Cách AI thị giác nâng cao khả năng phát hiện lỗi trên dây chuyền sản xuất

Một khiếm khuyết nhỏ hoặc điểm bất thường ban đầu có thể không đáng kể, nhưng theo thời gian, áp lực có thể khiến vấn đề trở nên nghiêm trọng, dẫn đến chi phí sửa chữa và thu hồi sản phẩm cao, cũng như mất niềm tin của người tiêu dùng. Chỉ dựa vào kiểm tra thủ công làm tăng rủi ro này, và điều đó đúng với nhiều ngành công nghiệp.

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

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

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

Ví dụ, các model thị giác máy tính như Ultralytics YOLO26 hỗ trợ nhiều tác vụ thị giác theo thời gian thực như phát hiện đối tượng, phân đoạn instance và phân loại ảnh. Cụ thể trong phát hiện lỗi, các model này có thể quét bề mặt sản phẩm khi chúng di chuyển dọc dây chuyền sản xuất, nhận diện mẫu bất thường, phát hiện vết nứt hoặc vết lõm nhỏ và đánh dấu 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 tìm hiểu cách sử dụng thị giác máy tính để phát hiện lỗi và xem công nghệ này giúp nhà sản xuất duy trì chất lượng sản phẩm trên các dây chuyền sản xuất thông minh như thế nào. Bắt đầu nhé!

Nhu cầu phát hiện lỗi trong tự động hóa sản xuất#

Dưới đây là một số yếu tố chính khiến hoạt động phát hiện bằng AI trở nên thiết yếu trong môi trường sản xuất thông minh:

• Môi trường sản xuất khắc nghiệt: Các cơ sở sản xuất thường hoạt động trong điều kiện có bụi, nhiệt độ cao, rung động và ánh sáng thay đổi. Hệ thống phát hiện lỗi đáng tin cậy cần hoạt động nhất quán bất chấp các yếu tố môi trường này.
• Phụ thuộc vào nhân lực: Kiểm tra truyền thống dựa vào người vận hành. Khi quy mô sản xuất tăng lên, việc duy trì độ chính xác nhất quán qua các ca làm việc và trong thời gian dài ngày càng khó khăn.
• Thách thức vận hành: Dây chuyền lắp ráp hoạt động ở tốc độ cao. Hệ thống kiểm tra phải theo kịp tốc độ này và đánh giá mọi sản phẩm mà không làm gián đoạn quy trình.
• Chi phí do lỗi sản phẩm: Phát hiện lỗi càng sớm thì chi phí khắc phục càng thấp. Phát hiện ở giai đoạn muộn, đặc biệt là sau khi giao hàng, có thể dẫn đến việc làm lại, lãng phí và thu hồi sản phẩm.
• Yêu cầu về tính nhất quán và khả năng truy xuất nguồn gốc: Nhiều công ty tập trung duy trì các tiêu chuẩn chất lượng. Hệ thống tự động ghi lại dữ liệu kiểm tra, giúp theo dõi kết quả, đảm bảo tính minh bạch và duy trì trách nhiệm giải trình dễ dàng hơn.

Phát hiện lỗi bằng thị giác là gì?#

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

Nhiều công ty đã áp dụng công nghệ này tại các cơ sở sản xuất. Trên thực tế, thị trường phát hiện lỗi công nghiệp bằng AI toàn cầu dự kiến đạt 6,07 tỷ USD vào năm 2035.

Một động lực chính thúc đẩy tăng trưởng này là khả năng phát hiện ngay cả những lỗi hiếm gặp của các model thị giác máy tính. Bằng cách huấn luyện trên các ảnh mẫu đã gán nhãn, những model như Ultralytics YOLO26 có thể học cách nhận diện nhiều loại vấn đề.

Các loại lỗi khác nhau#

Trong môi trường sản xuất thực tế, lỗi có thể xuất hiện dưới nhiều dạng. Dưới đây là một số vấn đề phổ biến có thể được nhận diện bằng công nghệ thị giác máy tính và xử lý ảnh:

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

Cách hoạt động của phát hiện lỗi bằng thị giác#

Tiếp theo, hãy tìm hiểu kỹ hơn cách hệ thống phát hiện lỗi hoạt động bằng hệ thống camera và các model AI thị giác.

