Machine Vision là gì? Ứng dụng thị giác máy trong sản xuất tự động
Nội dung bài viết
- Machine Vision là gì?
- Một hệ thống Machine Vision gồm những thành phần nào?
- Machine Vision hoạt động như thế nào?
- 4 ứng dụng Machine Vision phổ biến trong sản xuất
- Machine Vision truyền thống và AI Vision khác nhau thế nào?
- 6 yếu tố quyết định độ ổn định của hệ thống Machine Vision
- Machine Vision mang lại lợi ích gì cho nhà máy?
- Khi nào doanh nghiệp nên cân nhắc triển khai Machine Vision?
- CycloneX – giải pháp Machine Vision cho bài toán sản xuất thực tế
- Quy trình tiếp cận một bài toán Machine Vision
- Câu hỏi thường gặp về Machine Vision
- Machine Vision có phải chỉ là một chiếc camera không?
- Machine Vision có thể thay thế hoàn toàn kiểm tra bằng con người không?
- Machine Vision có thể đo kích thước không?
- Machine Vision có đọc được Serial Number không?
- Bài toán nào cần sử dụng AI Vision?
- Machine Vision có thể kết nối với PLC và Robot không?
- Bạn đang có một bài toán cần kiểm tra bằng camera?
Trong các dây chuyền sản xuất hiện đại, tốc độ cao thôi chưa đủ. Doanh nghiệp còn phải bảo đảm sản phẩm được sản xuất đúng vị trí, đúng kích thước, đúng thông tin và đúng tiêu chuẩn chất lượng trước khi chuyển sang công đoạn tiếp theo hoặc xuất xưởng.
Đây chính là một trong những bài toán quan trọng mà Machine Vision – hệ thống thị giác máy công nghiệp có thể giải quyết.
Machine Vision sử dụng camera công nghiệp kết hợp với ống kính, hệ thống chiếu sáng và phần mềm xử lý ảnh để thu nhận hình ảnh sản phẩm. Sau đó, hệ thống phân tích những đặc điểm cần kiểm tra và tự động đưa ra kết quả phục vụ điều khiển dây chuyền.
Nhờ khả năng “nhìn”, phân tích và phản hồi trong thời gian ngắn, Machine Vision đang được ứng dụng trong nhiều bài toán như dẫn hướng robot, đọc OCR/OCV, đo kích thước, kiểm tra ngoại quan, phân loại sản phẩm và truy xuất dữ liệu sản xuất.
Machine Vision là gì?
Machine Vision có thể hiểu là hệ thống cho phép máy móc thu nhận và phân tích hình ảnh để phục vụ quá trình kiểm tra, nhận dạng hoặc điều khiển tự động.
Thay vì công nhân quan sát sản phẩm bằng mắt, camera sẽ ghi nhận hình ảnh. Phần mềm xử lý ảnh sau đó xác định các đặc điểm cần thiết như:
- Vị trí sản phẩm
- Góc xoay
- Kích thước
- Hình dạng
- Ký tự
- Mã sản phẩm
- Màu sắc
- Lỗi bề mặt
- Tình trạng lắp ráp
- Trạng thái OK/NG
Kết quả có thể được gửi tới PLC, robot, máy tính công nghiệp hoặc hệ thống MES để tiếp tục xử lý.
Điểm quan trọng là một hệ thống Machine Vision công nghiệp không chỉ bao gồm camera. Độ ổn định của hệ thống phụ thuộc vào toàn bộ chuỗi từ quang học, ánh sáng, cơ khí đến thuật toán và khả năng tích hợp điều khiển.
Một hệ thống Machine Vision gồm những thành phần nào?
Một giải pháp Machine Vision thường được thiết kế dựa trên sản phẩm thực tế, tốc độ dây chuyền và loại thông tin cần kiểm tra.
Các thành phần phổ biến gồm:
Camera công nghiệp
Camera có nhiệm vụ thu nhận hình ảnh của sản phẩm tại vị trí cần kiểm tra.
Độ phân giải, tốc độ chụp và loại cảm biến cần được lựa chọn phù hợp với kích thước vật thể cũng như cycle time của dây chuyền.
