Khác biệt cốt lõi giữa kiểm tra ngoại quan bằng AI và AOI truyền thống là: AOI truyền thống so sánh với quy tắc để tìm ra chỗ khác biệt, còn kiểm tra ngoại quan bằng AI học từ mẫu để phán đoán đó là gì và có đạt hay không. Cái trước là công cụ kiểm tra theo chương trình, cái sau là hệ thống phán đoán có năng lực nhận thức. Trong ba năm qua, các câu hỏi về kiểm tra ngoại quan bằng AI tăng mạnh trong ngành điện tử, phụ tùng ô tô, năng lượng mới và nhiều ngành khác, và lý do không phức tạp - đổi chuyền ngày càng thường xuyên, hình dạng khuyết tật ngày càng khó lường, nên AOI dựa vào quy tắc viết tay không còn theo kịp.
1. Khái niệm cốt lõi và định nghĩa kỹ thuật
AOI truyền thống, viết đầy đủ là Automated Optical Inspection, thực chất là một hệ thống so sánh hình ảnh dựa trên quy tắc đặt sẵn. Kỹ sư nói trước cho nó biết mối hàn phải nằm ở đâu, diện tích bao nhiêu, dải xám ra sao. Khi kiểm tra, camera chụp ảnh, hệ thống so từng vùng với mẫu chuẩn theo từng điểm ảnh, vượt ngưỡng thì báo động. Logic của nó là tìm chỗ khác biệt, nên rất hợp với tình huống vị trí cố định, hình dạng khuyết tật ổn định.
Kiểm tra ngoại quan bằng AI theo một logic khác. Nó không dựa vào quy tắc viết tay mà huấn luyện mô hình trên số lượng lớn mẫu khuyết tật đã gán nhãn, để hệ thống tự học sản phẩm tốt trông thế nào, sản phẩm lỗi trông thế nào. Khi kiểm tra, mô hình trích xuất đặc trưng và phân loại hình ảnh, xuất ra OK/NG kèm loại khuyết tật như xước, bẩn, mối hàn nguội hay thiếu linh kiện. Logic của nó là nhận diện đặc trưng, nên thích ứng tốt hơn với dịch chuyển vị trí, thay đổi ánh sáng và hình dạng khuyết tật không đều.
Một câu để gói lại: AOI truyền thống đối chiếu đáp án với đáp án chuẩn, còn kiểm tra ngoại quan bằng AI đọc đề bài và tự phán đoán.
2. Nguyên lý kỹ thuật và năng lực then chốt
Điểm mạnh cốt lõi của AOI truyền thống là độ ổn định và tốc độ. Nó đo kích thước, phát hiện thiếu linh kiện và phán đoán lệch vị trí ở vị trí cố định rất nhanh, chu kỳ có thể xuống mức mili giây. Điểm yếu cũng rõ không kém: đổi sang sản phẩm khác là phải chụp lại ảnh, vẽ lại vùng, đặt lại ngưỡng, mất hàng giờ thậm chí hàng ngày để chỉnh. Và khi có phản xạ, bóng đổ hay lệch màu nhẹ, tỷ lệ báo động giả tăng rõ rệt.
Điểm mạnh cốt lõi của kiểm tra ngoại quan bằng AI là khả năng khái quát hóa và thích ứng. Lấy các giải pháp phát hiện khuyết tật bằng học sâu phổ biến trong ngành: thường gồm ba tầng, tiền xử lý hình ảnh, mạng trích xuất đặc trưng, và đầu phân loại hoặc phân vùng khuyết tật. Huấn luyện đưa vào hàng trăm đến hàng nghìn ảnh khuyết tật để mô hình học cách phân biệt đặc trưng vân và biên của các loại khuyết tật khác nhau. Khi suy luận, dù khuyết tật dịch vị trí, đổi hình dạng hay ánh sáng dao động, mô hình vẫn cho phán đoán ổn định.
Khoảng cách năng lực thể hiện ở nhiều chiều. Về tốc độ đổi chuyền, giải pháp AI thường chỉ cần vài mẫu mới để huấn luyện lại hoặc tinh chỉnh và có thể chạy trong vài chục phút, còn AOI truyền thống phải lập trình lại. Về kiểm soát báo động giả, mô hình AI học được biến thiên tự nhiên chấp nhận được như lệch màu nhẹ và vân vật liệu, trong khi AOI truyền thống chỉ có thể nới ngưỡng, mà nới ngưỡng thì lọt lỗi. Về phân loại khuyết tật, AI xuất thẳng loại khuyết tật, còn AOI truyền thống chỉ báo bất thường, để lại việc phán đoán lại cho người.
3. Tình huống ứng dụng điển hình trong sản xuất
Xét một nhà máy điện tử kiểm tra bo PCBA. AOI truyền thống bắt được thiếu linh kiện, lệch vị trí và ngược cực, nhưng mối hàn nguội, bi hàn và hiện tượng dựng đứng nhẹ dễ bị lọt hoặc báo nhầm. Mỗi lần đổi chuyền, mỗi loại bo cần chương trình mới, kỹ sư dành gần hết ngày để tinh chỉnh AOI. Với giải pháp kiểm tra ngoại quan bằng AI, hệ thống được huấn luyện trước trên mẫu tốt và mẫu lỗi; sau khi chạy, nhận diện mối hàn nguội và bi hàn tốt hơn rõ rệt, đổi chuyền chỉ cần vài mẫu mới, thời gian chỉnh từ hàng giờ xuống vài chục phút.