Trong một thiết lập điển hình, camera được bố trí dọc theo dây chuyền lắp ráp để ghi lại dữ liệu hình ảnh rõ nét khi sản phẩm đi qua các công đoạn sản xuất khác nhau. Những ảnh độ phân giải cao này được thu thập và sắp xếp thành dataset cho model thị giác máy tính.

Các ảnh này đóng vai trò là dữ liệu huấn luyện. Model thị giác máy tính có thể được huấn luyện bằng ví dụ về cả sản phẩm đạt yêu cầu lẫn sản phẩm lỗi để học cách phân biệt chúng chính xác.

Ví dụ, khi kiểm tra nắp chai, nắp có thể khác nhau về kích thước, màu sắc và hình dạng. Hệ thống thị giác có thể được sử dụng để nhận diện lỗi bề mặt, độ lệch hoặc khuyết điểm cấu trúc khi nắp di chuyển dọc dây chuyền sản xuất. Khi phát hiện vấn đề, hệ thống sẽ đánh dấu ngay lập tức.

Hình 2. Phát hiện nhiều lỗi khác nhau trên nắp chai với kích thước và màu sắc đa dạng (Nguồn)

Tùy theo thiết lập, các hệ thống kiểm tra bằng AI có thể hoạt động trực tiếp trên 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 hoạt động kiểm tra chất lượng và giúp phát hiện lỗi quy mô lớn đáng tin cậy hơn.

Các 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 sử dụng một tập hợp tác vụ thị giác máy tính. Mỗi tác vụ đóng vai trò quan trọng trong quy trình kiểm tra chất lượng.

Các model AI thị giác tiên tiến nhất như Ultralytics YOLO26 hỗ trợ những tác vụ này, giúp chúng đáng tin cậy trong môi trường sản xuất thực tế. Dưới đây là một số tác vụ tiêu biểu:

• Phân loại ảnh: Phân loại là tác vụ thị giác máy tính đơn giản nhất. Tác vụ này phân tích ảnh và xếp ảnh vào các nhóm như “có lỗi” hoặc “không có lỗi”.
• Phát hiện đối tượng: Tác vụ này cho phép model nhận diện và định vị lỗi trong ảnh. Tác vụ có thể vẽ các bounding box quanh những vấn đề như vết nứt, vết lõm, vết bẩn hoặc bộ phận bị thiếu, giúp quy trình kiểm tra chính xác hơn và dễ diễn giải hơn.
• Theo dõi đối tượng: Tác vụ này được dùng để theo dõi sản phẩm hoặc lỗi đã phát hiện qua nhiều frame. Tác vụ giúp duy trì tính liên tục khi kiểm tra và tránh đếm một lỗi nhiều lần.
• Phân đoạn instance: Phân đoạn ảnh xác định đường bao chính xác về hình dạng và diện tích của lỗi ở cấp độ pixel. Mức độ chi tiết này hữu ích khi đo kích thước, phạm vi lan rộng hoặc mức độ nghiêm trọng của khuyết điểm.
• Phát hiện bounding box định hướng (OBB): Phát hiện OBB được dùng để vẽ các hộp xoay, căn theo hướng của lỗi. Cách này cải thiện độ chính xác, đặc biệt khi xử lý các khuyết điểm hẹp hoặc nghiêng.

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

Ứng dụng thị giác máy trong cải tiến quy trình sản xuất#

Thị giác máy tính bao gồm việc sử dụng camera, cảm biến và phần mềm xử lý ảnh để tự động kiểm tra, phân tích và điều khiển quy trình sản xuất theo thời gian thực. Công nghệ này được ứng dụng rộng rãi trong các ngành như ô tô, điện tử, dược phẩm, thực phẩm và đồ uống, cũng như sản xuất hàng tiêu dùng.

Tiếp theo, hãy cùng xem qua một số ví dụ thực tế cho thấy thị giác máy tính có thể cải thiện chất lượng, hiệu suất và tính nhất quán trong toàn bộ quy trình sản xuất như thế nào.

Kiểm tra trực quan trong sản xuất thép#

Trong lĩnh vực sản xuất thép tấm, các khuyết tật thường rất khó nhận thấy. Chẳng hạn, thoạt nhìn một tấm thép có thể trông nhẵn mịn nhưng lại có vết xước nhỏ hoặc khiếm khuyết bề mặt phát sinh trong quá trình cán hoặc xử lý nhiệt. Khi hàng nghìn tấm thép chạy qua dây chuyền sản xuất mỗi giờ, việc dựa vào kiểm tra thủ công ngày càng trở nên khó khăn.

