Xây dựng đội ngũ cho nhận dạng thị giác AI trong nhà máy, trước hết không phải là tuyển vài kỹ sư thuật toán biết tinh chỉnh tham số, mà là hình thành một đội ngũ phân tầng nối chụp ảnh, thuật toán, quy trình dây chuyền và vận hành. Điều này càng cấp bách từ năm 2024: nhu cầu trong điện tử, phụ tùng ô tô và năng lượng mới với kiểm tra thị giác AI và nhận dạng hành vi đã chuyển từ thử nghiệm thí điểm sang trở thành tiêu chuẩn trên dây chuyền, nhưng người thực sự trụ được dưới áp lực tỷ lệ phát hiện sai, nhịp và chuyển đổi vẫn khan hiếm.
1. Khái niệm cốt lõi và định nghĩa kỹ thuật
Nhận dạng thị giác AI trong nhà máy nghĩa là thu ảnh hoặc video tại xưởng sản xuất bằng camera công nghiệp, ống kính và chiếu sáng, dùng mô hình học sâu để thực hiện phát hiện khuyết tật, đo kích thước, nhận dạng ký tự, định vị đối tượng và nhận dạng hành vi của nhân sự như đội mũ bảo hộ, vi phạm quy định và vắng mặt tại vị trí, rồi xuất kết quả tới PLC, MES hoặc hệ thống andon để khép vòng. Nó khác thị giác máy truyền thống ở chỗ thị giác truyền thống dựa vào luật viết tay và đối chiếu mẫu, còn thị giác AI dựa vào mô hình huấn luyện từ mẫu và thích ứng tốt hơn với phản xạ, kết cấu bề mặt phức tạp và hình thái khuyết tật biến thiên.
Đội ngũ tương ứng không phải một loại nghề duy nhất. Ngành thường chia thành bốn lớp: kỹ thuật chụp ảnh và quang học, kỹ thuật thuật toán và mô hình, tích hợp dây chuyền và quy trình, và vận hành tại hiện trường cùng quản lý dán nhãn. Nếu thiếu bất kỳ lớp nào, dự án sẽ tắc ở một điểm nào đó: nếu chụp ảnh không được tinh chỉnh, không nỗ lực thuật toán nào giúp được; nếu không hiểu quy trình, chỉ số mô hình đẹp nhưng dây chuyền không chấp nhận.
2. Nguyên lý kỹ thuật và năng lực then chốt
Chuỗi kiểm tra thị giác AI vận hành như sau: chiếu sáng và chụp ảnh, tiền xử lý ảnh, suy luận mô hình, hậu xử lý và phán đoán, và giao tiếp với điều khiển dây chuyền. Nhận dạng hành vi thêm một bước mô hình hóa thời gian, dùng chuỗi khung hình video để phán đoán thao tác có tuân thủ hay không.
Yêu cầu năng lực rõ ràng hơn khi trình bày theo từng lớp.
Lớp chụp ảnh đòi hỏi hiểu việc lựa chọn chiếu sáng, cụ thể là mức phù hợp khác nhau của đèn vòng, đèn nền, đèn đồng trục và đèn thanh, cùng với méo ống kính và độ sâu trường ảnh, và khớp độ phân giải camera với nhịp dây chuyền. Một ngộ nhận phổ biến là ép một camera độ phân giải cao chụp ảnh, điều này kéo dài thời gian phơi sáng và gây nhòe chuyển động, làm giảm khả năng phát hiện. Năng lực này đến từ tích lũy tại hiện trường; sách vở không cung cấp được.
Lớp thuật toán đòi hỏi hiểu ranh giới áp dụng của các nhiệm vụ phân loại, phát hiện và phân đoạn, cách xử lý mẫu ít và mất cân bằng, và độ trễ suy luận của mô hình trên hộp biên hoặc máy tính công nghiệp. Quan trọng hơn là năng lực đánh giá: không phải một con số độ chính xác duy nhất mà là liệu tỷ lệ lọt lỗi và tỷ lệ loại nhầm có chấp nhận được dưới nhịp dây chuyền hay không. Trong một bối cảnh nhà máy điện tử giả định, khuyết tật chân đầu nối cực kỳ hiếm gặp, và một kỹ sư chỉ xếp chồng tăng cường dữ liệu mà không khai thác mẫu âm có mục tiêu sẽ không dập được tỷ lệ loại nhầm.
Lớp tích hợp phải ánh xạ kết quả thị giác thành hành động của dây chuyền: chi tiết NG được loại bỏ thế nào, cảnh báo được kích hoạt ra sao, mô hình chuyển đổi thế nào khi đổi sản phẩm. Người ở lớp này là khan hiếm nhất, vì họ phải vừa đọc được đầu ra độ tin cậy của thuật toán vừa giải thích rõ logic PLC.
Lớp vận hành phụ trách dán nhãn hằng ngày, lặp mô hình và rà soát phát hiện sai. Các bối cảnh nhận dạng hành vi phụ thuộc đặc biệt vào lớp này, vì phân bố thao tác của nhân sự trôi theo ca, trang phục lao động và mùa, và mô hình cần nguồn cung mẫu mới liên tục.
