Kết luận cốt lõi khi cấu hình máy tính công nghiệp kiểm tra ngoại quan bằng AI là: nó không đơn giản là một máy tính công nghiệp thông thường gắn thêm card đồ họa, mà là một hệ thống tính toán biên đưa ra các cân đối dựa trên đặc tính của khối lượng công việc suy luận. Điều quyết định sự thành công của toàn giải pháp là mức khớp của bốn yếu tố, gồm năng lực suy luận GPU, băng thông giao diện camera, dung lượng bộ nhớ và kết cấu làm mát, chứ không phải xung nhịp CPU hay dung lượng đĩa. Cách làm hợp lý là trước hết chốt nhịp kiểm tra và độ chính xác mô hình, sau đó suy ngược ra cấu hình tính toán và giao diện, và cuối cùng dựa vào chi tiết kết cấu cấp công nghiệp để chịu được rung, bụi và dao động nhiệt tại hiện trường.
1. Máy tính công nghiệp kiểm tra ngoại quan bằng AI thực sự giải quyết vấn đề gì
Kiểm tra ngoại quan truyền thống dựa vào thuật toán theo quy tắc và dễ bỏ sót các mục tiêu có hình thái không đều như vết xước, vật lạ và lỗi ký tự. Vai trò của máy tính công nghiệp kiểm tra ngoại quan bằng AI là hoàn thành suy luận học sâu tại chỗ bên cạnh dây chuyền sản xuất, phán đoán trực tiếp hình ảnh là OK hay NG, và gửi kết quả tới PLC cùng MES qua OPC-UA hoặc Modbus TCP. Khác biệt so với giải pháp đám mây nằm ở độ trễ: suy luận cục bộ có thể nén việc phán đoán một khung hình xuống vài chục mili giây và không bị ảnh hưởng bởi mạng rung, phù hợp các trạm kiểm tra trực tuyến có nhịp độ hàng chục chiếc mỗi phút trở lên.
Về cấu thành phần cứng, một máy tính công nghiệp như vậy thường gồm bo mạch chủ công nghiệp, một hoặc nhiều card tăng tốc suy luận, card giao diện camera GigE Vision hoặc CoaXPress nhiều kênh, nguồn điện dải nhiệt rộng và vỏ máy chắc chắn. Một số giải pháp đã bắt đầu dùng SoC AI biên có NPU tích hợp cho các tác vụ nhẹ trong khi để việc phán đoán lại ở độ phân giải cao cho một card tăng tốc riêng, tạo thành cấu trúc suy luận phân tầng.
2. Các giải pháp tính toán chủ lưu so sánh thế nào khi lựa chọn
Năng lực tính toán suy luận hiện có ở phía nhà máy đại thể chia thành ba bậc, khác nhau chủ yếu ở thông lượng, bộ nhớ và hiệu quả năng lượng.
Bậc thứ nhất là NPU và đồ họa tích hợp sẵn trong CPU hoặc SoC, phù hợp tác vụ phân loại và định vị đơn giản ở độ phân giải dưới 1080p với mô hình ít tham số, thường tiêu thụ 15 đến 65 watt và có thể dùng thiết kế không quạt, dù thông lượng khá chật khi phải xử lý nhiều camera tốc độ khung hình cao.
Bậc thứ hai là card tăng tốc suy luận biên và hộp tăng tốc; các module nhúng dựa trên kiến trúc bộ nhớ thống nhất có thể cung cấp hàng trăm TOPS năng lực tính toán với bộ nhớ chia sẻ cùng CPU, phù hợp mô hình phân đoạn và phát hiện có độ phức tạp vừa, với công suất phần lớn trong khoảng 60 đến 130 watt.
Bậc thứ ba là card suy luận cấp trung tâm dữ liệu được đưa xuống nhà máy. Ví dụ, thế hệ bộ tăng tốc bộ nhớ lớn mới thường đi kèm bộ nhớ băng thông cao HBM3e và dung lượng một card hàng chục gigabyte trở lên, có thể chứa nhiều camera độ phân giải cao và chạy song song nhiều mô hình cùng lúc. Những card như vậy có thông lượng suy luận mạnh nhưng yêu cầu về luồng khí trong vỏ, khả năng cấp nguồn và môi trường phòng cao hơn rõ rệt, và triển khai thường cần vỏ chắc chắn từ 4U trở lên với thiết kế làm mát riêng.
Khi so sánh, đừng chỉ nhìn con số TOPS. Dung lượng bộ nhớ quyết định đầu vào độ phân giải cao và nhiều mô hình có chứa được hay không, băng thông bộ nhớ quyết định thông lượng thực tế ở tốc độ khung hình cao, và băng thông giao diện quyết định kết nối được bao nhiêu camera. Khi ba yếu tố không khớp nhau, năng lực tính toán danh nghĩa lớn đến đâu cũng không đủ để chạy hết công suất.
3. Quy trình nào thực sự phù hợp với kiểm tra ngoại quan bằng AI
Giả sử một nhà máy điện tử thực hiện kiểm tra ngoại quan ở cuối dây chuyền SMT: nhịp độ bo mạch ổn định và vật liệu đến có độ nhất quán tốt, nên một máy tính công nghiệp kiểm tra ngoại quan bằng AI có thể đảm nhận việc phán đoán trực tuyến các lỗ rỗng mối hàn, lệch linh kiện và ngược cực, với việc kích hoạt dựa trên tín hiệu nạp và xả. Đây là một kịch bản phù hợp điển hình.
