KIỂM TRA BẰNG THỊ GIÁC MÁY: CHẤT LƯỢNG HOÀN HẢO

Thị giác máy: Đáng tin cậy hơn và chính xác hơn mắt người 

Machine Vision, hay kiểm tra và phân tích tự động dựa trên hình ảnh, có mọi thứ cần thiết để vượt qua mắt người khi nói đến việc kiểm tra sản phẩm chính xác và đáng tin cậy. Với sự cạnh tranh ngày càng tăng trong mọi lĩnh vực, kiểm tra bằng hình ảnh đã trở thành một yếu tố khác biệt quan trọng giúp các công ty duy trì khả năng cạnh tranh. Sản phẩm cần phải phát triển theo nhu cầu của người tiêu dùng và ngày nay điều đó có nghĩa là chúng phải nhỏ hơn, nhanh hơn và phức tạp hơn.

Khách hàng mua sắm theo cách khác trước đây. Bất kể là B2B hay B2C, mọi người đều có thể dễ dàng duyệt và mua sắm từ bất kỳ đâu trên thế giới. Chi phí và chất lượng là động lực chính khiến một người đưa ra lựa chọn và cả hai đều cần vượt quá mong đợi. Khi xử lý độ chính xác và độ chính xác cần thiết để đảm bảo sản phẩm đại diện đúng cho thương hiệu, việc kiểm tra thủ công thường không còn hiệu quả nữa. Nó tốn kém, không nhất quán và không đáng tin cậy. Các thành phần riêng lẻ có thể quá nhỏ để kiểm tra chỉ bằng mắt thường và kính hiển vi rất tốn thời gian để lấy nét và lấy nét lại cho từng bộ phận. Ví dụ, phép đo chính xác độ sâu của kim có thể không nhận thấy được, cũng như bụi hoặc vết xước hoặc bất kỳ khuyết tật nhỏ nào khác có thể có trên một mặt hàng. Ngoài ra, việc kiểm tra thủ công có nguy cơ ảnh hưởng bởi tính chủ quan của người vận hành khi làm nhiệm vụ. Một ý kiến của người kiểm này  có thể khác với ý kiến của người khác.

Sức mạnh mà một khiếm khuyết tác động tới một sản phẩm hoặc danh tiếng của một công ty có thể rất lớn. Lấy ví dụ như máy tạo nhịp tim, mục đích là sản phẩm này sẽ tồn tại bên trong cơ thể của một người trong suốt quãng đời còn lại của họ. Nếu có một vết xước, hoặc nếu 2 thành phần không được liên kết với nhau đúng cách, thời gian sẽ khiến nó trở nên tồi tệ hơn. Theo năm tháng trôi qua, các khiếm khuyết ngày càng tăng. Những gì từng nhỏ và hầu như không đáng chú ý giờ đây trở nên nguy hiểm và nghiêm trọng. Một ví dụ nổi tiếng khác liên quan đến một nhà sản xuất thiết bị điện tử tiêu dùng nổi tiếng. Phiên bản mới nhất của dòng điện thoại di động phổ biến của họ chứa các lỗi khiến thiết bị quá nhiệt và trong một số trường hợp, bắt lửa. Hàng nghìn chiếc điện thoại đã phải trả lại cho nhà sản xuất và tác động đến lợi nhuận của sản phẩm mới phát hành là ngay lập tức. Không cần phải nói, các giải pháp tốt hơn so với kiểm tra thủ công hiện có sẵn. Do đó, nhiều nhà sản xuất đã triển khai kiểm tra bằng thị giác máy vào quy trình sản xuất của họ .

Ngày nay, thị giác máy thường được sử dụng để đẩy nhanh nhiều ứng dụng và cung cấp kết quả nhanh chóng, đáng tin cậy, chính xác và có thể lặp lại.

Các ứng dụng này bao gồm:

1. Phát hiện tính năng và lỗi

Công nghệ thị giác máy có thể tìm thấy mọi vết xước, vết nứt hoặc vết phồng rộp trên hầu hết các bề mặt và ngăn không cho chúng xuất hiện trên thị trường. Khả năng phát hiện lỗi này có thể áp dụng cho nhiều tình huống, khối lượng và kích cỡ khác nhau.

