Trung tâm kiến thức
Mục lục

Gán nhãn dữ liệu để huấn luyện mô hình kiểm tra thị giác AI

Quy cách gán nhãn dữ liệu để huấn luyện mô hình kiểm tra thị giác AI quy về ba câu: khung phải bám sát mép mà không vượt quá, lớp phải đơn nghĩa và không chồng lấn, mẫu khó phải được đưa vào tập duyệt. Một quy cách gán nhãn khả thi thường gồm năm phần: định nghĩa lớp gán nhãn, yêu cầu độ chính xác hình học, quy tắc điền thuộc tính, tỷ lệ lấy mẫu kiểm tra chất lượng và quản lý phiên bản. Thiếu bất kỳ phần nào thì khi mô hình lên sóng sẽ quay lại thành lọt lỗi hoặc báo sai.

1. Quy cách gán nhãn dữ liệu thực sự giải quyết vấn đề gì?

Quy cách gán nhãn không phải tài liệu hướng dẫn viết cho người gán nhãn; nó là hợp đồng giữa tập huấn luyện và dây chuyền sản xuất thực tế. Không có hợp đồng này, cùng một vết xước sẽ được người này gán nhãn “xước”, người khác gán “bẩn”, người thứ ba bỏ trống vì cho là không rõ ràng, và mô hình học được ba câu trả lời mâu thuẫn nhau. Trên dây chuyền, điều đó thể hiện thành cùng một lô phôi được phán định OK ở ca ngày và NG ở ca đêm.

Vấn đề khác mà nó giải quyết là tính lặp lại. Giới hạn trên về độ chính xác của mô hình thị giác về bản chất được đặt bởi tính nhất quán gán nhãn, và vai trò của quy cách là nén phán đoán của con người thành một cây quyết định có thể thực thi: kích thước nào thì phải gán nhãn, điểm ảnh ở mép xử lý ra sao, tỷ lệ che khuất bao nhiêu thì coi là không thể gán nhãn. Có cây quyết định này, một nhóm người gán nhãn khác hoặc một nhóm thuê ngoài khác vẫn có thể giữ độ lệch gán nhãn trong phạm vi chấp nhận được.

2. Những chi tiết kỹ thuật nào phải được ghi cứng trong quy cách gán nhãn?

Với tác vụ phát hiện bằng khung bao, quy ước trong ngành là yêu cầu khung bám sát hình chữ nhật bao ngoài của mục tiêu, và tính nhất quán giữa khung gán nhãn với khung duyệt theo chỉ số IoU thường không thấp hơn 0,9; sai số định vị khi gán nhãn điểm then chốt thường được giữ trong 2 đến 3 điểm ảnh. Tác vụ phân loại phải ghi rõ nhãn là đơn nhãn hay đa nhãn, và tình huống đa nhãn phải định nghĩa quan hệ loại trừ lẫn nhau giữa các nhãn.

Một số mục dễ bị bỏ qua nhưng phải được ghi vào quy cách: kích thước gán nhãn tối thiểu, ví dụ khuyết tật có cạnh ngắn dưới 8 điểm ảnh không gán nhãn riêng mà gán vào vùng bỏ qua; xử lý che khuất, khi mục tiêu bị che trên 50% được đánh dấu là ca khó thay vì loại bỏ; trường hợp biên, khi mục tiêu chạm mép ảnh thì khung có thể bị cắt nhưng phải mang thuộc tính đã bị cắt. Phía thu ảnh cũng thuộc quy cách, gồm độ phân giải tối thiểu, cách chiếu sáng và dung sai góc chụp, vì giới hạn trên của chất lượng gán nhãn do chất lượng tạo ảnh quyết định.

3. Công đoạn sản xuất nào phụ thuộc nhiều nhất vào quy cách này?

Giả sử một nhà máy điện tử làm bo mạch mềm FPC phải gán nhãn ba lớp khuyết tật trong kiểm tra ngoại quan: lệch ngón tay vàng, bọt khí màng phủ và khía đường mạch. Các khuyết tật này nhỏ và độ tương phản thấp, nên quy cách phải nêu rõ kích thước khởi điểm để phán định từng lớp khuyết tật và phạm vi chênh lệch mức xám cho phép, nếu không người gán nhãn chỉ có thể làm theo cảm giác.