Ống kính
Ống kính ảnh hưởng trực tiếp đến:
- Field of View – vùng quan sát
- Độ phóng đại
- Mức độ chi tiết
- Khoảng cách làm việc
- Độ biến dạng hình ảnh
Lựa chọn sai ống kính có thể khiến hệ thống không nhìn thấy đủ chi tiết cần kiểm tra dù sử dụng camera độ phân giải cao.
Hệ thống chiếu sáng
Ánh sáng là một trong những yếu tố đặc biệt quan trọng của Machine Vision.
Hệ thống chiếu sáng phù hợp giúp làm nổi bật đặc điểm cần phát hiện đồng thời hạn chế ảnh hưởng của phản xạ, bóng đổ hoặc ánh sáng môi trường.
Bộ xử lý hoặc Industrial PC
Hình ảnh từ camera được truyền về bộ xử lý để thực hiện các thuật toán như:
- Pattern Matching
- Edge Detection
- OCR
- Đo kích thước
- Nhận dạng vật thể
- AI/Deep Learning
Phần mềm Machine Vision
Phần mềm đảm nhiệm việc xử lý hình ảnh và đưa ra kết quả kiểm tra.
Tùy từng ứng dụng, hệ thống có thể thực hiện định vị, đo lường, đọc ký tự, kiểm tra ngoại quan hoặc phân loại lỗi.
PLC, Robot và MES
Kết quả từ hệ thống Vision có thể được truyền tới:
- PLC để điều khiển dây chuyền
- Robot để hiệu chỉnh tọa độ
- Cơ cấu loại sản phẩm NG
- MES để lưu dữ liệu sản xuất
- Hệ thống truy xuất nguồn gốc
Machine Vision hoạt động như thế nào?
Quy trình cơ bản của một hệ thống Machine Vision có thể mô tả bằng 5 bước:
Chụp ảnh → Xử lý ảnh → Phân tích → Đưa ra kết quả → Điều khiển hoặc lưu dữ liệu
Ví dụ, với bài toán kiểm tra kích thước:
- Cảm biến phát hiện sản phẩm đi tới vị trí kiểm tra.
- Camera chụp hình sản phẩm.
- Phần mềm xác định cạnh hoặc đặc điểm hình học.
- Hệ thống tính toán kích thước.
- Kết quả được so sánh với giới hạn cho phép.
- Sản phẩm được phân loại OK hoặc NG.
- PLC có thể kích hoạt cơ cấu loại sản phẩm NG khỏi dây chuyền.
4 ứng dụng Machine Vision phổ biến trong sản xuất
1. Dẫn hướng Robot – giúp robot xác định vị trí sản phẩm
Robot công nghiệp có khả năng lặp lại chuyển động với độ ổn định cao. Tuy nhiên, robot truyền thống thường hoạt động dựa trên những tọa độ được cài đặt trước.
Khi sản phẩm bị lệch vị trí, xoay góc hoặc xuất hiện tại các tọa độ không hoàn toàn cố định, robot cần biết chính xác:
Sản phẩm đang ở đâu và đang nằm theo hướng nào?
Machine Vision lúc này đóng vai trò như “đôi mắt” của robot.
Camera chụp hình sản phẩm, thuật toán xác định vị trí và góc xoay rồi gửi tọa độ hiệu chỉnh cho robot thực hiện thao tác.
Các ứng dụng Robot Vision thường gặp
- Pick & Place sản phẩm trên băng tải
- Gắp chi tiết có vị trí thay đổi
- Căn chỉnh linh kiện trước khi lắp ráp
- Cấp phôi cho máy gia công
- Gắp sản phẩm từ khay
- Bin Picking sử dụng camera 3D
- Định vị trước khi siết vít
- Định vị trước khi hàn
- Định vị trước khi dispensing
- Kiểm tra vị trí trước khi robot thao tác
Ví dụ thực tế
Một chi tiết trên băng tải có thể lệch vài milimet hoặc xoay theo nhiều góc khác nhau.
