benlong 
Kiểm tra Thị giác AI trong Sản xuất: Nó Khác Biệt Như Thế Nào so với Thị giác Máy trên Dây chuyền Lắp ráp Thực tế
Bộ ngắt mạch thu nhỏ chỉ còn một bước nữa là nắp của nó sẽ được gắn chặt. Trong vòng hai hoặc ba giây, camera phải kiểm tra xem các đinh tán có mặt đầy đủ, tay cầm được lắp đúng chiều và các dấu laser đã được tạo ra chưa. Hệ thống thị giác dựa trên quy tắc phát hiện một đinh tán có độ bóng hơi nhiều hơn đinh tán tiêu chuẩn và báo lỗi là không có mặt. Người vận hành đặt lại báo động và điều tương tự xảy ra sau mười phút. Kiểm tra thị giác AI hoạt động theo một cách hoàn toàn khác. Hệ thống không chỉ đơn giản tuân theo các quy tắc của kỹ sư mà học hỏi hình ảnh của một sản phẩm tốt từ một tập hợp các hình ảnh.
Nói ngắn gọn, kiểm tra thị giác AI dựa vào camera công nghiệp và mô hình học sâu được đào tạo sử dụng hình ảnh của các thành phần khác nhau để xác định xem sản phẩm có đáp ứng tiêu chuẩn chất lượng hay không. AI có ưu thế khi xử lý các khuyết tật không có hình dạng cố định, ví dụ như vết xước, vết nứt, dấu hiệu bị hư hỏng và vết bắn hàn vì hệ thống thị giác dựa trên quy tắc không thể xử lý tốt các trường hợp này. Do đó, kiểm tra thị giác AI đóng vai trò là công nghệ bổ sung cho thị giác dựa trên quy tắc trong các hoạt động đo lường hoặc đọc mã, không thay thế nhu cầu kiểm tra điện như đường cong ngắt mạch, điện trở tiếp xúc và kiểm tra cách điện.
Kiểm tra thị giác AI là gì?
Công nghệ kiểm tra thị giác trí tuệ nhân tạo (AI) thường được gọi là hệ thống kiểm tra dựa trên camera vì nó sử dụng camera để đưa ra quyết định kiểm tra dựa trên khả năng trí tuệ nhân tạo. Đây không phải là công nghệ đổi mới mang lại loại ánh sáng mới; mà là cách xử lý dữ liệu kiểm tra mới.
Trên dây chuyền sản xuất, quy trình kiểm tra bao gồm bốn bước chính:
Thu nhận hình ảnh. Một bộ phận đến khu vực kiểm tra; cảm biến được kích hoạt và camera chụp hình ảnh.
So sánh hình ảnh. Mô hình so sánh hình ảnh đã chụp với các mẫu tốt và mẫu lỗi đã học trước đó và cung cấp điểm số thể hiện khả năng có khuyết tật và thường xuyên cung cấp thông tin về vị trí khuyết tật trên hình ảnh.
Xử lý kết quả. Quyết định đạt hay không đạt được đưa ra dựa trên ngưỡng do kỹ sư định nghĩa dựa trên điểm số nhận được từ mô hình.
Xử lý phản hồi. Bộ phận hoặc bị loại bỏ hoặc được phép tiếp tục; hình ảnh đã chụp, điểm số và kết quả cuối cùng được lưu dưới số sê-ri của bộ phận.
Bước thứ tư thường bị bỏ qua nhưng lại là một trong những bước quan trọng nhất. Nếu khách hàng trả lại sản phẩm lỗi, chúng ta sẽ có khả năng tham khảo hình ảnh đã sản xuất và tìm hiểu khuyết tật trông như thế nào.
Kiểm tra thị giác AI so với thị giác máy và AOI
Hầu hết các câu hỏi về chủ đề này đều là so sánh giữa thị giác máy và thị giác AI. Trong ngôn ngữ hàng ngày, có bốn phương thức kiểm tra thị giác bộ phận, và mỗi phương thức thực hiện nhiệm vụ riêng biệt. Hơn nữa, tất cả các phương thức, ngoại trừ phương thức đầu tiên, đều thuộc loại kiểm tra thị giác tự động.
