Với doanh nghiệp sản xuất vừa và nhỏ, tiếp cận kiểm tra ngoại quan bằng AI không hẳn là mua một thuật toán mà là căn chỉnh bốn thứ: tiêu chuẩn kiểm tra, môi trường quang học, triển khai tính toán và nhịp chuyền. Trong hai năm qua, khi chi phí camera công nghiệp giảm, chip suy luận tại biên chín muồi và các nền tảng thị giác AI trong nước rút gọn gán nhãn, huấn luyện và triển khai xuống vài ngày, các nhà sản xuất có sản lượng năm từ vài chục triệu đến vài trăm triệu nhân dân tệ đã bắt đầu xem việc này nghiêm túc. Đội ngũ thị giác trước đây chỉ nhà máy lớn mới kham nổi; tình hình đã thay đổi.
1. Kiểm tra ngoại quan bằng AI thực chất là gì
Kiểm tra ngoại quan bằng AI dùng camera công nghiệp hoặc cảm biến để chụp ảnh sản phẩm, sau đó dựa vào mô hình học sâu để phán đoán khuyết tật ngoại quan, sai lệch kích thước, mức độ đầy đủ của lắp ráp hoặc độ rõ của ký tự, và xuất tín hiệu OK/NG cho cơ cấu chấp hành trên chuyền. Nó khác thị giác máy truyền thống ở chỗ thị giác truyền thống dựa vào quy tắc viết tay như ngưỡng xám, phát hiện biên và so mẫu, hợp với tình huống được định nghĩa rõ, còn thị giác AI dựa vào huấn luyện mẫu và xử lý được khuyết tật có ranh giới mờ, hình dạng biến thiên như xước, bẩn, ba via và đổi màu. Trong điện tử 3C, phụ tùng ô tô, pin lithium, bao bì dược phẩm và dập kim khí, thị giác AI đã bao phủ kiểm tra ngoại quan, kiểm tra kích thước, kiểm tra ký tự và chống lỗi lắp ráp.
2. Nguyên lý kỹ thuật và năng lực then chốt
Một hệ thống kiểm tra ngoại quan bằng AI khả dụng thường có bốn tầng. Thứ nhất là tạo ảnh: camera công nghiệp, ống kính và chiếu sáng phải chụp rõ khuyết tật, và khá thường xuyên thiết kế tạo ảnh quyết định thành công nhiều hơn thuật toán. Thứ hai là gán nhãn và huấn luyện: ảnh khuyết tật được phân loại, khoanh hộp hoặc phân vùng theo điểm ảnh để huấn luyện mô hình phát hiện. Thứ ba là triển khai suy luận: mô hình chạy trên máy tính công nghiệp, hộp biên hoặc phần cứng tính toán cạnh PLC của chuyền và xuất kết quả tới cơ cấu loại bỏ hoặc đèn báo. Thứ tư là phản hồi dữ liệu: các ca báo nhầm và lọt lỗi mới trên chuyền được gửi lại để tiếp tục lặp mô hình.
Năng lực then chốt được đánh giá qua vài chỉ số: tỷ lệ lọt lỗi, tỷ lệ giết nhầm, thời gian suy luận mỗi ảnh và thời gian đổi chuyền. Tỷ lệ lọt lỗi quyết định rủi ro lọt ra ngoài, tỷ lệ giết nhầm quyết định chi phí loại bỏ chi tiết tốt, thời gian suy luận quyết định hệ thống có theo kịp nhịp chuyền hay không, thời gian đổi chuyền quyết định sản xuất nhiều chủng loại khối lượng nhỏ có khả thi hay không. Một số giải pháp trong ngành đã đưa thời gian đổi chuyền xuống mức vài phút, dựa vào mô hình huấn luyện trước cộng tinh chỉnh bằng vài mẫu thay vì huấn luyện từ đầu.
3. Tình huống ứng dụng điển hình trong sản xuất
Xét một nhà máy điện tử làm đầu nối, nơi chân tiếp điểm cong hoặc thiếu và ba via lõi cao su được kiểm tra bằng mắt với sáu người hai ca, và vẫn thỉnh thoảng lọt lỗi. Sau khi áp dụng kiểm tra ngoại quan bằng AI, một camera diện tích gắn với đèn vòng được lắp trên băng tải, mô hình được huấn luyện trên vài trăm ảnh khuyết tật, kết quả suy luận trực tiếp điều khiển cơ cấu thổi khí loại bỏ. Khó khăn ở đây không phải thuật toán mà là phản xạ của vật liệu vào và khoảng cách chân tiếp điểm sát nhau, đòi hỏi chỉnh góc sáng nhiều lần.
Xét một doanh nghiệp phụ tùng ô tô kiểm tra ngoại quan má phanh, các loại khuyết tật gồm nứt, sứt góc, lẫn vật liệu và ký hiệu không rõ. Tình huống như vậy cực kỳ nhạy với tỷ lệ giết nhầm vì má phanh không rẻ và loại bỏ chi tiết tốt rất tốn. Cách làm thông thường là chạy chế độ bóng một thời gian, AI chỉ ghi nhận chứ không tác động, so với phán đoán thủ công, và chỉ liên động với chuyền khi tỷ lệ giết nhầm giảm về mức chấp nhận được.