Ví dụ 1: Các sản phẩm di chuyển với tốc độ 20 cái mỗi giây phải được kiểm tra kỹ lưỡng. Mục tiêu là phát hiện lỗi với độ chính xác 0,02 milimét vuông.

Với tốc độ nhanh và nhu cầu về độ tin cậy lâu dài, việc kiểm tra trực quan bằng mắt thường không phải là một lựa chọn trong trường hợp này. Tuy nhiên, nếu kiểm tra thủ công như vậy sẽ liên quan đến cả một nhóm người, điều này sẽ giảm tính khách quan của quá trình kiểm tra. Machine Vision chính là giải pháp: sáu camera quan sát các sản phẩm chuyển động nhanh bằng cách sử dụng tốc độ màn trập rất ngắn và phơi sáng bằng đèn flash nhanh với ánh sáng phân cực. Điều này tạo ra hình ảnh sắc nét mà các khuyết tật của sản phẩm có thể được nhìn thấy hoàn hảo. Sau đó, phần mềm đặc biệt sẽ tìm kiếm tất cả các khuyết tật trong vòng 50 mili giây và có thể thực hiện 24 giờ một ngày (bằng cách sử dụng hệ điều hành thời gian thực hoặc FPGA). Kết quả: một hệ thống tự động vượt trội hơn hẳn so với quá trình kiểm tra của con người ở mọi khía cạnh.

Ví dụ 2: Các khuyết tật có kích thước vài micron (μm) phải được phát hiện trong diện tích 20 milimét (mm) trên các vật thể di chuyển với tốc độ 5 mét (m) mỗi giây.

Nếu sử dụng phương pháp kiểm tra bằng mắt người trong trường hợp này, thì cần phải có một người có khả năng nhìn thấy các khuyết tật có kích thước vài micron trên bề mặt 2m, trong khi sản phẩm di chuyển với tốc độ 18 km/h (1 sản phẩm mỗi giây). Vì vậy, ở đây, kiểm tra bằng mắt thường cũng không thể làm được up: a. Lựa chọn duy nhất là kết hợp công nghệ Machine Vision công nghệ cao như công nghệ quét dòng 8k với ống kính nhanh, đèn LED dòng và phần mềm xử lý hình ảnh siêu tốc.

2. Đo lường

Đo lường chính xác và hiệu chuẩn là chìa khóa khi xử lý bất kỳ thứ gì được lắp vào thứ khác. Ví dụ, kiểm tra bằng hình ảnh có thể đảm bảo kim được đưa đúng vào bệnh nhân với các phép đo kích thước chính xác và có thể lặp lại đến mức micromet. Nó cũng có thể đo liều lượng tiêm vắc-xin bằng phép đo trọng lượng thuốc kèm với xác nhận thể tích tiêm.

3. Nhận dạng

Việc dán nhãn sản phẩm cũng quan trọng như chính sản phẩm đó. Việc gửi một sản phẩm dán nhãn sai ra thị trường có thể dẫn đến hậu quả thảm khốc . Machine Vision loại bỏ rủi ro này bằng cách xác thực sản phẩm có nhãn chính xác, với các ký hiệu cảnh báo, mã vạch và số sê-ri phù hợp. Nó cũng đưa nó lên một tầm cao mới bằng cách đảm bảo khả năng đọc được với phân tích hình ảnh nhận dạng ký tự quang học (OCR) hoặc xác minh ký tự quang học (OCV).

4. Phân tích màu sắc

Áp dụng hình ảnh quang phổ hoặc các công nghệ hình ảnh khác vào màn hình, thiết bị AR/VR và dụng cụ hình ảnh y tế, trong đó độ chính xác màu sắc là yếu tố quan trọng để tạo nên hiệu quả của thiết bị. Hệ thống thị giác máy sẽ chụp ảnh và so sánh chúng với các giới hạn của thông sô đã thiết lập. Điều này sẽ xác định kết quả đạt/không đạt. Trong quá trình kiểm tra thủ công, kết quả đạt/không đạt được sẽ phụ thuộc vào ý kiến của người vận hành. Đã được chứng minh rằng kết quả sẽ khác nhau tùy theo từng người, từ ca sáng đến ca chiều và từ thứ Hai đến thứ Năm. Kiểm tra thị giác cung cấp kết quả nhất quán, đáng tin cậy, khách quan và có thể lặp lại, bất kỳ thời điểm nào trong ngày. Một ví dụ phân tích màu khác là hình ảnh siêu quang phổ có thể được sử dụng để phân biệt các bộ phận có vẻ giống hệt nhau. Điều này thường được sử dụng trong dược phẩm để xác định xem thuốc có được đóng chai đúng cách hay không.

