Trung tâm kiến thức
Mục lục

Ứng dụng thị giác AI trong kiểm tra chất lượng mối hàn

Giá trị cốt lõi của thị giác AI trong kiểm tra chất lượng mối hàn là biến việc nhận diện khuyết tật ngoại quan mối hàn, trước đây dựa vào mắt người và kinh nghiệm, thành một quá trình phán định tự động có thể lượng hóa, truy xuất và lặp lại. Nó chủ yếu giải quyết ba nhóm vấn đề: phát hiện trực tuyến khuyết tật bề mặt mối hàn, giám sát thời gian thực độ ổn định của quá trình hàn và lưu giữ dữ liệu chất lượng có cấu trúc. Với dây chuyền hàn khối lượng lớn, chu kỳ cao, cách tiếp cận này có thể giảm đáng kể tỷ lệ lọt lỗi và khối lượng tái kiểm tra thủ công, nhưng nó không phải thuốc vạn năng: phôi có hồ quang mạnh, bắn tóe nhiều và độ phản xạ cao vẫn cần đánh giá riêng.

1. Thị giác AI thực sự giải quyết vấn đề gì trong kiểm tra mối hàn?

Cách tiếp cận truyền thống để kiểm tra chất lượng mối hàn là kiểm tra bằng mắt cộng lấy mẫu, trong một số trường hợp bổ sung kiểm tra siêu âm hoặc chụp X-quang. Điểm đau của phán định bằng người rất rõ: hồ quang làm đau mắt, mệt mỏi gây bỏ sót phán định, tiêu chuẩn khác nhau giữa các ca và hồ sơ khuyết tật khó cấu trúc hóa. Điều thị giác AI giải quyết là phán định tự động ở mức ngoại quan mối hàn, bao phủ các khuyết tật phổ biến như rỗ khí, cháy chân, lệch hàn, hàn không ngấu và bắn tóe còn sót, hình thành đường hàn không đều.

Điểm khác biệt của nó so với thị giác máy truyền thống là thị giác truyền thống dựa vào ngưỡng và luật do con người đặt nên dễ phán định sai khi vân mối hàn thay đổi hoặc phản xạ dao động, trong khi thị giác AI học đặc trưng khuyết tật từ mẫu huấn luyện và thích ứng tốt hơn với mối hàn hình thành không đều. Cần lưu ý thị giác AI chủ yếu bao phủ khuyết tật ngoại quan bề mặt và gần bề mặt; khuyết tật bên trong vẫn phụ thuộc phương pháp kiểm tra không phá hủy, và hai bên bổ sung cho nhau chứ không thay thế nhau.

2. Nguyên lý kỹ thuật và năng lực then chốt của hệ thống như vậy là gì?

Một hệ thống điển hình gồm camera công nghiệp, chiếu sáng, card thu ảnh, đơn vị tính toán biên và phần mềm phán định. Độ phân giải camera phổ biến trong khoảng 5 đến 12 megapixel, và độ chính xác kiểm tra mối hàn thường cần đạt mức 0,05 mm đến 0,1 mm, tùy tiêu chí chấp nhận khuyết tật. Tần số khung thu ảnh phải khớp chu kỳ dây chuyền; ở tốc độ hàn cao hơn, kiểm soát phơi sáng và đồng bộ đèn nháy với nguồn sáng trở nên khắt khe hơn.

Thiết kế chiếu sáng là yếu tố dễ bị đánh giá thấp. Bề mặt mối hàn có gợn sóng hình vảy cá với hướng phản xạ phức tạp, nên thường dùng đèn vòng góc thấp hoặc đèn đồng trục để khử phản xạ và làm nổi đường bao. Về thuật toán thường có hai bước: trước tiên định vị và phân đoạn vùng mối hàn, sau đó phân loại khuyết tật và đo kích thước. Tiêu chí phán định có thể tham chiếu tiêu chuẩn chấp nhận như IPC-A-610 cho lắp ráp điện tử, hoặc theo cấp chất lượng mối hàn của chính doanh nghiệp.

Về đối ngoại, hệ thống thường giao tiếp với PLC và MES qua OPC-UA, Modbus TCP hoặc Ethernet, ghi kết quả phán định, loại khuyết tật và ảnh lưu trữ vào cơ sở dữ liệu chất lượng để đạt truy xuất theo từng chi tiết. Một số giải pháp hỗ trợ đưa dữ liệu khuyết tật trở lại phía tham số hàn làm tham chiếu cho việc tinh chỉnh quy trình.

3. Công đoạn hàn nào trong sản xuất phù hợp với thị giác AI?

Phụ tùng ô tô là tình huống điển hình. Giả sử một công ty phụ tùng ô tô hàn hồ quang khung ghế hoặc hệ thống xả, chu kỳ ổn định và chủng loại phôi tương đối cố định; có thể đặt trạm kiểm tra thị giác sau khi hàn để phán định hình thành mối hàn, cháy chân và rỗ khí trực tuyến, chi tiết vượt dung sai tự động chuyển sang khu làm lại.

Điện tử và sản xuất chính xác cũng có nhu cầu. Một nhà máy điện tử kiểm tra mối hàn laser trên tab pin hoặc mối hàn connector có kích thước mối nối nhỏ và khối lượng lớn, phán định thủ công lâu dưới kính hiển vi kém hiệu quả; thị giác AI với ống kính phóng đại cao có thể phán định độ đồng nhất ngoại quan mối hàn, tập trung vào mối hàn nguội, lệch hàn và cháy thủng.

