Trung tâm kiến thức
Mục lục

Nhận dạng thị giác AI trong sản xuất điện tử

Nhận dạng thị giác AI trong sản xuất điện tử chủ yếu giải quyết ba loại vấn đề: kiểm tra khuyết tật ngoại quan mà mắt người không theo kịp hoặc không giữ được tính nhất quán, định vị và căn chỉnh tại dây chuyền trong quy trình lắp đặt và hàn tốc độ cao, và kiểm chứng ký tự, cực tính cùng mã vạch trong chống nhầm lắp ráp và truy xuất nguồn gốc. Nó không thể thay thế bản thân quy trình; giá trị của nó nằm ở việc giao phán đoán lặp lại cho thuật toán và chuyển bất thường cho người cùng thiết bị xử lý khép vòng.

1. Nhận dạng thị giác AI thực sự giải quyết vấn đề gì trong sản xuất điện tử?

Sản xuất điện tử có đặc điểm nhịp nhanh, chi tiết nhỏ và nhiều lô. Một dây chuyền SMT có thể sản xuất hàng trăm bo mạch mỗi giờ, và các gói 01005, đầu nối với bước 0,3 mm cùng rỗng hàn cỡ micro không thể xác nhận từng cái bằng mắt dưới kính lúp một cách thực tế và đáng tin cậy. Thị giác máy truyền thống dựa vào thuật toán luật với ngưỡng mức xám và đặc trưng cạnh được mã hóa cứng, và nó tạo báo động giả ngay khi mã chi tiết thay đổi, lô đầu vào thay đổi hoặc chiếu sáng lệch nhẹ.

Nhận dạng thị giác AI lấp đúng khoảng trống này: mô hình học sâu học phân bố hình thái của khuyết tật, phân loại và định vị khuyết tật ngoại quan như vết xước, lệch, dựng bia, thiếu kem hàn và dị vật, đồng thời nhận dạng và kiểm chứng ký tự, mã 2D và dấu cực tính. Nó không giải quyết vấn đề nhìn được mà giải quyết vấn đề phán đoán chính xác trong khi thích ứng với biến động đầu vào.

2. Nguyên lý kỹ thuật và các chỉ số năng lực then chốt có thể kiểm chứng

Cách tiếp cận chủ đạo là camera công nghiệp cộng nguồn sáng cộng bộ tính toán tại biên, với mô hình chủ yếu là mạng nơ-ron tích chập và mạng phát hiện nhẹ triển khai trên máy tính công nghiệp cạnh dây chuyền hoặc hộp biên. Độ trễ suy luận thường ở mức vài chục mili giây, và với chụp ảnh tức thời có thể đồng bộ với nhịp của máy lắp đặt và AOI.

Vài chiều tham số có thể kiểm chứng: độ phân giải camera thường từ năm đến hai mươi megapixel và quyết định kích thước khuyết tật nhỏ nhất phát hiện được; nhịp kiểm tra từ vài chục đến vài trăm bo mạch mỗi phút tùy kích thước trường nhìn và độ phức tạp mô hình; độ lặp lại định vị có thể đạt mức dưới điểm ảnh và được dùng cho căn chỉnh liên kết sau hiệu chuẩn; về truyền thông, phần lớn hỗ trợ các giao thức như OPC-UA, Modbus TCP và TCP/IP để tích hợp với MES và SCADA, ghi kết quả kiểm tra, ảnh khuyết tật và số bo mạch vào cơ sở dữ liệu truy xuất.

Cần lưu ý rằng một mô hình AI không có hiệu lực vĩnh viễn sau một lần huấn luyện: lô đầu vào, chu kỳ vệ sinh stencil và suy giảm nguồn sáng đều gây trôi phân bố, nên thực tiễn kỹ thuật phải duy trì cơ chế phản hồi mẫu báo động giả và lặp mô hình, một khối lượng công việc thường bị đánh giá thấp.

3. Bối cảnh ứng dụng điển hình trong sản xuất là gì?

Giả sử một nhà máy điện tử sản xuất bo mạch chủ điện tử tiêu dùng dùng AI tại trạm AOI sau SMT để phán đoán lại ngoại quan mối hàn, thực hiện phân loại thứ cấp trên số lượng lớn khuyết tật nghi ngờ do thuật toán luật báo ra nhằm giảm khối lượng phán đoán lại thủ công; tại công đoạn cắm xuyên lỗ, thị giác kiểm chứng việc đầu nối đã vào đúng chỗ và chống nhầm cực tính để tránh cắm ngược hoặc thiếu.