Mắt người so với phần mềm tự học 

Mắt người có khả năng phát hiện ra những điểm bất thường hoặc khuyết tật trên sản phẩm. Chúng ta nhìn thấy khuyết tật trên sản phẩm ngay lập tức, miễn là khuyết tật đó đủ lớn. Mặc dù chúng ta chưa từng nhìn thấy khuyết tật trước đây, chúng ta vẫn nhận thấy ngay một vết xước trên một vật nhỏ hoặc một đường may bị rách trên quần áo. Thông thường, chúng ta vô thức nhận ra sự bất thường khi cầm một sản phẩm, xoay nó và quan sát hình ảnh phản chiếu. Điều này, kết hợp với khả năng diễn giải đặc biệt của chúng ta, khiến mắt người gần như không thể đánh bại.

Tuy nhiên, trong những năm gần đây, công nghệ Machine Vision đã phát triển đáng kể và hiện nay phù hợp với khả năng diễn giải của chúng ta trong nhiều trường hợp. Sử dụng các thuật toán thị giác máy tự học phức tạp, công nghệ hiện tại có khả năng xử lý hình ảnh theo cùng cách mà não người thực hiện nhiệm vụ, mặc dù nhanh hơn nhiều và cho nhiều sản phẩm cùng lúc . Nếu được cung cấp thư viện hình ảnh có thông tin bổ sung, phần mềm thông minh có thể tự học cách tìm lỗi mà không cần bất kỳ ai phải lập trình một dòng mã nào. Thông tin bổ sung này có thể chỉ ra sản phẩm nào tốt và sản phẩm nào xấu hoặc chỉ ra vị trí lỗi. Ngay cả những sản phẩm có thiết kế đã thay đổi cũng có thể được nhận dạng nhanh chóng. Thêm vào đó, khi xử lý khối lượng lớn ở tốc độ cao, lượng dữ liệu sẽ rất lớn. Hệ thống sẽ không chỉ thu thập thông tin này mà còn sắp xếp chúng. Việc tiếp nhận dữ liệu rất tuyệt nhưng việc hiểu và hưởng lợi từ dữ liệu còn tuyệt vời hơn nhiều.

Với các hệ thống dữ liệu thông minh được tạo ra, thông tin mà chúng tiếp nhận vượt xa chất lượng sản phẩm. Khi có sự bất thường, các thuật toán thông minh của hệ thống dễ dàng xem xét dữ liệu trước mặt chúng và có thể chỉ ra những điểm đấy. Thông qua thuật toán máy tự học, chúng có thể phát hiện xem những sự không nhất quán này là dấu hiệu của sự cố với lô hàng hay sự cố với máy móc. Thông tin này mở ra cánh cửa cho hành động chủ động như lên lịch bảo trì phòng ngừa .

Kết luận

Trong hầu hết mọi tình huống, Machine Vision có thể sánh ngang hoặc thậm chí vượt qua khả năng kiểm tra trực quan của mắt và não chúng ta . Cạnh tranh rất khốc liệt và các công ty công nghệ cao đang chuẩn bị hành động . Một nhóm máy móc được đào tạo bài bản là hình thức bảo vệ tốt nhất khi chăm sóc thương hiệu của bạn. Machine Vision và máy tự học sẽ nhìn thấy và nhận dạng các mẫu mà mắt và não người không thể xử lý với cùng tốc độ. Do đó, chúng ở đó để bảo vệ sản phẩm của bạn và phát triển thương hiệu của bạn nhanh hơn tốc độ ánh sáng, hoặc ít nhất là gần như vậy.