Camera AI ngành thủy tinh: Phát hiện nứt, xước và lỗi ngoại quan

Ngành thủy tinh: Camera AI phát hiện nứt, xước và lỗi ngoại quan trên sản phẩm thủy tinh

Camera AI có thể giúp nhà máy thủy tinh phát hiện vết nứt, vết xước, bọt khí, dị vật và những bất thường trên bề mặt chai lọ, kính tấm hoặc sản phẩm thủy tinh công nghiệp. Khác với Camera Vision truyền thống, AI Vision có khả năng nhận diện những dạng lỗi ngoại quan phức tạp hơn khi hình dạng lỗi thay đổi và khó mô tả bằng các ngưỡng cố định. Tuy nhiên, thủy tinh trong suốt, phản chiếu ánh sáng và có nhiều đường cong khiến việc chụp ảnh khó hơn so với các vật liệu thông thường, nên hệ thống cần được thiết kế theo từng loại sản phẩm và vị trí cần kiểm tra. Để chọn đúng giải pháp, nhà máy phải xác định loại lỗi cần phát hiện, thử nghiệm trên mẫu thực tế và đánh giá cả tỷ lệ bỏ sót, tỷ lệ loại nhầm lẫn khả năng vận hành ở tốc độ dây chuyền.

Camera AI kiểm tra lỗi thủy tinh hoạt động như thế nào?

Camera AI kiểm tra thủy tinh là hệ thống sử dụng camera công nghiệp, ánh sáng, phần mềm xử lý ảnh và mô hình trí tuệ nhân tạo để tìm những dấu hiệu bất thường trên sản phẩm. Hệ thống chụp ảnh khi chai, lọ hoặc tấm kính đi qua vị trí kiểm tra, sau đó phân tích hình ảnh và đưa ra kết quả đạt hoặc không đạt theo tiêu chí đã thiết lập.

Nếu phát hiện sản phẩm có dấu hiệu lỗi, hệ thống có thể gửi tín hiệu đến PLC để kích hoạt cơ cấu loại sản phẩm, đánh dấu vị trí lỗi hoặc dừng dây chuyền khi cần. Kết quả kiểm tra cũng có thể được lưu lại để phục vụ truy xuất và phân tích nguyên nhân.

Điểm khó của thủy tinh nằm ở chính đặc tính vật liệu. Một chai thủy tinh trong suốt có thể phản chiếu đèn, nền phía sau và các vật thể xung quanh. Những vùng sáng tối xuất hiện trên ảnh đôi khi chỉ là phản xạ ánh sáng, nhưng cũng có thể che khuất một vết nứt nhỏ. Với kính tấm, vết xước mảnh có thể gần như biến mất nếu góc chiếu sáng không phù hợp.

Vì vậy, không nên nghĩ rằng chỉ cần lắp camera có độ phân giải cao là phát hiện được mọi lỗi. Trong nhiều trường hợp, việc chọn đúng ánh sáng và góc chụp quan trọng không kém việc lựa chọn mô hình AI.

Một hệ thống kiểm tra thủy tinh hiệu quả thường phải giải quyết ba việc: tạo được hình ảnh đủ rõ, nhận diện đúng dấu hiệu lỗi và liên kết kết quả với đúng sản phẩm trên dây chuyền. Nếu một trong ba khâu này không ổn định, hiệu quả kiểm tra thực tế sẽ giảm.

Những lỗi nào trên sản phẩm thủy tinh có thể được phát hiện bằng Camera AI?

Khả năng phát hiện phụ thuộc vào loại sản phẩm, kích thước lỗi, vị trí xuất hiện và yêu cầu chất lượng của nhà máy. Với chai lọ, camera thường cần kiểm tra nhiều vùng khác nhau như miệng chai, cổ chai, thân chai và đáy chai. Với kính tấm, vùng cần quan tâm có thể là toàn bộ bề mặt, cạnh kính hoặc khu vực đã gia công.

