AI Vision ngành thực phẩm: Kiểm tra nhãn, nắp chai và dị vật

Ngành thực phẩm và đồ uống: Kiểm tra nhãn, nắp chai, bao bì và dị vật bằng hệ thống thị giác máy

Hệ thống thị giác máy giúp nhà máy thực phẩm và đồ uống tự động kiểm tra nhãn chai, nắp đóng, thông tin in trên bao bì và một số loại dị vật có thể nhìn thấy bằng camera. Camera Vision truyền thống phù hợp với những lỗi có tiêu chí rõ ràng, trong khi AI Vision hữu ích hơn khi hình dạng lỗi thay đổi hoặc sản phẩm có nhiều biến thể. Với các lỗi liên quan đến độ kín bao bì, dị vật nằm bên trong sản phẩm hoặc những nguy cơ không thể nhìn thấy bằng camera thông thường, nhà máy cần kết hợp thiết bị kiểm tra chuyên dụng. Chọn đúng giải pháp phụ thuộc vào loại sản phẩm, tốc độ dây chuyền, mức độ rủi ro và khả năng kiểm soát lỗi thực tế, chứ không chỉ dựa vào độ hiện đại của thiết bị.

Hệ thống thị giác máy trong ngành thực phẩm và đồ uống là gì?

Hệ thống thị giác máy, thường gọi là Machine Vision, sử dụng camera, ánh sáng, phần mềm xử lý ảnh và thiết bị điều khiển để kiểm tra sản phẩm tự động trên dây chuyền. Khi bổ sung AI Vision, hệ thống có thể sử dụng mô hình AI để nhận diện các đặc điểm hoặc dạng lỗi phức tạp dựa trên dữ liệu hình ảnh.

Trong nhà máy thực phẩm và đồ uống, hệ thống có thể được lắp ở nhiều vị trí khác nhau: sau máy dán nhãn, sau máy đóng nắp, trước công đoạn đóng thùng hoặc tại khu vực kiểm tra cuối dây chuyền. Mỗi vị trí đảm nhiệm một nhiệm vụ cụ thể.

Chẳng hạn, camera sau máy dán nhãn kiểm tra nhãn có bị lệch, nhăn hoặc thiếu hay không. Camera sau máy đóng nắp kiểm tra nắp có hiện diện, có đúng màu hoặc đúng vị trí hay không. Một camera khác có thể đọc hạn sử dụng, mã lô và mã truy xuất được in trên bao bì.

Với kiểm tra dị vật, khả năng phát hiện phụ thuộc vào vị trí của dị vật, vật liệu, màu sắc, độ trong của sản phẩm và cách bố trí camera. Không phải mọi dị vật đều có thể phát hiện bằng hình ảnh thông thường.

Điểm cần làm rõ ngay từ đầu là hệ thống thị giác máy chủ yếu kiểm tra những dấu hiệu mà cảm biến hình ảnh có thể ghi nhận. Nó không tự động thay thế các phép thử độ kín, kiểm tra vi sinh, phát hiện kim loại hoặc các bước kiểm soát an toàn thực phẩm khác.

AI Vision có thể kiểm tra những lỗi nào trên nhãn và bao bì?

Làm thế nào để phát hiện nhãn chai bị lệch, nhăn hoặc thiếu?

Lỗi nhãn là vấn đề dễ gặp trên dây chuyền đóng chai, đặc biệt khi tốc độ chạy cao, chai đi qua băng tải không ổn định hoặc nhãn được cấp không đều.

Các lỗi thường gặp gồm nhãn dán lệch tâm, nhãn bị xoay, nhăn, bong mép, thiếu nhãn, dán nhầm nhãn hoặc nhãn không đúng vị trí quy định. Với chai có nhiều mặt nhãn, nhà máy còn phải kiểm tra xem nhãn trước và nhãn sau có được dán đúng chiều hay không.

Nếu sản phẩm có hình dạng ổn định và tiêu chí rõ ràng, Camera Vision truyền thống có thể kiểm tra vị trí, góc xoay và vùng hiện diện của nhãn bằng các quy tắc được cài đặt trước.

