Computer Vision là gì — cho máy nhìn và hiểu hình ảnh để tự kiểm, tự đếm, tự soi

Bài này dành cho chủ doanh nghiệp và người quyết. Computer vision được giải bằng ẩn dụ dễ hiểu, kèm các tác vụ chính, cơ chế và cách MONA áp dụng.

Vì sao đáng quan tâm: rất nhiều khâu trong sản xuất, kho, bán lẻ, an ninh vẫn phụ thuộc mắt người. Computer vision là cách đưa phần nhìn đó thành tự động ở quy mô.

Hình dung một nhân viên đứng cuối chuyền sản xuất, soi từng sản phẩm xem có lỗi không. Làm vài chục cái thì tốt, nhưng cả ca tám tiếng thì mắt mỏi, dễ bỏ sót, và mỗi người soi một kiểu nên kết quả lệch nhau.

Một máy soi thì khác. Nhìn mọi sản phẩm với cùng một tiêu chuẩn, không mỏi, không lệch theo tâm trạng, soi nhanh bao nhiêu cũng được.

Computer vision là nhân viên soi không bao giờ mỏi mắt: nhìn hình ảnh với tiêu chuẩn cố định, làm việc nhìn lặp lại đều tay và ở quy mô mà người không kham nổi.

Computer vision nhận hình ảnh dưới dạng điểm ảnh, rồi dùng mô hình học từ rất nhiều ảnh để nhận ra mẫu: đây là vật gì, nằm ở đâu, thuộc loại nào. Đây là một nhánh của AI đa phương thức chuyên về thị giác.

• Phân loại ảnh. Cả khung hình thuộc loại gì, ví dụ đạt hay lỗi.
• Phát hiện vật thể. Tìm và khoanh vùng từng vật trong ảnh, đếm được.
• Phân vùng chi tiết. Tách đúng đường viền vật thể để đo, kiểm chính xác.

Computer vision là phần nhìn của AI. Kết quả nhìn có thể nối tiếp với quy trình khác như cảnh báo, ghi nhận, hay đưa vào hệ thống quản lý.

• Kiểm lỗi tự động. Soi sản phẩm trên chuyền với tiêu chuẩn cố định, không bỏ sót vì mỏi.
• Đếm chính xác. Đếm sản phẩm, xe, người ra vào nhanh và không lệch.
• Soi an ninh. Giám sát camera, cảnh báo khi có sự cố thay vì nhìn màn hình cả ngày.
• Kiểm kho. Nhận diện và đối chiếu hàng hoá nhanh hơn kiểm tay.
• Giám sát an toàn. Phát hiện thiếu đồ bảo hộ, vào vùng nguy hiểm.

Computer vision là cách biến những việc nhìn lặp đi lặp lại, vốn tốn người và dễ lệch, thành tự động đều tay ở quy mô.

Một dây chuyền computer vision chuẩn gồm bốn nhịp:

• Thu hình. Lấy ảnh hoặc luồng video từ camera đặt đúng vị trí, đủ sáng.
• Nhận diện. Tìm vật thể, lỗi, người trong khung hình.
• Đối chiếu tiêu chuẩn. So với mẫu đạt, ngưỡng đặt trước để quyết đạt hay lỗi.
• Hành động. Cảnh báo, loại hàng, ghi nhận số liệu vào hệ thống.

Chất lượng phụ thuộc nhiều vào điều kiện thực tế: ánh sáng, góc camera, độ sạch ống kính. Phần lắp đặt và tinh chỉnh tại hiện trường thường quyết định kết quả.

Giả sử một chuyền đóng gói chạy liên tục, cần loại các sản phẩm móp, thiếu nhãn hoặc sai màu. Người soi cả ca sẽ mỏi và bỏ sót lúc cuối giờ.

Camera computer vision soi từng sản phẩm với cùng tiêu chuẩn, nhận ra cái lỗi và phát tín hiệu loại ra. Đồng thời ghi nhận tỉ lệ đạt lỗi theo ca, theo lô để quản lý theo dõi.

Kết quả là chất lượng soi đều suốt ca, có số liệu để biết lỗi tăng ở đâu. Đó là cách computer vision vừa thay mắt người vừa cho dữ liệu để cải tiến.

