AI Vision kiểm tra lỗi sản phẩm nhựa tự động

Trong sản xuất nhựa, kiểm tra ngoại quan thường phải thực hiện ở tốc độ cao và lặp lại liên tục. Những lỗi như đốm đen, sai hình dạng, lỗi cắt hoặc khuyết tật trên nắp, hũ nhựa có thể khó phát hiện ổn định nếu chỉ dựa vào quan sát thủ công. Đây là lý do nhiều nhà máy bắt đầu quan tâm đến AI Vision kiểm tra sản phẩm nhựa như một hướng tự động hóa cho công đoạn kiểm tra chất lượng.

Milotech đang phát triển giải pháp AI Vision tập trung vào các bài toán lỗi ngoại quan sản phẩm nhựa. Mục tiêu của hệ thống không chỉ là đưa camera vào dây chuyền, mà là thiết kế đồng bộ giữa camera, ánh sáng, phần mềm xử lý ảnh, tốc độ băng tải và cơ cấu loại sản phẩm lỗi.

AI Vision kiểm tra sản phẩm nhựa là gì?

AI Vision là hệ thống sử dụng camera công nghiệp, nguồn sáng và phần mềm phân tích hình ảnh để nhận biết đặc điểm ngoại quan của sản phẩm. Tùy bài toán, hệ thống có thể kiểm tra sự xuất hiện của lỗi, vị trí lỗi, hình dạng sản phẩm hoặc sự khác biệt giữa sản phẩm đạt và sản phẩm không đạt.

Với sản phẩm nhựa, việc kiểm tra bằng hình ảnh có một số đặc thù. Bề mặt có thể bóng, trong, bán trong hoặc có nhiều màu khác nhau. Sản phẩm cũng có thể di chuyển liên tục trên băng tải, thay đổi góc nhìn hoặc xuất hiện các vùng khó quan sát như mép cắt, miệng nắp và thành hũ. Vì vậy, hiệu quả của AI Vision phụ thuộc vào toàn bộ cấu hình hệ thống, không chỉ riêng thuật toán.

Một hệ thống phù hợp cần trả lời được các câu hỏi quan trọng: Camera nhìn thấy vùng nào? Ánh sáng có làm nổi bật lỗi cần kiểm tra không? Sản phẩm có được định vị ổn định không? Phần mềm phân biệt lỗi với dao động bình thường của sản phẩm như thế nào? Sau khi phát hiện lỗi, cơ cấu reject có loại đúng sản phẩm đó ra khỏi dòng sản xuất hay không?

Các bài toán kiểm tra lỗi sản phẩm nhựa phổ biến

Phát hiện đốm đen

Đốm đen có thể xuất hiện trên bề mặt sản phẩm và ảnh hưởng đến tiêu chuẩn ngoại quan. Với bài toán này, hệ thống cần tạo được độ tương phản phù hợp giữa vùng lỗi và nền sản phẩm. Vị trí camera, hướng chiếu sáng và nền phía sau có vai trò quan trọng trong việc hạn chế hiện tượng phản xạ hoặc bóng gây nhầm lẫn.

AI Vision có thể được thiết kế để nhận biết vùng có đặc điểm bất thường theo tiêu chí đã thống nhất. Tuy nhiên, trước khi triển khai cần xác định rõ kích thước đốm đen cần phát hiện, khu vực kiểm tra và mức độ sai lệch được chấp nhận. Nếu không có tiêu chí mẫu rõ ràng, hệ thống dễ phát hiện quá nhiều lỗi hoặc bỏ sót các lỗi quan trọng.

Kiểm tra lỗi cắt

Lỗi cắt thường liên quan đến mép, vành hoặc phần biên của sản phẩm. Đây là vùng có thể bị ảnh hưởng bởi ba via, thiếu vật liệu, méo mép hoặc đường cắt không đồng đều. Để kiểm tra hiệu quả, camera cần quan sát được đúng khu vực mép cắt với góc nhìn và độ phân giải phù hợp.

