Đồ án HCMUTE: Nghiên cứu và ứng dụng machine vision để phát hiện sản phẩm lỗi trong công nghiệp

Đồ án nghiên cứu hcmute nghiên cứu và ứng dụng machine vision phát hiện sản phẩm lỗi trong công nghiệp, thiết kế chi tiết, tính toán kỹ thuật theo tiêu chuẩn, đánh giá tính khả

• Tác giả: Phạm Hoàng Việt
• Người hướng dẫn: ThS. Nguyễn Tử Đức
• Trường học: Trường Đại Học Sư Phạm Kỹ Thuật Thành Phố Hồ Chí Minh
• Chuyên ngành: Công nghệ kỹ thuật Điều khiển và Tự động hóa
• Đề tài: Nghiên cứu ứng dụng machine vision phát hiện sản phẩm lỗi trong công nghiệp
• Loại tài liệu: đồ án tốt nghiệp
• Năm xuất bản: 2020
• Địa điểm: Tp. Hồ Chí Minh

Mục lục chi tiết

• NHIỆM VỤ ĐỒ ÁN TỐT NGHIỆP
• PHIẾU NHẬN XÉT CỦA GIÁO VIÊN HƯỚNG DẪN
• PHIẾU NHẬN XÉT CỦA GIÁO VIÊN PHẢN BIỆN
• LỜI CẢM ƠN
• TÓM TẮT
• 1. CHƯƠNG 1: TỔNG QUAN
• 1.1. Giới thiệu
• 1.2. Tổng quan về machine vision trong công nghiệp
• 1.3. Mục tiêu của đề tài
• 1.4. Đối tượng và phạm vi nghiên cứu
• 1.5. Phương pháp nghiên cứu
• 1.6. Nội dung của đề tài
• 2. CHƯƠNG 2: CƠ SỞ LÝ THUYẾT
• 2.1. Giới thiệu về hệ thống Machine Vision
• 2.2. Giới thiệu về Machine Vision
• 2.3. Khái niệm về Machine Vision
• TÀI LIỆU THAM KHẢO
• Phụ lục 1: Chương trình huấn luyện mô hình nhận dạng
• Phụ lục 2: Chương trình chạy mô hình và xử lý ảnh phát hiện lỗi

Tóm tắt

I. Tổng quan về Machine Vision trong công nghiệp

Machine Vision, hay thị giác máy tính, là công nghệ sử dụng các hệ thống cảm biến không tiếp xúc để nhận diện và phân tích hình ảnh nhằm thực hiện các nhiệm vụ kiểm tra chất lượng sản phẩm trong quy trình sản xuất. Công nghệ này đã trở thành một phần không thể thiếu trong công nghiệp 4.0, giúp tối ưu hóa quy trình tự động hóa và nâng cao hiệu quả sản xuất. Hệ thống Machine Vision thường bao gồm camera công nghiệp, phần mềm xử lý hình ảnh và các thiết bị điều khiển. Việc áp dụng AI và deep learning trong machine vision đã giúp cải thiện khả năng phát hiện lỗi, từ đó giảm thiểu tỷ lệ sản phẩm lỗi trong dây chuyền sản xuất. Theo một nghiên cứu, hệ thống này có thể đạt tốc độ xử lý lên đến 1.5-2 giây cho mỗi sản phẩm, cho thấy tính hiệu quả và độ tin cậy cao trong việc phát hiện lỗi.

1.1. Lợi ích của Machine Vision

Việc áp dụng Machine Vision trong sản xuất mang lại nhiều lợi ích đáng kể. Đầu tiên, nó giúp tăng cường độ chính xác trong việc kiểm tra sản phẩm, giảm thiểu sai sót do con người gây ra. Thứ hai, hệ thống này có khả năng hoạt động liên tục mà không bị mệt mỏi, từ đó nâng cao năng suất sản xuất. Cuối cùng, việc sử dụng machine vision còn giúp tiết kiệm chi phí lao động và thời gian kiểm tra, đồng thời cải thiện chất lượng sản phẩm đầu ra. Như một ví dụ, một nhà máy sản xuất có thể giảm tỷ lệ sản phẩm lỗi xuống dưới 1% nhờ vào việc áp dụng công nghệ này.

