Trung tâm kiến thức
Mục lục

Tạo ảnh đa phổ trong kiểm tra thị giác AI

Tạo ảnh đa phổ đang trở thành công nghệ then chốt để kiểm tra thị giác AI phá giới hạn của camera RGB thông thường, ghi nhận thông tin phổ mà mắt người không thấy để máy có thể nhìn đặc trưng vật liệu ở nhiều chiều hơn. Trong sản xuất thông minh và nhận dạng thị giác AI, công nghệ này đã đi từ phòng thí nghiệm ra dây chuyền sản xuất và trở thành phương tiện quan trọng để nâng cao độ chính xác và độ phủ kiểm tra. Phần sau hệ thống hóa tạo ảnh đa phổ trong kiểm tra thị giác AI, từ khái niệm, nguyên lý đến kịch bản, chọn lựa và xu hướng.

1. Khái niệm cốt lõi và định nghĩa kỹ thuật

Tạo ảnh đa phổ nghĩa là thu ảnh phổ ở hai hoặc nhiều dải khác nhau, thường từ 3 đến 15 dải, tại cùng một thời điểm hoặc trong cùng một cảnh. Mỗi dải tương ứng một khoảng bước sóng hẹp, như lam, lục và đỏ trong ánh sáng khả kiến, cộng thêm hồng ngoại gần và hồng ngoại sóng ngắn. Khác với camera màu thông thường chỉ ghi ba dải rộng (đỏ, lục, lam), tạo ảnh đa phổ triển khai chiều phổ thành một khối ảnh, cấu trúc dữ liệu gồm hai chiều không gian và một chiều phổ.

Trong bối cảnh kiểm tra thị giác AI, tạo ảnh đa phổ không chỉ là thay một camera khác mà là đưa thông tin phổ làm đặc trưng đầu vào cho mô hình học sâu để phân loại, phân đoạn hoặc hồi quy. Thị giác máy truyền thống dựa vào ảnh xám hoặc ảnh màu và dễ thất bại khi màu giống nhau nhưng vật liệu khác nhau, tương phản thấp hoặc phản xạ gây nhiễu. Tạo ảnh đa phổ chọn dải sao cho mục tiêu và nền có tương phản cao ở một dải cụ thể, biến khác biệt vô hình thành tín hiệu tính được.

Cần phân biệt vài khái niệm liên quan. Tạo ảnh siêu phổ thường có hàng trăm dải với độ phân giải phổ cực cao, nhưng khối lượng dữ liệu lớn và thu nhận chậm, nên chủ yếu dùng trong phòng thí nghiệm hoặc viễn thám. Tạo ảnh đa phổ có ít dải hơn, thu nhận nhanh và chi phí tương đối kiểm soát được, phù hợp hơn với kiểm tra công nghiệp trên dây chuyền. Camera RGB là trường hợp đặc biệt của tạo ảnh đa phổ chỉ với ba dải rộng. Trong kiểm tra thị giác AI, giải pháp đa phổ thường làm việc cùng camera RGB: RGB xử lý ngoại quan thông thường, đa phổ xử lý đặc trưng sâu hơn như vật liệu, thành phần và khuyết tật dưới bề mặt.

2. Nguyên lý kỹ thuật và năng lực then chốt

Phần cứng cốt lõi của hệ thống tạo ảnh đa phổ gồm nguồn sáng, bộ lọc hoặc phần tử tách phổ, cảm biến và đơn vị tính toán. Các cách triển khai phổ biến là chuyển bánh lọc, nhiều camera với bộ lọc khác nhau, bộ lọc mosaic chụp đồng thời, và tạo ảnh quét đẩy dựa trên quét phổ. Kịch bản công nghiệp ưu tiên giải pháp chụp đồng thời hoặc nhiều camera vì yêu cầu nhịp sản xuất cao và không chấp nhận độ trễ do chuyển cơ khí.

Nguồn sáng đóng vai trò then chốt trong kiểm tra đa phổ. Các vật liệu khác nhau khác biệt rõ về hấp thụ, phản xạ và truyền qua ở các bước sóng khác nhau. Một số nhựa trong suốt ở hồng ngoại gần nhưng đục ở ánh sáng khả kiến; một số vết dầu nhiễm phát huỳnh quang mạnh dưới tử ngoại nhưng khó phân biệt với nền trong ánh sáng khả kiến. Chủ động chọn dải nguồn sáng sẽ tăng cường đặc trưng mục tiêu. Nguồn sáng phổ biến gồm đèn halogen, mảng LED, laser và đèn tử ngoại.

