Robot AI Vision kiểm tra ba via, trầy xước chi tiết kim loại CNC

Ngành cơ khí chính xác: Robot AI Vision phát hiện ba via, trầy xước và sai lệch ngoại quan trên chi tiết kim loại như thế nào?

Robot AI Vision có thể tự động kiểm tra ba via, vết trầy xước, móp méo và những dấu hiệu ngoại quan bất thường trên chi tiết kim loại sau gia công CNC. Camera công nghiệp ghi lại hình ảnh, phần mềm AI phân tích vùng cần kiểm tra, còn robot có thể gắp, xoay chi tiết để quan sát nhiều mặt trước khi phân loại sản phẩm. Tuy nhiên, bề mặt kim loại thường phản sáng, vết xước có thể rất nhỏ và ba via đôi khi nằm ở góc khuất, nên hệ thống phải được thử trên mẫu chi tiết thực tế. Để đầu tư hiệu quả, nhà máy cần xác định rõ loại lỗi cần phát hiện, mức độ nghiêm trọng và yêu cầu kiểm tra trước khi chọn camera cố định, AI Vision hay robot kết hợp camera.

Robot AI Vision kiểm tra chi tiết cơ khí chính xác là gì?

Trong nhà máy CNC và gia công kim loại, kiểm tra ngoại quan thường diễn ra sau các công đoạn như tiện, phay, khoan, mài, cắt hoặc xử lý bề mặt. Nhân viên QC cần quan sát từng chi tiết để tìm ba via, vết xước, vết lõm, sứt cạnh hoặc dấu hiệu gia công không đạt yêu cầu.

Robot AI Vision đưa công việc này vào một quy trình tự động hơn. Camera chụp ảnh chi tiết, phần mềm xử lý hình ảnh để tìm vùng bất thường, sau đó hệ thống đưa ra kết quả theo tiêu chí đã thiết lập. Nếu chi tiết có nhiều mặt hoặc nhiều vị trí khó nhìn, robot có thể gắp và xoay sản phẩm để camera kiểm tra lần lượt.

Một hệ thống thường gồm các thành phần chính:

- Camera và ống kính: thu hình ảnh bề mặt, cạnh, lỗ hoặc vùng gia công cần kiểm tra.
- Hệ thống chiếu sáng: làm rõ những khuyết điểm có thể bị che bởi phản xạ trên bề mặt kim loại.
- Phần mềm Vision hoặc AI Vision: phân tích hình ảnh và phân loại vùng đạt, không đạt hoặc cần kiểm tra lại.
- Robot công nghiệp hoặc robot cộng tác: đưa chi tiết đến vị trí kiểm tra, xoay sản phẩm hoặc chuyển sản phẩm sau khi kiểm tra.
- Bộ điều khiển và cơ cấu phân loại: đồng bộ kết quả kiểm tra với PLC, băng tải, khay chứa hoặc cơ cấu loại bỏ sản phẩm lỗi.

Không phải nhà máy nào cũng cần đầy đủ các thành phần trên. Nếu chi tiết chỉ cần kiểm tra một mặt và đã được định vị ổn định, camera cố định có thể đáp ứng tốt hơn với chi phí thấp hơn. Robot chỉ thực sự cần thiết khi việc di chuyển hoặc xoay chi tiết giúp kiểm tra được những vị trí mà camera không thể quan sát trực tiếp.

AI Vision phát hiện ba via trên chi tiết kim loại như thế nào?

Ba via là phần vật liệu thừa xuất hiện ở cạnh, mép lỗ hoặc vùng chuyển tiếp sau gia công. Ba via có thể hình thành khi tiện, phay, khoan, cắt hoặc do dụng cụ gia công bị mòn và điều kiện cắt chưa phù hợp.