| Kiểm tra thủ công | Thị giác máy dựa trên quy tắc | AOI (kiểm tra quang học tự động) | Kiểm tra thị giác AI | |
|---|---|---|---|---|
| Cách quyết định | Đánh giá của người vận hành | Quy tắc do kỹ sư lập trình: cạnh, đốm, đo lường, so khớp mẫu | So sánh quy tắc và tham chiếu, xây dựng cho PCB | Mô hình được đào tạo trên hình ảnh của các bộ phận tốt và xấu |
| Chuyển đổi sang sản phẩm mới | Nhanh, nhưng phụ thuộc vào đào tạo và sự chú ý | Quy tắc mới và điều chỉnh, thường mất từ vài giờ đến vài ngày | Chương trình bo mạch mới từ CAD và bo mạch tham chiếu | Tải mô hình cho biến thể đó; đào tạo mô hình mới nếu sản phẩm là mới |
| Những gì nó làm tốt | Khiếm khuyết bất thường, đánh giá chủ quan | Kích thước, sự có mặt/vắng mặt, đọc mã vạch và mã | Mối hàn và linh kiện trên bo mạch | Khiếm khuyết biến đổi: trầy xước, nứt, đánh dấu hỏng, bắn tóe, biến đổi màu sắc |
| Nơi nó thất bại | Mệt mỏi, không nhất quán, tốc độ | Biến đổi về độ bóng, màu sắc hoặc vị trí mà nó không được lập trình | Bất cứ thứ gì không phải là PCB | Loại khiếm khuyết nó chưa từng thấy; thay đổi ánh sáng hoặc vật liệu |
| Loại bỏ sai | Thay đổi theo người và ca làm việc | Cao khi ngoại hình thay đổi tự nhiên | Trung bình; cần điều chỉnh theo từng bo mạch | Thấp hơn với các đặc điểm biến đổi khi đã được đào tạo, nhưng phải kiểm tra trên các bộ phận của bạn |
| Đo lường chính xác | Không | Có, đó là điểm mạnh chính của nó | Có, cho các đặc điểm trên bo mạch | Không phải nhiệm vụ của nó; sử dụng quy tắc để đo lường |
| Nó có thể giải thích lý do loại bỏ không? | Một phần | Có: quy tắc nào thất bại | Có: kiểm tra nào thất bại | Một phần: điểm số và bản đồ nhiệt, không phải quy tắc |
Chúng tôi có thể đưa ra ba kết luận sau: tiếp tục sử dụng các kỹ thuật thị giác dựa trên quy tắc để đánh giá kích thước, sự có mặt của vật thể và đọc mã vì nó nhanh, chính xác và đơn giản; và sử dụng công nghệ AI để phát hiện các khuyết điểm thay đổi liên tục như trầy xước, đánh dấu không hoàn chỉnh và biến đổi màu sắc; cũng cần nhớ rằng AOI PCB và các lắp ráp điện áp thấp đại diện cho các vấn đề khác nhau: Máy AOI cho bo mạch sẽ không hoạt động đúng với các bộ ngắt mạch, và công nghệ AI được sử dụng và đào tạo trên bộ ngắt mạch sẽ không hoạt động với điện tử bên trong RCBO.
Hệ Thống Kiểm Tra Thị Giác AI Bao Gồm Những Gì
Hệ thống kiểm tra thị giác AI trên dây chuyền sản xuất bao gồm năm thành phần. Mọi người đều nói về mô hình, trong khi bốn thành phần còn lại quyết định xem một dự án có được chấp nhận hay không.
Máy ảnh
Lựa chọn camera công nghiệp là camera quét vùng và độ phân giải phụ thuộc vào kích thước nhỏ nhất của khuyết điểm bạn quan tâm xác định. Nếu bạn quan tâm đến các vết nứt 0,1 mm, bạn cần có đủ số điểm ảnh bao phủ chiều dài đó để xác định trường nhìn và độ phân giải của camera. Trong một số trường hợp, ứng dụng yêu cầu sử dụng hai camera hoặc gương để quan sát cả hai mặt của bộ phận được kiểm tra.
Chiếu sáng
Chiếu sáng là một phần riêng biệt vì phần lớn các lỗi xảy ra do chiếu sáng kém. Các tiếp điểm bạc, linh kiện đồng và vỏ sáng bóng phản chiếu ánh sáng theo nhiều cách khác nhau, tùy thuộc vào góc của vật thể. Đèn vòng, đèn mái vòm, đèn nền và đèn góc thấp được sử dụng để phát hiện các loại khuyết điểm khác nhau. Nếu ánh sáng không ổn định trước khi bắt đầu đào tạo mô hình, dự án sẽ không thành công. Mô hình sẽ học các vấn đề liên quan đến ánh sáng thay vì các khuyết tật có trong các bộ phận được kiểm tra.