AI Vision hữu ích hơn khi chai có hình dáng khác nhau, nhãn có nhiều màu sắc hoặc bề mặt cong khiến hình ảnh thay đổi theo góc nhìn. Mô hình có thể học cách phân biệt nhãn đạt yêu cầu với những dạng nhăn, lệch hoặc bong mép đã được thể hiện trong dữ liệu huấn luyện.

Tuy nhiên, nhãn bị lệch một chút chưa chắc đã là lỗi cần loại. Nhà máy cần xác định giới hạn cho phép dựa trên bản vẽ, tiêu chuẩn nội bộ hoặc yêu cầu của khách hàng. Nếu tiêu chí chỉ được mô tả bằng những từ như “dán đẹp” hoặc “không lệch nhiều”, việc thiết lập hệ thống sẽ khó thống nhất.

Một lưu ý khác là chai trong suốt, chai bóng hoặc chai có hình dạng không tròn đều có thể gây phản xạ ánh sáng. Nếu không chọn đúng vị trí camera và ánh sáng, phần mềm có thể nhầm vùng phản chiếu với mép nhãn hoặc bỏ qua nếp nhăn nhỏ.

Hệ thống thị giác máy kiểm tra nắp chai như thế nào?

Nắp chai không chỉ cần có mặt trên sản phẩm mà còn phải đúng loại và nằm đúng vị trí. Với một số dây chuyền, chỉ cần thiếu nắp hoặc dùng sai màu nắp đã đủ để sản phẩm không đạt yêu cầu.

Camera có thể kiểm tra những dấu hiệu bên ngoài như:

- Thiếu nắp hoặc nắp bị đặt lệch.
- Nắp sai màu hoặc sai kiểu dáng.
- Nắp bị nghiêng, biến dạng hoặc có dấu hiệu hư hỏng rõ ràng.
- Vòng niêm phong bị thiếu hoặc có biểu hiện bất thường.
- Nắp có vết bẩn hoặc lỗi ngoại quan có thể quan sát được.

AI Vision phù hợp khi nắp có nhiều hình dạng, màu sắc hoặc dấu hiệu lỗi khó mô tả bằng một quy tắc cố định. Với dây chuyền chỉ sử dụng một loại nắp và cần kiểm tra có hoặc không, Camera Vision truyền thống thường đã đủ.

Nhưng cần phân biệt giữa kiểm tra hình thức nắp và xác nhận nắp đã đóng kín. Một chiếc nắp trông đúng vị trí trên ảnh vẫn có thể chưa đạt lực siết hoặc chưa bảo đảm độ kín. Camera thông thường không thể xác nhận chắc chắn những thông số này chỉ từ hình ảnh bên ngoài.

Nếu nhà máy cần kiểm soát lực siết, độ kín hoặc khả năng chống rò rỉ, nên bổ sung thiết bị đo mô-men xoắn, hệ thống kiểm tra rò rỉ hoặc phương pháp phù hợp với loại bao bì. Với vòng niêm phong, camera có thể kiểm tra các dấu hiệu nhìn thấy được, nhưng không nên xem đó là bằng chứng duy nhất cho mọi yêu cầu về tính nguyên vẹn của bao bì.

Có thể kiểm tra hạn sử dụng, mã lô và thông tin in trên bao bì không?

Có. Đây là một ứng dụng thực tế của thị giác máy, thường kết hợp camera với công nghệ OCR để đọc ký tự và OCV để đối chiếu nội dung in với thông tin cần có.

Những lỗi cần kiểm tra gồm hạn sử dụng bị mất nét, ký tự thiếu, mực in không đều, mã lô bị nhòe, thông tin in sai vị trí hoặc bao bì không có nội dung bắt buộc.

Ví dụ, máy in phun có thể hoạt động bình thường nhưng đầu in bám bẩn khiến một vài ký tự trên hạn sử dụng bị đứt nét. Nếu nhân viên chỉ kiểm tra ngẫu nhiên vài sản phẩm, lỗi có thể kéo dài qua nhiều thùng hàng trước khi được phát hiện.