Camera AI có phát hiện được vết nứt trên thủy tinh không?

Có thể, nếu vết nứt tạo ra dấu hiệu hình ảnh đủ rõ và hệ thống được bố trí phù hợp. Những vết nứt trên thân chai, cổ chai, miệng chai hoặc cạnh kính có thể làm thay đổi đường phản xạ, tạo đường bất thường hoặc xuất hiện những dấu hiệu khác với sản phẩm đạt.

Tuy nhiên, không phải vết nứt nào cũng dễ nhìn thấy. Vết nứt rất nhỏ, vết nứt nằm ở vùng cong hoặc vết nứt bị che bởi phản chiếu có thể khó phát hiện hơn. Một số khuyết tật còn nằm bên trong vật liệu hoặc chỉ bộc lộ khi chịu tải, nên không thể mặc định rằng camera ngoại quan thay thế được các phương pháp kiểm tra chuyên dụng.

Với sản phẩm cần yêu cầu an toàn cao, nhà máy phải xác định kích thước khuyết tật tới hạn và kiểm chứng khả năng phát hiện bằng mẫu lỗi phù hợp. Không nên nghiệm thu chỉ dựa trên vài vết nứt lớn mà ai cũng có thể nhìn thấy.

Camera AI có phát hiện được vết xước trên chai lọ và kính tấm không?

Vết xước là một trong những lỗi đáng chú ý vì mức độ rõ của nó thay đổi theo hướng, độ sâu và điều kiện ánh sáng. Một vết xước trên kính phẳng có thể rất khó thấy khi nhìn trực diện nhưng lại nổi rõ khi ánh sáng chiếu xiên. Trên chai thủy tinh cong, phản chiếu từ bề mặt có thể khiến vết xước bị lẫn vào các vệt sáng.

AI Vision có thể học cách phân biệt nhiều dạng vết xước dựa trên ảnh mẫu, nhưng hệ thống vẫn cần hình ảnh được chụp đúng điều kiện. Nếu vết xước cần kiểm tra nhỏ hơn khả năng phân giải thực tế của hệ thống, huấn luyện AI phức tạp hơn cũng không thể khôi phục thông tin mà camera chưa ghi nhận được.

Vì thế, trước khi chọn camera, nhà máy nên thống nhất kích thước vết xước nhỏ nhất cần phát hiện, vùng kiểm tra và tiêu chí phân loại. Đây là cơ sở để chọn độ phân giải, ống kính, khoảng cách chụp và cấu hình ánh sáng.

Camera AI có nhận diện được bọt khí, dị vật và lỗi tạo hình không?

Có thể phát hiện nhiều dạng lỗi như bọt khí nhìn thấy được, tạp chất bên trong thủy tinh, vùng vật liệu không đồng đều, biến dạng hình dáng hoặc một số lỗi tạo hình. Tuy nhiên, từng loại lỗi có đặc điểm hình ảnh khác nhau.

Bọt khí thường xuất hiện như vùng có hình dạng và độ tương phản khác với phần thủy tinh xung quanh. Dị vật có thể có màu sắc hoặc đặc điểm phản xạ khác vật liệu nền. Lỗi tạo hình có thể được phát hiện bằng cách so sánh biên dạng, kích thước hoặc vị trí với mẫu chuẩn.

Điều cần lưu ý là camera kiểm tra bề mặt và camera kiểm tra khuyết tật bên trong không phải lúc nào cũng dùng chung cấu hình. Nếu cần phát hiện bọt khí hoặc tạp chất nằm trong vật liệu, nhà máy phải kiểm tra xem dấu hiệu đó có thể quan sát được bằng phương pháp chụp đang sử dụng hay không. Với các yêu cầu vượt quá khả năng của ảnh thông thường, cần cân nhắc giải pháp quang học hoặc thiết bị kiểm tra chuyên dụng.

Vì sao kiểm tra thủy tinh khó hơn kiểm tra nhiều loại vật liệu khác?