Giả sử một công ty phụ tùng ô tô kiểm tra khuyết tật bề mặt vật đúc, nơi phôi có độ phản xạ mạnh và biến dạng lớn; khi đó cần đánh giá thêm việc có bổ sung chiếu sáng phân cực, chuyển sang tạo ảnh đa góc hay không, và mô hình có cần độ phân giải đầu vào cao hơn hay không, trong trường hợp đó số giao diện camera và dung lượng bộ nhớ của máy tính công nghiệp phải được nâng lên tương ứng.
Một trường hợp khác: kiểm tra ký tự và tem niêm phong trên bao bì thực phẩm, với nhịp độ nhanh và mục tiêu nhỏ, phù hợp camera GigE tốc độ khung hình cao ghép với card tăng tốc tính toán tầm trung, nơi trọng tâm là băng thông giao diện chứ không phải đỉnh tính toán. Ngược lại, các quy trình liên quan biến dạng lớn của vật liệu mềm và có rất ít mẫu khuyết tật thì ở giai đoạn này nên dùng cách rà soát kết hợp người và máy thay vì phán đoán hoàn toàn tự động.
4. Những điểm then chốt nào cần chú ý khi cấu hình triển khai
Câu hỏi thường gặp thứ nhất là cấu hình giao diện camera thế nào. Một cổng GigE Vision cung cấp băng thông khoảng 1 Gbps, nên nhiều camera độ phân giải cao phải dùng nhiều cổng hoặc card mạng 10 gigabit; CoaXPress phù hợp các kịch bản băng thông cao hơn, và đường dữ liệu giữa card giao diện và card tăng tốc phải được xác nhận ngay ở giai đoạn lựa chọn để tránh nút cổ chai băng thông.
Thứ hai là bộ nhớ và lưu trữ. Với giai đoạn suy luận, bộ nhớ nên không dưới 32 GB, tăng lên 64 GB khi chạy song song nhiều mô hình; nên dùng SSD cấp công nghiệp và ước tính độ bền ghi theo khối lượng ảnh lưu giữ hàng ngày thay vì ép ổ tiêu dùng phải chịu.
Thứ ba là môi trường và kết cấu. Dưới bụi và rung của xưởng, cấp bảo vệ của vỏ, thiết kế không quạt hoặc luồng khí áp dương và nguồn dải nhiệt rộng đều phải được thực hiện, bảo vệ ESD có thể theo các yêu cầu liên quan của IEC 61340, và tay nghề lắp ráp thiết bị có thể theo cách nghiệm thu của IPC-A-610.
Thứ tư là ngăn xếp phần mềm và tích hợp. Hãy xác nhận runtime suy luận của nhà cung cấp tăng tốc có hỗ trợ định dạng mô hình bạn dùng và có cung cấp đường TensorRT hoặc ONNX Runtime hay không, liệu truyền thông với PLC có hỗ trợ OPC-UA và Modbus TCP, và định nghĩa trước các trường dữ liệu cho việc tích hợp MES.
Thứ năm là các bước triển khai. Lộ trình thông lệ là thu thập và gán nhãn mẫu, huấn luyện và lượng tử hóa mô hình, kiểm thử tải suy luận trên máy tính công nghiệp, chạy thử lô nhỏ trên dây chuyền, rồi mở rộng dần. Trong khi kiểm thử tải, hãy chạy ở nhịp độ thực tế đến mức đầy tải và nhìn thông lượng duy trì cùng mức tăng nhiệt thay vì đỉnh của một khung hình.
5. Giải pháp này phù hợp với gì và không phù hợp với gì
Kịch bản phù hợp: trạm kiểm tra trực tuyến có nhịp độ ổn định, vật liệu đến có độ nhất quán tốt và hình thái khuyết tật có thể thể hiện rõ trên ảnh, như ngoại quan lắp ráp điện tử, ký tự và tem bao bì, khuyết tật bề mặt kim khí và chống lắp sai trong lắp ráp. Những kịch bản này nhạy cảm với độ trễ cục bộ và dữ liệu không nên rời khỏi nhà máy.
Kịch bản cần đánh giá cẩn trọng: quy trình có phản xạ mạnh, biến dạng lớn và rất ít mẫu khuyết tật, cùng dây chuyền nhiều chủng loại, lô nhỏ và đổi mã hàng thường xuyên, nơi chi phí chuyển mô hình và gán nhãn lại do đổi mã hàng phải được tính riêng.
Kịch bản không phù hợp: tác vụ đo lường yêu cầu độ chính xác dưới micromet, vốn nên dùng thiết bị đo chuyên dụng; và quy trình mà định nghĩa khuyết tật tự nó mơ hồ và phụ thuộc kinh nghiệm con người, nơi phán đoán hoàn toàn tự động mang rủi ro cao trong ngắn hạn.
Về quy mô triển khai, loại giải pháp này đã có lộ trình tích hợp trưởng thành trong hệ sinh thái phần cứng công nghiệp của những nhà cung cấp đã làm hàng chục năm từ thời ERP, phục vụ 1,2 triệu khách hàng với tổng cộng hàng chục triệu thiết bị đầu cuối đã triển khai, và khi lựa chọn, việc ưu tiên các giải pháp có chuẩn giao diện mở và ngăn xếp phần mềm có thể bảo trì là khôn ngoan hơn là chỉ chạy theo năng lực tính toán cao hơn.