Tính toán tại Trạm
Việc suy luận được thực hiện trên máy tính biên hoặc trực tiếp trong camera thông minh tại trạm, nhưng không phải trên đám mây. Việc đưa ra quyết định trở lại PLC trong thời gian chu kỳ là rất quan trọng, để dây chuyền sản xuất không phải chờ kết nối. Hình ảnh được lưu trữ trên đám mây hoặc máy chủ của nhà máy, nơi các mô hình được đào tạo lại.
Mô hình
Hai loại mô hình thường được sử dụng trong hệ thống kiểm tra. Mô hình phân loại và phân đoạn được đào tạo sử dụng các mẫu của các bộ phận bình thường và các loại khuyết tật. Mô hình phát hiện dị thường chỉ học các đặc tính của các bộ phận bình thường và phát hiện bất cứ thứ gì có vẻ khác biệt, điều này hoạt động tốt nếu không có khuyết tật. Nhiều giải pháp sử dụng cả hai loại mô hình đã đề cập.
Giao tiếp với PLC
Trong quá trình giao tiếp, hệ thống camera và PLC trao đổi một vài tín hiệu đơn giản: bộ phận đã vào vị trí, kích hoạt, kết quả, thành công hoặc thất bại và đôi khi là mã khuyết tật. Kết quả và hình ảnh được gửi đến MES sử dụng giao diện chuẩn như OPC UA hoặc Modbus TCP, cho phép tìm bất kỳ hình ảnh nào bằng số sê-ri. Tổng quan của chúng tôi về cảm biến tự động hóa công nghiệp giải thích vị trí của thị giác trong số các cảm biến khác trên máy.
Vị trí của Kiểm tra Thị giác AI trên Dây chuyền Lắp ráp Điện
Trí tuệ nhân tạo có vị trí trong bối cảnh phát hiện khuyết tật khi nói đến bộ ngắt mạch và tiếp điểm. Bảng dưới đây hiển thị nhiều loại quy trình kiểm tra thị giác có thể được sử dụng và xác định cách thực hiện tốt nhất bằng AI, quy tắc hoặc cả hai. Thời gian suy luận dao động trong vài chục mili giây, vẫn chấp nhận được vì thời gian chu kỳ trạm khoảng 2–3,5 giây trên một Dây chuyền lắp ráp tự động MCB.
| Kiểm tra | Những gì có thể sai | Quy tắc hay AI? | Tại sao |
|---|---|---|---|
| Sự hiện diện của đinh tán | Đinh tán thiếu hoặc lắp không đầy đủ | Quy tắc trước; AI nếu độ sáng thay đổi nhiều | Việc phát hiện sự hiện diện đơn giản, nhưng phản xạ gây ra loại bỏ sai |
| Vị trí và độ nghiêng của tiếp điểm | Tiếp điểm bạc nghiêng hoặc lệch tâm | Quy tắc cho vị trí; AI cho hư hại bề mặt | Vị trí là phép đo; hư hại thì không phải |
| Tay cầm và cực tính | Tay cầm lắp ngược, thứ tự cực sai | Quy tắc | Hình học cố định, mẫu rõ ràng |
| Đánh dấu laser và OCR | Ký tự thiếu, mờ hoặc bị hỏng | AI OCR cho dấu bị hỏng; quy tắc cho mã | AI xử lý tốt hơn với dấu một phần hoặc độ tương phản thấp |
| Vết nứt và vết lõm trên vỏ | Khuyết tật khuôn, thiếu nhựa, biến đổi màu sắc | Trí tuệ nhân tạo | Khuyết tật thay đổi về hình dạng và vị trí |
| Lắp đầu cắm | Đầu cắm chưa được lắp đầy đủ | Quy tắc hoặc đo 3D | Độ sâu là một kích thước |
| Nhãn và tờ hướng dẫn | Nhãn sai, thiếu tờ hướng dẫn | Quy tắc cộng OCR | So khớp với công thức |
| Bắn tóe hàn và ba via | Bắn tóe trên tiếp điểm, ba via trên các bộ phận hàn | Trí tuệ nhân tạo | Hình dạng và kích thước không đều |
Máy móc của Benlong hiện nay sử dụng phần dựa trên quy tắc của bảng này. Trên Máy lắp ráp MCB đa cực, một camera CCD kiểm tra căn chỉnh thành bên và khoảng cách cực, đồng thời định vị các bộ phận với độ chính xác ±0,05 mm trước khi đóng đinh tán. Dây chuyền kiểm tra tự động MCB bao gồm kiểm tra thị giác vỏ, nhãn và vít. AI bổ sung nhiều nhất ở những nơi có khuyết tật không đều, đó là lý do tại sao vỏ, đánh dấu và mối hàn đứng đầu danh sách.