Trong thực tế, ba via không phải lúc nào cũng dễ nhìn thấy. Một phần ba via có thể nhô rõ khỏi mép chi tiết, nhưng phần khác chỉ là một gờ nhỏ nằm sát cạnh hoặc bên trong lỗ. Nếu ánh sáng chiếu không đúng hướng, phần vật liệu thừa có thể hòa vào nền kim loại và khó phân biệt.

AI Vision có thể tìm các dấu hiệu như:

- Cạnh có hình dạng khác với biên dạng chuẩn.
- Gờ hoặc phần vật liệu nhô ra khỏi mép.
- Ba via quanh miệng lỗ hoặc rãnh gia công.
- Vùng cạnh có đường nét không đều so với mẫu đạt.
- Những điểm bất thường xuất hiện lặp lại tại cùng vị trí trên nhiều chi tiết.

Để kiểm tra hiệu quả, nhà máy cần xác định ba via ở vị trí nào và mức độ nào được xem là không đạt. Ví dụ, ba via ở mặt tiếp xúc lắp ghép có thể ảnh hưởng trực tiếp đến khả năng lắp ráp, trong khi một gờ rất nhỏ ở vùng không chức năng có thể được đánh giá theo tiêu chuẩn khác.

Một giới hạn quan trọng là camera chỉ phát hiện được ba via khi hình ảnh thể hiện đủ dấu hiệu để nhận biết. Nếu phần ba via nằm khuất, cùng màu và gần như trùng với bề mặt xung quanh, hệ thống có thể cần thêm góc chụp, chiếu sáng phù hợp hoặc phương pháp kiểm tra khác.

Ngoài ra, nếu yêu cầu là đo chính xác chiều cao ba via theo micromet, không nên mặc định rằng ảnh hai chiều và mô hình AI có thể thay thế thiết bị đo biên dạng. Khi cần xác nhận kích thước hình học, nhà máy nên kết hợp camera đo lường, cảm biến 3D hoặc dụng cụ đo phù hợp với dung sai yêu cầu.

Robot AI Vision có phát hiện được vết trầy xước trên bề mặt kim loại không?

Có thể, nhưng đây là một trong những bài toán cần thử nghiệm kỹ trước khi triển khai. Vết trầy xước trên nhôm, thép không gỉ, thép mạ hoặc chi tiết đã đánh bóng có thể thay đổi rất nhiều về độ tương phản. Có vết xước nhìn rõ dưới ánh sáng xiên nhưng gần như biến mất khi camera chụp dưới ánh sáng trực diện.

AI Vision có thể được huấn luyện để nhận biết các dấu hiệu như:

- Vết xước dài hoặc ngắn trên bề mặt.
- Vết cọ xát do vận chuyển hoặc va chạm.
- Vùng đổi màu, ố hoặc có dấu hiệu bề mặt không đồng đều.
- Vết lõm nhỏ hoặc vùng bị móp có thể nhìn thấy.
- Vết nứt bề mặt có độ tương phản đủ rõ trong ảnh.

Tuy nhiên, hệ thống không nên chỉ học từ một vài ảnh lỗi điển hình. Trong sản xuất thực tế, bề mặt có thể thay đổi do dầu cắt gọt, bụi kim loại, dung dịch làm mát, độ nhám sau gia công hoặc sự khác nhau giữa các lô vật liệu. Nếu không có dữ liệu đại diện cho những điều kiện này, AI có thể nhầm vết bẩn với vết xước hoặc bỏ qua những lỗi khó nhìn.

Cách làm phù hợp là thu thập cả mẫu đạt và mẫu lỗi từ chính dây chuyền, sau đó thử nhiều kiểu chiếu sáng. Với chi tiết bóng, ánh sáng xiên hoặc ánh sáng trường tối có thể giúp làm nổi bật một số vết xước. Với bề mặt khuếch tán hoặc cần kiểm tra vùng rộng, ánh sáng đồng đều có thể phù hợp hơn. Không có một kiểu đèn duy nhất tối ưu cho tất cả vật liệu và loại khuyết điểm.