Hệ thống thị giác máy có thể đọc phần thông tin cần thiết và so sánh với định dạng đã quy định. Nếu mã không đọc được hoặc nội dung không đúng mẫu, sản phẩm có thể được đánh NG để kiểm tra lại.

Tuy vậy, OCR đọc được ký tự không có nghĩa là nội dung đó đúng. Nếu máy in nhầm ngày sản xuất nhưng ký tự vẫn rõ, hệ thống chỉ kiểm tra khả năng đọc có thể không phát hiện lỗi. Muốn kiểm tra đúng hạn sử dụng, mã sản phẩm hoặc mã lô, cần đối chiếu với dữ liệu sản xuất, công thức đóng gói hoặc thông tin được cấp từ hệ thống điều khiển.

Với dây chuyền thay đổi sản phẩm thường xuyên, cần kiểm tra cả việc chọn đúng chương trình cho từng mã hàng. Một hệ thống đọc tốt nhưng đang sử dụng sai mẫu đối chiếu vẫn có thể cho ra kết quả không đáng tin cậy.

Hệ thống thị giác máy phát hiện dị vật trong thực phẩm đến đâu?

Kiểm tra dị vật là phần cần thận trọng nhất khi đánh giá khả năng của camera. Khả năng phát hiện phụ thuộc vào việc dị vật có thể nhìn thấy hay không, có tạo ra tương phản với sản phẩm hay không và nằm ở vị trí nào.

Dị vật trên bề mặt hoặc bên ngoài bao bì có thể phát hiện bằng camera không?

Với dị vật nằm trên bề mặt có thể quan sát rõ, camera có thể phát hiện những dấu hiệu như sợi tóc, mảnh vụn, côn trùng, chấm bẩn hoặc vật thể lạ có hình dạng khác với sản phẩm.

Trong thực tế, nhà máy cần phân biệt dị vật với những thành phần vốn có trong thực phẩm. Một mảnh gia vị trên bề mặt sản phẩm có thể là thành phần hợp lệ, nhưng mảnh nhựa cùng màu hoặc một vật thể lạ có hình dáng tương tự lại là vấn đề cần xử lý.

AI Vision có thể hỗ trợ phân biệt các dạng hình ảnh này khi dữ liệu được chuẩn bị phù hợp. Tuy nhiên, nếu dị vật quá nhỏ, bị che khuất hoặc có màu gần giống thực phẩm, khả năng phát hiện sẽ giảm.

Đối với dây chuyền đóng gói, camera có thể kiểm tra vùng miệng bao bì, mép hàn hoặc bề mặt bên ngoài trước khi sản phẩm đi vào thùng. Nhưng nếu dị vật nằm ở phía trong, bị lớp màng che khuất hoặc không tạo ra khác biệt trên ảnh, camera ngoài bao bì không thể bảo đảm phát hiện được.

Camera có phát hiện được dị vật bên trong chai nước hoặc đồ uống không?

Có thể phát hiện một số dị vật nhìn thấy được trong chai trong suốt, nhưng không thể khẳng định camera thông thường sẽ phát hiện mọi loại vật thể lạ.

Kết quả phụ thuộc vào độ trong của chất lỏng, màu sắc và kích thước dị vật, vị trí vật thể, độ rung của chai, bọt khí và phản xạ ánh sáng trên thành chai. Một sợi nhỏ nằm sát thành chai có thể khó phân biệt hơn vật thể có màu tối nằm giữa vùng chất lỏng trong suốt.

Với dây chuyền nước uống đóng chai, có thể sử dụng camera kết hợp ánh sáng nền hoặc các cấu hình quang học chuyên biệt để quan sát phần chất lỏng. Một số hệ thống còn kiểm tra chai ở nhiều góc hoặc kiểm soát chuyển động của chất lỏng để giúp làm lộ dị vật.

Tuy nhiên, camera 2D thông thường không thay thế được mọi công nghệ kiểm tra dị vật. Nếu nhà máy cần phát hiện hạt kim loại, mảnh thủy tinh hoặc vật thể có đặc tính khó nhận biết bằng ảnh, cần đánh giá máy dò kim loại, hệ thống tia X hoặc công nghệ kiểm tra chuyên dụng tùy loại sản phẩm và bao bì.

