AI kiểm tra chất lượng sản phẩm bằng ảnh — bắt lỗi mắt người mỏi bỏ sót

• Soi tay mỏi mắt, bỏ sót. Nhìn hàng nghìn sản phẩm mỗi ca, cuối ca mệt là lọt lỗi — con người không giữ độ tập trung đều.
• Chuẩn không đồng nhất. Mỗi người soi một kiểu, ca này khác ca kia — chất lượng dao động.
• Lỗi tới khách rất đắt. Trả hàng, đền, mất khách, thu hồi lô — đắt hơn nhiều chi phí kiểm kỹ từ đầu.

Đây là việc thị giác máy tính làm tốt: soi từng sản phẩm theo một chuẩn cố định, không mỏi, không lơ là.

• Phát hiện lỗi bề mặt. Trầy, nứt, móp, bẩn, ố màu, in lệch.
• Thiếu / sai chi tiết. Thiếu linh kiện, lắp sai, dán nhãn lệch, sai màu.
• Đo kích thước. Kiểm kích thước, khoảng cách có trong dung sai không.
• Phân loại realtime. Đạt hay lỗi ngay trên băng chuyền, loại tự động hoặc cảnh báo.

• Phát hiện theo mẫu (supervised). Học từ ảnh "đạt" và "lỗi" đã gắn nhãn để nhận từng loại lỗi cụ thể.
• Phát hiện bất thường (anomaly detection). Học kỹ hàng "đạt" rồi gắn cờ mọi thứ lệch chuẩn — bắt được cả lỗi chưa từng thấy.
• Phân vùng (segmentation). Khoanh đúng vùng lỗi trên sản phẩm để biết lỗi ở đâu, lớn cỡ nào.
• Đo lường. Tính kích thước, đếm chi tiết, so dung sai.

• Lỗi hiếm, ít mẫu. Lỗi nặng xảy ra ít nên thiếu ảnh để dạy kiểu supervised — phải dùng cách học từ hàng đạt.
• Ánh sáng và góc. Đèn, bóng, góc đặt camera đổi là kết quả lệch — cần chuẩn hoá điều kiện chụp.
• "Lỗi" mơ hồ. Vết xước tới đâu là loại? Phải định nghĩa rõ với QC để máy và người cùng chuẩn.
• Cân nhầm hai chiều. Báo nhầm hàng đạt thành lỗi (tốn) hay bỏ sót lỗi thật (nguy hiểm) — phải chỉnh ngưỡng theo mức độ nghiêm trọng.

Đây là phần MONA viết theo yêu cầu: dựng kiểm lỗi bám đúng sản phẩm, dây chuyền và tiêu chuẩn chất lượng của doanh nghiệp.

Rào cản lớn nhất khi triển khai là "lấy đâu ra ngàn ảnh lỗi để dạy". Cách giải quyết:

• Học hàng đạt là chính. Hàng tốt thì sẵn và nhiều — AI học kỹ "thế nào là đúng" rồi gắn cờ mọi sai khác.
• Bắt được lỗi chưa từng thấy. Không cần biết trước mọi kiểu lỗi, chỉ cần khác chuẩn là cờ.
• Cải thiện dần. Lỗi người xác nhận được gom lại để model ngày càng chính xác.

Cách dùng đúng để vừa nhanh vừa an toàn:

• AI sàng 100% sản phẩm ở tốc độ dây chuyền — việc người không kham nổi.
• Người soát ca biên. Ca AI không chắc, lỗi ranh giới, sản phẩm giá trị cao → người quyết.
• Người chỉnh chuẩn. QC điều chỉnh định nghĩa lỗi và ngưỡng khi sản phẩm hoặc yêu cầu đổi.

AI lo phần soi đều và nhanh 100% hàng. Người lo phần phán đoán tinh tế và quyết chuẩn.

• Camera + ánh sáng chuẩn đặt tại điểm kiểm trên băng chuyền.
• Xử lý realtime — chấm đạt/lỗi ngay, không làm chậm dây chuyền.
• Ra tín hiệu loại tự động (đẩy hàng lỗi ra) hoặc cảnh báo người.
• Thống kê chất lượng — tỉ lệ lỗi theo ca, theo lỗi, theo lô — để truy gốc và cải tiến.

Kiểm vài món thì người làm được. Nhưng sản lượng lớn, cần soi 100% theo chuẩn cố định, bắt lỗi hiếm và nối dây chuyền, thì cần một hệ thống thị giác máy tính dựng riêng cho sản phẩm và điều kiện xưởng.

Đây là phần MONA viết phần mềm theo yêu cầu: kiểm tra chất lượng bằng ảnh gắn vào dây chuyền và hệ thống sản xuất của doanh nghiệp.

• Tiền chi giảm. Bớt hàng lỗi tới khách (trả hàng, đền, thu hồi); giảm nhân công soi tay cả ca.
• Chất lượng đều. Soi 100% theo một chuẩn cố định, không dao động theo người và ca.
• Truy gốc được. Thống kê lỗi theo lô/ca/máy để sửa nguyên nhân, không chỉ loại bỏ.
• Vị thế. Chất lượng ổn định, dữ liệu hoá — đủ chuẩn làm với khách lớn, xuất khẩu.

Muốn kiểm tra chất lượng bằng ảnh chạy trên dây chuyền thật? MONA viết phần mềm theo yêu cầu.