Computer vision (thị giác máy tính) là dùng camera và mô hình học máy để máy tính "nhìn" và ra quyết định: sản phẩm này có lỗi không, có bao nhiêu thùng trên băng chuyền, công nhân có đội mũ bảo hộ không, đồng hồ áp suất đang chỉ bao nhiêu. Với nhà máy vừa và nhỏ, bốn ứng dụng dưới đây hoàn vốn trong 6 đến 12 tháng vì thay việc mắt người phải làm liên tục và dễ mỏi. Điều kiện thành công không nằm ở mô hình mà ở ánh sáng ổn định, ảnh gắn nhãn đúng, và có người vận hành sau bàn giao.

Vì sao computer vision đã tới tầm nhà máy vừa và nhỏ

Ba năm trước, một hệ thống kiểm lỗi bằng camera cần đội kỹ sư riêng và ngân sách hàng tỷ đồng. Ba thứ đã đổi:

  • Camera công nghiệp và camera thường đủ độ phân giải giá vài triệu đồng.
  • Mô hình nền có sẵn đã học nhận diện vật thể chung; nhà máy chỉ cần dạy thêm vài trăm đến vài nghìn ảnh của sản phẩm mình.
  • Máy tính biên (edge) chạy được mô hình tại xưởng không cần gửi ảnh lên mạng, giải quyết cả tốc độ và bảo mật.

Kết quả: một điểm kiểm tra bằng camera hiện có thể triển khai trong vài tháng với ngân sách vài trăm triệu đồng, và nhiều trường hợp thấp hơn.

4 ứng dụng hoàn vốn nhanh

1. Kiểm lỗi ngoại quan

Bề mặt trầy, thiếu chi tiết, sai màu, lệch vị trí in, mối hàn hở. Đây là ứng dụng phổ biến nhất vì thay trực tiếp công đoạn kiểm tra bằng mắt vốn tốn người, không đều giữa ca sáng và ca đêm, và bỏ sót khi mệt.

Điều kiện: sản phẩm đi qua một vị trí cố định, ánh sáng kiểm soát được, có ít nhất vài trăm ảnh lỗi thật để dạy. Lỗi hiếm (vài ca mỗi tháng) khó hơn nhiều vì không đủ ví dụ; khi đó dùng cách "học sản phẩm đạt rồi báo bất thường" thay vì học từng loại lỗi.

Hiệu quả thường thấy: giảm 60 đến 90% lỗi lọt ra khách hàng, giải phóng 1 đến 3 người mỗi ca cho việc khác.

2. Đếm và truy vết

Đếm sản phẩm trên băng chuyền, đếm thùng lên xe, đọc mã trên kiện hàng, ghép với lệnh sản xuất. Ứng dụng này ít hào nhoáng nhưng hoàn vốn chắc vì thay thế đếm tay và chốt sổ cuối ca, vốn là nguồn lệch kho quen thuộc.

Điều kiện dễ hơn kiểm lỗi: chỉ cần nhận diện vật thể và theo dõi chuyển động. Dữ liệu đếm đổ thẳng vào hệ thống quản lý sản xuất hoặc kho; nếu nhà máy còn quản lý bằng bảng tính, xem từ bảng tính đến hệ thống thông minh để chuẩn bị chỗ nhận dữ liệu.

3. Giám sát an toàn lao động

Phát hiện người không đội mũ, không đeo kính, đi vào vùng cấm quanh máy đang chạy, xe nâng tới gần người. Cảnh báo tại chỗ bằng đèn hoặc còi, ghi sự kiện để rà soát.

Điểm cần cân nhắc: đây là giám sát con người, cần nói rõ với công nhân mục đích là an toàn, không lưu hình ảnh nhận diện danh tính khi không cần, và có quy định nội bộ về ai được xem lại. Làm đúng thì công nhân ủng hộ vì bảo vệ chính họ; làm lén thì phản tác dụng.

4. Đọc đồng hồ, nhãn và màn hình thiết bị cũ

Nhiều máy cũ có đồng hồ cơ, màn hình số không có cổng kết nối. Một camera nhỏ đọc giá trị mỗi phút và ghi vào hệ thống rẻ hơn nhiều so với thay thiết bị hoặc lắp cảm biến. Ứng dụng này thường là bước đầu để có dữ liệu vận hành thật cho bảo trì dự đoán sau đó.

Thứ quyết định thành công không phải mô hình

Kinh nghiệm chung của các dự án thị giác máy tính ở nhà máy: phần mô hình chiếm khoảng 20% công việc. Phần còn lại:

  • Ánh sáng và vị trí camera: 80% vấn đề độ chính xác nằm ở đây. Ánh sáng đổi theo giờ, bóng người đi qua, rung do máy. Một hộp che sáng vài triệu đồng thường tăng độ chính xác hơn bất kỳ cải tiến mô hình nào.
  • Ảnh gắn nhãn đúng: người gắn nhãn phải là người biết thế nào là lỗi theo tiêu chuẩn của nhà máy. Hai người gắn nhãn khác nhau về cùng một ảnh thì mô hình học sự mâu thuẫn đó. Nguyên tắc này giống mọi dự án học máy, xem kiến thức học máy cơ bản cho lãnh đạo.
  • Ngưỡng và quy trình xử lý: mô hình đưa xác suất lỗi; nhà máy quyết ngưỡng loại, ngưỡng đưa người kiểm lại. Sản phẩm bị loại đi đâu, ai kiểm lại, ghi nhận thế nào, phải có trước khi bật hệ thống.
  • Vận hành sau bàn giao: sản phẩm đổi mẫu, nhà cung cấp đổi vật liệu, camera bị lệch khi vệ sinh. Mô hình sẽ trôi. Cần người đo độ chính xác hằng tuần và huấn luyện bổ sung khi cần. Đây là phần quản lý hệ thống AI mà nhiều dự án bỏ qua rồi tắt hệ thống sau nửa năm.