Cũng cần lưu ý rằng tia X không phải lúc nào cũng phát hiện tốt mọi loại vật liệu. Hiệu quả phụ thuộc vào mật độ vật liệu, kích thước dị vật, cấu trúc sản phẩm và điều kiện vận hành. Doanh nghiệp nên thử nghiệm bằng mẫu dị vật đại diện theo kế hoạch kiểm soát nguy cơ của mình.

Camera có thay thế được máy dò kim loại hoặc máy kiểm tra tia X không?

Không nên xem camera là thiết bị thay thế trực tiếp cho các hệ thống này.

Camera nhận diện những đặc điểm thể hiện trên hình ảnh. Máy dò kim loại được thiết kế để phát hiện kim loại trong điều kiện kiểm tra phù hợp. Hệ thống tia X có thể phát hiện các dị vật có đặc tính hấp thụ tia X khác biệt so với sản phẩm, tùy cấu hình và ứng dụng.

Ba phương pháp giải quyết những bài toán khác nhau. Nếu mục tiêu là phát hiện nhãn sai hoặc nắp lệch, camera thường phù hợp. Nếu mục tiêu là kiểm tra kim loại lẫn trong thực phẩm, máy dò kim loại có thể là lựa chọn cần xem xét. Nếu cần kiểm tra một số dị vật phi kim loại có mật độ phù hợp, hệ thống tia X có thể được đánh giá thêm.

Trong các nhà máy có yêu cầu kiểm soát an toàn thực phẩm nghiêm ngặt, việc lựa chọn thiết bị phải dựa trên phân tích mối nguy, đặc điểm sản phẩm, bao bì và quy trình kiểm soát đã được phê duyệt. Không nên dùng kết quả kiểm tra ngoại quan để thay cho những bước kiểm tra an toàn khác.

Nên chọn Camera Vision truyền thống, AI Vision hay thiết bị chuyên dụng?

Ba lựa chọn này khác nhau về nguyên lý và mục đích. Camera Vision truyền thống thường dễ triển khai cho bài toán rõ ràng, AI Vision xử lý tốt hơn một số dạng lỗi hình ảnh phức tạp, còn thiết bị chuyên dụng phù hợp khi cần phát hiện những đặc tính mà camera không thể đo hoặc quan sát đáng tin cậy.

Không phải lúc nào nhà máy cũng cần chọn một trong ba. Với dây chuyền đóng chai, phương án kết hợp có thể gồm camera kiểm tra nhãn và nắp, hệ thống đọc hạn sử dụng, thiết bị kiểm tra độ kín và máy dò kim loại hoặc tia X tại vị trí phù hợp với phân tích mối nguy.

Khi nào nhà máy nên đầu tư hệ thống thị giác máy?

Đầu tư có ý nghĩa nhất khi doanh nghiệp đang gặp một vấn đề cụ thể và có thể đo được trước, sau khi triển khai.

Nên cân nhắc khi:

- Dây chuyền chạy nhanh khiến nhân viên khó kiểm tra từng chai hoặc từng gói.
- Lỗi thiếu nhãn, lệch nhãn, sai nắp hoặc mã in không rõ thường xuyên xuất hiện.
- Nhiều mã hàng có hình dạng bao bì khác nhau nhưng cần kiểm tra theo tiêu chí thống nhất.
- Nhà máy cần ghi nhận hình ảnh và kết quả kiểm tra để truy xuất khi có khiếu nại.
- Chi phí phân loại lại, đóng gói lại hoặc thu hồi hàng do lỗi bao bì đang ở mức đáng kể.
- Có thể xác định rõ loại lỗi cần phát hiện và điều kiện thử nghiệm thực tế.

Chưa nên vội đầu tư khi:

- Tiêu chuẩn nhãn, nắp hoặc bao bì chưa được thống nhất.
- Sản phẩm thay đổi liên tục nhưng chưa có quy trình chuyển đổi mã hàng.
- Chưa xác định được lỗi cần camera phát hiện và lỗi cần thiết bị chuyên dụng.
- Không có cách xử lý sản phẩm NG sau khi camera phát hiện.
- Nhà máy chưa có quy trình kiểm tra xác nhận độc lập để đánh giá tỷ lệ bỏ sót.