Những điều Thị Giác Không Nên Đánh Giá
Có những khuyết tật nghiêm trọng trong bộ ngắt mạch mà không thể xác định bằng mắt thường:
Công nghệ ngắt tức thời;
Thời gian ở 1,13 và 1,45 lần dòng định mức cho ngắt nhiệt;
Điện trở tiếp xúc;
Độ bền điện môi;
Thời gian ngắt dòng dư trong RCCB và RCBO.
Một bộ ngắt có thể trông hoàn hảo, nhưng vẫn có thể ngắt muộn. Việc kiểm tra các đặc tính đã đề cập được thực hiện bằng bàn thử, chẳng hạn như máy thử ngắt từ MCB và thử điện áp cao, với sai số thời gian ngắt ±1 ms cho mỗi thiết bị được kiểm tra. Một camera phát hiện hình dạng bên ngoài của một bộ phận; kiểm tra điện quyết định xem nó hoạt động đúng hay không. Một dây chuyền tốt kết nối kết quả kiểm tra trên một thiết bị với số sê-ri duy nhất của nó.
Ví dụ: Một Trạm Camera trên Dây Chuyền MCB
Đây là cách một trạm thị giác AI đơn lẻ có thể hoạt động trên dây chuyền bộ ngắt chạy khoảng ba giây mỗi đơn vị. Thời gian là các con số điển hình cho loại trạm này, không phải thông số kỹ thuật.
| Thời gian | Những gì xảy ra |
|---|---|
| 0,00 giây | Bộ ngắt đến vị trí cố định và được kẹp chặt. Một cảm biến xác nhận nó đã vào vị trí. |
| 0,05 giây | PLC gửi tín hiệu kích hoạt. Đèn nháy sáng và camera phơi sáng trong vài mili giây. |
| 0,10–0,20 giây | Hình ảnh được gửi đến máy tính biên. Mô hình kiểm tra các đinh tán, tay cầm, đánh dấu và vỏ, sau đó trả về điểm số cho từng phần. |
| 0,25 giây | Điểm số được so sánh với ngưỡng và kết quả đạt hoặc không đạt, kèm mã lỗi, được gửi đến PLC. |
| 0,30 giây trở đi | Nếu không đạt, PLC điều hướng bộ ngắt đến máng loại bỏ. Nếu đạt, nó tiếp tục. |
| Song song | Hình ảnh, điểm số và kết quả được ghi vào MES dưới số sê-ri của bộ ngắt. |
Quá trình chuyển đổi từ máy này sang máy khác là nơi trí tuệ nhân tạo tạo ra giá trị thực sự. Một bộ ngắt có thể chuyển đổi giữa các mẫu 1P và 4P, các mẫu B, C và D, cũng như nhiều mức dòng điện khác nhau trong một ngày. Với thị giác dựa trên quy tắc, việc chuyển đổi đòi hỏi kỹ sư phải cập nhật vùng quan sát và giới hạn số cho các mẫu khác nhau. Với thị giác AI, các dòng sản phẩm khác nhau có mô hình được đào tạo riêng biệt, và công thức thay đổi máy cũng được dùng để chọn mô hình phù hợp.
Khi xuất hiện biến thể mới, nhóm cần thu thập hình ảnh, tạo mô hình và kiểm tra trước khi đưa vào vận hành. Nghe có vẻ phức tạp, nhưng việc này chỉ cần làm một lần cho mỗi mô hình, bất kể có bao nhiêu thay đổi bộ ngắt.
Cách Các Nhà Sản Xuất Sử Dụng Kiểm Tra Thị Giác AI Ngày Nay
Một vài ví dụ công khai cho thấy công nghệ đã lan rộng đến đâu và giới hạn của nó ở đâu.