Nhà máy cũng cần phân biệt giữa phát hiện ngoại quan và đánh giá độ sâu vết xước. Camera AI có thể nhận ra một đường bất thường trên bề mặt, nhưng để kết luận vết xước sâu bao nhiêu hoặc có vượt dung sai hay không, có thể cần thiết bị đo chuyên dụng.

AI Vision kiểm tra sai lệch ngoại quan khác gì với đo kích thước CNC?

Trong gia công chính xác, “sai lệch ngoại quan” và “sai lệch kích thước” không phải cùng một vấn đề.

Sai lệch ngoại quan thường liên quan đến hình dạng nhìn thấy được như sứt cạnh, móp méo, thiếu vật liệu, bề mặt bất thường hoặc biên dạng không giống mẫu. AI Vision có thể hỗ trợ phát hiện những dấu hiệu này bằng cách phân tích ảnh và so sánh với mẫu hoặc đặc điểm đã học.

Ngược lại, kiểm tra kích thước cần xác định các giá trị như đường kính lỗ, chiều dài, khoảng cách giữa hai mặt, độ đồng tâm hoặc dung sai hình học. Với các yêu cầu này, hệ thống cần camera đo lường được hiệu chuẩn, thiết bị đo 3D hoặc dụng cụ đo chuyên dụng tùy độ chính xác cần đạt.

Ví dụ, một trục kim loại có thể trông hoàn toàn bình thường nhưng đường kính lớn hơn giới hạn cho phép một lượng rất nhỏ. Camera AI thông thường không thể kết luận chắc chắn chỉ dựa vào hình ảnh tổng thể. Ngược lại, một chi tiết có đường kính đạt yêu cầu nhưng xuất hiện vết xước trên mặt lắp ghép vẫn có thể bị loại vì không đạt tiêu chuẩn ngoại quan.

Vì vậy, nhà máy nên tách các yêu cầu thành hai nhóm:

- Kiểm tra ngoại quan: ba via, trầy xước, sứt cạnh, móp, bẩn, đổi màu và các dấu hiệu bề mặt bất thường.
- Kiểm tra kích thước và hình học: đường kính, chiều dài, độ phẳng, độ tròn, vị trí lỗ và các dung sai kỹ thuật.

Một hệ thống có thể kết hợp cả hai nhóm nếu thiết bị và phần mềm được thiết kế phù hợp, nhưng cần xác nhận riêng khả năng đo lường và độ không đảm bảo đo. Không nên lấy kết quả nhận diện ngoại quan để thay thế kết quả đo kích thước.

Camera Vision truyền thống, AI Vision và robot AI Vision khác nhau thế nào?

Ba phương án này không hoàn toàn thay thế nhau. Camera cố định mô tả cách bố trí thiết bị, AI Vision là phương pháp phân tích hình ảnh, còn robot là cơ cấu chuyển động có thể kết hợp với camera và phần mềm AI.

Với chi tiết cơ khí đơn giản, camera cố định có thể đủ. Nếu hình dạng lỗi phức tạp nhưng vùng cần kiểm tra vẫn nhìn thấy rõ, AI Vision có thể giải quyết bài toán mà chưa cần robot. Nếu cần xoay một chi tiết tiện để kiểm tra cả mặt đầu, thân trục và rãnh, robot có thể giúp mở rộng vùng quan sát.

Điều quan trọng là không nên dùng robot chỉ vì muốn hệ thống trông tự động hơn. Mỗi cơ cấu bổ sung cần giải quyết một hạn chế cụ thể và mang lại lợi ích đo được.

Khi nào nhà máy CNC nên triển khai Robot AI Vision?

Giải pháp này đáng cân nhắc khi việc kiểm tra thủ công đang tạo ra một nút thắt rõ ràng hoặc lỗi ngoại quan có thể gây thiệt hại đáng kể.