Ví dụ, nếu lỗi chính là nắp bị thiếu và dây chuyền chỉ sử dụng một loại nắp, cảm biến hiện diện hoặc Camera Vision truyền thống có thể đã đủ. Nếu dây chuyền có nhiều loại chai, nhiều màu nắp và nhiều dạng bao bì, AI Vision có thể đáng cân nhắc hơn. Còn nếu vấn đề là chai bị rò rỉ dù bên ngoài trông bình thường, đầu tư camera chỉ để nhìn nắp chưa giải quyết đúng nguyên nhân.

Cần triển khai hệ thống thị giác máy theo những bước nào?

Bước 1: Xác định vị trí kiểm tra và loại lỗi cần phát hiện

Hãy bắt đầu bằng một công đoạn cụ thể, chẳng hạn kiểm tra nhãn ngay sau máy dán nhãn hoặc kiểm tra nắp sau máy đóng nắp. Liệt kê lỗi cần tìm, vị trí xuất hiện, mức độ nghiêm trọng và cách xử lý khi phát hiện NG.

Không nên bắt đầu bằng yêu cầu quá rộng như “kiểm tra toàn bộ chất lượng bao bì”. Nhãn, nắp, mã in và độ kín là những nhiệm vụ khác nhau, có thể cần các công nghệ khác nhau.

Bước 2: Chuẩn bị mẫu đạt và mẫu lỗi

Thu thập mẫu từ dây chuyền thực tế, gồm các trường hợp lỗi rõ ràng và những trường hợp sát giới hạn chấp nhận. Ví dụ, với nhãn chai, cần có mẫu nhãn lệch nhẹ, nhăn ở mép, thiếu một phần nhãn và nhãn bị phản sáng.

Với mã in, nên có mẫu ký tự bị đứt nét, mờ, thiếu ký tự và trường hợp in rõ nhưng sai nội dung. Điều này giúp kiểm tra xem hệ thống đang xác minh đúng yêu cầu hay chỉ đơn thuần nhận diện hình ảnh.

Bước 3: Thử nghiệm ánh sáng và góc camera

Chai trong suốt, chai bóng, lon kim loại và bao bì màng nhựa đều có đặc điểm phản xạ khác nhau. Vì vậy, cần thử nghiệm với chính vật liệu và tốc độ dây chuyền dự kiến.

Nếu lỗi không thể hiện rõ trên ảnh, cần thay đổi cấu hình quang học hoặc phương pháp kiểm tra trước khi kết luận AI không nhận diện được.

Bước 4: Kiểm tra tại tốc độ vận hành thực tế

Một hệ thống nhận diện tốt khi sản phẩm đứng yên chưa chắc đáp ứng được dây chuyền chạy liên tục. Cần kiểm tra cả tốc độ chụp, thời gian xử lý, khả năng đồng bộ với PLC và cơ cấu loại sản phẩm.

Nhà máy cũng cần kiểm tra trường hợp chai đi sát nhau, chai xoay không đúng hướng, băng tải rung hoặc sản phẩm bị che khuất.

Bước 5: Thống nhất tiêu chí nghiệm thu

Trước khi mua thiết bị, nên thống nhất bằng văn bản:

- Danh sách lỗi cần kiểm tra và mẫu chuẩn tương ứng.
- Tỷ lệ phát hiện lỗi mục tiêu và tỷ lệ loại nhầm chấp nhận được.
- Tốc độ dây chuyền và thời gian xử lý tối đa.
- Cách xử lý khi không đọc được mã hoặc camera không có kết quả.
- Cơ chế loại sản phẩm NG và xác nhận cơ cấu loại hoạt động đúng.
- Phương án lưu ảnh, truy xuất dữ liệu và đổi mã sản phẩm.
- Cách kiểm tra lại kết quả bằng phương pháp độc lập.

Với lỗi có ảnh hưởng đến an toàn thực phẩm hoặc yêu cầu khách hàng nghiêm ngặt, cần đánh giá riêng theo mức độ rủi ro. Không nên chỉ dùng tỷ lệ chính xác tổng thể làm tiêu chí nghiệm thu.