Cognex và Keyence: AI trong Camera Thông Minh
Cognex đã tích hợp một hệ thống học sâu vào camera thông minh công nghiệp In-Sight D900 mới nhất của mình, sử dụng công nghệ học sâu ViDi cho nhận dạng ký tự quang học, xác minh lắp ráp và phát hiện khuyết tật. Camera In-Sight L38 mới nhất của họ kết hợp AI với thị giác hai chiều và ba chiều và chỉ yêu cầu từ 5-10 hình ảnh có nhãn để cấu hình, theo báo cáo của Cognex. Trong khi đó, dòng camera IV4 do Keyence sản xuất bao gồm các chức năng AI để nhận dạng linh kiện, đếm và đọc ký tự với các đề xuất cho hình ảnh tối ưu. Tương lai đã rõ ràng: việc tích hợp AI vào camera là một thực tế.
Siemens: Kiểm tra AI trong một hộp
Vào năm 2024, Siemens đã mua lại một công ty Đức có tên Inspekto cung cấp giải pháp kiểm tra hình ảnh dựa trên AI dưới dạng một đơn vị duy nhất bao gồm camera, nguồn sáng, ống kính và phần mềm. Việc đào tạo hệ thống bao gồm khoảng 20-30 hình ảnh sản phẩm tốt; hơn nữa, việc lắp đặt có thể được hoàn thành bởi chính các nhân viên vận hành mà không cần sự can thiệp tích hợp. Một dự án tham khảo do Siemens thực hiện đã thay thế việc đánh giá thủ công các bộ phận dập bằng công nghệ AI và cho phép giảm số lần kiểm tra thủ công lên đến tám mươi phần trăm.
BMW và các Nhà máy Ngọn Hải đăng
Hệ thống AIQX của BMW thu thập thông tin về quy trình sản xuất qua các camera đặt tại dây chuyền lắp ráp, kiểm tra các biến thể và tính đầy đủ, cũng như phát hiện bất thường theo thời gian thực và cung cấp phản hồi ngay lập tức cho các nhân viên vận hành. Hơn nữa, Nhà máy Singapore của Rockwell Automation, được đề cập trong danh sách các Ngọn Hải đăng Toàn cầu mới nhất của Diễn đàn Kinh tế Thế giới, đã báo cáo giảm 35% các khuyết tật nhờ hệ thống kiểm soát chất lượng AI. Hướng dẫn của chúng tôi về ví dụ ngọn hải đăng nhà máy cho thấy cách kiểm tra hình ảnh phù hợp trong vòng lặp dữ liệu rộng hơn tại các nhà máy Siemens, Schneider Electric và Eaton.
Foxconn và Sản xuất Điện tử: Đây là AOI
Foxconn Industrial Internet và Wistron đang triển khai hệ thống AI thị giác Metropolis của Nvidia để đánh giá tự động các bảng mạch. Trường hợp ứng dụng ấn tượng này chỉ liên quan đến việc đánh giá các bảng mạch. Việc kiểm tra các thành phần khác, như tiếp điểm, thiết bị cố định và đầu nối, đòi hỏi phát triển các hệ thống chiếu sáng đặc biệt và các mô hình riêng biệt.
Ngành Ô tô Đang Viết Quy Tắc: AIAG CQI-38
Vào tháng 6 năm 2026, AIAG đã công bố hướng dẫn mang tên CQI-38 nhằm vào công nghệ kiểm tra hình ảnh và đánh giá ứng dụng. Tài liệu cung cấp cho các OEM, nhà cung cấp và nhà sản xuất một quy trình đánh giá tiêu chuẩn cho bất kỳ hệ thống kiểm tra hình ảnh dựa trên AI nào. Mặc dù các nhà sản xuất điện áp thấp không bắt buộc phải sử dụng CQI-38, các biện pháp phòng ngừa để xác thực công nghệ này rất đáng quan tâm đối với bất kỳ ai tham gia đánh giá công nghệ AI hình ảnh.
Triển khai Kiểm tra Thị giác AI mà Không Cần Thử Nghiệm Sáu Tháng
Khi các chương trình thử nghiệm thị giác AI kéo dài hàng tháng, có những lý do phổ biến dẫn đến thất bại. Danh sách sau đây giúp ngăn ngừa điều đó.
Ban đầu chỉ tập trung vào một lỗi duy nhất. Thay vì áp dụng công nghệ thị giác vào dây chuyền sản xuất ngay từ đầu, hãy chọn một lỗi gây thiệt hại tài chính hiện tại, ví dụ như in thiếu hoặc vỏ bị hư hỏng.