Nếu không có camera, dây chuyền có thể cần thêm cơ cấu cơ khí để đưa tất cả sản phẩm về cùng một vị trí.
Với Machine Vision, camera có thể nhận dạng từng sản phẩm và cung cấp tọa độ tương ứng cho robot. Nhờ đó, robot có khả năng thích ứng tốt hơn khi vị trí sản phẩm thay đổi.
2. OCR/OCV – đọc và kiểm tra ký tự tự động
Trên sản phẩm công nghiệp thường có nhiều thông tin cần kiểm soát như:
Serial Number – Lot Number – Date Code – Model – Mã linh kiện – Ngày sản xuất – Hạn sử dụng – Barcode – Data Matrix.
Kiểm tra thủ công số lượng lớn thông tin này có thể tốn thời gian và dễ xảy ra sai sót.
Machine Vision có thể sử dụng OCR – Optical Character Recognition để đọc ký tự từ hình ảnh và chuyển chúng thành dữ liệu mà hệ thống máy tính có thể xử lý.
Bên cạnh OCR, hệ thống còn có thể sử dụng OCV – Optical Character Verification để kiểm tra nội dung thực tế có đúng với nội dung yêu cầu hay không.
Machine Vision có thể đọc và kiểm tra
- Serial Number
- Số LOT
- Ngày sản xuất
- Hạn sử dụng
- Model
- Barcode
- QR Code
- Data Matrix
- Logo
- Ký hiệu
- Nội dung label
- Ký tự thiếu
- Ký tự sai
- Ký tự bị mờ
OCR kết hợp truy xuất nguồn gốc
Giá trị của OCR không chỉ nằm ở khả năng đọc ký tự.
Thông tin nhận dạng có thể được liên kết với:
Thời gian sản xuất + mã sản phẩm + máy sản xuất + kết quả kiểm tra + hình ảnh sản phẩm.
Nhờ đó, doanh nghiệp có thêm dữ liệu để xây dựng hệ thống truy xuất nguồn gốc và phục vụ điều tra khi phát sinh sự cố chất lượng.
3. Đo kích thước bằng Machine Vision
Trong cơ khí, điện tử, nhựa, bao bì và nhiều ngành sản xuất khác, kích thước là một trong những tiêu chí quan trọng để đánh giá chất lượng sản phẩm.
Machine Vision cho phép đo kiểm bằng hình ảnh mà không cần tiếp xúc trực tiếp với vật thể.
Sau khi camera được hiệu chuẩn, thuật toán xử lý ảnh có thể xác định:
- Chiều dài
- Chiều rộng
- Đường kính
- Khoảng cách
- Khoảng hở
- Góc
- Tâm
- Vị trí cạnh
- Độ lệch
- Hình dạng
Vì sao đo không tiếp xúc quan trọng?
Với những sản phẩm nhỏ, mỏng, mềm hoặc dễ biến dạng, dụng cụ đo tiếp xúc có thể khiến quá trình kiểm tra trở nên khó khăn hơn.
Camera Vision không cần tiếp xúc trực tiếp với sản phẩm nên có thể phù hợp với nhiều bài toán kiểm tra inline tốc độ cao.
Ví dụ quy trình đo
Một nhà máy cần kiểm tra đường kính và khoảng cách giữa hai lỗ trên chi tiết.
Hệ thống có thể thực hiện:
Chụp ảnh → Xác định cạnh → Tìm tâm → Tính kích thước → So sánh tolerance → Trả kết quả OK/NG.
Nếu kết quả là NG, PLC có thể điều khiển cơ cấu loại sản phẩm khỏi dây chuyền.
4. Kiểm tra ngoại quan tự động bằng Machine Vision
Kiểm tra ngoại quan là một trong những ứng dụng phổ biến của Machine Vision.
Mục tiêu là xác định sản phẩm có đáp ứng tiêu chuẩn về hình thức, bề mặt và tình trạng lắp ráp trước khi chuyển sang công đoạn tiếp theo.