Để cải thiện độ chính xác, các nhà sản xuất đang triển khai hệ thống thị giác máy tính trực tiếp trên dây chuyền sản xuất. Những hệ thống này phân tích kết cấu bề mặt, độ căn chỉnh và các mẫu cấu trúc theo thời gian thực. Nếu phát hiện bất kỳ điểm bất thường nào, hệ thống sẽ đánh dấu ngay để xử lý tiếp.

Hình 4. Minh họa các khuyết tật trên tấm thép (Nguồn)

Nâng cao kiểm soát chất lượng bao bì thực phẩm bằng thị giác máy tính#

Các nhà sản xuất thực phẩm đặc biệt chú ý đến những gì được đặt bên trong mỗi bao bì. Tuy nhiên, lỗi đóng gói như thiếu gói nhỏ, sai số lượng hoặc niêm phong không đạt chuẩn vẫn có thể xảy ra.

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

Các hệ thống này giám sát số lượng, cách sắp xếp và khả năng quan sát sản phẩm khi chúng di chuyển dọc theo dây chuyền sản xuất. Mỗi gói hàng được các model thị giác máy tính đánh giá kỹ lưỡng; mọi thứ không đúng vị trí đều được đánh dấu ngay lập tức.

Bằng cách kiểm tra từng sản phẩm theo thời gian thực, các hệ thống này giúp loại bỏ sản phẩm lỗi trước khi rời khỏi cơ sở sản xuất. Nhờ đó, tính nhất quán được cải thiện, kiểm soát chất lượng được tăng cường và có thể phát hiện khuyết tật trên quy mô lớn mà không làm gián đoạn hoạt động.

Tối ưu hóa phát hiện khuyết tật trong quy trình sản xuất gỗ#

Gỗ là vật liệu tự nhiên và mỗi tấm gỗ đều có những đặc điểm riêng. Chẳng hạn, mắt gỗ, vết nứt, thớ gỗ không đều và vết tách trên bề mặt là những hiện tượng thường gặp.

Một số khuyết tật chỉ ảnh hưởng đến vẻ ngoài, nhưng những khuyết tật khác làm giảm độ bền kết cấu và giá trị sản phẩm. Trên các dây chuyền sản xuất tốc độ cao, việc kiểm tra thủ công từng tấm gỗ có thể dẫn đến kiểm soát chất lượng thiếu nhất quán.

Để cải thiện quy trình này, các cơ sở sản xuất đang sử dụng hệ thống thị giác máy tính để tự động phát hiện khuyết tật. Khi các tấm gỗ di chuyển trên dây chuyền sản xuất, hình ảnh chi tiết về bề mặt từng tấm được ghi lại. Sau đó, model thị giác có thể phân tích biến thể kết cấu và mẫu thớ gỗ theo thời gian thực để nhận diện các khuyết tật tiềm ẩn của sản phẩm.

Hình 5. Các khuyết tật gỗ như mắt gỗ lành, mắt gỗ chết, vết nứt và lỗ sâu (Nguồn)

Điểm chính cần ghi nhớ#

Vision AI đang giúp các nhà sản xuất cải thiện hoạt động kiểm tra chất lượng thông qua giám sát dây chuyền sản xuất theo thời gian thực. Khi sản phẩm đi qua từng công đoạn, các model thị giác máy tính phân tích hình ảnh và đánh dấu ngay những điểm bất thường với độ chính xác cao.

Hoạt động kiểm tra liên tục này đảm bảo các tiêu chuẩn nhất quán và hỗ trợ cung cấp sản phẩm chất lượng cao. Nhờ vận hành theo thời gian thực và tích hợp liền mạch với quy trình sản xuất hiện có, hệ thống thị giác máy tính giúp kiểm soát chất lượng hiệu quả, chính xác và dễ mở rộng hơn.

Bạn muốn ứng dụng vision AI vào hoạt động của mình? Hãy tham gia cộng đồng đang phát triển của chúng tôi và khám phá kho GitHub để tìm hiểu thêm. Tìm hiểu thêm về các ứng dụng như AI trong sản xuất và thị giác máy tính trong chăm sóc sức khỏe. Để bắt đầu với thị giác máy tính, hãy xem các tùy chọn cấp phép của chúng tôi.