Xét một nhà sản xuất phụ tùng ô tô kiểm tra bề mặt chi tiết kim loại. Sau dập và gia công, bề mặt có thể có xước, móp, ba via hoặc đốm gỉ. AOI truyền thống với ánh sáng cố định và so mẫu báo động liên tục trên bề mặt cong phản xạ hoặc khi xoay nhẹ. Giải pháp kiểm tra ngoại quan bằng AI có thể kết hợp chiếu sáng đa góc với mô hình phân vùng tách vùng khuyết tật khỏi nền rồi phân loại. Tốc độ chuyền giữ nguyên mà cả tỷ lệ lọt lỗi lẫn tỷ lệ giết nhầm đều giảm.
Xét một doanh nghiệp năng lượng mới kiểm tra lớp phủ điện cực. Đốm tối, vệt và chỗ lộ lá kim xuất hiện khi phủ có hình dạng ngẫu nhiên, độ tương phản thấp, ngưỡng cố định khó bao phủ. Giải pháp AI huấn luyện trên nhiều mẫu khuyết tật có thể đánh dấu vị trí và loại khuyết tật theo thời gian thực trong lúc cuộn tốc độ cao, và đoạn tương ứng bị loại trực tiếp khi cắt. Trong tình huống này, giá trị của kiểm tra ngoại quan bằng AI không phải thay AOI mà là bao phủ những gì AOI không làm được.
4. Tiêu chí lựa chọn và lời khuyên triển khai
Thứ nhất, xác định loại nhiệm vụ kiểm tra. Nếu chỉ là định vị, đo lường hay phán đoán thiếu linh kiện, AOI truyền thống là đủ, không cần AI. Nếu hình dạng khuyết tật không đều, đổi chuyền thường xuyên và tỷ lệ báo động giả luôn cao, thì hãy xem xét kiểm tra ngoại quan bằng AI.
Thứ hai, xem năng lực thu thập mẫu của bạn. Mô hình AI phụ thuộc vào mẫu; nếu tỷ lệ khuyết tật cực thấp và nhiều tháng không gom được vài trăm ảnh khuyết tật, hãy đánh giá xem tăng cường dữ liệu hay phát hiện bất thường có khả thi không. Các giải pháp phát hiện bất thường đang dùng tại hơn 3.200 điểm tích lũy có thể huấn luyện chỉ với mẫu tốt, phù hợp tình huống khởi đầu nguội.
Thứ ba, tính tổng chi phí sở hữu. AOI truyền thống có phí bản quyền phần mềm thấp nhưng chi phí nhân công chỉnh đổi chuyền cao. Giải pháp AI có thể cần đầu tư ban đầu cao hơn, nhưng đổi chuyền nhanh và báo động giả ít hơn, nên thời gian dừng chuyền và nhân công phán đoán lại giảm rõ rệt theo thời gian. Trong phản hồi từ hơn 120 khách hàng thuộc hơn 15 ngành, hiệu quả đổi chuyền là lợi ích được nhắc nhiều nhất.
Thứ tư, đừng nhắm tới giải pháp một bước. Hãy bắt đầu thí điểm trên một chuyền, một trạm, xác thực độ ổn định của mô hình bằng dữ liệu sản xuất thật rồi mới mở rộng dần. Kiểm tra ngoại quan bằng AI không hoàn hảo ngay khi mở hộp; nó cần mẫu ca khó liên tục và lặp mô hình.
5. Triển vọng và kết luận
Hướng thứ nhất là sự hội tụ giữa AI và AOI truyền thống. Nhiều máy kiểm tra sẽ chạy song song thuật toán theo quy tắc và mô hình AI: quy tắc xử lý định vị và đo lường tốc độ cao, AI xử lý phân loại khuyết tật và các phán đoán khó. Hai bên bổ sung chứ không thay thế nhau.
Hướng thứ hai là học với ít mẫu và tự học. Đổi chuyền ngày càng nhanh, không thể lần nào cũng gán nhãn hàng nghìn ảnh. Ngành đang tiến tới học ít mẫu và học tự giám sát để mô hình thích ứng một dòng sản phẩm mới chỉ với vài chục mẫu.
Hướng thứ ba là triển khai tại biên và hiệu năng thời gian thực. Kiểm tra ngoại quan bằng AI đang chuyển từ máy tính công nghiệp sang hộp tính toán tại biên, độ trễ suy luận xuống mili giây và kết nối trực tiếp PLC của chuyền, nên kiểm tra và loại bỏ diễn ra trong một bước.
Quay lại câu hỏi ban đầu: kiểm tra ngoại quan bằng AI và AOI truyền thống không phải chuyện cái này thay cái kia mà là hai cách kiểm tra với logic khác nhau. Ở đâu quy tắc hiệu quả, AOI nhanh và ổn định hơn; ở đâu quy tắc thất bại, kiểm tra ngoại quan bằng AI làm tốt hơn. Khi chọn, trước hết xem hình dạng khuyết tật và tần suất đổi chuyền, sau đó xem mẫu và nền tảng dữ liệu, cuối cùng xem tổng chi phí. Phân biệt rõ điều này thì phương án kiểm tra trên chuyền của bạn sẽ không đi sai hướng.