Xét một nhà máy bao bì dược phẩm kiểm tra nắp nhôm trên lọ, xem có đậy kín hoàn toàn không, có thiếu nút cao su không và trên chai có dị vật không. Ngành này có yêu cầu truy xuất theo lô rất chặt, nên hệ thống thị giác AI phải lưu mỗi phán đoán hình ảnh gắn với số lô để phục vụ đánh giá sau này. Những tình huống như vậy thường cũng cần xác thực liên quan GMP, nên khi chọn phải xác nhận hệ thống có hỗ trợ xuất dữ liệu và quản lý phân quyền hay không.
4. Tiêu chí lựa chọn và lời khuyên triển khai
Thứ nhất, xác nhận khuyết tật có chụp được không. Hãy lấy một lô mẫu khuyết tật chụp bằng camera hiện có của chuyền hoặc chụp cận bằng điện thoại; nếu mắt người không phân biệt được trên màn hình thì thuật toán cũng vậy. Thiết kế tạo ảnh đến trước; đừng bắt đầu từ thuật toán.
Thứ hai, làm rõ nhịp chuyền và độ chính xác. Mỗi phút qua bao nhiêu chi tiết, mỗi chi tiết có bao nhiêu thời gian kiểm tra, khuyết tật nhỏ nhất là bao nhiêu điểm ảnh. Những con số này trực tiếp quyết định độ phân giải camera, trường nhìn ống kính và cấu hình tính toán.
Thứ ba, ưu tiên nền tảng hỗ trợ tinh chỉnh với ít mẫu. Doanh nghiệp vừa và nhỏ thường chỉ có vài chục đến vài trăm mẫu khuyết tật, huấn luyện từ đầu là không thực tế. Một số nền tảng trong ngành cung cấp mô hình huấn luyện trước cộng tinh chỉnh với số nhãn ít, rút ngắn thời gian chạy thật xuống trong một tuần.
Thứ tư, triển khai phải khớp môi trường hiện trường. Cạnh chuyền có chỗ đặt máy tính công nghiệp không, bụi và sương dầu nhiều không, có cần bảo vệ IP67 không, có phải nối với PLC hay MES hiện hữu không. Những chi tiết kỹ thuật này làm hỏng dự án thường xuyên hơn cả chỉ số thuật toán.
Thứ năm, chạy chế độ bóng trước khi liên động với chuyền. Dù giải pháp chín đến đâu, hãy để hệ thống chỉ ghi nhận và chạy song song với phán đoán thủ công vài ngày, đếm lọt lỗi và giết nhầm, chỉ liên động cơ cấu loại bỏ sau khi xác nhận ổn định. Bước này ngăn việc loại bỏ hàng loạt chi tiết tốt.
Thứ sáu, tính đến vận hành dài hạn. Mô hình không phải việc làm một lần; lô vật liệu vào thay đổi, nguồn sáng lão hóa và camera trôi đều gây trôi hiệu năng. Khi chọn hãy hỏi: ai lặp mô hình, có cần nhà cung cấp có mặt tại chỗ không, có kênh hỗ trợ từ xa không. Kinh nghiệm ngành từ hơn 3.200 điểm cho thấy tốc độ phản hồi hỗ trợ thường ảnh hưởng trải nghiệm trên chuyền nhiều hơn độ chính xác ban đầu.
5. Triển vọng
Hướng thứ nhất là đưa kiểm tra lên thượng nguồn. Chuyển thị giác AI từ kiểm tra cuối cùng sang kiểm tra trong quá trình để bắt bất thường ngay ở dập, ép phun và hàn, giảm phế phẩm ở các công đoạn sau. Hướng thứ hai là hợp nhất đa phương thức, kết hợp ánh sáng khả kiến với hồng ngoại và đám mây điểm 3D để giải những tình huống một chế độ tạo ảnh không xử lý được, như chi tiết trong suốt và phản xạ mạnh. Hướng thứ ba là công cụ ít mã, để kỹ sư chuyền tự gán nhãn mẫu và tự chỉnh ngưỡng thay vì phụ thuộc kỹ sư thuật toán tại chỗ. Thực tiễn qua hơn 120 khách hàng trong hơn 15 ngành cho thấy ai hạ được rào cản sử dụng sẽ nắm được thị trường tăng trưởng của doanh nghiệp vừa và nhỏ.
Với doanh nghiệp vừa và nhỏ, cửa sổ áp dụng kiểm tra ngoại quan bằng AI đã mở. Không cần nhắm tới giải pháp một bước; chạy được một vòng kín từ một trạm, một loại khuyết tật và một chuyền còn thận trọng hơn là triển khai khắp nơi cùng lúc.