II. Các ứng dụng của Machine Vision trong công nghiệp

Machine Vision được ứng dụng rộng rãi trong nhiều lĩnh vực của công nghiệp. Một trong những ứng dụng phổ biến nhất là trong kiểm tra chất lượng sản phẩm. Hệ thống này có thể phát hiện các khiếm khuyết như vết nứt, móp méo hoặc các lỗi khác mà mắt thường khó nhận thấy. Ngoài ra, machine vision còn được sử dụng trong việc phân loại sản phẩm, giúp tự động hóa quy trình phân loại và đóng gói. Hệ thống này cũng có thể được tích hợp với các công nghệ khác như IoT để theo dõi và phân tích dữ liệu sản xuất theo thời gian thực. Điều này không chỉ giúp cải thiện quy trình sản xuất mà còn tạo ra một nhà máy thông minh, nơi mọi thứ được kết nối và tự động hóa.

2.1. Kiểm tra chất lượng sản phẩm

Kiểm tra chất lượng sản phẩm là một trong những ứng dụng quan trọng nhất của Machine Vision. Hệ thống này có khả năng phát hiện các lỗi nhỏ nhất trong sản phẩm, từ đó đảm bảo rằng chỉ những sản phẩm đạt tiêu chuẩn mới được đưa ra thị trường. Việc sử dụng camera công nghiệp kết hợp với các thuật toán xử lý hình ảnh giúp tăng cường khả năng phát hiện lỗi, từ đó giảm thiểu rủi ro cho doanh nghiệp. Theo một nghiên cứu, việc áp dụng machine vision trong kiểm tra chất lượng đã giúp một số công ty giảm tỷ lệ sản phẩm lỗi xuống dưới 0.5%, cho thấy hiệu quả vượt trội của công nghệ này.

III. Công nghệ và kỹ thuật trong Machine Vision

Công nghệ Machine Vision dựa trên nhiều kỹ thuật khác nhau, bao gồm xử lý ảnh, trí tuệ nhân tạo và học sâu. Các thuật toán xử lý ảnh giúp chuyển đổi hình ảnh thu được từ camera thành dữ liệu có thể phân tích. Deep learning và mạng nơron tích chập (CNN) được sử dụng để nhận diện và phân loại các đối tượng trong hình ảnh. Việc áp dụng các công nghệ này không chỉ giúp cải thiện độ chính xác trong việc phát hiện lỗi mà còn tăng tốc độ xử lý hình ảnh. Hệ thống Machine Vision hiện đại có thể xử lý hàng trăm hình ảnh mỗi giây, cho phép kiểm tra chất lượng sản phẩm trong thời gian thực.

3.1. Xử lý ảnh và các thuật toán

Xử lý ảnh là bước đầu tiên trong quy trình Machine Vision. Các thuật toán xử lý ảnh như lọc, phân đoạn và nhận diện đối tượng được sử dụng để chuẩn bị dữ liệu cho các bước tiếp theo. Việc sử dụng thư viện OpenCV cho phép các kỹ sư phát triển các ứng dụng xử lý ảnh một cách nhanh chóng và hiệu quả. Các thuật toán này giúp cải thiện chất lượng hình ảnh, từ đó nâng cao khả năng phát hiện lỗi. Hệ thống có thể được tùy chỉnh để phù hợp với từng loại sản phẩm cụ thể, đảm bảo rằng mọi khiếm khuyết đều được phát hiện kịp thời.

IV. Kết quả và đánh giá hiệu quả của hệ thống

Kết quả thử nghiệm cho thấy hệ thống Machine Vision có khả năng phát hiện lỗi với độ chính xác cao. Các thử nghiệm được thực hiện trong điều kiện sản xuất thực tế, cho thấy rằng hệ thống có thể phát hiện các khiếm khuyết như móp đầu, móp giữa và các lỗi khác với tỷ lệ chính xác lên đến 95%. Điều này chứng tỏ rằng việc áp dụng công nghệ machine vision không chỉ giúp nâng cao chất lượng sản phẩm mà còn tối ưu hóa quy trình sản xuất. Hệ thống cũng cho thấy khả năng hoạt động ổn định trong môi trường sản xuất, từ đó giảm thiểu thời gian dừng máy và tăng năng suất.