Cung cấp ánh sáng và vị trí chính xác của các bộ phận trước khi chụp ảnh. Trong quá trình đào tạo mô hình, ánh sáng và chuyển động của bộ phận sẽ tạo ra nhiễu thay vì lỗi.
Thu thập nhiều hình ảnh chất lượng và phân biệt các loại lỗi. Khi xử lý các loại lỗi hiếm, việc thực hiện phát hiện bất thường sẽ hiệu quả hơn là giả vờ có 500 hình ảnh lỗi xảy ra hai lần mỗi tháng.
So sánh số lượng từ chối sai và bỏ sót trong thiết bị của bạn. Con số 99% của nhà cung cấp sử dụng mô hình demo không có ý nghĩa nếu vỏ được xem dưới ánh sáng khác nhau.
Thực hiện suy luận tại biên và trong thời gian chu trình của các hoạt động. Đám mây và máy chủ chỉ được sử dụng để lưu ảnh và huấn luyện lại mô hình.
Sử dụng chế độ bóng để ghi lại và đánh giá đầu vào, nhưng không từ chối bất kỳ kết quả nào ở giai đoạn đó. Chế độ này cho phép ước tính tỷ lệ kết luận AI so với nhận định của người kiểm tra trước khi bắt đầu sử dụng hệ thống.
Xác nhận lại sau mỗi lần sửa đổi trong trường hợp thay đổi dây chuyền sản xuất hoặc sản xuất các loại thiết bị khác nhau.
Từ chối sai: Con số quyết định liệu dây chuyền có giữ lại camera hay không
Hai giá trị quan trọng hơn nhiều so với bất kỳ giá trị độ chính xác nào được đề cập trên tờ rơi. Tỷ lệ bỏ sót cho biết có bao nhiêu sản phẩm lỗi được camera cho phép. Tỷ lệ từ chối sai cho biết có bao nhiêu sản phẩm không lỗi bị loại bỏ.
Để làm rõ tình huống, hãy xem một ví dụ không lấy từ thực tế. Một trong các dây chuyền sản xuất tạo ra một lô 10000 bộ ngắt mạch, trong đó có 50 bộ bị lỗi bề mặt.
| Cài đặt A: ngưỡng nghiêm ngặt | Cài đặt B: ngưỡng lỏng lẻo | |
|---|---|---|
| Bộ ngắt lỗi bị phát hiện | 49 trong 50 (98% hồi tưởng) | 46 trong 50 (92% hồi tưởng) |
| Bộ ngắt lỗi bị bỏ sót | 1 | 4 |
| Bộ ngắt tốt bị từ chối | 150 (1.5% tỷ lệ từ chối sai) | 20 (0.2% tỷ lệ từ chối sai) |
| Tỷ lệ từ chối thực sự là lỗi | 49 trong 199, khoảng 25% độ chính xác | 46 trong 66, khoảng 70% độ chính xác |
Mọi thứ dường như được phát hiện bởi Cài đặt A, nhưng hóa ra ba trong bốn bộ ngắt bị từ chối hoàn toàn tốt. Ngược lại, Cài đặt B nhận được đánh giá tốt từ các vận hành viên và để lọt bốn bộ ngắt lỗi.
Hệ quả của hai kịch bản không đối xứng. Giữ lại một bộ ngắt mạch bị lỗi có thể gây ra chập mạch tốn kém hơn nhiều so với việc loại bỏ một số bộ ngắt tốt. Nhưng nếu tỷ lệ loại bỏ sai quá cao, người vận hành sẽ ngừng tin tưởng vào camera, sẽ bắt đầu cho các bộ phận bị loại bỏ chạy lại mà không kiểm tra và cuối cùng sẽ tắt nó đi. Vì vậy, quy tắc vàng để triển khai hệ thống thành công là bảo vệ tỷ lệ loại bỏ các khuyết tật quan trọng và sau đó cải thiện tỷ lệ loại bỏ sai bằng cách lắp đặt ánh sáng tốt hơn, nhiều hình ảnh đào tạo hơn, ngưỡng khác nhau cho từng loại khuyết tật.