Về phía AI, ảnh đa phổ thường được đăng ký dải và hợp nhất trước, sau đó đưa vào mô hình CNN hoặc Transformer. Vì số dải nhiều hơn RGB, số kênh đầu vào của mô hình tăng, nên huấn luyện cần nhiều dữ liệu gán nhãn hơn hoặc dùng học chuyển giao. Trong thực tế kỹ sư thực hiện chọn dải trước để loại dải dư thừa và giảm tính toán. Các phương pháp phổ biến gồm phân tích thành phần chính, phương pháp tỷ số dải và chọn đặc trưng dựa trên attention.

Năng lực then chốt có thể tóm thành bốn điểm. Thứ nhất, phân biệt vật liệu: tạo ảnh đa phổ phân biệt được vật thể trông giống hệt nhau nhưng làm từ vật liệu khác nhau, như nhựa đen và cao su đen. Thứ hai, phát hiện khuyết tật dưới bề mặt: dải hồng ngoại gần xuyên qua một số lớp phủ để lộ vết nứt hoặc dị vật bên dưới. Thứ ba, tăng cường mục tiêu tương phản thấp: ở một dải cụ thể, chênh lệch xám giữa khuyết tật và nền được khuếch đại. Thứ tư, thu nhận đồng thời nhiều đặc trưng: một ảnh cho cả thông tin không gian và phổ, phù hợp kiểm tra tốc độ cao trên dây chuyền.

hình minh họa

3. Kịch bản ứng dụng điển hình trong sản xuất

1. Kiểm tra ngoại quan và vật liệu trong sản xuất điện tử

Giả sử một nhà máy điện tử sản xuất connector và bảng mạch dẻo. Camera RGB thông thường kiểm tra tiếp điểm vàng dễ bị ảnh hưởng bởi phản xạ và không phân biệt được chênh lệch độ dày lớp mạ vàng. Tạo ảnh đa phổ ở dải khả kiến kết hợp hồng ngoại gần có thể phân biệt vùng mạ vàng, mạ thiếc và mạ niken dựa trên đường cong phản xạ phổ của các kim loại khác nhau. Dải hồng ngoại gần cũng xuyên qua một số màng bảo vệ trong suốt để lộ vết xước hoặc dị vật bên dưới. Mô hình AI thực hiện phân đoạn mức pixel trên ảnh đa phổ và xuất vị trí cùng loại khuyết tật. Kịch bản như vậy có yêu cầu nhịp sản xuất cao, thường cần camera đa phổ chụp đồng thời với khung suy luận tốc độ cao.

2. Kiểm tra lớp phủ và khuyết tật bên trong ở phụ tùng ô tô

Giả sử một công ty phụ tùng ô tô sản xuất gioăng động cơ và chi tiết thân xe đã sơn. Bề mặt gioăng được phủ graphite hoặc Teflon, và camera RGB khó phán đoán độ đều lớp phủ. Tạo ảnh đa phổ nhạy với biến thiên độ dày lớp phủ ở hồng ngoại sóng ngắn và có thể tạo bản đồ phân bố độ dày. Với tấm thân xe đã sơn, dải hồng ngoại gần phát hiện khuyết tật nền dưới màng sơn, như vết lõm nhỏ hoặc tạp sợi. Mô hình AI kết hợp dữ liệu đa phổ và RGB để kiểm tra hợp nhất đa phương thức, giảm tỷ lệ loại nhầm và tỷ lệ bỏ sót. Trong một hệ thống sản xuất thông minh, các trạm kiểm tra như vậy thường được liên kết với MES để truy xuất dữ liệu chất lượng.

3. Kiểm tra dị vật và độ kín trong bao bì thực phẩm, dược phẩm

Giả sử một công ty bao bì thực phẩm cần phát hiện mảnh nhựa hoặc mảnh kim loại có lẫn vào túi đã hàn kín không. Trong ánh sáng khả kiến, tương phản giữa túi trong suốt và dị vật bên trong rất thấp. Ở một dải hồng ngoại gần cụ thể, khác biệt phổ giữa mảnh nhựa và nền thực phẩm được khuếch đại, nên mô hình AI có thể định vị dị vật nhanh. Với bao bì vỉ dược phẩm, tạo ảnh đa phổ có thể kiểm tra lớp hàn kín có nguyên vẹn không và viên nén có sứt góc không. Những ứng dụng này có yêu cầu cao về vệ sinh và tốc độ, thường dùng giải pháp đa phổ nhiều camera với cơ cấu loại bỏ bằng khí thổi hoặc cơ khí.