Những trường hợp phù hợp gồm:

- Sản lượng lớn, chi tiết lặp lại và cần kiểm tra nhiều sản phẩm trong mỗi ca.
- Có nhiều bề mặt hoặc vị trí cần quan sát, khiến nhân viên phải liên tục xoay chi tiết bằng tay.
- Ba via, vết xước hoặc sứt cạnh xuất hiện thường xuyên và có thể xác định bằng tiêu chuẩn cụ thể.
- Nhà máy cần lưu ảnh, thời gian và kết quả kiểm tra để truy xuất theo mã lô hoặc mã chi tiết.
- Có thể bố trí trạm kiểm tra với điều kiện chiếu sáng, định vị và cấp phôi ổn định.
- Chi phí kiểm tra lại, sửa lỗi hoặc hàng lỗi lọt sang công đoạn sau đủ lớn để biện minh cho đầu tư.

Ngược lại, chưa nên triển khai ngay nếu số lượng sản phẩm ít, mỗi chi tiết có hình dạng khác nhau và chưa có tiêu chuẩn ngoại quan thống nhất. Trong trường hợp này, chi phí phát triển chương trình và chuẩn bị dữ liệu có thể cao hơn lợi ích thu được.

Cũng cần thận trọng với bề mặt có dầu, phản chiếu mạnh hoặc độ nhám thay đổi liên tục. Trước khi mua hệ thống, nhà máy nên thử nghiệm cả điều kiện tốt lẫn điều kiện khó nhất có thể xảy ra trong sản xuất.

Nhà máy nên đánh giá hệ thống trước khi mua như thế nào?

Để tránh tình trạng trình diễn rất tốt nhưng vận hành thực tế không ổn định, doanh nghiệp nên yêu cầu nhà cung cấp thực hiện thử nghiệm trên mẫu chi tiết thật.

Bước 1: Chốt danh sách lỗi. Ghi rõ ba via ở mép nào, vết xước ở vùng nào, mức độ nào được xem là không đạt và có những lỗi nào được phép chấp nhận theo bản vẽ hoặc tiêu chuẩn khách hàng.

Bước 2: Chuẩn bị mẫu đạt và mẫu lỗi. Mẫu nên bao gồm các lỗi dễ nhìn, lỗi khó nhìn và sản phẩm đạt có bề mặt gần giống lỗi. Cần có người có chuyên môn xác nhận nhãn để tránh dùng mẫu phân loại sai.

Bước 3: Thử camera và ánh sáng trước khi huấn luyện. Với kim loại bóng, việc tạo được hình ảnh ổn định thường quan trọng không kém lựa chọn thuật toán. Nếu ảnh thay đổi lớn chỉ vì góc chiếu sáng hoặc vị trí chi tiết, kết quả nhận diện cũng dễ thay đổi.

Bước 4: Xác định robot có thực sự cần thiết không. Liệt kê số mặt và vị trí phải kiểm tra. Nếu có thể nhìn thấy tất cả vùng cần thiết bằng một hoặc vài camera cố định, hãy so sánh phương án đó trước khi đầu tư robot.

Bước 5: Đánh giá theo từng nhóm lỗi. Đo tỷ lệ phát hiện lỗi, tỷ lệ bỏ sót và tỷ lệ báo lỗi sai. Không chỉ sử dụng một con số độ chính xác tổng thể vì các lỗi nghiêm trọng có thể bị che khuất bởi số lượng lớn mẫu đạt.

Bước 6: Chạy thử theo tốc độ thực tế. Đưa chi tiết qua trạm kiểm tra với cách cấp phôi, định vị và chu kỳ gần với dây chuyền sản xuất. Ghi nhận thời gian kiểm tra, thời gian dừng và số trường hợp cần người xử lý.

Bước 7: Thống nhất tiêu chí nghiệm thu. Hợp đồng nên ghi rõ mẫu thử, nhóm lỗi, chỉ số cần đạt, tốc độ yêu cầu, điều kiện vận hành và quy trình kiểm tra lại khi kết quả chưa đạt.