Hàn kết cấu thép và đường ống phức tạp hơn. Phôi lớn, mối hàn dài và độ lệch lắp ráp đáng kể, nên hệ thống thị giác cần phối hợp robot hoặc cổng trục để quét thu ảnh, phù hợp phán định tự động theo lấy mẫu các mối hàn quan trọng thay vì kiểm tra toàn bộ. Các tình huống này đặt yêu cầu cao hơn về quy hoạch đường đi và ghép ảnh.

4. Những vấn đề then chốt nào phải chốt khi chọn và triển khai?

Câu hỏi thường gặp đầu tiên là cấu hình phần cứng thế nào. Chọn camera phụ thuộc kích thước khuyết tật nhỏ nhất và trường nhìn; với tình huống độ chính xác cao, ưu tiên độ phân giải cao kèm thu ảnh theo vùng thay vì chỉ đẩy tần số khung toàn khung lên. Nguồn sáng phải khớp đặc tính bề mặt phôi; với chi tiết phản xạ mạnh, nên chạy thử chiếu sáng trước khi chốt giải pháp.

Vấn đề thứ hai là xử lý nhiễu môi trường thế nào. Hồ quang, bắn tóe và khói hàn là ba nguồn nhiễu chính tại hiện trường hàn. Cách làm phổ biến là thêm tấm chắn sáng, thu ảnh tại trạm làm nguội sau hàn, bố trí thổi khí chống bụi và liên động chặt tín hiệu kích thu ảnh với trình tự hàn để tránh tạo ảnh trong giai đoạn hồ quang.

Vấn đề thứ ba là cách tích hợp. Hầu hết dây chuyền yêu cầu kết quả kiểm tra vào MES hoặc hệ thống chất lượng theo thời gian thực, nên phải xác nhận hỗ trợ giao thức và định nghĩa trường dữ liệu, đồng thời quy hoạch trước dung lượng và thời hạn lưu ảnh, nếu không chi phí lưu trữ dễ tăng vọt về sau.

Vấn đề thứ tư là tiến độ triển khai và chuẩn bị mẫu. Mô hình AI cần một số lượng mẫu khuyết tật nhất định để huấn luyện và xác thực, và mẫu khuyết tật khan hiếm là rào cản phổ biến. Cách làm khả thi là trước tiên đưa vào vận hành kết hợp luật cộng mô hình nhẹ, tích lũy mẫu trong quá trình vận hành rồi lặp mô hình, thay vì chờ đủ mẫu mới bắt đầu.

Về cấu trúc chi phí có bốn phần chính: phần cứng như camera, ống kính, chiếu sáng và đơn vị tính toán; giấy phép phần mềm; triển khai tích hợp; và bảo trì thường xuyên. Mức đầu tư cụ thể thay đổi đáng kể theo độ chính xác kiểm tra và số dây chuyền, nên hãy xác thực ở quy mô nhỏ tại một trạm trước khi mở rộng.

5. Ranh giới phù hợp và không phù hợp nằm ở đâu?

Tình huống phù hợp: chu kỳ dây chuyền ổn định, chủng loại phôi tương đối cố định, vật liệu đầu vào tương đối đồng nhất, khuyết tật chủ yếu thuộc loại ngoại quan bề mặt và có tiêu chuẩn chấp nhận rõ ràng để theo. Trong các điều kiện này, ưu thế của thị giác AI về tính nhất quán phán định là rõ ràng và truy xuất dữ liệu dễ đạt được.

Tình huống cần đánh giá cẩn trọng: mối hàn phản xạ mạnh hoặc bề mặt như gương, biến dạng nhiệt lớn của phôi làm vị trí mối hàn trôi, sản xuất đa chủng loại lô nhỏ chuyển đổi thường xuyên và khan hiếm mẫu khuyết tật lâu dài. Trong các trường hợp này, hoặc tăng đầu tư kỹ thuật cho chiếu sáng và định vị, hoặc chuyển tiếp trước bằng phán định có hỗ trợ và người duyệt.

Tình huống không phù hợp để thay thế trực tiếp: kiểm tra khuyết tật bên trong và phán định nghiệm thu cuối của mối hàn chịu áp. Các khâu này vẫn cần kiểm tra không phá hủy theo tiêu chuẩn liên quan; kết luận của thị giác AI chỉ có thể là tham chiếu giám sát quá trình và không thể một mình làm căn cứ cho phép xuất xưởng.

Các nhà cung cấp phần mềm công nghiệp và sản xuất thông minh đã làm hàng chục năm từ thời ERP, phục vụ 1,2 triệu khách hàng với hàng chục triệu thiết bị đầu cuối triển khai trong và ngoài nước, thường kết nối kiểm tra thị giác với phân hệ chất lượng MES khi thúc đẩy các giải pháp như vậy, để dữ liệu khuyết tật thực sự đi vào vòng kín chất lượng thay vì chỉ là phán định tại một trạm độc lập. Khi chọn, nên lấy “dữ liệu có thực sự dùng được hay không” làm tiêu chí cứng để đánh giá.

Chủ đề: Bách khoa nhận dạng hình ảnh bằng AI