Machine vision là gì? Thành phần, ứng dụng và cách triển khai

Một ca sản xuất có hàng nghìn sản phẩm chạy qua băng tải. Công nhân QC phải nhìn từng chiếc để tìm vết xước, linh kiện lắp thiếu, nhãn in lệch hay mã lô bị mờ. Đến giờ thứ sáu của ca, mắt mỏi, tốc độ dây chuyền không giảm, và lỗi bắt đầu lọt ra ngoài. Đây chính là bài toán mà machine vision (thị giác máy) được sinh ra để giải quyết. Bài viết này giải thích machine vision là gì, một hệ thống gồm những thành phần nào, nó làm được những việc gì trong nhà máy, và cách tự đánh giá xem dây chuyền của bạn có phù hợp trước khi đầu tư.

Machine vision là gì?

Machine vision là công nghệ dùng camera công nghiệp, chiếu sáng chuyên dụng và phần mềm xử lý ảnh để máy móc tự “nhìn”, phân tích và ra quyết định trên dây chuyền sản xuất, thay cho việc kiểm tra bằng mắt người. Kết quả của hệ thống không phải là một bức ảnh đẹp, mà là một tín hiệu hành động: sản phẩm đạt (OK) hay lỗi (NG), kích thước bao nhiêu, mã đọc được là gì, robot cần gắp ở toạ độ nào.

Trong tiếng Việt, machine vision thường được gọi là thị giác máy hoặc hệ thống camera kiểm tra. Điểm cốt lõi là hệ thống được tích hợp thẳng vào dây chuyền: nó nhận tín hiệu kích hoạt khi sản phẩm đến vị trí, chụp ảnh, xử lý trong tích tắc rồi gửi kết quả cho PLC để loại bỏ sản phẩm lỗi, dừng máy hoặc ghi dữ liệu vào MES.

Machine vision khác computer vision thế nào?

Hai khái niệm này hay bị dùng lẫn. Computer vision là lĩnh vực rộng về việc máy tính hiểu hình ảnh, xuất hiện ở nhận diện khuôn mặt, xe tự lái hay ứng dụng điện thoại. Machine vision là ứng dụng của các kỹ thuật đó trong môi trường công nghiệp, với yêu cầu rất khác: chạy ổn định nhiều ca liên tục, tốc độ theo kịp dây chuyền, chịu rung, bụi và thay đổi nhiệt độ, và quan trọng nhất là kết nối được với thiết bị điều khiển của nhà máy.

Một hệ thống machine vision gồm những thành phần nào?

Dù là một camera thông minh nhỏ gọn hay một hệ thống nhiều camera, mọi giải pháp thị giác máy đều có năm thành phần. Hiểu từng phần giúp bạn biết vì sao hai báo giá cho “cùng một bài toán” có thể khác nhau nhiều.

1. Chiếu sáng (lighting): thành phần thường bị đánh giá thấp nhưng quyết định phần lớn thành công. Ánh sáng đúng làm nổi bật chính xác đặc điểm cần kiểm tra, ví dụ đèn chiếu nghiêng để làm lộ vết xước, đèn nền (backlight) để đo biên dạng, đèn vòm để triệt phản xạ trên bề mặt kim loại bóng. Các hãng như OPT Machine Vision và Moritex chuyên về mảng này.
2. Ống kính (lens): quyết định vùng nhìn, khoảng cách làm việc và độ sắc nét. Với bài toán đo kích thước chính xác, ống kính telecentric (ống kính giữ nguyên độ phóng đại khi vật thay đổi khoảng cách) thường là lựa chọn bắt buộc.
3. Camera / cảm biến ảnh: camera area scan chụp cả khung hình một lần, phù hợp với phần lớn ứng dụng; camera line scan quét từng dòng, dùng cho vật chuyển động liên tục như cuộn vải, màng, giấy hoặc bề mặt lớn. Camera 3D cho thêm thông tin chiều cao, độ phẳng, thể tích. Basler là một trong những hãng camera công nghiệp phổ biến nhất ở mảng này.
4. Phần mềm xử lý ảnh: nơi thực hiện các phép đo, so khớp mẫu, đọc mã, phân loại. Ngày nay phần mềm kết hợp cả thuật toán truyền thống (dựa trên quy tắc) và deep learning (học sâu, học từ ảnh mẫu OK/NG) cho các lỗi khó định nghĩa bằng quy tắc.
5. Kết nối và điều khiển: tín hiệu I/O, giao thức truyền thông công nghiệp với PLC, robot, và đẩy dữ liệu lên MES/ERP để truy xuất nguồn gốc.