Kiểm tra lỗi bề mặt
Hệ thống có thể được xây dựng để phát hiện những lỗi như:
- Trầy xước
- Nứt
- Móp
- Bẩn
- Dị vật
- Sai màu
- Biến dạng
- Khuyết bề mặt
Kiểm tra lỗi lắp ráp
Machine Vision còn có thể kiểm tra:
- Thiếu linh kiện
- Lắp sai linh kiện
- Sai chiều
- Lệch vị trí
- Thiếu vít
- Sai khoảng cách
- Connector chưa vào đúng vị trí
Kiểm tra bao bì và nhãn
Một số bài toán điển hình gồm:
- Thiếu nhãn
- Nhãn lệch
- Nhãn nhăn
- Sai sản phẩm
- Sai màu
- Thiếu thông tin
- Nắp chưa đóng đúng
- Bao bì biến dạng
Machine Vision truyền thống và AI Vision khác nhau thế nào?
Không phải mọi bài toán kiểm tra hình ảnh đều cần sử dụng AI.
Việc lựa chọn Machine Vision truyền thống hay AI Vision cần dựa trên đặc điểm cụ thể của sản phẩm và loại lỗi cần phát hiện.
| Tiêu chí | Machine Vision truyền thống | AI Vision / Deep Learning |
|---|---|---|
| Đo kích thước | Phù hợp | Không nhất thiết cần AI |
| Xác định cạnh | Phù hợp | Không nhất thiết cần AI |
| Kiểm tra vị trí | Phù hợp | Có thể kết hợp |
| Đếm số lượng | Phù hợp | Có thể sử dụng |
| Barcode | Phù hợp | Không nhất thiết cần AI |
| Kiểm tra có/không | Phù hợp | Có thể kết hợp |
| Dẫn hướng robot | Phù hợp | Có thể kết hợp |
| Vết xước biến thiên lớn | Khó hơn | Phù hợp hơn |
| Lỗi texture | Khó hơn | Phù hợp hơn |
| Dị vật phức tạp | Tùy trường hợp | Phù hợp hơn |
| Phân loại nhiều dạng lỗi | Tùy bài toán | Có lợi thế |
| Ngoại quan có độ biến thiên lớn | Khó xây dựng rule cố định | AI có thể phù hợp hơn |
Trong một hệ thống thực tế, hai phương pháp cũng có thể được kết hợp:
Vision truyền thống xác định vị trí → AI kiểm tra bề mặt → OCR đọc Serial → Lưu hình ảnh và kết quả để truy xuất.
Cách tiếp cận này cho phép mỗi công nghệ đảm nhiệm phần công việc phù hợp nhất với thế mạnh của nó.
6 yếu tố quyết định độ ổn định của hệ thống Machine Vision
Một demo nhận dạng thành công chưa đồng nghĩa với việc hệ thống sẽ hoạt động ổn định khi đưa vào nhà máy.
Độ ổn định của Machine Vision phụ thuộc vào nhiều yếu tố.
1. Ánh sáng
Ánh sáng phải làm nổi bật chính xác đặc điểm cần kiểm tra.
Với từng loại sản phẩm, bề mặt và khuyết tật khác nhau, phương pháp chiếu sáng cũng cần được lựa chọn phù hợp.
2. Camera
Các thông số cần xem xét gồm:
- Độ phân giải
- Tốc độ chụp
- Loại sensor
- Kích thước vùng quan sát
- Tốc độ dây chuyền
Camera cần đáp ứng đồng thời yêu cầu về độ chi tiết và cycle time.
3. Ống kính
Ống kính quyết định:
- Field of View
- Độ phóng đại
- Khoảng cách làm việc
- Mức biến dạng hình ảnh
- Độ chi tiết tại vùng cần kiểm tra
4. Thiết kế cơ khí
Rung động, thay đổi khoảng cách camera hoặc sản phẩm không ổn định đều có thể ảnh hưởng đến chất lượng hình ảnh.
Do đó, Machine Vision cần được xem như một phần của toàn bộ hệ thống máy chứ không phải thiết bị độc lập.