Trong các kịch bản trên, ZEVON đã tích lũy kinh nghiệm phong phú về nhận dạng thị giác AI và sản xuất thông minh, có thể tích hợp tạo ảnh đa phổ với thuật toán học sâu và hệ thống điều khiển dây chuyền để giúp nhà sản xuất nâng cao độ phủ và độ ổn định kiểm tra. Nền tảng cốt lõi của hãng hỗ trợ truy cập dữ liệu đa phổ và triển khai mô hình, hiện đang vận hành trên dây chuyền tại hơn 120 khách hàng thuộc hơn 15 ngành. Với kịch bản phức tạp cần kiểm tra đa phổ, hãng có thể cung cấp hỗ trợ trọn vẹn từ thiết kế phương án quang học đến tinh chỉnh thuật toán.

4. Cân nhắc chọn lựa và khuyến nghị triển khai

Thứ nhất, xác định mục tiêu kiểm tra và yêu cầu dải phổ. Không theo đuổi mù quáng số lượng dải. Hãy phân tích phổ trước để tìm tổ hợp dải có khác biệt lớn nhất giữa mục tiêu và nền. Có thể dùng máy quang phổ trong phòng thí nghiệm để thu đường cong phản xạ mẫu trước khi chọn bộ lọc hoặc nguồn sáng. Nhiều dải hơn nghĩa là nhiều dữ liệu hơn, thuật toán phức tạp hơn và chi phí cao hơn.

hình minh họa

Thứ hai, đánh giá nhịp sản xuất và cách tạo ảnh. Dây chuyền tốc độ cao nên ưu tiên camera đa phổ chụp đồng thời hoặc giải pháp nhiều camera đồng bộ. Ở nơi nhịp chậm hơn, chuyển bánh lọc là chấp nhận được. Thời gian phơi sáng, băng thông truyền và độ trễ suy luận đều phải được tính để bảo đảm đạt nhịp tổng thể.

Thứ ba, coi trọng thiết kế nguồn sáng và quang học. Kiểm tra đa phổ đòi hỏi cao về độ ổn định nguồn sáng. Nguồn LED cần nhất quán bước sóng và ổn định độ sáng. Ống kính phải tính đến quang sai màu và hiệu suất truyền sáng, với lớp phủ tùy chỉnh khi cần. Với hồng ngoại gần và hồng ngoại sóng ngắn, ống kính thủy tinh thông thường có thể không phù hợp và cần vật liệu đặc biệt.

Thứ tư, chiến lược thuật toán và dữ liệu. Gán nhãn ảnh đa phổ tốn kém hơn RGB. Hãy bắt đầu bằng trích đặc trưng không giám sát hoặc bán giám sát, sau đó tinh chỉnh với lượng nhỏ dữ liệu gán nhãn. Sai số đăng ký dải ảnh hưởng trực tiếp tới độ chính xác kiểm tra, nên cần căn chỉnh dưới mức pixel trong tiền xử lý. Khi triển khai mô hình, cân nhắc lượng tử hóa và cắt tỉa để giảm nhu cầu tính toán.

Thứ năm, tích hợp và kiểm chứng hệ thống. Tạo ảnh đa phổ không phải thiết bị độc lập; nó phải được liên kết với PLC dây chuyền, MES và các hệ thống khác. Kết quả kiểm tra có thể tải lên thời gian thực, kèm cảnh báo bất thường và truy xuất tham số quy trình. Triển khai nên bắt đầu bằng kiểm chứng ngoại tuyến lô nhỏ, sau đó chạy thử trên dây chuyền thật, dần tối ưu tổ hợp dải và ngưỡng mô hình.

Thứ sáu, theo dõi tổng chi phí sở hữu. Camera đa phổ, nguồn sáng đặc biệt, bộ lọc, đơn vị tính toán và phát triển thuật toán đều ảnh hưởng chi phí. Đừng chỉ nhìn báo giá phần cứng; hãy tính lợi ích chất lượng từ tỷ lệ phán đoán sai thấp hơn và lợi ích năng lực từ tốc độ dây chuyền cao hơn. Với kịch bản đa biến thể lô nhỏ, cân nhắc giải pháp đa phổ có thể cấu hình lại để giảm thời gian đổi mẫu.