Khó khăn lớn nhất là hình ảnh của thủy tinh thay đổi mạnh theo ánh sáng và góc nhìn. Với một sản phẩm kim loại mờ hoặc nhựa đục, vết xước có thể tạo ra vùng tương phản tương đối dễ nhận biết. Nhưng với thủy tinh, ánh sáng có thể xuyên qua, phản xạ hoặc khúc xạ, khiến cùng một khuyết tật trông khác nhau trong các điều kiện chụp khác nhau.

Có bốn vấn đề nhà máy nên tính đến.

• Thứ nhất, thủy tinh trong suốt hoặc bán trong suốt. Nền phía sau có thể nhìn xuyên qua sản phẩm, làm dấu hiệu lỗi bị lẫn với hình ảnh nền. Nếu nền thay đổi theo vị trí hoặc ánh sáng xung quanh, kết quả nhận diện cũng có thể thay đổi.
• Thứ hai, bề mặt phản chiếu. Đèn, khung máy và các vật thể gần camera có thể tạo ra những vệt sáng trên sản phẩm. Nếu không kiểm soát tốt, hệ thống dễ nhầm phản chiếu với vết xước hoặc bỏ qua lỗi nằm trong vùng sáng mạnh.
• Thứ ba, hình dạng sản phẩm đa dạng. Chai tròn, chai vuông, lọ nhỏ và kính phẳng có cách phản xạ ánh sáng khác nhau. Một cấu hình phù hợp với chai trong suốt có thể không hoạt động tốt với chai màu hoặc sản phẩm có hoa văn.
• Thứ tư, tốc độ dây chuyền. Sản phẩm chuyển động nhanh có thể bị nhòe nếu thời gian phơi sáng không phù hợp. Với chai quay trên băng tải, hệ thống còn phải chụp đủ các mặt cần kiểm tra, thay vì chỉ quan sát một phía.

Đây là lý do dự án kiểm tra thủy tinh cần thử nghiệm quang học từ sớm. Nếu hình ảnh chưa đủ tốt, nhà cung cấp nên giải quyết vấn đề chụp ảnh trước khi chuyển sang điều chỉnh AI.

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

Ba lựa chọn này phục vụ những nhu cầu khác nhau. Camera Vision truyền thống thường phù hợp với lỗi có quy tắc rõ ràng; AI Vision hữu ích khi hình thái lỗi phức tạp; còn thiết bị chuyên dụng cần được cân nhắc khi yêu cầu kiểm tra vượt quá khả năng của hình ảnh thông thường.

Nên chọn Camera Vision truyền thống, AI Vision hay thiết bị kiểm tra chuyên dụng cho nhà máy thủy tinh?

Trong thực tế, nhà máy không nhất thiết phải chọn duy nhất một công nghệ. Camera Vision truyền thống có thể kiểm tra kích thước hoặc biên dạng, AI Vision phân loại lỗi ngoại quan khó, còn thiết bị chuyên dụng đảm nhiệm phép đo hoặc kiểm tra sâu hơn.

Điều quan trọng là không dùng kết quả AI thay cho một phép đo kỹ thuật khi hai phương pháp không tương đương. Ví dụ, hệ thống nhận diện một đường bất thường trên chai không đồng nghĩa với việc đã xác định được chiều sâu vết nứt hoặc chứng minh sản phẩm đủ bền.

Nên lắp Camera AI ở công đoạn nào trong nhà máy thủy tinh?

Vị trí lắp camera nên dựa trên thời điểm lỗi xuất hiện, mức độ dễ quan sát và hậu quả nếu sản phẩm lỗi đi tiếp. Không nhất thiết phải kiểm tra mọi thứ tại một điểm duy nhất.

Với nhà máy sản xuất chai lọ, nên kiểm tra ở đâu?