Chi phí thực tế cho một điểm kiểm tra

Số ước tính cho một vị trí camera trên một dây chuyền, sản phẩm có kích cỡ vừa:

  • Phần cứng: camera, ống kính, đèn, hộp che sáng, máy tính biên: 30 đến 120 triệu đồng tuỳ tốc độ dây chuyền và độ phân giải cần.
  • Xây và huấn luyện: thu ảnh, gắn nhãn, huấn luyện, tích hợp báo động và ghi dữ liệu: 100 đến 300 triệu đồng.
  • Vận hành: 5 đến 15 triệu đồng mỗi tháng gồm theo dõi độ chính xác, huấn luyện bổ sung, bảo trì phần mềm.

So với chi phí nhân công kiểm tra 3 ca và chi phí hàng lỗi lọt ra khách, đa số nhà máy hoàn vốn trong 6 đến 12 tháng ở điểm kiểm tra đầu tiên; điểm thứ hai trở đi rẻ hơn vì tái dùng hạ tầng và quy trình.

Lộ trình thử nghiệm 8 tuần

  1. Tuần 1 và 2: chọn một điểm kiểm tra, lắp camera và đèn, thu 2.000 đến 5.000 ảnh trong điều kiện thật ở cả ba ca.
  2. Tuần 3 và 4: gắn nhãn với người kiểm tra giỏi nhất của nhà máy, huấn luyện mô hình lần đầu, đo trên ảnh chưa dùng để học.
  3. Tuần 5 và 6: chạy song song với người kiểm tra, ghi cả hai kết quả, không tác động dây chuyền. So sánh, tìm chỗ lệch, sửa ánh sáng hoặc bổ sung ảnh.
  4. Tuần 7 và 8: bật cảnh báo thật với ngưỡng thận trọng, người kiểm lại các ca mô hình không chắc. Chốt số liệu: tỷ lệ bắt đúng, tỷ lệ báo nhầm, thời gian xử lý mỗi sản phẩm.

Cuối tuần 8 có đủ số liệu để quyết định mở rộng hay dừng, với chi phí bằng một phần nhỏ của triển khai toàn nhà máy.

5 lý do dự án thất bại

  1. Bắt đầu bằng lỗi hiếm nhất và khó nhất vì nó gây thiệt hại lớn nhất. Hãy bắt đầu bằng lỗi phổ biến để có dữ liệu và niềm tin, rồi mới tới lỗi hiếm.
  2. Thu ảnh trong phòng thí nghiệm, chạy ngoài xưởng. Ánh sáng khác, bụi khác, rung khác. Thu ảnh ở chính vị trí sẽ lắp.
  3. Không có quy trình cho sản phẩm bị loại. Hệ thống báo lỗi, không ai biết làm gì tiếp, công nhân tắt còi.
  4. Đánh giá bằng cảm nhận. Không có số tỷ lệ bắt đúng và báo nhầm thì mọi tranh luận về hệ thống là cảm tính.
  5. Không ai chịu trách nhiệm sau bàn giao. Hệ thống chạy đúng sáu tháng, sản phẩm đổi mẫu, độ chính xác giảm dần, không ai đo, hệ thống bị tắt.

Bước tiếp theo

Siri9 xây hệ thống thị giác máy tính trong dịch vụ tích hợp AI, gắn với phần mềm quản lý sản xuất hiện có, và duy trì độ chính xác qua quản lý hệ thống AI. Nếu nhà máy đang cân nhắc, gửi cho chúng tôi mô tả công đoạn kiểm tra tốn người nhất và vài ảnh sản phẩm đạt và lỗi; chúng tôi đánh giá tính khả thi trong 3 ngày làm việc.

Câu hỏi thường gặp

Cần bao nhiêu ảnh để huấn luyện?

Với lỗi phổ biến, vài trăm ảnh lỗi và vài nghìn ảnh đạt là đủ cho phiên bản đầu. Với lỗi hiếm, dùng cách học sản phẩm đạt rồi báo bất thường, cần ít ảnh lỗi hơn nhưng tỷ lệ báo nhầm cao hơn lúc đầu.

Có cần gửi ảnh lên mạng không?

Không bắt buộc. Mô hình chạy trên máy tính biên tại xưởng; chỉ số liệu tổng hợp và ảnh các ca lỗi được lưu về hệ thống. Cách này vừa nhanh vừa giữ ảnh sản phẩm trong nhà máy.

Dây chuyền chạy nhanh có kịp không?

Máy tính biên tầm trung xử lý 20 đến 60 ảnh mỗi giây với mô hình kiểm lỗi thông thường. Dây chuyền nhanh hơn cần camera tốc độ cao và tối ưu riêng; đây là điểm cần đo cụ thể trước khi cam kết.

Bao lâu thì phải huấn luyện lại?

Khi sản phẩm đổi mẫu, vật liệu đổi, hoặc số đo hằng tuần cho thấy độ chính xác giảm. Nhà máy có sản phẩm ổn định thường huấn luyện bổ sung mỗi quý; nhà máy đổi mẫu thường xuyên cần quy trình huấn luyện gọn hơn ngay từ đầu.