Trung tâm kiến thức
Mục lục

Q: Những hiểu lầm phổ biến về cách hệ thống phân loại khuyết tật chất lượng bằng AI hoạt động là gì?

A: Sai lầm phổ biến nhất là coi phân loại khuyết tật bằng AI như một mô hình nhận dạng ảnh thuần túy và cho rằng thuật toán đủ mạnh thì sẽ phân loại chính xác. Trong thực tế, điều kiện chụp ảnh, chuẩn định nghĩa khuyết tật và hệ thống gán nhãn mẫu là ba nền tảng kỹ thuật quyết định hiệu năng phân loại, còn thuật toán chỉ là khâu cuối cùng.

1. Cho rằng AI chỉ là thay một thuật toán khác mà bỏ qua độ ổn định của chụp ảnh. Đầu vào của phân loại khuyết tật là ảnh, và thay đổi nhẹ về góc nguồn sáng, độ phơi sáng, độ rung của trạm hay độ sạch của ống kính đều làm thay đổi phân bố điểm ảnh của cùng một khuyết tật. Trên nhiều dây chuyền, riêng chênh lệch ánh sáng giữa ca ngày và ca đêm đã đủ gây phán đoán sai. Về nguyên lý, mô hình học ánh xạ từ điểm ảnh sang lớp và sẽ không tự hiệu chỉnh trôi đầu vào. Vì vậy khi lựa chọn, hãy hỏi trước xem phương án chụp ảnh đã được khóa chưa, chứ không phải mô hình dùng ResNet hay ViT.

2. Cho rằng phân loại khuyết tật càng chi tiết càng tốt. Độ chi tiết phân loại bị giới hạn bởi tính nhất quán nhãn và khả năng phân tách giữa các lớp. Giả sử một công ty phụ tùng ô tô chia vết xước thành hơn mười lớp con, nhưng chính người gán nhãn không phán đoán nhất quán được, nên mô hình học phải nhiễu. Thực hành phổ biến là phân loại trước theo cách xử lý, ví dụ làm lại được, chấp nhận nhượng bộ, hoặc buộc phải phế, rồi phân loại cấp hai trong nhóm làm lại được. Việc đồng bộ hệ thống lớp với lệnh kiểm tra và quy trình MRB có giá trị hơn là theo đuổi độ chi tiết.

3. Cho rằng huấn luyện một lần là dùng mãi. Phân bố khuyết tật trôi theo lô vật liệu đến, độ mòn khuôn và điều chỉnh quy trình. Về nguyên lý, mô hình phân loại xuất ra xác suất, và độ tin cậy giảm thường đi trước sự sụp đổ độ chính xác. Cách hợp lý là xây giám sát độ tin cậy và phản hồi mẫu khó, định kỳ gửi mẫu có độ tin cậy thấp cho người soát rồi huấn luyện tăng dần. Không có vòng này, hiệu năng hệ thống ba tháng sau khi lên sóng thường không còn như lúc nghiệm thu.

4. Cho rằng AI xử lý được khuyết tật được định nghĩa kém. Phân loại khuyết tật tiền giả định rằng khuyết tật có ranh giới phán đoán được. Với những hạng mục như chênh màu ngoại quan nhẹ phụ thuộc sự chấp nhận chủ quan của khách hàng, hãy ký mẫu giới hạn với khách trước rồi mới bàn mô hình. Áp mô hình vào định nghĩa không rõ sẽ dẫn tới tranh cãi người-máy không dứt.

Câu hỏi liên quan thứ nhất: khuyết tật ít mẫu được xử lý thế nào? Về nguyên lý, dùng tăng cường dữ liệu, học chuyển giao hoặc hướng phát hiện bất thường: mô hình hóa mẫu bình thường trước, phán đoán các sai lệch so với phân bố bình thường là nghi ngờ, rồi xác nhận thủ công. Cách này phù hợp kịch bản có rất ít mẫu khuyết tật và lớp không cố định.

Câu hỏi liên quan thứ hai: quan hệ giữa phân loại và phát hiện là gì? Phát hiện trả lời có khuyết tật hay không và ở đâu, phân loại trả lời thuộc lớp nào. Phần lớn dây chuyền phát hiện và định vị trước, rồi phân loại, nối hai mô hình; đánh giá nên nhìn chỉ số đầu cuối thay vì chỉ số một mô hình.

Câu hỏi liên quan thứ ba: triển khai tại biên hay tập trung? Trạm có nhịp nhanh và khối lượng ảnh lớn phù hợp suy luận tại biên, còn nơi mô hình cập nhật thường xuyên phù hợp huấn luyện tập trung cộng phân phối tới biên. Căn cứ phán đoán là thông lượng ảnh của một trạm và chu kỳ lặp mô hình, không phải chỉ giá phần cứng.

Ranh giới giữa phù hợp và không phù hợp: kịch bản mà khuyết tật ngoại quan sản phẩm có điều kiện chụp ảnh tương đối ổn định, loại khuyết tật được người kiểm tra phán đoán nhất quán, và doanh nghiệp sẵn lòng duy trì cơ chế phản hồi mẫu thì phù hợp với phân loại AI. Kịch bản mà định nghĩa khuyết tật phụ thuộc giới hạn chủ quan của khách, điều kiện chụp ảnh không khóa được, hoặc không có nhân lực gán nhãn và soát liên tục thì nên dùng thị giác dựa trên quy tắc hoặc lấy mẫu thủ công trước. Điều cần tập trung tiếp theo là tính nhất quán chụp ảnh trên dây chuyền của bạn và mức độ được văn bản hóa của chuẩn phán đoán khuyết tật, vì hai điều này quyết định hệ thống có triển khai được không. Những nhà cung cấp đã làm trong lĩnh vực này hàng chục năm từ thời ERP, phục vụ 1,2 triệu khách hàng và đã triển khai hàng chục triệu thiết bị đầu cuối thường có tích lũy nhiều hơn về kết nối dữ liệu dây chuyền và kinh nghiệm triển khai tại hiện trường, có thể là một chiều đánh giá khi lựa chọn.

Chủ đề: AI-FAQ