Nhà máy chai lọ có thể xem xét các vị trí sau:

- Sau công đoạn tạo hình: kiểm tra hình dáng bất thường, một số khuyết tật trên thân, cổ và đáy chai.
- Sau khi sản phẩm ổn định nhiệt: kiểm tra ngoại quan tại vị trí có điều kiện ánh sáng và nhiệt độ phù hợp với hệ thống.
- Trước khi đóng gói: kiểm tra lại các vùng quan trọng, phát hiện sản phẩm bị nứt hoặc sứt mẻ có thể quan sát được trước khi đưa vào thùng.
- Trước một công đoạn gia công tiếp theo: phát hiện sớm lỗi để tránh tiếp tục xử lý sản phẩm không đạt.

Vị trí chính xác còn phụ thuộc nhiệt độ sản phẩm, tốc độ băng tải và thiết kế máy. Nếu chai còn quá nóng hoặc điều kiện nhiệt làm ảnh hưởng đến thiết bị, camera và ánh sáng phải được lựa chọn phù hợp. Nhà máy cũng cần tính đến rung động, bụi và khả năng tiếp cận để bảo trì.

Với nhà máy kính tấm, nên kiểm tra như thế nào?

Kính tấm thường cần kiểm tra vùng bề mặt lớn và có thể phải quan sát cả hai mặt hoặc các cạnh. Hệ thống có thể dùng nhiều camera hoặc nhiều góc chiếu sáng để tăng khả năng nhìn thấy vết xước và các khuyết tật cần quan tâm.

Nếu kính di chuyển liên tục, hệ thống phải đồng bộ tốc độ chụp với tốc độ vận chuyển để tránh bỏ sót vùng giữa hai lần chụp. Với tấm kính lớn, cần xác định rõ độ phân giải trên toàn vùng kiểm tra; không nên chỉ dựa vào độ phân giải danh nghĩa của camera.

Nếu yêu cầu bao gồm đo kích thước hoặc kiểm tra cạnh kính với dung sai chặt, nhà máy cần xác minh độ chính xác đo lường của toàn hệ thống, bao gồm camera, ống kính, hiệu chuẩn và đồ gá, thay vì chỉ đánh giá khả năng phát hiện lỗi bằng AI.

Khi nào nhà máy nên đầu tư Camera AI kiểm tra thủy tinh?

Đầu tư có cơ sở khi nhà máy gặp một hoặc nhiều tình huống sau:

- Nhân viên phải quan sát liên tục sản phẩm chạy nhanh, khó duy trì mức tập trung đồng đều trong cả ca.
- Lỗi ngoại quan có nhiều hình thái, khiến quy tắc kiểm tra truyền thống thường xuyên phải chỉnh sửa.
- Sản phẩm có giá trị cao hoặc lỗi lọt sang công đoạn sau gây ra chi phí đáng kể.
- Nhà máy cần lưu ảnh và kết quả kiểm tra để phân tích lỗi theo ca, máy hoặc lô sản xuất.
- Nhiều mẫu chai, lọ hoặc kính có yêu cầu kiểm tra tương tự nhưng hình dạng và đặc điểm bề mặt khác nhau.

Lợi ích có thể thấy rõ nhất là hệ thống kiểm tra theo tiêu chí nhất quán, giảm sự phụ thuộc vào việc quan sát bằng mắt và cung cấp dữ liệu để tìm nguyên nhân lỗi. Tuy nhiên, mức tiết kiệm thực tế phải được đo bằng số liệu của nhà máy.

Ngược lại, nếu sản lượng thấp, lỗi rất rõ và Camera Vision truyền thống đã đáp ứng yêu cầu, đầu tư AI có thể không cần thiết. Nhà máy cũng chưa nên triển khai khi chưa có mẫu lỗi đại diện, chưa thống nhất mức lỗi cần phát hiện hoặc chưa có phương án xử lý sản phẩm bị đánh dấu.

Một điểm cần cân nhắc là AI không tự giải quyết được vấn đề chất lượng đầu vào. Nếu nhà máy thay đổi loại thủy tinh, màu sắc, khuôn hoặc điều kiện tạo hình khiến hình ảnh thay đổi đáng kể, hệ thống cần được đánh giá lại. Chi phí này nên được tính vào kế hoạch vận hành ngay từ đầu.