Những sai sót nào nhà máy cần tránh khi sử dụng camera kiểm tra bao bì?

Một lỗi thường gặp là chọn camera theo độ phân giải nhưng không thử ánh sáng. Camera có nhiều điểm ảnh vẫn có thể không phát hiện được vết nhăn nếu phản xạ trên bao bì che mất khuyết tật.

Sai sót thứ hai là dùng một cấu hình cho tất cả sản phẩm. Chai thủy tinh, chai PET trong suốt, lon kim loại và túi màng ghép không phản xạ ánh sáng giống nhau. Khi đổi bao bì, nhà máy nên xác nhận lại chương trình kiểm tra và điều kiện chụp.

Sai sót thứ ba là chỉ kiểm tra sản phẩm bị đánh NG. Nếu không lấy mẫu từ nhóm sản phẩm được đánh OK, nhà máy sẽ khó phát hiện tình trạng hệ thống bỏ sót lỗi.

Sai sót thứ tư là không đồng bộ camera với cơ cấu loại hàng. Camera có thể nhận diện đúng nhưng nếu tín hiệu bị trễ, cơ cấu gạt có thể loại nhầm chai bên cạnh. Do đó, cần kiểm tra cả kết quả nhận diện lẫn khả năng loại đúng sản phẩm trên dây chuyền.

Cuối cùng, không nên coi dữ liệu AI là bằng chứng duy nhất cho chất lượng hoặc an toàn thực phẩm. Hệ thống cần nằm trong quy trình kiểm soát tổng thể, cùng với các bước kiểm tra, vệ sinh, kiểm soát dị vật và xác nhận chất lượng theo yêu cầu của nhà máy.

Dây chuyền nước uống đóng chai giảm lỗi nhãn và nắp như thế nào?

Một nhà máy nước uống đóng chai giả định vận hành dây chuyền tốc độ cao với nhiều mã nhãn và một số loại nắp khác nhau. Trong quá trình sản xuất, nhân viên phát hiện một số chai bị lệch nhãn, một số nắp đặt không đúng vị trí và mã hạn sử dụng đôi lúc khó đọc.

Ban đầu, nhà máy muốn lắp một hệ thống AI Vision để kiểm tra tất cả lỗi. Sau khi phân tích quy trình, nhóm kỹ thuật chia bài toán thành ba phần: kiểm tra vị trí nhãn, kiểm tra nắp và xác minh mã in.

Camera Vision truyền thống được thử nghiệm cho việc phát hiện thiếu nhãn và nắp thiếu. Với các lỗi nhãn nhăn, lệch ở nhiều vị trí và một số trường hợp hình ảnh phức tạp, nhóm đánh giá thêm AI Vision. Phần kiểm tra hạn sử dụng được thiết kế để đọc ký tự và đối chiếu nội dung với dữ liệu của lô sản xuất.

Trong giai đoạn thử nghiệm, nhóm vận hành cố ý đưa qua hệ thống các mẫu lỗi ở nhiều mức độ và lấy mẫu ngẫu nhiên từ nhóm sản phẩm được đánh OK. Khi phát hiện trường hợp nhãn bóng tạo phản xạ gây báo lỗi nhầm, nhóm điều chỉnh ánh sáng và góc camera trước khi đánh giá lại.

Nhà máy cũng giữ nguyên các bước kiểm tra độ kín và kiểm soát dị vật theo quy trình riêng, thay vì xem camera kiểm tra nắp là bằng chứng cho độ kín hoặc an toàn của chai.

Đây là tình huống minh họa giả định, không phải kết quả của một khách hàng thực tế. Điểm đáng chú ý là việc chia bài toán theo từng nhiệm vụ giúp nhà máy chọn đúng công nghệ cho từng loại lỗi, đồng thời dễ kiểm chứng kết quả hơn so với việc yêu cầu một mô hình AI xử lý mọi vấn đề cùng lúc.

Câu hỏi thường gặp về kiểm tra nhãn, nắp chai, bao bì và dị vật

• AI Vision có thể kiểm tra 100% sản phẩm trên dây chuyền không?

