Trung tâm kiến thức
Mục lục

Hướng dẫn chọn phần cứng cho hệ thống kiểm tra ngoại quan bằng AI

Kết luận cốt lõi về chọn phần cứng cho hệ thống kiểm tra ngoại quan bằng AI là: trước hết xác định độ chính xác và nhịp chuyền của tình huống, sau đó chọn camera, ống kính, nguồn sáng và nền tảng tính toán, cuối cùng suy ngược từ thuật toán phần mềm ra độ dư phần cứng - chứ không phải ngược lại, mua camera đắt nhất trước.

Ngày càng nhiều đội ngũ trong ngành sản xuất làm kiểm tra ngoại quan bằng AI, nhưng thứ thực sự làm dự án kẹt thường là chọn phần cứng chứ không phải thuật toán. Thuật toán mạnh đến đâu, hệ thống thị giác AI cũng không chạy được tại hiện trường nếu độ phân giải camera không đủ, chiếu sáng sai hoặc băng thông nền tảng tính toán không theo kịp. Đặc biệt với các nhiệm vụ như nhận diện hành vi, phát hiện khuyết tật và đo kích thước, phương án phần cứng trực tiếp quyết định hệ thống có triển khai được hay không.

1. Khái niệm cốt lõi và định nghĩa kỹ thuật

Nói đơn giản, hệ thống kiểm tra ngoại quan bằng AI dùng camera công nghiệp chụp ảnh, hoàn thành phân loại, phát hiện, phân vùng hoặc nhận diện hành vi qua mô hình học sâu, và xuất kết quả tới PLC hoặc MES. Nó khác thị giác máy truyền thống ở chỗ thị giác truyền thống dựa vào quy tắc và kỹ thuật đặc trưng, còn thị giác AI lấy dữ liệu làm trung tâm và chịu được thay đổi ánh sáng, biến thiên sản phẩm và nền phức tạp tốt hơn.

Chọn phần cứng liên quan năm thành phần cốt lõi: camera công nghiệp, ống kính, nguồn sáng, card thu hình và nền tảng tính toán tại biên. Một số tình huống còn cần cảm biến, encoder, tay robot hoặc cơ cấu phân loại. Trong toàn hệ thống, camera chịu trách nhiệm nhìn rõ, ống kính quyết định trường nhìn rộng bao nhiêu, nguồn sáng bảo đảm tạo ảnh ổn định, nền tảng tính toán quyết định suy luận nhanh đến đâu, còn card thu hình và giao diện quyết định dữ liệu chảy trơn hay không.

2. Nguyên lý kỹ thuật và năng lực then chốt

Chọn camera bắt đầu từ loại cảm biến. Giữa CCD và CMOS, CMOS hiện là chủ đạo; global shutter hợp vật thể chuyển động còn rolling shutter hợp tình huống tĩnh hoặc chậm. Độ phân giải cao hơn không phải lúc nào cũng tốt hơn; phải tính từ kích thước khuyết tật nhỏ nhất và trường nhìn. Để phát hiện vết xước 0,1 milimét trong trường nhìn 100 milimét, cần ít nhất 1.000 điểm ảnh hiệu dụng, cộng thêm 20 đến 30 phần trăm dư.

Tốc độ khung hình phải khớp nhịp chuyền. Nếu chuyền chạy 300 sản phẩm mỗi phút và chụp 4 ảnh mỗi sản phẩm, camera cần ít nhất 20 fps, và chọn thực tế nên để 30 fps trở lên. Về giao diện, GigE hợp tốc độ trung bình và thấp với đi dây dễ; USB3.0 hợp mức máy tính để bàn; Camera Link và CoaXPress hợp tình huống tốc độ cao độ phân giải cao.

Chọn ống kính xem tiêu cự, khẩu độ, méo và độ sâu trường ảnh. Ống kính telecentric hợp đo kích thước nhờ méo thấp; ống góc rộng hợp trường nhìn lớn nhưng phải hiệu chỉnh méo ở rìa. Chiếu sáng là phần bị đánh giá thấp nhất trong thị giác AI. Đèn vòng, đèn thanh, đèn nền, đèn đồng trục và đèn vòm mỗi loại quyết định khuyết tật có được làm sáng lên hay không. Để phát hiện rỗ trên bề mặt kim loại, đèn thanh góc thấp cho tương phản tốt hơn đèn vòng.

Nền tảng tính toán chia ba loại: máy tính công nghiệp gắn card GPU, hộp AI tại biên và mô-đun nhúng. Suy luận học sâu đòi hỏi cao về bộ nhớ đồ họa và năng lực tính toán; chạy một mô hình phát hiện họ YOLO trên ảnh 1080p với batch size 4 cần ít nhất 6 GB bộ nhớ đồ họa. Nếu nhiều camera chạy đồng thời, còn phải tính băng thông PCIe và thông lượng card thu hình.