Trong một số trường hợp, chỉ sử dụng một góc camera có thể không đủ bao quát toàn bộ biên dạng. Do đó, phương án kiểm tra cần được xây dựng dựa trên hình dạng thực tế của sản phẩm, hướng di chuyển và khả năng xoay hoặc định vị sản phẩm trên băng tải.

Kiểm tra lỗi hình dạng

Lỗi hình dạng có thể thể hiện qua sự biến dạng, sai biên dạng hoặc khác biệt so với mẫu đạt. Hệ thống cần có cách so sánh phù hợp để phân biệt sai lệch thực sự với thay đổi do vị trí sản phẩm, góc chụp hoặc điều kiện ánh sáng.

Đây là bài toán cần trao đổi kỹ giữa đội tự động hóa và bộ phận chất lượng. Doanh nghiệp nên xác định sản phẩm đạt dựa trên vùng nào, giới hạn sai lệch ra sao và những đặc điểm nào không được xem là lỗi. Việc chuẩn hóa mẫu đạt, mẫu lỗi và cách gá đặt sẽ giúp quá trình thiết lập hệ thống rõ ràng hơn.

Kiểm tra nắp và hũ nhựa

Nắp và hũ nhựa có thể cần kiểm tra nhiều khu vực như bề mặt, mép, miệng, ren, vành hoặc các vùng ngoại quan dễ nhìn thấy. Tùy cấu trúc sản phẩm, camera có thể cần quan sát từ trên xuống, bên hông hoặc kết hợp nhiều hướng.

Một thách thức thường gặp là sản phẩm bị xoay tự do khi di chuyển. Nếu vùng cần kiểm tra không luôn xuất hiện trong tầm nhìn, hệ thống phải có phương án định hướng, bố trí nhiều camera hoặc thiết kế cách kiểm tra phù hợp với chuyển động của sản phẩm.

Cấu hình cần xem xét khi triển khai

Vị trí và số lượng camera

Vị trí camera phải được xác định từ vùng lỗi cần phát hiện, kích thước sản phẩm và hướng di chuyển. Camera đặt trên cao phù hợp với một số vùng mặt phẳng hoặc hình dạng nhìn từ trên xuống. Camera bên hông có thể cần thiết để quan sát thành, mép hoặc đường biên. Không nên chọn vị trí camera chỉ dựa trên không gian lắp đặt sẵn có mà bỏ qua vùng khuất và góc phản xạ.

Giải pháp ánh sáng

Ánh sáng quyết định hình ảnh đầu vào của hệ thống. Với nhựa bóng hoặc nhựa trong, ánh sáng không phù hợp có thể tạo phản xạ mạnh, làm mất thông tin bề mặt hoặc tạo ra vùng sáng giống lỗi. Vì vậy, cần thử nghiệm nhiều phương án chiếu sáng và nền quan sát để làm nổi bật đặc điểm cần kiểm tra.

Tốc độ băng tải và thời điểm chụp

Tốc độ băng tải ảnh hưởng đến thời gian chụp, xử lý ảnh và kích hoạt cơ cấu reject. Hệ thống cần xác định đúng thời điểm sản phẩm đi qua vùng kiểm tra và đồng bộ tín hiệu giữa camera, bộ điều khiển và cơ cấu loại. Nếu không tính đến chuyển động thực tế, sản phẩm lỗi có thể bị loại nhầm vị trí hoặc không được loại khỏi dòng sản xuất.

Cơ cấu reject

Phát hiện lỗi chỉ là một phần của bài toán. Doanh nghiệp cần xác định cách đưa sản phẩm không đạt ra khỏi dòng sản xuất, chẳng hạn theo hướng đẩy, gạt hoặc cơ cấu phù hợp với dây chuyền hiện hữu. Cơ cấu reject phải hoạt động đồng bộ với kết quả kiểm tra và hạn chế ảnh hưởng đến các sản phẩm đạt xung quanh.