Làm thế nào để triển khai hệ thống kiểm tra thủy tinh đúng ngay từ đầu?

Trước khi đặt mua thiết bị, nhà máy nên chuẩn bị một danh sách lỗi cụ thể và xác định mức độ quan trọng của từng lỗi. Sau đó, tiến hành thử nghiệm trên sản phẩm thực tế thay vì chỉ xem video trình diễn hoặc kết quả từ mẫu do nhà cung cấp chuẩn bị.

Bước 1: Chốt tiêu chí lỗi. Xác định vết nứt, vết xước, bọt khí hoặc biến dạng nào cần phát hiện, kích thước nhỏ nhất cần quan tâm và vị trí cần kiểm tra. Nếu chưa thống nhất tiêu chí, mỗi bên có thể hiểu khác nhau về thế nào là sản phẩm lỗi.

Bước 2: Chuẩn bị mẫu đạt và mẫu lỗi. Cần có các trường hợp dễ nhận biết lẫn những mẫu khó phân biệt. Với vết xước, nên có mẫu ở nhiều hướng và mức độ khác nhau; với chai lọ, nên có các mẫu ở thân, cổ, miệng và đáy nếu đây là những vùng cần kiểm tra.

Bước 3: Thử ánh sáng và góc chụp. Kiểm tra các phương án chiếu sáng, nền phía sau, vị trí camera và cách cố định sản phẩm. Với thủy tinh trong suốt, cần đặc biệt chú ý phản chiếu và vùng bị ánh sáng làm lóa.

Bước 4: Thử ở tốc độ thực tế. Hệ thống cần được đánh giá khi dây chuyền chạy ở tốc độ dự kiến, không chỉ lúc sản phẩm đứng yên. Nếu sản phẩm xoay hoặc di chuyển, phải kiểm tra khả năng chụp đủ vùng cần thiết.

Bước 5: Đo tỷ lệ bỏ sót và loại nhầm. Tỷ lệ chính xác tổng thể chưa đủ để đánh giá. Nhà máy cần xem riêng từng loại lỗi quan trọng, vì hệ thống có thể nhận diện tốt vết xước lớn nhưng bỏ sót vết nứt nhỏ.

Bước 6: Kiểm tra cơ cấu loại sản phẩm. Nếu hệ thống được kết nối với máy loại tự động, cần xác nhận tín hiệu có tác động lên đúng sản phẩm và cơ cấu loại hoạt động ổn định. Phải có cách xử lý khi mất tín hiệu, sản phẩm đi sai vị trí hoặc cơ cấu loại không hoạt động.

Bước 7: Quy định cách xử lý khi hệ thống không chắc chắn. Một số trường hợp có thể được chuyển sang kiểm tra bổ sung thay vì tự động cho qua. Quy trình này phải được thống nhất trước khi chạy chính thức để tránh tình trạng sản phẩm không rõ trạng thái vẫn đi tiếp.

Nhà máy chai thủy tinh xử lý lỗi nứt và xước như thế nào?

Tình huống sau đây là ví dụ giả định nhằm minh họa cách triển khai, không phải dữ liệu từ một khách hàng thực tế.

Giả sử một nhà máy sản xuất chai thủy tinh cung cấp cho ngành đồ uống. Bộ phận QC thường phát hiện một số chai có vết xước trên thân và sứt mẻ ở miệng chai trong quá trình kiểm tra cuối dây chuyền. Khi tốc độ sản xuất tăng, việc quan sát từng chai bằng mắt trở nên khó khăn hơn, đặc biệt với những vết xước nhỏ nằm gần vùng phản chiếu.

Nhà máy quyết định thử nghiệm hệ thống camera tại một vị trí sau công đoạn tạo hình và làm nguội, nơi điều kiện sản phẩm phù hợp với thiết bị kiểm tra. Nhóm dự án chia bài toán thành hai phần: kiểm tra ngoại quan thân chai và kiểm tra vùng miệng chai.