Giả sử một công ty phụ tùng ô tô kiểm tra ba via vật đúc, hình dạng ba via không đều và dễ nhầm với mép thừa; quy cách phải phân biệt hai loại bằng sơ đồ minh họa cộng thư viện ca biên. Với kiểm tra xô lệch linh kiện sau khi gắn SMT, quy cách gán nhãn phải căn theo cấp chấp nhận của IPC-A-610 và chuyển trực tiếp ngưỡng điểm ảnh cho độ xô lệch chấp nhận được và độ xô lệch khuyết tật, để người gán nhãn theo ngưỡng chứ không theo kinh nghiệm.

4. Những cạm bẫy nào thường gặp khi đưa quy cách gán nhãn vào thực tế?

Cạm bẫy thứ nhất là viết quy cách thành nguyên tắc thay vì tiêu chí. “Gán nhãn phải chính xác” là nguyên tắc; “khuyết tật có cạnh ngắn từ 10 điểm ảnh trở lên phải gán nhãn, từ 5 đến 10 điểm ảnh đánh dấu chờ xử lý” là tiêu chí. Chỉ tiêu chí mới thực thi được và lấy mẫu kiểm tra chất lượng được.

Cạm bẫy thứ hai là đoán tỷ lệ kiểm tra chất lượng. Quy ước trong ngành là vòng đầu kiểm tra toàn bộ, khi đã ổn định thì lấy mẫu 10% đến 20%, tập ca khó duyệt 100%, và người duyệt không được là người gán nhãn ban đầu. Lô không đạt lấy mẫu phải trả lại toàn bộ; nếu không ghi cứng điều này thì quy cách chỉ là trang trí.

Cạm bẫy thứ ba là trôi phiên bản. Khi quy cách được sửa đổi, dữ liệu cũ không được xem lại, nên tập huấn luyện trộn hai tiêu chuẩn và hiệu năng mô hình bỗng dưng dừng lại ở một mức độ chính xác nào đó. Tệp quy cách phải mang số phiên bản và ngày hiệu lực, và bộ dữ liệu phải được lưu trữ theo phiên bản.

Cạm bẫy thứ tư là bỏ qua công cụ và định dạng gán nhãn. Định dạng COCO, VOC và YOLO dùng quy ước tọa độ khác nhau, và trộn trực tiếp giá trị điểm ảnh chuẩn hóa với giá trị tuyệt đối sẽ làm cả khung bị lệch. Quy cách phải chỉ định một định dạng xuất duy nhất và độ chính xác tọa độ.

5. Quy cách này phù hợp và không phù hợp với điều gì?

Tình huống phù hợp: công đoạn có hình thái khuyết tật tương đối ổn định và có tiêu chuẩn chấp nhận rõ ràng để căn theo, như kiểm tra ngoại quan, đo kích thước, phán định lắp ráp đúng vị trí và xác minh ký tự OCR. Trên dây chuyền có vật liệu đầu vào tương đối đồng nhất và chiếu sáng kiểm soát được, lợi tức của việc đầu tư vào quy cách gán nhãn là cao nhất.

Tình huống ít phù hợp hơn: công đoạn mà định nghĩa khuyết tật vẫn đang được khảo sát và hạng mục thay đổi hàng ngày; ở đó hãy bắt đầu bằng gán nhãn thử lô nhỏ và sửa quy cách trong quá trình làm, thay vì viết một quy cách dày trước rồi mới bắt tay vào việc. Với phôi phản xạ mạnh, biến dạng lớn hoặc bị che khuất nhiều, tính nhất quán gán nhãn vốn đã khó bảo đảm, nên giải quyết tạo ảnh trước rồi mới bàn đến gán nhãn. Ngoài ra, quy cách gán nhãn không thể sửa được vấn đề chọn mô hình: nếu bản thân tác vụ vượt giới hạn năng lực của thị giác 2D thì quy cách chi tiết đến đâu cũng không bù được.

Từ góc nhìn thực tiễn tin học hóa sản xuất 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, quy cách gán nhãn không có đường tắt: đây là bước chuyển tri thức công đoạn thành ngôn ngữ dữ liệu và không thể bỏ qua.

Chủ đề: Bách khoa nhận dạng hình ảnh bằng AI