Trung tâm kiến thức
Mục lục

Công nghệ kiểm tra bằng thị giác AI cho bao bì thực phẩm

Công nghệ kiểm tra bằng thị giác AI cho bao bì thực phẩm về bản chất là dùng camera công nghiệp cộng mô hình thuật toán thay thế mắt người, hoàn thành nhận diện khuyết tật, phân loại và quyết định loại bỏ trong chu kỳ trực tuyến của quá trình sản xuất bao bì. Điều nó giải quyết không phải câu hỏi “có nhìn thấy không” mà là “có thể phán định, một cách ổn định và truy xuất được, mọi gói hàng có đạt hay không trên dây chuyền tốc độ cao”. Một hệ thống khả thi thường gồm đơn vị tạo ảnh, chiếu sáng, cảm biến kích, đơn vị tính toán biên và cơ cấu loại bỏ, với chu kỳ kiểm tra hàng trăm gói mỗi phút tùy kích thước gói và số hạng mục kiểm tra.

1. Kiểm tra bằng thị giác AI cho bao bì thực phẩm thực sự giải quyết vấn đề gì?

Áp lực kiểm tra chất lượng trong bao bì thực phẩm tập trung ở ba điểm. Thứ nhất, loại khuyết tật đa dạng: vật liệu kẹt trong mí hàn, mí hàn yếu, gói không hàn kín, bao bì hư hỏng, nhãn dán sai hoặc thiếu, mã ngày thiếu hoặc mờ, và nhiễm vật thể lạ. Thứ hai, yêu cầu tốc độ cao: máy đóng gói dạng gối, dây chuyền rót và máy dán nhãn thường chạy vài chục đến vài trăm gói mỗi phút, lấy mẫu thủ công chỉ bao phủ được số lượng rất nhỏ. Thứ ba, yêu cầu truy xuất nghiêm ngặt: ngành thực phẩm chịu quản lý bởi hệ thống ISO 22000 và HACCP, các điểm kiểm soát tới hạn phải để lại hồ sơ.

Thị giác máy truyền thống dựa vào thuật toán theo luật, ví dụ đặt ngưỡng mức xám để phán định trong vùng mí hàn có vật liệu sẫm màu bị kẹt hay không, và mọi thay đổi luật đều phải tinh chỉnh lại. Kiểm tra thị giác AI khác ở chỗ huấn luyện mô hình trên mẫu, cho dung sai tốt hơn với khuyết tật có hình thái không cố định như nhăn mí hàn, vết dầu nhẹ và thay đổi phản xạ. Nó xuất ra kết quả phân loại kèm điểm tin cậy, và cùng với PLC của dây chuyền hoặc xy lanh loại bỏ để tách sản phẩm không đạt trước khi sang công đoạn tiếp theo.

2. Nguyên lý kỹ thuật và năng lực then chốt liên quan đến những tham số kiểm chứng được nào?

Về chuỗi tạo ảnh, cấu hình phổ biến là camera công nghiệp diện tích 5 đến 12 megapixel với đèn nháy hoặc đèn vòm. Với kiểm tra vùng mí hàn, độ phân giải phải bao phủ kích thước khuyết tật nhỏ nhất: ví dụ để phát hiện vật liệu kẹt 0,2 mm, độ chính xác mỗi điểm ảnh phải giữ ở mức 0,05 đến 0,1 mm. Dây chuyền tốc độ cao thường dùng camera quét dòng đồng bộ với encoder, tốc độ dòng lên tới vài chục kilohertz.

Về thuật toán, mô hình kiểm tra xử lý hai loại tác vụ: phân đoạn và phân loại khuyết tật. Phân đoạn định vị vật liệu kẹt trong mí hàn và vùng hư hỏng, còn phân loại phán định nhãn có đúng hay không và ký tự mã có đọc được hay không. Nhận diện ký tự thường dùng mô hình OCR; tỷ lệ nhận diện với mã in kim và mã laser chịu ảnh hưởng của độ tương phản và biến dạng ký tự, nên cần huấn luyện bằng mẫu tại chỗ.

Về truyền thông và tích hợp, hệ thống thị giác thường giao tiếp với PLC của dây chuyền và MES qua TCP/IP, Modbus TCP hoặc OPC-UA, xuất tín hiệu OK và NG cùng chỉ số ảnh khuyết tật. Kích hoạt thường dùng cảm biến quang điện hoặc kích theo vị trí encoder, và độ trễ loại bỏ được hiệu chuẩn từ tốc độ băng tải và khoảng cách từ camera tới trạm loại bỏ.

3. Các tình huống ứng dụng sản xuất điển hình rơi vào những công đoạn nào?

Giả sử một công ty thực phẩm ăn vặt vận hành máy đóng gói dạng gối ở 120 gói mỗi phút, bột gia vị thường kẹt trong mí hàn gây hàn yếu. Sau khi triển khai thị giác AI, camera tạo ảnh ở phía sau trạm hàn, mô hình phán định vật liệu kẹt và mí hàn yếu, gói NG bị thổi loại bằng khí, và ảnh khuyết tật được lưu trữ theo lô để truy ngược nhiệt độ và áp lực hàn bất thường trong giai đoạn đó.

Xét một tình huống rót sữa giả định: nắp lá nhôm của sữa chua hộp cần được kiểm tra lệch, nhăn và mép không hàn kín. Khó khăn là độ phản xạ của lá nhôm, nên cần đèn góc thấp hoặc đèn phân cực để khử điểm sáng, và mô hình phân đoạn phán định tính toàn vẹn bề mặt nắp và độ khít mép.