AI Vision, PLC, MES và các thành phần còn lại của dây chuyền
Một trạm thị giác là một thành phần của hệ thống tự động hóa giúp ra quyết định thông qua camera, PLC thực hiện quyết định đó và MES lưu trữ hình ảnh cùng với kết quả liên quan đến số sê-ri liên quan đến kết quả kiểm tra điện được tạo ra trong các giai đoạn tiếp theo của quá trình sản xuất, từ đó cho phép thu thập thông tin hữu ích, không chỉ lưu trữ dữ liệu:
- Trước khi xây dựng trạm, bản sao kỹ thuật số của dây chuyền sản xuất có thể cho thấy liệu camera có phù hợp với thời gian chu trình và liệu các đồ gá hoặc kẹp có che khuất tầm nhìn của nó hay không.
- Khi tỷ lệ khuyết tật bắt đầu dao động, AI tác nhân trong sản xuất xác định ai hoặc cái gì quyết định có nên mở rộng mẫu kiểm tra hay dừng dây chuyền.
- Thị giác cũng là một trong những giác quan đằng sau trí tuệ nhân tạo vật lý trong sản xuất, nơi máy móc nhìn thấy và điều chỉnh những gì chúng đang làm trong một vòng lặp khép kín.
- Sản xuất không cần người phụ thuộc vào kiểm tra không còn cần người tại trạm, đó là lý do tại sao mọi nhà máy tối đều dựa vào kiểm tra trực tuyến và phân loại tự động.
Chi phí và những gì nó không thay thế
Chúng tôi sẽ không cung cấp kích thước thị trường tại điểm này vì chúng không liên quan đến thị trường của bạn. Điều quan trọng là tổng chi phí được chi cho những gì. Camera và đèn chỉ là phần nhỏ trong số đó, trong khi phần lớn là kỹ thuật sử dụng cho đồ gá và chiếu sáng, chụp và gán nhãn hình ảnh, xác thực và lãng phí thời gian sản xuất trong trường hợp loại bỏ sai làm dừng dây chuyền trong quá trình khởi động.
Hơn nữa, điều quan trọng là biết bạn đang trả tiền cho cái gì. Ví dụ, một trạm thị giác được làm như một phần của máy chuyên dụng khác với giấy phép phần mềm kiểm tra sử dụng AI. Cái đầu tiên bao gồm đồ gá, chiếu sáng, điều khiển PLC và MES đã được tối ưu hóa cho bộ phận cụ thể của bạn. Lựa chọn thứ hai chỉ cung cấp cho bạn một bộ công cụ và để bạn tự tích hợp.
Câu hỏi thường gặp
Kiểm tra thị giác AI là gì?
Kiểm tra thị giác AI được định nghĩa là một loại kiểm tra thị giác được thực hiện bởi máy móc được trang bị camera chụp hình các thành phần trong quá trình kiểm tra, sau đó những hình ảnh đó được phân tích bởi mạng nơ-ron sâu đã được đào tạo dựa trên hình ảnh của các thành phần bị lỗi và tốt. Kiểm tra thị giác AI hữu ích để phát hiện các khuyết tật có hình dạng và vị trí khác nhau như vết xước, nứt, vết bẩn và bắn tóe hàn.
Kiểm tra thị giác AI khác với thị giác máy như thế nào?
Thị giác máy hoạt động dựa trên các quy tắc được lập trình bởi kỹ sư, như đo chiều dài của một cạnh hoặc kiểm tra sự hiện diện của một đốm có kích thước nhất định. Thị giác AI học từ các ví dụ được cung cấp. Trong khi thị giác dựa trên quy tắc tốt hơn cho các phép đo chính xác, kiểm tra sự hiện diện và đọc mã, thị giác AI có thể xử lý các khuyết tật có hình dạng khác nhau mỗi lần. Phần lớn các dây chuyền sản xuất sử dụng cả hai loại thị giác này.
Thị giác AI có thể thay thế AOI không?
Thông thường thì không. Máy AOI được thiết kế để làm việc cho bảng mạch in, với hệ thống chiếu sáng tích hợp, lập trình và thư viện để phát hiện các mối hàn và linh kiện. Trong khi một trong những xu hướng là AI ngày càng được áp dụng nhiều hơn cho AOI để tránh báo động giả, hệ thống thị giác AI phát triển cho các thiết bị như bộ ngắt mạch có thể được sử dụng thay cho AOI trong PC, và ngược lại cũng vậy.
Cần bao nhiêu hình ảnh để đào tạo hệ thống kiểm tra thị giác AI?