5. Thuật toán xử lý ảnh
Tùy từng bài toán có thể lựa chọn:
- Rule-based Vision
- Pattern Matching
- Edge Detection
- OCR/OCV
- 3D Vision
- AI/Deep Learning
Không có một thuật toán duy nhất phù hợp cho tất cả ứng dụng.
6. Khả năng tích hợp điều khiển
Kết quả kiểm tra cần được kết nối hiệu quả với:
- PLC
- Robot
- MES
- Cơ cấu loại NG
- Hệ thống truy xuất
- Máy tính công nghiệp
Nếu xử lý hình ảnh tốt nhưng kết quả không được tích hợp đúng vào quy trình sản xuất, hiệu quả của giải pháp sẽ bị hạn chế.
Machine Vision mang lại lợi ích gì cho nhà máy?
Kiểm tra sản phẩm nhất quán hơn
Các tiêu chí được đánh giá theo cùng một logic trong mỗi chu kỳ sản xuất, giúp tăng tính nhất quán của quá trình kiểm tra.
Phát hiện lỗi ngay tại công đoạn
Sản phẩm NG có thể được phát hiện trước khi chuyển sang công đoạn tiếp theo.
Điều này đặc biệt hữu ích trong những dây chuyền có nhiều bước lắp ráp hoặc gia công liên tiếp.
Hỗ trợ tự động hóa robot
Robot có thể nhận tọa độ từ camera thay vì chỉ phụ thuộc vào vị trí cố định được cài đặt sẵn.
Tăng khả năng truy xuất sản phẩm
Hệ thống có thể lưu:
- Hình ảnh
- Mã sản phẩm
- Kết quả đo
- Serial
- Trạng thái OK/NG
- Thời điểm kiểm tra
Các dữ liệu này có thể hỗ trợ hoạt động truy xuất khi cần phân tích vấn đề chất lượng.
Tạo dữ liệu phục vụ cải tiến sản xuất
Khi dữ liệu lỗi được lưu lại theo thời gian, doanh nghiệp có thể phân tích xu hướng và xác định công đoạn thường xuyên phát sinh bất thường.
Machine Vision vì vậy không chỉ đóng vai trò kiểm tra mà còn có thể trở thành một nguồn dữ liệu cho hoạt động cải tiến sản xuất.
Khi nào doanh nghiệp nên cân nhắc triển khai Machine Vision?
Một hệ thống camera kiểm tra tự động có thể đáng cân nhắc khi dây chuyền đang gặp những tình huống như:
- Công nhân thường xuyên bỏ sót lỗi khi kiểm tra
- Cần kiểm tra số lượng sản phẩm lớn
- Cần đọc Serial, LOT hoặc Date Code tự động
- Cần đo kích thước ngay trên dây chuyền
- Robot khó gắp vì vị trí sản phẩm thay đổi
- Muốn kiểm tra 100% sản phẩm thay vì lấy mẫu
- Cần lưu hình ảnh để phục vụ truy xuất
- Cần tự động phân loại OK/NG
- Cần kiểm tra nhiều tiêu chí trong cùng một công đoạn
Tuy nhiên, trước khi lựa chọn camera hoặc phần mềm, cần xác định rõ đặc điểm sản phẩm, loại lỗi, kích thước lỗi nhỏ nhất, tốc độ dây chuyền và điều kiện môi trường thực tế.
CycloneX – giải pháp Machine Vision cho bài toán sản xuất thực tế
Tại CycloneX, các giải pháp Machine Vision tập trung vào bốn nhóm ứng dụng chính:
- Dẫn hướng Robot
- Đọc và nhận dạng ký tự
- Đo kích thước
- Kiểm tra ngoại quan
Mục tiêu không chỉ là xây dựng một demo có khả năng nhận dạng thành công, mà là thiết kế một hệ thống có thể vận hành ổn định trong điều kiện sản xuất thực tế, dễ hiệu chỉnh và có khả năng tích hợp với hệ thống tự động hóa hiện có của nhà máy.
Từ camera, ống kính và hệ thống chiếu sáng đến xử lý ảnh, robot và PLC, các thành phần cần được thiết kế như một hệ thống thống nhất.