Một yêu cầu phổ biến khác là xác minh nhãn và mã, ví dụ một công ty gia vị kiểm tra độ lệch vị trí nhãn và thiếu mã ngày sản xuất sau khi dán nhãn chai. Các công đoạn này chu kỳ tương đối ổn định và độ đồng nhất đầu vào tốt, là tình huống dễ triển khai thị giác AI hơn. Ngược lại, túi mềm đung đưa khi di chuyển, màng trong suốt phản xạ và bao bì tối hấp thụ ánh sáng đều làm tăng đáng kể độ khó tạo ảnh và cần xác thực chiếu sáng ngay ở giai đoạn giải pháp.

4. Những vấn đề tần suất cao nào cần chú ý khi chọn và triển khai?

Độ chính xác kiểm tra nên được định nghĩa thế nào? Đừng hỏi thẳng “có đạt 99,9% không”; thay vào đó nêu rõ kích thước khuyết tật nhỏ nhất, tỷ lệ loại bỏ nhầm cho phép và phân bố hình thái của mẫu khuyết tật. Chỉ số độ chính xác phải gắn với loại khuyết tật cụ thể và điều kiện tạo ảnh; trích dẫn độ chính xác tách rời mẫu là vô nghĩa.

Cấu hình phần cứng nên xem gì? Cốt lõi là khớp độ phân giải camera với trường nhìn ống kính, loại nguồn sáng và góc gá, cùng cách đồng bộ kích hoạt. Nơi dây chuyền rung đáng kể, cần xem xét độ cứng của giá đỡ camera; với môi trường bụi và rửa trôi, phải xác nhận cấp bảo vệ, xưởng thực phẩm thường yêu cầu IP65 trở lên.

Tích hợp nên tiến hành thế nào? Hệ thống thị giác thường hoạt động như thiết bị trạm độc lập, xuất tín hiệu IO tới PLC hoặc báo kết quả qua giao thức công nghiệp, còn tích hợp MES chủ yếu dùng cơ sở dữ liệu hoặc giao diện tin nhắn để ghi kết quả kiểm tra, đường dẫn ảnh và dấu thời gian vào hồ sơ lô. Trước khi triển khai, cần xác nhận dây chuyền có cho phép thêm cảm biến kích và cơ cấu loại bỏ hay không.

Tiến độ và các bước triển khai đại khái là: xác thực tạo ảnh và chiếu sáng tại hiện trường, thu thập và gán nhãn mẫu, huấn luyện mô hình và đánh giá ngoại tuyến, chạy thử lên sóng và tinh chỉnh ngưỡng, sau đó bảo trì sau nghiệm thu. Thời gian chủ yếu phụ thuộc việc thu thập mẫu khuyết tật khó đến đâu; khuyết tật hiếm có thể cần mẫu được tạo nhân tạo.

Có hai hiểu lầm phổ biến. Một là cho rằng mô hình AI không cần quan tâm sau khi lên sóng; thực tế phân bố dữ liệu trôi sau khi dây chuyền đổi màng bao bì hoặc đổi lô, nên cần rà soát định kỳ. Hai là coi hệ thống thị giác như cơ cấu loại bỏ vạn năng, bỏ qua thời gian phản hồi của cơ cấu loại bỏ phía sau và tổn thất vật liệu do loại bỏ nhầm.

5. Công đoạn nào phù hợp và tình huống nào không?

Kiểm tra bằng thị giác AI phù hợp với công đoạn có chu kỳ ổn định, tư thế đầu vào kiểm soát được và đặc trưng khuyết tật nhìn thấy được khi tạo ảnh, như kiểm tra mí hàn, xác minh nhãn, nhận diện mã và kiểm tra tính toàn vẹn bao bì. Nó cũng phù hợp với dây chuyền đa chủng loại lô nhỏ có thể tích lũy mẫu sau chuyển đổi, vì mô hình có thể được huấn luyện riêng theo từng loại.

Các trường hợp không phù hợp cũng cần nêu rõ: màng kim loại phản xạ mạnh, bao bì trong suốt cao và vật phẩm biến dạng nặng hoặc lộn xộn ngẫu nhiên có tạo ảnh vốn đã không ổn định, nên phải giải quyết chiếu sáng và định vị cơ khí trước; hạng mục kiểm tra có định nghĩa khuyết tật mơ hồ đến mức ngay cả người duyệt cũng bất đồng thì không phù hợp để đi thẳng vào AI; và với dây chuyền có chu kỳ cực nhanh và cửa sổ loại bỏ rất ngắn, cần đánh giá xem khoảng cách vật lý từ tạo ảnh đến loại bỏ có đủ hay không.

Kinh nghiệm từ dịch vụ 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, cho thấy giá trị của kiểm tra thị giác không nằm ở một thuật toán đơn điểm mà ở mức độ khớp chặt với điều khiển dây chuyền và hệ thống truy xuất chất lượng. Khi chọn, việc làm rõ ba việc mẫu khuyết tật, điều kiện tạo ảnh và giao diện tích hợp ngay ở giai đoạn giải pháp tiết kiệm chi phí hơn là tinh chỉnh về sau.

Chủ đề: Bách khoa nhận dạng hình ảnh bằng AI