Có hai cách đóng gói phổ biến. Camera thông minh (smart camera, ví dụ dòng Cognex In-Sight) tích hợp cảm biến, bộ xử lý và phần mềm trong một khối, lắp đặt nhanh, phù hợp với từng trạm kiểm tra. Hệ thống dựa trên PC dùng camera rời kết nối máy tính công nghiệp, linh hoạt hơn khi cần nhiều camera, độ phân giải cao hoặc thuật toán tuỳ biến. Bạn có thể xem thêm về các dòng camera công nghiệp mà BeeVision phân phối.

Machine vision làm được gì trong nhà máy?

Các hãng trong ngành thường chia ứng dụng thị giác máy thành bốn nhóm bài toán. Gần như mọi yêu cầu từ nhà máy đều rơi vào một hoặc kết hợp nhiều nhóm sau:

Nhóm bài toán	Máy trả lời câu hỏi	Ví dụ trong nhà máy Việt Nam
Dẫn hướng (guidance)	Vật đang ở đâu, xoay góc bao nhiêu?	Dẫn robot gắp linh kiện để lộn xộn trên khay, căn chỉnh tấm kính trước khi dán, định vị PCB trước khi hàn.
Nhận dạng (identification)	Đây là sản phẩm gì, mã là gì?	Đọc mã DataMatrix khắc laser trên linh kiện, đọc mã vạch trên thùng hàng, kiểm tra hạn sử dụng in trên bao bì (OCR).
Đo lường (gauging)	Kích thước có nằm trong dung sai không?	Đo đường kính lỗ, khoảng cách chân linh kiện, chiều cao keo, độ đồng tâm của chi tiết cơ khí.
Kiểm tra (inspection)	Sản phẩm có lỗi, có thiếu gì không?	Phát hiện vết xước, bavia, lắp thiếu ốc, nhãn dán lệch, nắp chai đóng không kín, dị vật trong thực phẩm.

Chi tiết từng nhóm, bạn có thể xem tại các trang kiểm tra ngoại quan, đo lường bằng camera vision 2D/3D và dẫn hướng robot. Riêng bài toán đọc mã, các đầu đọc chuyên dụng như Cognex DataMan thường hiệu quả hơn một camera đa năng.

Lợi ích thực tế khi dùng thị giác máy

• Kiểm tra 100% sản phẩm thay vì lấy mẫu, ở đúng tốc độ dây chuyền.
• Tiêu chuẩn nhất quán: cùng một ngưỡng đạt/không đạt cho mọi ca, mọi người vận hành.
• Dữ liệu để truy xuất: mỗi sản phẩm có ảnh và kết quả lưu lại, rất hữu ích khi khách hàng FDI yêu cầu bằng chứng chất lượng.
• Phát hiện sớm vấn đề quy trình: khi tỷ lệ lỗi một loại tăng, kỹ sư biết ngay trạm nào cần điều chỉnh, thay vì phát hiện ở khâu cuối.
• Giải phóng nhân sự QC khỏi công việc lặp lại để tập trung vào phân tích và cải tiến.

Khi nào nên dùng machine vision? Checklist tự đánh giá

Không phải bài toán nào cũng nên giải bằng camera. Trước khi liên hệ nhà cung cấp, hãy tự trả lời các câu hỏi sau. Càng nhiều câu trả lời “có”, dây chuyền của bạn càng phù hợp với thị giác máy:

• Lỗi hoặc đặc điểm cần kiểm tra có nhìn thấy được trên ảnh, dù chỉ với ánh sáng đặc biệt? (Lỗi nằm bên trong vật thể thường cần công nghệ khác như X-ray.)
• Bạn có thể định nghĩa rõ thế nào là OK và NG, tốt nhất là có mẫu vật thật cho cả hai?
• Sản phẩm đi qua một vị trí cố định và có tín hiệu (cảm biến, PLC) để biết khi nào chụp?
• Khách hàng của bạn có yêu cầu kiểm tra 100% hoặc lưu bằng chứng chất lượng?
• Tốc độ dây chuyền hoặc kích thước lỗi đang vượt quá khả năng mắt người?
• Chi phí của một lỗi lọt ra ngoài (khiếu nại, trả hàng, mất khách) có đáng kể?