Tiêu chí chọn giải pháp AI Vision cho sản phẩm nhựa

Trước khi lựa chọn, chủ nhà máy và kỹ sư nên đánh giá theo các tiêu chí sau:

• Bài toán lỗi có được mô tả rõ không: Cần xác định loại lỗi, vị trí lỗi, kích thước tối thiểu và mức độ chấp nhận.
• Mẫu sản phẩm có ổn định không: Hình dạng, màu sắc, vật liệu và cách đặt sản phẩm ảnh hưởng trực tiếp đến khả năng kiểm tra.
• Vùng kiểm tra có được quan sát đầy đủ không: Cần xem xét góc khuất, mặt bên, mép cắt và các vùng bị che.
• Hệ thống có phù hợp với băng tải không: Tốc độ, khoảng cách sản phẩm và cách định vị cần được đưa vào thiết kế.
• Khả năng tích hợp với dây chuyền: Hệ thống cần trao đổi được tín hiệu kiểm tra và reject theo logic vận hành thực tế.
• Khả năng điều chỉnh khi sản phẩm thay đổi: Khi có nhiều mã hàng hoặc tiêu chí ngoại quan khác nhau, quy trình chuyển đổi cần được tính đến từ đầu.

Thông tin đầu vào càng cụ thể, phương án camera, ánh sáng và phần mềm càng có cơ sở để đánh giá. Doanh nghiệp có thể tham khảo thêm thông tin về định hướng giải pháp tự động hóa tại website Milotech trước khi trao đổi bài toán thực tế.

Những lỗi triển khai thường gặp

Một lỗi phổ biến là bắt đầu bằng việc chọn camera hoặc phần mềm trước khi xác định tiêu chí chất lượng. Nếu chưa có mẫu đạt và mẫu lỗi đại diện, đội triển khai khó đánh giá hệ thống đang nhận biết đúng lỗi hay chỉ phản ứng với thay đổi ánh sáng, vị trí và bề mặt.

Lỗi thứ hai là đánh giá thấp vai trò của ánh sáng. Camera có thể có độ phân giải cao nhưng hình ảnh vẫn không phù hợp nếu bề mặt nhựa bị phản xạ, bóng hoặc thiếu tương phản. Lỗi thứ ba là chỉ thử nghiệm sản phẩm ở trạng thái cố định, trong khi khi đưa lên băng tải, sản phẩm có thể rung, xoay hoặc thay đổi khoảng cách.

Ngoài ra, một số dự án tập trung vào khả năng phát hiện nhưng chưa thiết kế kỹ phần reject. Kết quả là hệ thống nhận biết được lỗi nhưng không loại đúng sản phẩm, gây khó khăn cho vận hành. Việc thử nghiệm nên bao gồm cả chu trình phát hiện, truyền tín hiệu và loại sản phẩm lỗi trong điều kiện gần với sản xuất thực tế.

Khi nào AI Vision phù hợp hoặc chưa phù hợp?

AI Vision phù hợp khi doanh nghiệp có tiêu chí ngoại quan tương đối rõ, sản phẩm di chuyển theo một quy luật nhất định và cần giảm phụ thuộc vào kiểm tra thủ công lặp lại. Giải pháp cũng phù hợp khi lỗi cần kiểm tra có thể biểu diễn qua hình ảnh và có thể chuẩn bị mẫu để đánh giá.

Ngược lại, hệ thống có thể chưa phù hợp nếu sản phẩm liên tục thay đổi nhưng chưa có quy tắc phân loại, vị trí sản phẩm hoàn toàn không ổn định hoặc lỗi cần kiểm tra không thể quan sát bằng camera trong điều kiện hiện tại. Trong các trường hợp đó, cần xem xét lại cơ cấu định vị, ánh sáng, phương pháp kiểm tra hoặc phạm vi bài toán trước khi triển khai.

Với AI Vision kiểm tra sản phẩm nhựa, cách tiếp cận hiệu quả là bắt đầu từ lỗi thực tế, sau đó thiết kế đồng bộ camera, ánh sáng, tốc độ băng tải và cơ cấu reject. Nếu doanh nghiệp đang cần đánh giá bài toán đốm đen, lỗi cắt, lỗi hình dạng hoặc lỗi trên nắp và hũ nhựa, hãy liên hệ Milotech để được tư vấn phương án phù hợp với dây chuyền và tiêu chí kiểm tra cụ thể.

Hình ảnh giải pháp