Mỗi bài toán Machine Vision vì vậy nên bắt đầu bằng việc phân tích mẫu thực tế và xác định chính xác yêu cầu kiểm tra trước khi lựa chọn phần cứng.
Quy trình tiếp cận một bài toán Machine Vision
Một dự án Machine Vision có thể được đánh giá theo các bước:
- Xác định đặc điểm cần kiểm tra.
- Thu thập mẫu OK và NG thực tế.
- Xác định kích thước vùng kiểm tra và lỗi cần phát hiện.
- Đánh giá tốc độ dây chuyền.
- Xác định phương pháp chiếu sáng.
- Lựa chọn camera và lens.
- Thử nghiệm thuật toán xử lý ảnh.
- Xác định tiêu chí OK/NG.
- Thiết kế phương án tích hợp với PLC hoặc Robot.
- Đánh giá độ ổn định trong điều kiện sản xuất thực tế.
Cách tiếp cận này giúp hạn chế việc lựa chọn thiết bị chỉ dựa trên thông số camera mà chưa xem xét đầy đủ bài toán thực tế.
Câu hỏi thường gặp về Machine Vision
Machine Vision có phải chỉ là một chiếc camera không?
Không. Camera chỉ là một thành phần của hệ thống. Một giải pháp Machine Vision còn liên quan đến ống kính, ánh sáng, bộ xử lý, phần mềm, cơ khí và hệ thống điều khiển.
Machine Vision có thể thay thế hoàn toàn kiểm tra bằng con người không?
Khả năng tự động hóa phụ thuộc vào loại sản phẩm và tiêu chí kiểm tra. Những bài toán có tiêu chuẩn rõ ràng và có thể xác định bằng hình ảnh thường phù hợp hơn để triển khai kiểm tra tự động.
Machine Vision có thể đo kích thước không?
Có. Sau khi được hiệu chuẩn phù hợp, hệ thống có thể sử dụng hình ảnh để đo chiều dài, chiều rộng, đường kính, khoảng cách, góc và nhiều thông số hình học khác.
Machine Vision có đọc được Serial Number không?
Có thể sử dụng OCR để nhận dạng Serial Number và OCV để kiểm tra nội dung thực tế có đúng với dữ liệu yêu cầu hay không.
Bài toán nào cần sử dụng AI Vision?
AI Vision phù hợp hơn với những trường hợp lỗi có hình dạng biến thiên lớn, texture phức tạp, dị vật khó mô tả bằng rule cố định hoặc cần phân loại nhiều kiểu ngoại quan khác nhau.
Machine Vision có thể kết nối với PLC và Robot không?
Có. Kết quả xử lý hình ảnh có thể được truyền tới PLC hoặc Robot để thực hiện các tác vụ như hiệu chỉnh tọa độ, phân loại sản phẩm hoặc điều khiển cơ cấu loại NG.
Bạn đang có một bài toán cần kiểm tra bằng camera?
Nếu dây chuyền đang gặp một trong các vấn đề như:
- Nhân công kiểm tra thường xuyên bỏ sót lỗi
- Cần đọc Serial/LOT/Date Code tự động
- Cần đo kích thước ngay trên dây chuyền
- Robot khó gắp do vị trí sản phẩm thay đổi
- Muốn kiểm tra 100% sản phẩm thay vì lấy mẫu
- Cần lưu hình ảnh phục vụ truy xuất
- Muốn tự động phân loại OK/NG
CycloneX có thể cùng doanh nghiệp đánh giá mẫu thực tế, xác định phương án camera – lens – lighting – thuật toán phù hợp và tích hợp hệ thống vào dây chuyền hiện có.
Machine Vision không chỉ giúp máy móc “nhìn thấy” sản phẩm. Giá trị lớn hơn nằm ở khả năng biến hình ảnh thành dữ liệu và quyết định sản xuất nhanh, nhất quán, tự động và có thể truy xuất.

TVQuản trị viênQuản trị viên
Xin chào quý khách. Quý khách hãy để lại bình luận, chúng tôi sẽ phản hồi sớm