Nếu còn băn khoăn ở câu đầu tiên, đó chính là lý do bước thử nghiệm trên mẫu thật quan trọng: nhiều lỗi tưởng “không thể thấy” lại hiện rõ khi có góc chiếu sáng đúng, và ngược lại.

Triển khai machine vision bắt đầu từ đâu?

Rủi ro lớn nhất khi đầu tư thị giác máy là mua thiết bị trước rồi mới phát hiện hệ thống không phân biệt được lỗi trong điều kiện thực tế. Cách làm an toàn hơn là đi theo trình tự:

1. Mô tả bài toán: loại sản phẩm, các dạng lỗi, tốc độ dây chuyền, vị trí lắp đặt có thể bố trí.
2. Gửi mẫu OK/NG: càng đủ các dạng lỗi thật càng tốt, kể cả những lỗi ranh giới khó quyết định.
3. Thử nghiệm POC (proof of concept): kỹ sư dựng thử cấu hình camera, ống kính, chiếu sáng và phần mềm trên chính mẫu của bạn, rồi báo cáo kết quả phát hiện được và chưa phát hiện được.
4. Chốt cấu hình và tích hợp: lắp đặt tại dây chuyền, kết nối PLC/MES, tinh chỉnh với sản phẩm thật.
5. Đào tạo và bàn giao: người vận hành biết cách đổi mẫu sản phẩm, xem kết quả và xử lý cảnh báo.

Đây cũng là cách BeeVision làm việc với khách hàng. Đội kỹ thuật thử nghiệm trên mẫu thật trước khi bạn đầu tư, chọn tổ hợp thiết bị phù hợp từ các hãng chính hãng như Cognex, Basler và OPT Machine Vision. Với những bài toán không có sẵn công cụ, đội R&D/AI nội bộ có thể tuỳ biến phần mềm BeeVision Studio theo đúng dây chuyền và kết nối với PLC, MES, ERP. Kỹ sư BeeVision hỗ trợ onsite trên toàn quốc, bằng tiếng Việt và tiếng Anh.

Muốn xem tổng quan các giải pháp theo ngành, hãy tham khảo trang giải pháp vision của BeeVision. Nếu muốn tìm hiểu thêm về nguyên lý từ phía nhà sản xuất, Basler có một bài giới thiệu tổng quan về machine vision (tiếng Anh).

Tóm lại

Machine vision là “đôi mắt” của dây chuyền tự động: camera, ống kính, chiếu sáng và phần mềm phối hợp để dẫn hướng, nhận dạng, đo lường và kiểm tra sản phẩm, rồi gửi quyết định cho hệ thống điều khiển. Công nghệ này phù hợp nhất khi lỗi nhìn thấy được, tiêu chí OK/NG rõ ràng và chi phí của lỗi lọt ra ngoài đủ lớn. Cách chắc chắn nhất để biết bài toán của bạn có giải được không là thử trên mẫu thật trước khi đầu tư.

Theo dõi BeeVision trên LinkedIn để nhận các bài kỹ thuật mới mỗi tuần, và đăng ký kênh YouTube BeeVision để xem các video ngắn giải thích từng ứng dụng machine vision trong 45 giây.

Gửi mẫu OK/NG để đội kỹ thuật BeeVision thử trước khi bạn đầu tư. Chỉ cần mô tả bài toán và gửi vài mẫu sản phẩm, chúng tôi sẽ báo lại hệ thống thị giác máy có phát hiện được lỗi của bạn hay không.

Liên hệ BeeVision:

Website: bee.vision

Email: hive@bee.vision