5. Xu hướng và tổng kết

Xu hướng một: ranh giới giữa đa phổ và siêu phổ mờ dần. Khi chi phí cảm biến giảm và năng lực tính toán tăng, hệ thống đa phổ có thể tích hợp nhiều dải hơn và tiến gần hiệu năng siêu phổ trong khi vẫn giữ tốc độ công nghiệp. Thuật toán AI sẽ tự động hóa chọn dải và hợp nhất đặc trưng, hạ thấp rào cản sử dụng.

Xu hướng hai: hợp nhất đa phương thức trở thành chủ đạo. Dữ liệu đa phổ sẽ hợp nhất với RGB, đám mây điểm 3D, siêu âm và X-ray để tạo năng lực kiểm tra toàn diện hơn. Mô hình AI sẽ phải xử lý dữ liệu không đồng nhất, đặt ra yêu cầu mới về kiến trúc và năng lực tính toán. Thực tiễn ngành cho thấy hợp nhất đa phương thức cải thiện đáng kể việc phát hiện khuyết tật phức tạp.

Xu hướng ba: tính toán biên và học trực tuyến. Kiểm tra đa phổ tạo khối lượng dữ liệu lớn, không thực tế nếu tải toàn bộ lên đám mây. Đơn vị tính toán biên có thể hoàn thành suy luận ngay cạnh dây chuyền và hỗ trợ học trực tuyến để mô hình tiếp tục thích ứng dịch chuyển phân bố từ lô và quy trình mới. Điều này đặc biệt quan trọng trong sản xuất đa biến thể lô nhỏ, giúp giảm chi phí gán nhãn lại và huấn luyện lại.

Xu hướng bốn: chuẩn hóa và mô-đun hóa. Giải pháp đa phổ hiện nay được tùy chỉnh cao, với giao diện camera, nguồn sáng và bộ lọc không thống nhất giữa các nhà cung cấp, kéo dài thời gian tích hợp. Nhiều khả năng sẽ xuất hiện giao diện chuẩn hóa hơn và linh kiện mô-đun, cho phép kỹ sư ghép hệ thống đa phổ như xếp khối. Về phía thuật toán, có thể xuất hiện mô hình phổ tiền huấn luyện chuyển giao sang nhiệm vụ mới chỉ với vài mẫu.

Xu hướng năm: chi phí giảm thúc đẩy ứng dụng. Khi cảm biến CMOS, lớp phủ bộ lọc và chip tính toán biên chín muồi, chi phí camera đa phổ đang giảm. Hệ thống đa phổ từng có giá hàng trăm nghìn tệ; một số giải pháp chụp đồng thời nay đã về mức hàng chục nghìn tệ. Chi phí giảm sẽ đẩy tạo ảnh đa phổ từ sản xuất cao cấp vào kiểm tra công nghiệp phổ thông, như kiểm tra ngoại quan kim khí, phát hiện khuyết tật dệt may và phân loại nông sản.

Tóm lại, giá trị của tạo ảnh đa phổ trong kiểm tra thị giác AI nằm ở việc biến chiều phổ thành một chiều đặc trưng tính được. Nó không thay thế RGB mà bổ sung cho RGB, 3D và siêu âm. Với các bài toán thị giác truyền thống như cùng màu khác vật liệu, tương phản thấp và khuyết tật dưới bề mặt, tạo ảnh đa phổ thường cho giải pháp ổn định hơn. Khi triển khai dự án đa phổ, hãy bắt đầu từ mục tiêu kiểm tra cụ thể, phân tích phổ trước, sau đó chọn phần cứng và thuật toán, cuối cùng tích hợp với hệ thống dây chuyền. Không theo đuổi số lượng dải một cách mù quáng; hãy tập trung vào khả năng tách biệt giữa mục tiêu và nền ở một dải cụ thể. Đồng thời chú ý các chi tiết kỹ thuật như gán nhãn dữ liệu, đăng ký dải và triển khai mô hình để kết quả phòng thí nghiệm chuyển thành độ ổn định trên dây chuyền. Khi tự động hóa thuật toán được cải thiện và chi phí phần cứng giảm, tạo ảnh đa phổ được kỳ vọng trở thành cấu hình tiêu chuẩn cho kiểm tra thị giác AI trong sản xuất thông minh, giúp nhà sản xuất nâng cao chất lượng và năng suất.

Chủ đề: Bách khoa nhận dạng hình ảnh bằng AI