Với thân chai, hệ thống được thử bằng nhiều góc chụp và phương án chiếu sáng để làm rõ vết xước. Với miệng chai, camera được bố trí theo hướng có thể quan sát vùng cần kiểm tra. Những lỗi khó nhìn thấy từ một góc được đánh giá xem có cần thêm camera hoặc thay đổi cách chiếu sáng hay không.

Trong giai đoạn thử nghiệm, nhóm dự án nhận thấy một số vệt phản chiếu bị nhận nhầm thành vết xước. Thay vì chỉ tăng ngưỡng AI, nhóm điều chỉnh ánh sáng và nền phía sau, sau đó kiểm tra lại bằng bộ mẫu độc lập. Đây là bước quan trọng vì nếu hình ảnh đầu vào thay đổi thất thường, việc điều chỉnh mô hình có thể không giải quyết được nguyên nhân gốc.

Nhà máy cũng thử cơ cấu loại sản phẩm trên băng tải để bảo đảm chai bị đánh dấu được loại đúng. Các trường hợp hệ thống không đưa ra kết quả đủ chắc chắn được xử lý theo quy trình đã thống nhất, không tự động coi là sản phẩm đạt.

Sau khi hoàn tất thử nghiệm, nhà máy chỉ chuyển sang vận hành chính thức khi các chỉ tiêu về phát hiện lỗi, loại nhầm và tốc độ được đáp ứng. Hiệu quả được theo dõi qua số lỗi phát hiện trước khi đóng gói, số sản phẩm phải kiểm tra lại và thời gian nhân viên dành cho việc quan sát thủ công.

Bài học từ ví dụ này là dự án không nên bắt đầu bằng việc chọn một camera thật mạnh. Cần bắt đầu từ lỗi cần phát hiện, điều kiện tạo ảnh và cách xác nhận hệ thống có thực sự làm tốt công việc đó hay không.

Làm sao biết hệ thống Camera AI có phù hợp với nhà máy thủy tinh?

Trước khi nghiệm thu, nhà máy nên yêu cầu nhà cung cấp trình bày kết quả theo từng loại lỗi và điều kiện vận hành. Bốn nhóm tiêu chí cần được xem xét gồm:

- Khả năng phát hiện: Có nhận ra những lỗi đã thống nhất, đặc biệt là lỗi nhỏ hoặc khó quan sát không?
- Tỷ lệ loại nhầm: Bao nhiêu sản phẩm đạt bị đánh dấu không đạt? Tỷ lệ này có làm tăng phế phẩm hoặc gây gián đoạn dây chuyền không?
- Tốc độ và độ ổn định: Hệ thống có xử lý kịp tốc độ thực tế, kể cả khi sản phẩm thay đổi vị trí hoặc hướng không?
- Khả năng bảo trì: Khi thay đổi mẫu sản phẩm, ánh sáng hoặc vị trí lắp đặt, nhà máy có thể kiểm tra lại và khôi phục cấu hình một cách có kiểm soát không?

Cần lưu ý rằng không có một tỷ lệ phát hiện chung phù hợp cho mọi sản phẩm thủy tinh. Mức chấp nhận phải dựa trên yêu cầu chất lượng, mức độ nghiêm trọng của lỗi và mục đích sử dụng sản phẩm. Với các khuyết tật có ảnh hưởng đến an toàn hoặc độ bền, cần kết hợp phương pháp kiểm tra phù hợp thay vì dựa hoàn toàn vào ảnh ngoại quan.

Những câu hỏi thường gặp về Camera AI kiểm tra sản phẩm thủy tinh

Camera AI có phát hiện được vết nứt rất nhỏ không?