4.1. Đánh giá hiệu quả

Đánh giá hiệu quả của hệ thống Machine Vision được thực hiện thông qua các chỉ số như tỷ lệ phát hiện lỗi, thời gian xử lý và độ tin cậy của hệ thống. Kết quả cho thấy rằng hệ thống không chỉ phát hiện lỗi một cách chính xác mà còn hoạt động nhanh chóng, với thời gian xử lý trung bình chỉ khoảng 1.5 giây cho mỗi sản phẩm. Điều này cho phép các nhà máy duy trì tốc độ sản xuất cao mà không làm giảm chất lượng sản phẩm. Hệ thống cũng cho thấy khả năng tự động hóa cao, giúp giảm thiểu sự can thiệp của con người trong quá trình kiểm tra chất lượng.

Trích đoạn nội dung tài liệu

Chương I Tổng quan: Chương này cũng cấp cái nhìn tổng quát về yêu cầu của đề tài bao gồm giới thiệu, mục tiêu, phạm vi thực hiện và nội dung đề tài. Chương II Cơ sở lý thuyết: Chương này cung cấp những kiến thức cơ bản về đề tài này như khái niệm về Machine Vision, trí tuệ nhân tạo, máy học, học sâu, mạng nơron tích chập. Chương III Các kỹ thuật xử lý tín hiệu ảnh trong Machine Vision: Chương này trình bày về các bước xử lý ảnh, cấu trúc và chức năng của mạng nơ ron tích chập. Chương IV Thiết kế phần cứng: Chương này trình bày về lựa chọn phần cứng, cách kết nối, giao tiếp giữa các thiết bị và cách hoạt động của hệ thống.

3 do an Chương V Kết quả, so sánh, thực nghiệm, phân tích, tổng hợp: Chương này thể hiện kết quả chạy thực nghiệm của đề tài, từ đó đưa ra đánh giá chung cho mô hình. Chương VI Kết luận và hướng phát triển: Chương này trình bày kết luận về những thuận lợi cũng như khó khăn khi thực hiện đề tài này. Những ý tưởng mới, định hướng phát triển đề tài này cũng được thể hiện ở đây. 4 do an Chương 2 CƠ SỞ LÝ THUYẾT Trong phần này, tổng quan về Machine Vision và các công nghệ liên quan được trình bày.

Điều này bao gồm việc giới thiệu về Machine Vision, các ứng dụng của Machine Vision, tổng quan về trí tuệ nhân tạo, máy học, học sâu, mạng thần kinh tích chập được sử dụng để nhận biết sản phẩm lỗi trong đồ án này.1 Giới thiệu về hệ thống Machine Vision 2.1 Giới thiệu về Machine Vision 2.1 Khái niệm về Machine Vision Thị giác máy (machine vision) là một dạng công nghệ cho phép thiết bị máy tính có thể theo dõi, đánh giá và xác định các hình ảnh tĩnh hoặc động. Là một mảng trong ngành thị giác máy tính (computer vision) và tương tự với camera giám sát (surveillance cameras) trong các tòa nhà, tuy nhiên nó cung cấp khả năng tự động lấy ảnh, phân tích và đánh giá. Hệ thống thị giác máy chủ yếu giúp cho máy tính có khả năng nhận diện và đánh giá hình ảnh. Nó tương tự với hệ thống nhận dạng giọng nói nhưng sử dụng hình ảnh chứ không phải âm thanh.

Một hệ thống thị giác máy thông thường bao gồm một camera và một bộ phần cứng đi kèm phần mềm để xử lý ảnh ở phía sau. Camera ở phía trước sẽ thu ảnh từ môi trường và một đối tượng cần quan sát và sau đó gửi ảnh cho hệ thống xử lý. Tùy thuộc vào thiết kế hay nhu cầu của hệ thống thị giác máy, ảnh chụp có thể được lưu trữ hay xử lý sau đó. Để bất kì một hệ thống thị giác máy nào hoạt động đáng tin cậy và hiệu quả lặp lại, điều quan trọng là phải hiểu làm thế nào các thành phần này tương tác.