Nhà máy cũng nên giữ lại bộ mẫu chuẩn và quy trình kiểm chứng để sử dụng khi đổi lô vật liệu, thay đổi bề mặt gia công, thay dao hoặc cập nhật mô hình AI.

Tự động kiểm tra ba via và vết xước trên chi tiết phay CNC

Đây là tình huống minh họa giả định, không phải dự án đã triển khai tại một nhà máy cụ thể.

Một nhà máy gia công các chi tiết nhôm phay CNC cần kiểm tra ba via quanh lỗ và vết xước trên mặt lắp ghép. Trước đó, nhân viên QC phải cầm từng chi tiết, xoay qua nhiều hướng và quan sát dưới đèn. Một số vết xước nhỏ bị bỏ sót, trong khi vết dầu hoặc dấu gia công bình thường đôi lúc bị đánh dấu nhầm là lỗi.

Nhóm kỹ thuật không bắt đầu bằng việc mua robot ngay. Họ chia yêu cầu thành hai phần.

Phần đầu là kiểm tra mặt lắp ghép và các vùng có thể quan sát từ phía trên. Nhóm thử camera cố định với nhiều phương án chiếu sáng, sau đó đánh giá AI Vision trên mẫu đạt và mẫu lỗi đã xác nhận.

Phần thứ hai là kiểm tra ba via quanh lỗ và ở mặt bên. Do các vị trí này không thể nhìn đầy đủ từ một góc, nhóm thử phương án bổ sung camera ở góc khác và so sánh với phương án dùng robot xoay chi tiết.

Kết quả thử nghiệm được đánh giá theo từng nhóm lỗi, thời gian chu kỳ và tỷ lệ báo lỗi sai. Những yêu cầu liên quan đến chiều cao ba via được tách riêng để xác nhận bằng thiết bị đo phù hợp thay vì dựa hoàn toàn vào ảnh.

Từ đó, nhà máy có thể lựa chọn cấu hình dựa trên hiệu quả thực tế: camera cố định cho vùng kiểm tra đơn giản và robot chỉ cho các vị trí cần thay đổi góc quan sát. Cách tiếp cận này tránh đầu tư một hệ thống phức tạp cho toàn bộ công đoạn khi chỉ một phần công việc thực sự cần robot.

Chi phí Robot AI Vision kiểm tra chi tiết kim loại phụ thuộc vào đâu?

Không có một mức giá chung phù hợp cho mọi nhà máy CNC. Chi phí phụ thuộc vào kích thước chi tiết, số vùng cần kiểm tra, loại bề mặt, tốc độ sản xuất và mức độ tự động hóa.

Các hạng mục nên được yêu cầu báo giá riêng gồm:

- Camera, ống kính và hệ thống chiếu sáng.
- Phần mềm Vision hoặc AI Vision và chi phí phát triển mô hình.
- Robot, bộ điều khiển, tay gắp và đồ gá nếu cần.
- PLC, tủ điện, cảm biến và cơ cấu phân loại sản phẩm.
- Thiết bị an toàn, hàng rào bảo vệ hoặc cảm biến an toàn phù hợp.
- Lắp đặt, tích hợp với dây chuyền và chạy thử tại nhà máy.
- Đào tạo, bảo hành, bảo trì và phụ tùng dự phòng.
- Chi phí vận hành, cập nhật chương trình và quản lý dữ liệu.

Ngoài giá đầu tư ban đầu, doanh nghiệp nên tính cả chi phí kiểm tra lại, sửa hàng, phế phẩm, khiếu nại và thời gian nhân sự đang dành cho kiểm tra thủ công. Tuy nhiên, chỉ tính những khoản có số liệu thực tế và có khả năng giảm sau khi tự động hóa; không nên mặc định mọi chi phí chất lượng đều biến mất khi lắp camera.

Những câu hỏi thường gặp về Robot AI Vision trong cơ khí chính xác

• AI Vision có phát hiện được ba via rất nhỏ không?