Giả sử thêm một doanh nghiệp điện tử phụ tùng ô tô lắp ráp bo mạch điều khiển ECU, dùng thị giác AI để đọc ký tự và mã 2D đánh dấu bằng laser và so sánh với lệnh sản xuất trong MES cho truy xuất cấp bo mạch; tại trạm bấm đầu dây, thị giác đo chiều cao bấm đầu cực và chiều dài dây dẫn để lộ ra, thay thế lấy mẫu bằng thước cặp.

Một loại khác là FPC và liên kết mô-đun, nơi thị giác căn chỉnh dấu chuẩn để giữ độ lệch liên kết trong dung sai quy trình. Bối cảnh như vậy đòi hỏi độ đồng đều nguồn sáng và độ chính xác hiệu chuẩn cao, và các pad phản xạ mạnh cần đèn đồng trục hoặc phương án phân cực.

4. Cần lưu ý gì khi lựa chọn và triển khai

Các câu hỏi thường gặp tập trung ở vài điểm. Về cấu hình phần cứng, trước tiên hãy suy ra tương đương điểm ảnh từ kích thước khuyết tật nhỏ nhất, rồi đặt độ phân giải camera và độ phóng đại ống kính; nguồn sáng thường ảnh hưởng tới độ ổn định chụp ảnh nhiều hơn camera. Về yêu cầu môi trường, rung động dây chuyền, ánh sáng môi trường lọt vào và trôi nhiệt đều ảnh hưởng tới độ lặp lại, nên cần che sáng và giá đỡ cứng.

Về tích hợp, hãy xác nhận trước thiết bị có cung cấp OPC-UA hoặc giao diện kích hoạt vào ra chuẩn hay không và số bo mạch có thể gắn kết với MES hiện có hay không, tránh ốc đảo dữ liệu. Các bước triển khai thường là đánh giá chụp ảnh, thu thập và dán nhãn mẫu, huấn luyện mô hình, kiểm chứng ngoại tuyến, chạy thử lô nhỏ tại dây chuyền, và chốt ngưỡng, với chu kỳ từ vài tuần đến vài tháng tùy số loại khuyết tật.

Có hai ngộ nhận phổ biến: thứ nhất, huấn luyện trên số ít mẫu rồi đi vào vận hành, khi khả năng tổng quát hóa không đủ gây báo động giả cao; thứ hai, coi AI là thuốc vạn năng, trong khi thực tế không mô hình nào giúp được nếu chụp ảnh không rõ, nên phải giải quyết chiếu sáng trước thuật toán.

5. Quy trình nào phù hợp và bối cảnh nào không

Nó phù hợp với quy trình có nhịp ổn định, đầu vào đồng nhất tốt và khuyết tật có đặc trưng ngoại quan rõ ràng, như ngoại quan mối hàn SMT, nhận dạng ký tự và mã vạch, chống nhầm cực tính khi lắp ráp, và căn chỉnh liên kết. Nó không phù hợp với bối cảnh phản xạ mạnh, biến dạng nhiều, hoặc trường hợp bản thân định nghĩa khuyết tật đã mơ hồ, như phán đoán nếp nhăn trên một số vật liệu mềm dẻo hay rỗng bên trong, vốn cần phương tiện X-ray hoặc siêu âm vì thị giác chỉ phán đoán được bề mặt.

Ngoài ra, trên dây chuyền lô nhỏ, nhiều chủng loại và chuyển đổi cực thường xuyên, chi phí bảo trì mô hình tăng lên, nên phải đánh giá khả năng bổ sung mẫu khi chuyển đổi. Kinh nghiệm ngành qua hàng chục năm từ thời kỳ ERP, phục vụ 1,2 triệu khách hàng, triển khai hàng chục triệu thiết bị đầu cuối và bao phủ thị trường trong và ngoài nước cũng cho thấy một điểm: việc kiểm tra thị giác có triển khai được thường không phụ thuộc vào thuật toán tiên tiến đến đâu mà vào việc phương án chụp ảnh, khớp nhịp và vòng kín MES có được nối thông hay không.

Chủ đề: Bách khoa nhận dạng hình ảnh bằng AI