Điều này thường được xác định bởi loại khuyết tật và phương pháp được sử dụng để phát hiện nó. Một số nhà cung cấp đề xuất số lượng tối thiểu để bắt đầu, trong khi Siemens Inspekto đề xuất gần 20-30 hình ảnh của các bộ phận tốt, còn Cognex chỉ yêu cầu 5-10 hình ảnh có nhãn cho mỗi nhiệm vụ với In-Sight L38 của họ. Tuy nhiên trong hầu hết các trường hợp, một mô hình sản xuất đáng tin cậy chắc chắn cần hàng trăm hình ảnh “tốt” trong điều kiện ánh sáng ổn định, cùng với các ví dụ của từng loại khuyết tật.
Từ chối sai trong kiểm tra thị giác là gì?
Từ chối sai được định nghĩa là việc từ chối một bộ phận thực sự ở trạng thái tốt. Tỷ lệ từ chối sai đơn giản là tỷ lệ phần trăm các bộ phận tốt bị từ chối. Điều này quan trọng, vì trong mỗi trường hợp từ chối sai không chỉ mất vật liệu mà còn mất thời gian làm lại, và nếu tỷ lệ quá cao, công nhân bắt đầu mất niềm tin vào hệ thống và có thể bỏ qua nó.
Thị giác AI có hoạt động cho lắp ráp bộ ngắt mạch không?
Thực tế, đánh dấu laser có thể được sử dụng cho kiểm tra thị giác, bao gồm các khu vực hư hỏng vỏ và vấn đề co rút. Tuy nhiên, nó không thay thế kiểm tra điện, do đó các đường cong ngắt, điện trở tiếp xúc, độ bền điện môi và thời gian ngắt dòng dư cần được đo trên các băng thử nghiệm nơi dữ liệu thị giác và điện được lưu giữ dưới cùng một số sê-ri.
Phần kết luận
Thị giác máy không thay thế cho tất cả các công nghệ trước đây. Vẫn còn các thiết bị đo và đầu đọc mã. Các băng thử nghiệm vẫn xác định liệu bộ ngắt mạch có mở đúng thời gian hay không. AI mang lại khả năng đánh giá các khuyết điểm trong các mẫu thay đổi mỗi lần và duy trì đánh giá ngay cả khi công nghệ thay đổi mà không cần viết lại quy tắc bởi người vận hành.
Các công ty hưởng lợi từ công nghệ thị giác máy bắt đầu với những việc đơn giản như điều chỉnh ánh sáng hoặc cố gắng hiểu bao nhiêu sản phẩm bị từ chối thực sự là sai và kết nối mỗi hình ảnh với một số sê-ri.
Tài liệu tham khảo
- Thiết kế hệ thống thị giác – Camera thông minh sử dụng học sâu do Cognex giới thiệu (In-Sight D900)
- Hệ thống thị giác 3D sử dụng AI Cognex In-Sight L38 – đào tạo dựa trên ví dụ với 5–10 hình ảnh được gán nhãn cho mỗi nhiệm vụ.
- Keyence – cảm biến thị giác dòng IV4 tích hợp AI
- Thiết kế hệ thống thị giác – Siemens mua lại startup kiểm tra thị giác tự động Inspekto (2024)
- Siemens – Kiểm tra chất lượng thị giác có thể mở rộng sử dụng trí tuệ nhân tạo (dự án tham khảo)
- BMW Group – Cách AI đang cách mạng hóa sản xuất (AIQX)
- Nvidia – Các nhà sản xuất điện tử áp dụng Metropolis cho nhà máy (2023)
- Diễn đàn Kinh tế Thế giới – Các địa điểm Lighthouse toàn cầu mới (Tháng 6 năm 2026)
- AIAG – Đánh giá quy trình đặc biệt và Hướng dẫn ứng dụng và đánh giá kiểm tra thị giác AI CQI-38 (Tháng 6 năm 2026)
Muốn kiểm tra thị giác và kiểm tra điện trên mọi bộ ngắt mạch?
Nếu bạn sản xuất MCB, MCCB, RCCB hoặc contactor và cần kiểm tra thị giác và điện trên từng sản phẩm, chúng tôi hoan nghênh mẫu sản phẩm của bạn, kết quả yêu cầu và mô tả ngắn gọn về cách bạn đang kiểm tra hiện nay. Các kỹ sư của chúng tôi sẽ xác định những kiểm tra nào có thể phát triển bằng thị giác dựa trên quy tắc, kiểm tra nào với sự trợ giúp của AI và kiểm tra nào có thể thực hiện trên bàn thử nghiệm cũng như cách kết nối tất cả với MES của bạn.