Có thể thiết kế để kiểm tra từng sản phẩm đi qua vị trí camera, nhưng điều đó không đồng nghĩa mọi lỗi đều được phát hiện 100%. Hiệu quả phụ thuộc vào tốc độ, góc quan sát, điều kiện ánh sáng, loại lỗi và kết quả thử nghiệm. Nhà máy cần đo tỷ lệ bỏ sót và loại nhầm trên mẫu đại diện.

• Camera có đọc được hạn sử dụng in trên chai hoặc túi không?

Có. Hệ thống có thể dùng OCR để đọc ký tự và đối chiếu với định dạng hoặc dữ liệu lô sản xuất. Để phát hiện trường hợp in đúng hình thức nhưng sai nội dung, cần kết nối dữ liệu đối chiếu phù hợp thay vì chỉ kiểm tra ký tự có rõ hay không.

• Camera có phát hiện được dị vật trong chai nước không?

Có thể phát hiện một số dị vật nhìn thấy được nếu cấu hình quang học phù hợp. Tuy nhiên, khả năng phát hiện phụ thuộc vào kích thước, vật liệu, màu sắc, vị trí dị vật và độ trong của chất lỏng. Với nguy cơ dị vật không thể quan sát đáng tin cậy bằng camera, cần đánh giá công nghệ kiểm tra chuyên dụng.

• Kiểm tra nắp bằng camera có bảo đảm chai không bị rò rỉ không?

Không. Camera có thể kiểm tra sự hiện diện, vị trí và một số dấu hiệu ngoại quan của nắp. Để xác nhận độ kín, nhà máy cần sử dụng phương pháp kiểm tra rò rỉ hoặc thiết bị phù hợp với loại chai, nắp và yêu cầu kỹ thuật.

• Nhà máy nhỏ có cần đầu tư AI Vision không?

Không nhất thiết. Nếu dây chuyền có ít mã hàng và chỉ cần kiểm tra những lỗi đơn giản, cảm biến hoặc Camera Vision truyền thống có thể đáp ứng với chi phí thấp hơn. AI Vision đáng cân nhắc khi lỗi đa dạng, khó mô tả bằng quy tắc hoặc chi phí do lỗi lọt đủ lớn để chứng minh hiệu quả đầu tư.

• Nên chọn nhà cung cấp hệ thống thị giác máy theo tiêu chí nào?

Nên yêu cầu nhà cung cấp thử nghiệm trên bao bì thật, trình bày rõ các lỗi có thể kiểm tra, điều kiện vận hành, tỷ lệ bỏ sót mục tiêu, tốc độ xử lý và phương án tích hợp với PLC hoặc cơ cấu loại hàng. Đồng thời, cần làm rõ chi phí khi đổi mã hàng, bảo trì, lưu ảnh và hỗ trợ khi kết quả kiểm tra thay đổi theo thời gian.

Nhà máy thực phẩm và đồ uống nên bắt đầu từ đâu?

Nếu vấn đề hiện tại là nhãn lệch, thiếu nắp hoặc mã hạn sử dụng khó đọc, hãy bắt đầu từ đúng công đoạn đang phát sinh lỗi và đo tỷ lệ lỗi trước khi đầu tư. Với những lỗi ngoại quan đơn giản, Camera Vision truyền thống có thể đã đủ; AI Vision phù hợp hơn khi hình thái lỗi đa dạng hoặc điều kiện hình ảnh phức tạp.

Nếu mục tiêu là phát hiện dị vật, kiểm tra độ kín hoặc bảo đảm an toàn thực phẩm, cần xác định rõ camera có thể kiểm tra đến đâu và phần nào phải dùng công nghệ khác. Phương án tốt nhất là kết hợp các thiết bị theo từng nhiệm vụ, sau đó nghiệm thu bằng mẫu thực tế và tiêu chí đo được.

Điều nhà máy cần không phải là một hệ thống có thể quảng cáo rằng “kiểm tra mọi thứ”, mà là giải pháp phát hiện đúng những lỗi quan trọng, hoạt động ổn định ở tốc độ sản xuất thật và có quy trình xử lý rõ ràng khi phát hiện sản phẩm không đạt.