5 do an Hình 2.1 Các bộ phận cấu thành hệ thống Machine Vision cơ bản Hệ thống thị giác máy sẽ hoạt động không mệt mỏi khi thực hiện kiểm tra trực tuyến 100%, dẫn đến chất lượng được cải thiện, năng suất cao hơn và chi phí sản xuất thấp hơn. Hệ thống thị giác máy công nghiệp đòi hỏi sự mạnh mẽ, độ tin cậy và ổn định cao hơn so với hệ thống thị giác học thuật / giáo dục và thường có chi phí thấp hơn nhiều so với hệ thống được sử dụng trong các ứng dụng của chính phủ / quân đội. Do đó, Machine Vision công nghiệp có chi phí thấp, độ chính xác chấp nhận được, độ bền cao, độ tin cậy cao và độ ổn định cơ học và nhiệt độ cao. Hệ thống Machine Vision dựa vào các cảm biến kỹ thuật số được bảo vệ bên trong máy ảnh công nghiệp có quang học chuyên dụng để thu được hình ảnh, phần cứng và phần mềm xử lý, phân tích, đo lường các đặc điểm khác nhau để ra quyết định.

6 do an Hình 2.2 Hệ thống Machine Vision nhìn mã sản phẩm Ví dụ: hệ thống kiểm tra mức đầy tại 1 nhà máy bia. Mỗi chai bia đi qua 1 cảm biến kiểm tra như trên hình, kích hoạt hệ thống thị giác để đèn nhấp nháy và chụp ảnh chai. Khi có được hình ảnh và lưu trữ nó trong bộ nhớ, sau đó hệ thống sẽ phân tích xử lí hình ảnh nhận được và đưa ra phản hồi. Nếu hệ thống phát hiện ra 1 chai không đầy, hoặc đầy không đúng quy chuẩn, nó sẽ báo cho thiết bị chấp hành từ chối chai đó.

Một người điều hành có thể xem các chai đã bị từ chối và thống kê quy trình liên tục trên màn hình.2 Ánh sáng trong Machine Vision Mắt người có thể nhìn rõ trong nhiều điều kiện ánh sáng, nhưng hệ thống thị giác máy không có khả năng đó. Do vậy cần phải cẩn thận chiếu sáng bộ phận đang cần kiểm tra để thị giác máy có thể “nhìn rõ” được chúng. Ánh sáng phải được điều chỉnh và không thay đổi để những thay đổi về mặt ánh sáng mà thị giác máy nhìn thấy là do những thay đổi trong bộ phận được kiểm tra tạo nên mà không phải do nguồn sáng. Ánh sáng thích hợp giúp kiểm tra nhanh hơn và chính xác hơn, Ánh sáng kém là nguyên nhân chính dẫn đến lỗi trong hệ thống kiểm tra thị giác máy.

Nói chung, ánh sáng có sẵn hoặc ánh sáng xung quanh là ánh sáng kém và hệ thống sẽ không hoạt động hiệu quả. Ví dụ: Đèn trên trần nhà có thể bị cháy, mờ hoặc bị chặn và gây lỗi hệ thống thị giác máy.3 Lợi ích của Machine Vision Thị giác máy cải thiện chất lượng và năng suất, trong khi giảm được chi phí sản xuất. Machine Vision vượt trội trong việc đo định lượng một cảnh có cấu trúc vì tốc độ, độ chính xác và độ lặp lại của nó. Trên một dây chuyền sản xuất, một hệ thống Machine Vision có thể kiểm tra hàng trăm thậm chí hàng nghìn bộ phận mỗi phút.

Với camera độ phân giải tốt, hệ thống Machine Vision dễ dàng kiểm tra các chi tiết quá nhỏ để có thể nhìn thấy bằng mắt thường. Khi loại bỏ tiếp xúc vật lí giữa hệ thống kiểm tra và các bộ phận được kiểm tra, Machine Vision sẽ ngăn ngừa hư hỏng bộ phận và loại bỏ thời gian bảo trì, chi phí hao mòn các bộ phận cơ khí. Thị giác máy mang đến lợi ích an toàn và vận hành liên tục bằng cách giảm sự tham gia của con người vào quy trình. Hơn nữa, nó giảm thiểu khả năng làm ô nhiễm phòng sạch do các loại bụi bẩn, vi khuẩn trên cơ thể người mang vào phòng, bảo vệ công nhân khỏi môi trường nguy hiểm.3 Môi trường làm việc của Machine Vision trong nhà máy 2.2 Các ứng dụng của Machine Vision trong công nghiệp và Smart Factory 2.1 Bảo trì dự đoán Việc bảo trì máy định kỳ chính là để kiểm tra xem máy móc có đang vận hành hay không, độ chính xác ra sao và hiệu suất hoạt động như thế nào để đảm bảo tiến 8 do an độ công việc đạt hiệu quả tốt nhất.