• Có thể phát hiện nếu vết nứt tạo ra dấu hiệu hình ảnh đủ rõ và hệ thống được thiết kế phù hợp. Khả năng thực tế phụ thuộc vào kích thước vết nứt, vị trí, độ phân giải trên vật thể, ánh sáng và tốc độ dây chuyền. Nhà máy nên thử nghiệm bằng mẫu có kích thước lỗi gần với giới hạn cần phát hiện.

Camera AI có kiểm tra được chai thủy tinh trong suốt không?

• Có. Tuy nhiên, thủy tinh trong suốt thường đòi hỏi kiểm soát ánh sáng và nền chụp kỹ hơn. Phản chiếu và hình ảnh phía sau chai có thể làm vết lỗi khó nhìn thấy, nên cần thử nghiệm với đúng loại chai, màu thủy tinh và điều kiện sản xuất thực tế.

Nên dùng AI Vision hay Camera Vision truyền thống để kiểm tra vết xước?

• Nếu vết xước rõ, hình thái ít thay đổi và điều kiện chụp ổn định, Camera Vision truyền thống có thể đáp ứng tốt. Nếu vết xước có nhiều dạng, thường bị lẫn với phản chiếu hoặc khó mô tả bằng quy tắc cố định, AI Vision đáng để thử nghiệm. Quyết định nên dựa trên kết quả kiểm tra mẫu chứ không chỉ dựa vào tên công nghệ.

Một camera có kiểm tra được toàn bộ chai thủy tinh không?

• Không phải lúc nào cũng được. Một camera thường chỉ quan sát được một số vùng theo góc nhìn của nó. Nếu cần kiểm tra toàn bộ thân chai, miệng, cổ và đáy, có thể cần nhiều camera, cơ cấu xoay chai hoặc các vị trí kiểm tra riêng.

Camera AI có thay thế được phép thử độ bền hoặc kiểm tra khuyết tật bên trong không?

• Không thể mặc định như vậy. Camera ngoại quan phát hiện dấu hiệu nhìn thấy được trên ảnh, trong khi độ bền hoặc khuyết tật bên trong có thể cần phép thử và thiết bị chuyên dụng. Nhà máy cần chọn phương pháp dựa trên tiêu chuẩn kỹ thuật và mức độ rủi ro của sản phẩm.

Chi phí đầu tư hệ thống Camera AI phụ thuộc vào những yếu tố nào?

• Chi phí phụ thuộc số camera, ống kính, hệ thống chiếu sáng, số vùng cần kiểm tra, tốc độ dây chuyền, phần mềm, cơ cấu loại sản phẩm và mức độ tích hợp. Việc chuẩn bị mẫu, thử nghiệm, xác nhận hiệu quả và đào tạo vận hành cũng cần được tính đến khi lập ngân sách.

Nhà máy thủy tinh nên bắt đầu từ đâu?

Nếu nhà máy đang gặp tình trạng nứt, xước hoặc lỗi ngoại quan lọt qua khâu kiểm tra, bước đầu tiên là chọn một loại sản phẩm và một nhóm lỗi cụ thể để thử nghiệm. Hãy chuẩn bị mẫu đạt, mẫu lỗi, thống nhất kích thước khuyết tật cần phát hiện và yêu cầu nhà cung cấp kiểm tra ở tốc độ vận hành dự kiến.

Sau đó, đánh giá đồng thời chất lượng hình ảnh, khả năng nhận diện, tỷ lệ loại nhầm và độ tin cậy của cơ cấu xử lý sản phẩm lỗi. Nếu bài toán liên quan đến khuyết tật bên trong hoặc yêu cầu đo lường chuyên biệt, hãy xác định ngay từ đầu liệu có cần thiết bị kiểm tra bổ sung hay không.

Với ngành thủy tinh, hệ thống tốt không đơn giản là hệ thống phát hiện được nhiều lỗi trong một buổi trình diễn. Đó phải là hệ thống nhìn thấy đúng loại khuyết tật cần kiểm soát, hoạt động ổn định trong điều kiện nhà máy và cung cấp kết quả đủ tin cậy để bộ phận sản xuất, QC và kỹ thuật cùng sử dụng.