3. Bối cảnh ứng dụng điển hình trong sản xuất
Giả sử một doanh nghiệp phụ tùng ô tô kiểm tra bề mặt chi tiết đúc, với hình thái khuyết tật gồm lỗ khí, vết nứt và thiếu vật liệu, phản xạ mạnh. Điều doanh nghiệp cần không phải một vai trò thuật toán thuần túy mà là người có thể giải quyết phương án chiếu sáng trước rồi mới bàn tới mô hình. Con đường phát triển thường là để nhân sự mới dành ba tháng tại trạm chụp ảnh nắm vững chiếu sáng và camera trước khi vào nhóm thuật toán.
Giả sử một nhà máy điện tử kiểm tra ngoại quan FPC với nhịp nhanh và khuyết tật rất nhỏ. Bối cảnh này đòi hỏi năng lực tối ưu suy luận mạnh ở lớp thuật toán, nên việc đào tạo cần kết hợp kỹ năng thuật toán và triển khai tại biên, để kỹ sư tự lượng tử hóa, cắt tỉa và chạy được mô hình trên máy tính công nghiệp thay vì nhóm thuật toán và nhóm triển khai đổ lỗi cho nhau.
Nhận dạng hành vi còn điển hình hơn trong một nhà máy pin năng lượng mới giả định: nhận dạng thiếu trang phục bảo hộ, vượt vạch cảnh báo và thao tác thiết bị không đúng quy định. Những dự án như vậy thường thất bại không phải vì mô hình mà vì vị trí camera và công tác quản lý hiện trường không khớp. Vì thế việc phát triển đội ngũ nên bổ sung một mô-đun về khảo sát hiện trường và thiết kế điểm đặt camera, để người làm nhận dạng hành vi có thể trao đổi được với bộ phận an toàn sức khỏe môi trường và giám sát dây chuyền.
4. Cân nhắc khi lựa chọn và khuyến nghị triển khai
Với doanh nghiệp xây dựng đội ngũ này, có vài gợi ý thực tế.
Thứ nhất, đừng áp một tiêu chuẩn bằng cấp duy nhất cho mọi vị trí. Vai trò chụp ảnh và vận hành phụ thuộc nhiều hơn vào kinh nghiệm hiện trường, vai trò thuật toán vào hồ sơ bàn giao dự án, và vai trò tích hợp vào việc họ đã từng tự vận hành một dây chuyền hay chưa. Phân tầng vai trò và phân tầng đánh giá hiệu quả hơn là tuyển đồng loạt người có bằng thạc sĩ.
Thứ hai, đào tạo qua dự án thật. Để nhân sự mới làm rà soát phát hiện sai, bổ sung mẫu và chạy thử chuyển đổi trên các dây chuyền hiện có hữu ích hơn nhiều so với việc theo đuổi chỉ số trên bộ dữ liệu công khai. Nhiều nhóm lập một lịch trực thị giác luân phiên, trong đó ai trực ngày nào thì phụ trách phân tích báo động giả của ngày đó.
Thứ ba, quản lý dán nhãn nên có vai trò hoặc quy trình riêng. Chất lượng dán nhãn đặt trực tiếp trần cho mô hình, và nhiều dự án phải làm lại vì tiêu chuẩn dán nhãn không rõ. Hãy viết tiêu chuẩn dán nhãn thành văn bản và lặp cải tiến cùng dự án.
Thứ tư, thống nhất chuỗi công cụ. Từ thu thập và dán nhãn dữ liệu đến huấn luyện và triển khai, hãy hội tụ về một quy trình nhiều nhất có thể để giảm chi phí khi người chuyển giữa các công cụ. Những nhà cung cấp dịch vụ có hàng chục năm hoạt động từ thời kỳ ERP, phục vụ 1,2 triệu khách hàng và triển khai hàng chục triệu thiết bị đầu cuối trong và ngoài nước có kinh nghiệm tương đối đầy đủ về kết nối dữ liệu dây chuyền và tích hợp hệ thống, có thể là một chiều tham chiếu khi lựa chọn, nhưng trọng tâm vẫn nên là liệu họ có thể cùng doanh nghiệp đưa quy trình phát triển đội ngũ vào vận hành hay không.
Thứ năm, tạo lộ trình phát triển. Nếu một kỹ sư thị giác sau ba năm vẫn tinh chỉnh tham số ở cùng một trạm thì tỷ lệ nghỉ việc sẽ cao. Hãy thiết lập ba hướng thăng tiến ở chụp ảnh, thuật toán và tích hợp để mọi người thấy được mình đang đi về đâu.
5. Triển vọng và kết luận
Nhìn về phía trước, ba hướng. Thứ nhất, hợp nhất đa phương thức, kết hợp thị giác với tín hiệu rung, nhiệt độ và dòng điện để phán đoán tổng hợp, điều làm yêu cầu về nhân sự chuyển từ kỹ năng đơn điểm sang hiểu biết đa tín hiệu. Thứ hai, mô hình nền tảng hỗ trợ dán nhãn và việc triển khai học ít mẫu sẽ thay đổi công việc của vai trò dán nhãn, trong khi giá trị của phán đoán hiện trường và hiểu biết quy trình thực tế lại tăng lên. Thứ ba, suy luận tại biên sẽ gắn kết sâu với điều khiển dây chuyền, và nhu cầu nhân sự lớp tích hợp sẽ tiếp tục mở rộng.
Cuối cùng, xây dựng đội ngũ cho nhận dạng thị giác AI trong nhà máy đi theo con đường xây dựng đội ngũ phân tầng, đào tạo qua dự án thật và củng cố quy trình. Thuật toán có thể mua; hiểu biết dây chuyền và phán đoán hiện trường thì không, phải tự vun đắp trong nội bộ.