Và thời gian bảo trì máy thường nhanh hơn thời gian sửa chữa do đó sẽ tốn ít chi phí hơn. Tuy nhiên việc bảo trì thường xuyên cũng sẽ tạo ra sự lãng phí nguồn lực của doanh nghiệp. Bảo trì tiên đoán (Predicted Maintenance) là quá trình sử dụng máy học và thiết bị IoT để giám sát dữ liệu trên máy móc và linh kiện, thường sử dụng cảm biến, để thu thập điểm dữ liệu và xác định tín hiệu hoặc thực hiện hành động khắc phục trước khi tài sản hoặc linh kiện bị hỏng. Nói cách khác, bảo trì tiên đoán giúp doanh nghiệp bảo trì đúng lúc đúng chỗ cho nên sẽ tiết kiệm nguồn lực hơn so với bảo trì định kì hay sửa chữa sau khi máy móc đã hỏng.

Chúng ta xem xét rằng chỉ một phút ngừng hoạt động trong một nhà máy ô tô có thể tiêu tốn tới 20000 đô la cho các phương tiện có lợi nhuận cao. Những giải pháp như thị giác máy có thể giúp doanh nghiệp tiếp tục. Ví dụ, một chương trình phần mềm có tên ZDT được phát triển bởi FANUC, thu thập hình ảnh từ các camera gắn trên robot, những hình ảnh và siêu dữ liệu đi kèm sau đó được gửi lên đám mây để xử lý và giúp xác định các vấn đề tiềm ẩn trước khi chúng phát sinh.2 Kiểm tra bao bì lỗi trong sản xuất Điều quan trong nhất đối với các công ty dược phẩm là phải đếm các viên thuốc trong vỉ (tablet) hoặc các viên nang (pill) trước khi đóng hộp. Để giải quyết vấn đề này, Pharma Packaging Systems, có trụ sở tại Anh, đã phát triển một giải pháp có thể triển khai cho các dây chuyền sản xuất hiện có.

Một tính năng chính của giải pháp đó là sử dụng thị giác máy tính để kiểm tra các vỉ thuốc có bị hỏng hoặc bị thiếu sót. Khi vỉ thuốc đi qua dây chuyền sản xuất, hình ảnh được chụp và chuyển đến một PC chuyên dụng để xử lí hình ảnh bằng phần mềm sau đó chạy tiếp phân tích để kiểm tra xem các vỉ thuốc có đúng màu, chiều dài, chiều rộng và đầy đủ không. Hệ thống kiểm tra Machine Vision dựa trên PC đồng thời triển khai cho PC thực hiện chức năng đếm và nếu một vỉ thuốc được coi là bị lỗi, thông tin này được ghi lại và sau đó gửi tín hiệu đến bộ đếm để kiểm soát số lượng và chuyển vào container riêng biệt. Các container chứa các sản phẩm lỗi sẽ không được vận chuyển, tránh viêc phân phối những vỉ thuốc bị lỗi.

9 do an Hình 2.4 Phát hiện dược phẩm lỗi với Machine Vision 2.3 Đọc mã vạch Đọc, xác định và xử lý hàng trăm ngàn mã vạch mỗi ngày không phải là nhiệm vụ dễ dàng, điều mà con người đơn giản không thể làm được ở quy mô lớn. Ví dụ, điện thoại di động và các thiết bị điện tử yêu cầu bảng mạch in (PCB) nhỏ hoặc rất nhỏ. Khi các nhà sản xuất bị áp lực buộc phải sản xuất khối lượng PCB lớn ra thị trường công nghệ đang phát triển, họ đã hướng tới một quy trình được gọi là penalization. Trong quá trình này, một số bảng mạch giống hệt nhau được in trên một bảng lớn, mỗi mạch sau đó được tách ra để kiểm tra lần cuối.

Để kiểm tra các bảng mạch này, một giải pháp dựa trên Machine Vision có tên là Panel Scan đã được phát triển để đọc mã vạch - là các mã định danh duy nhất của mỗi mạch có trên bảng PCB. Trong lịch sử, con người đã thực hiện điều này bằng cách sử dụng máy quét mã vạch cầm tay, điều này rất tốn thời gian và ảnh hưởng đến con người.