Hai cách làm việc nhìn khác nhau rõ về độ ổn định:

Computer vision thắng ở việc nhìn lặp lại, rõ tiêu chuẩn. Người vẫn cần cho ca bất thường, tinh tế và để xử lý khi máy báo nghi ngờ.

Chất lượng computer vision phụ thuộc nhiều vào hiện trường:

• Điều kiện chụp. Ánh sáng ổn định, góc camera đúng thì kết quả chắc.
• Độ đa dạng của lỗi. Lỗi hiếm, biến thể lạ cần được dạy thêm mới nhận ra.
• Tốc độ chuyền. Chạy quá nhanh có thể làm ảnh mờ, giảm độ chính xác.

Cách làm đúng là chuẩn hoá điều kiện chụp trước, tập trung các lỗi quan trọng và để người xử lý các trường hợp máy báo nghi ngờ.

Computer vision gồm nhiều tác vụ, chọn theo nhu cầu nghiệp vụ:

Thực tế thường bắt đầu từ một tác vụ rõ ràng như đếm hoặc kiểm lỗi, làm cho chắc tại một điểm rồi mới nhân rộng.

• Bỏ qua điều kiện chụp. Lắp camera chỗ thiếu sáng, góc lệch làm kết quả kém từ gốc.
• Ôm quá nhiều loại lỗi. Đòi nhận mọi lỗi ngay làm độ chính xác giảm.
• Không có người xử ca nghi ngờ. Tin máy tuyệt đối nên lỗi hiếm lọt qua.
• Quên cập nhật. Mẫu sản phẩm đổi mà không dạy lại làm máy nhận sai.
• Bỏ quên quyền riêng tư. Camera có hình người cần kiểm soát và tuân thủ.

Phần lớn thất bại của computer vision đến từ hiện trường và phạm vi đặt quá rộng, không phải từ mô hình. Làm gọn, chuẩn điều kiện thì kết quả rất dùng được.

MONA làm computer vision bám hiện trường, không kỳ vọng máy nhận mọi thứ ngay:

• Chọn điểm soi trước. Bắt đầu từ một khâu rõ tiêu chuẩn như kiểm lỗi hoặc đếm.
• Chuẩn hoá điều kiện chụp. Đặt camera, ánh sáng, góc cho ảnh ổn định.
• Dạy nhận lỗi quan trọng. Tập trung các lỗi có giá trị, để người xử ca nghi ngờ.
• Nối hệ thống. Đưa cảnh báo và số liệu vào quản lý sản xuất, kho, an ninh.

Camera có thể ghi hình người. MONA tuân thủ guardrails và nguyên tắc dữ liệu theo Nghị định 13/2023, kiểm soát truy cập hình ảnh và chỉ giữ dữ liệu cần thiết.

Computer vision đáng cân nhắc khi doanh nghiệp có nhiều việc nhìn lặp lại:

• Sản xuất. Kiểm lỗi trên chuyền, đo kích thước, kiểm bề mặt.
• Kho, logistics. Đếm, nhận diện hàng, kiểm số lượng ra vào.
• Bán lẻ. Đếm khách, theo dõi luồng, kiểm trưng bày kệ.
• An ninh, an toàn. Giám sát camera, phát hiện sự cố và vi phạm an toàn.

Khi việc nhìn ít và đơn giản, người làm vẫn ổn. Khi quy mô lớn, cần đều tay và có số liệu, computer vision là cách tự động hoá phần nhìn.

Computer vision dễ hình dung nhưng làm chạy được tại hiện trường thật cần kinh nghiệm lắp đặt và tinh chỉnh. Doanh nghiệp nên cân nhắc MONA khi:

• Đang tốn nhiều người cho kiểm lỗi, đếm, soi camera mà vẫn lệch và sót.
• Muốn soi đều một tiêu chuẩn và có số liệu chất lượng theo lô, theo ca.
• Cần nối kết quả nhìn vào hệ thống quản lý sản xuất, kho hoặc an ninh.
• Xử lý hình ảnh có người, cần kiểm soát truy cập và tuân thủ bảo mật.

Giải pháp thị giác của MONA bám hiện trường, chuẩn hoá điều kiện chụp rồi nối hệ thống. Tham khảo phần mềm nhập hàng cho kiểm đếm kho và Sale AI cho phân tích luồng khách tại điểm bán.