Có thể, nếu ba via tạo ra dấu hiệu hình ảnh đủ rõ và hệ thống được thiết kế phù hợp. Khả năng phát hiện phụ thuộc kích thước ba via, độ phân giải, góc quan sát, ánh sáng và độ tương phản với nền. Nếu cần xác nhận chiều cao hoặc kích thước ba via theo dung sai nhỏ, nên xem xét giải pháp đo lường phù hợp thay vì chỉ dựa vào ảnh AI.

• AI Vision có kiểm tra được chi tiết thép không gỉ hoặc nhôm đánh bóng không?

Có, nhưng bề mặt bóng thường cần thử nghiệm chiếu sáng kỹ. Phản xạ có thể làm vết xước biến mất hoặc tạo ra vùng sáng giống lỗi. Nhà cung cấp cần thử trên đúng vật liệu, độ nhám và lớp hoàn thiện bề mặt của sản phẩm thực tế.

• Robot AI Vision có thay thế hoàn toàn nhân viên QC không?

Không nhất thiết. Hệ thống có thể đảm nhận việc kiểm tra lặp lại, phân loại sản phẩm và lưu kết quả, nhưng vẫn cần người phụ trách xác minh các trường hợp khó, xử lý ngoại lệ, kiểm soát tiêu chuẩn và theo dõi hiệu suất hệ thống.

• Có cần dùng Deep Learning cho mọi lỗi ngoại quan không?

Không. Các lỗi có quy luật rõ ràng như thiếu chi tiết, sai vị trí hoặc sai kích thước có thể được xử lý bằng Vision truyền thống nếu đạt yêu cầu. Deep Learning đáng cân nhắc khi hình dạng lỗi phức tạp hoặc bề mặt có biến thiên khiến các quy tắc cố định khó hoạt động ổn định.

• Nhà máy nên bắt đầu với camera cố định hay robot kết hợp AI Vision?

Hãy bắt đầu bằng danh sách các mặt và vị trí cần kiểm tra. Nếu camera cố định có thể quan sát đầy đủ, hãy thử phương án đó trước. Nếu chi tiết cần xoay hoặc đưa đến nhiều góc để phát hiện lỗi, hãy đánh giá thêm robot và so sánh chi phí, thời gian chu kỳ cùng kết quả thử nghiệm.

Kết luận: Làm sao để chọn đúng giải pháp kiểm tra ngoại quan cho chi tiết kim loại?

Robot AI Vision phù hợp với những công đoạn cần kiểm tra ngoại quan lặp lại, sản lượng lớn hoặc có nhiều mặt chi tiết cần quan sát. Hệ thống có thể hỗ trợ phát hiện ba via, vết xước, sứt cạnh và các dấu hiệu bất thường, nhưng hiệu quả phụ thuộc vào chất lượng hình ảnh, tiêu chuẩn lỗi và kết quả kiểm chứng trên mẫu thật.

Với chi tiết đơn giản, camera cố định có thể đã đủ. Với bề mặt có biến thiên phức tạp, AI Vision Deep Learning đáng thử nghiệm. Với chi tiết cần kiểm tra nhiều mặt hoặc nhiều góc, robot có thể giúp mở rộng vùng quan sát. Riêng các yêu cầu đo kích thước chính xác hoặc phát hiện khuyết tật không thể nhìn thấy bằng camera, nhà máy cần bổ sung phương pháp đo hoặc kiểm tra chuyên dụng.

Trước khi quyết định đầu tư, hãy yêu cầu nhà cung cấp chứng minh khả năng phát hiện từng loại lỗi trên chi tiết thực tế, chạy thử theo tốc độ sản xuất và thống nhất tiêu chí nghiệm thu bằng số liệu. Đó là cơ sở đáng tin cậy hơn để lựa chọn hệ thống phù hợp với dây chuyền CNC và gia công kim loại.