3. Tình huống ứng dụng điển hình trong sản xuất

Một nhà máy điện tử phát hiện khuyết tật PCB, nhịp chuyền nhanh và nhiều loại khuyết tật. Phương án chọn camera global shutter 5 megapixel với ống kính telecentric, chiếu sáng kết hợp đa góc, và máy tính công nghiệp có GPU chạy mô hình phân vùng để định vị bi hàn, hở mạch và xước. Nếu dùng rolling shutter, nhòe chuyển động sẽ khiến khuyết tật nhỏ bị lọt.

Giả sử một doanh nghiệp phụ tùng ô tô đo kích thước bánh răng và nhận diện khuyết tật bề mặt. Bánh răng là bề mặt cong kim loại phản xạ. Phương án chọn đèn nền cho đo đường bao và đèn vòm cho khuyết tật bề mặt, camera global shutter 2 megapixel tốc độ khung cao và ống kính bi-telecentric. Nền tảng tính toán đặt tại biên chuyền, nối nhiều camera theo giao thức GigE Vision và xuất kết quả trực tiếp tới cơ cấu phân loại.

Một doanh nghiệp bao bì thực phẩm kiểm tra sản phẩm đóng túi, nhận diện nếp nhăn mối dán, dị vật và lệch in. Tình huống như vậy có chênh lệch màu lớn, nên dùng camera màu với nguồn sáng chỉ số hoàn màu cao, ống kính tiêu cự cố định méo thấp và hộp AI tại biên chạy mạng phân loại nhẹ. Với camera đơn sắc thì không tách được khuyết tật liên quan màu.

4. Tiêu chí lựa chọn và lời khuyên triển khai

Thứ nhất, đánh giá tình huống. Xác định đối tượng kiểm tra, kích thước khuyết tật nhỏ nhất, trường nhìn, nhịp chuyền, ánh sáng môi trường và khoảng cách lắp đặt. Những tham số này trực tiếp quyết định độ phân giải camera và tiêu cự ống kính.

Thứ hai, chọn nguồn sáng và camera cùng nhau. Nhiều dự án thất bại vì mua camera trước rồi ánh sáng tại chỗ không làm khuyết tật hiện ra. Hãy thử chiếu sáng bằng mẫu trong môi trường chuyền thật trước khi chốt phương án chiếu sáng.

Thứ ba, để dư năng lực tính toán. Số tham số mô hình có thể tăng sau khi lặp, và tốc độ khung có thể gấp đôi khi chuyền tăng tốc. Hãy cấu hình nền tảng tính toán ở mức 1,5 đến 2 lần nhu cầu hiện tại, dư cả bộ nhớ đồ họa lẫn băng thông.

Thứ tư, thống nhất giao diện và giao thức. Các chuẩn như GigE Vision, USB3 Vision và GenICam giảm độ khó tích hợp. Với đồng bộ nhiều camera, hãy tính đến kích hoạt bằng phần cứng và đồng bộ thời gian PTP.

Thứ năm, suy ngược từ thuật toán phần mềm. Nếu mô hình phân vùng thực thể nhận đầu vào 640x640 thì không cần mù quáng lên 20 megapixel, vì hạ mẫu khi tiền xử lý sẽ mất chi tiết. Các nhà cung cấp làm kiểm tra ngoại quan bằng AI trong ngành thường chạy thuật toán trên mẫu thật ngay ở khâu chọn để xác nhận phương án phần cứng có đạt độ chính xác mục tiêu hay không.

Thứ sáu, tính đến khả năng mở rộng. Chuyền có thể thêm trạm kiểm tra và số camera có thể tăng từ 2 lên 8. Nền tảng tính toán và kiến trúc mạng phải hỗ trợ mở rộng để tránh đầu tư trùng lặp.

5. Triển vọng và kết luận

Hướng thứ nhất là thị giác AI nhúng. Khi năng lực tính toán tại biên tăng, nhiều nhiệm vụ kiểm tra sẽ chuyển từ máy tính công nghiệp xuống camera hoặc hộp biên, giảm chi phí đi dây và độ trễ.

Hướng thứ hai là hợp nhất đa phương thức. Thị giác AI sẽ không chỉ dựa vào ảnh mà còn hợp nhất hồng ngoại, đám mây điểm 3D và thông tin phổ, nên chọn phần cứng phải dự phòng giao diện đa cảm biến.

Hướng thứ ba là chuẩn hóa và mô-đun hóa. Giao diện và giao thức của camera, ống kính, chiếu sáng và nền tảng tính toán ngày càng thống nhất, và việc chọn chuyển từ ghép từng khối sang chọn cả gói, rút ngắn chu kỳ triển khai.

Quay lại chính việc chọn, không có phương án vạn năng. Nhà máy điện tử và doanh nghiệp phụ tùng ô tô có nhu cầu khác nhau nên tổ hợp phần cứng cũng khác. Logic cốt lõi là: tình huống định nghĩa độ chính xác, độ chính xác định nghĩa phần cứng, phần cứng phục vụ thuật toán, và thuật toán kiểm chứng phần cứng. Theo đúng thứ tự đó thì chọn phần cứng cho hệ thống kiểm tra ngoại quan bằng AI sẽ không sai.

Chủ đề: Bách khoa nhận dạng hình ảnh bằng AI