoặc “không lỗi”.
• Phát hiện đối tượng: Nó cho phép các mô hình xác định và định vị các lỗi trong một hình ảnh. Nó có thể vẽ các bounding box xung quanh các vấn đề như vết nứt, vết lõm, vết bẩn hoặc các bộ phận bị thiếu, làm cho quá trình kiểm tra chính xác hơn và dễ hiểu hơn.
• Theo dõi đối tượng: Tác vụ này được sử dụng để theo dõi một sản phẩm hoặc một lỗi đã được phát hiện qua các khung hình. Nó giúp duy trì tính liên tục trong việc kiểm tra và ngăn chặn lỗi bị đếm nhiều lần.
• Phân đoạn thực thể: Phân đoạn hình ảnh phác thảo hình dạng và diện tích chính xác của một lỗi ở cấp độ pixel. Mức độ chi tiết này hữu ích khi đo kích thước, độ lan rộng hoặc mức độ nghiêm trọng của khuyết điểm.
• Phát hiện bounding box định hướng (OBB): Phát hiện OBB được sử dụng để vẽ các hộp xoay phù hợp với hướng của lỗi. Điều này cải thiện độ chính xác, đặc biệt là khi đối phó với các vết nứt hẹp hoặc bị nghiêng.

Hình 3. Sử dụng các tác vụ thị giác máy tính khác nhau để phát hiện lỗi đúc (Nguồn)

Link to this sectionCác ứng dụng thị giác máy móc để cải thiện quy trình sản xuất#

Thị giác máy móc bao gồm việc sử dụng camera, cảm biến và phần mềm xử lý hình ảnh để tự động kiểm tra, phân tích và hướng dẫn các quy trình sản xuất trong thời gian thực, và nó được sử dụng rộng rãi trong các ngành công nghiệp như ô tô, điện tử, dược phẩm, thực phẩm và đồ uống, và sản xuất hàng tiêu dùng.

Tiếp theo, hãy cùng tìm hiểu một số ví dụ thực tế cho thấy thị giác máy móc có thể cải thiện chất lượng, hiệu quả và tính nhất quán trong suốt quy trình sản xuất như thế nào.

Link to this sectionKiểm tra trực quan trong sản xuất thép#

Khi nói đến sản xuất tấm thép kim loại, các lỗi thường rất tinh vi. Ví dụ, một tấm thép có thể trông mịn màng ngay từ cái nhìn đầu tiên trong khi vẫn ẩn chứa một vết trầy xước nhỏ hoặc khuyết điểm bề mặt gây ra trong quá trình cán hoặc xử lý nhiệt. Với hàng ngàn tấm thép di chuyển qua các dây chuyền sản xuất mỗi giờ, việc dựa vào kiểm tra thủ công trở nên ngày càng khó khăn.

Để cải thiện độ chính xác, các nhà sản xuất đang triển khai các hệ thống thị giác máy tính trực tiếp trên dây chuyền sản xuất. Các hệ thống này phân tích kết cấu bề mặt, sự căn chỉnh và các mẫu cấu trúc trong thời gian thực. Nếu bất kỳ sự bất thường nào được phát hiện, nó sẽ bị gắn cờ ngay lập tức để xử lý tiếp.

Hình 4. Một cái nhìn về các lỗi trên các tấm thép (Nguồn)

Link to this sectionKiểm soát chất lượng bao bì thực phẩm thông minh hơn với thị giác máy tính#

Các nhà sản xuất thực phẩm chú ý kỹ đến những gì bên trong mỗi gói hàng. Tuy nhiên, các lỗi đóng gói như thiếu gói nhỏ, sai số lượng hoặc niêm phong kém vẫn có thể xảy ra.

Những vấn đề này có vẻ nhỏ, nhưng chúng được coi là lỗi sản phẩm và thường dẫn đến khiếu nại của khách hàng. Để giảm rủi ro, các nhà sản xuất đang tận dụng các hệ thống thị giác máy tính để kiểm tra chất lượng trên dây chuyền.

Các hệ thống này theo dõi số lượng mặt hàng, cách bố trí và khả năng hiển thị khi sản phẩm di chuyển dọc theo dây chuyền sản xuất. Mỗi gói hàng được đánh giá cẩn thận bởi các mô hình thị giác máy tính, và bất cứ thứ gì đặt sai chỗ sẽ bị gắn cờ ngay lập tức.

Bằng cách xem xét mọi đơn vị theo thời gian thực, các hệ thống kiểm tra này giúp loại bỏ sản phẩm lỗi trước khi chúng rời khỏi cơ sở. Điều này cải thiện tính nhất quán, tăng cường kiểm soát chất lượng và hỗ trợ phát hiện lỗi quy mô lớn mà không làm gián đoạn hoạt động.

Link to this sectionTối ưu hóa việc phát hiện lỗi trong quy trình sản xuất gỗ#

Gỗ là vật liệu tự nhiên, và mỗi tấm ván gỗ đều có những đặc điểm độc đáo. Ví dụ, các mắt gỗ, vết nứt, vân không đều và các vết tách bề mặt là phổ biến.

Mặc dù một số là vấn đề thẩm mỹ, nhưng những vấn đề khác lại làm giảm độ bền cấu trúc và giảm giá trị sản phẩm. Trên các dây chuyền sản xuất tốc độ cao, việc kiểm tra thủ công từng tấm ván gỗ có thể dẫn đến kiểm soát chất lượng không nhất quán.

Để cải thiện quy trình này, các cơ sở đang sử dụng hệ thống thị giác máy tính để tự động phát hiện lỗi. Khi các tấm ván di chuyển qua dây chuyền sản xuất, hình ảnh bề mặt chi tiết của tấm ván gỗ được chụp lại. Sau đó, một mô hình thị giác có thể phân tích các biến thể kết cấu và các mẫu vân trong thời gian thực, xác định các lỗi sản phẩm tiềm ẩn.

Hình 5. Các lỗi gỗ như mắt gỗ lành, mắt gỗ hỏng, vết nứt và lỗ sâu đục (Nguồn)

Link to this sectionCác điểm chính#

AI thị giác đang giúp các nhà sản xuất cải thiện kiểm tra chất lượng bằng cách theo dõi thời gian thực trên dây chuyền sản xuất. Khi các mặt hàng di chuyển qua từng giai đoạn của quy trình sản xuất, các mô hình thị giác máy tính sẽ phân tích hình ảnh và ngay lập tức gắn cờ các điểm bất thường với độ chính xác cao.

Việc kiểm tra liên tục này đảm bảo các tiêu chuẩn nhất quán và hỗ trợ việc cung cấp các sản phẩm chất lượng cao. Bằng cách hoạt động trong thời gian thực và tích hợp liền mạch với các quy trình sản xuất hiện có, các hệ thống thị giác máy móc làm cho việc kiểm soát chất lượng trở nên hiệu quả, chính xác và có khả năng mở rộng hơn.

Bạn muốn đưa AI thị giác vào hoạt động của mình? Hãy tham gia cộng đồng ngày càng lớn mạnh của chúng tôi và khám phá kho lưu trữ GitHub của chúng tôi để tìm hiểu thêm. Khám phá thêm về các ứng dụng như AI trong sản xuất và thị giác máy tính trong y tế. Để bắt đầu với thị giác máy tính, hãy xem các tùy chọn cấp phép của chúng tôi.