Machine Vision đo sai số vài micromet như thế nào? Các yếu tố quyết định độ chính xác
Machine Vision đo sai số vài micromet trên dây chuyền sản xuất bằng cách kết hợp camera công nghiệp, quang học chính xác, thuật toán subpixel và quy trình hiệu chuẩn nghiêm ngặt. Khám phá cơ chế hoạt động, các yếu tố quyết định độ chính xác và ứng dụng thực tế trong ngành điện tử, ô tô, cơ khí chính xác và bán dẫn.
Bài viết này đi thẳng vào cơ chế kỹ thuật đứng sau các con số đó, dựa trên dữ liệu từ các dự án đo lường thực tế mà RTC Technology đã triển khai cho khách hàng trong ngành điện, điện tử, ô tô, xe máy và bán dẫn.
1. Sai số vài micromet nghĩa là gì trong đo lường bằng thị giác máy?
Trong đo lường công nghiệp, “sai số yêu cầu” (required error) là biên độ lệch tối đa cho phép giữa giá trị đo được bằng camera và giá trị thực của chi tiết, thường được xác nhận bằng thiết bị đo chuẩn (CMM, panme, thước đo cao). Khi một hạng mục ghi “sai số yêu cầu < 10μm”, điều đó có nghĩa là trong toàn bộ dải đo và trong điều kiện vận hành thực tế trên line, không phải trong phòng thí nghiệm, hệ thống phải cho kết quả lặp lại trong biên độ đó, với hàng nghìn sản phẩm liên tiếp, ở tốc độ chu kỳ sản xuất thực.
Đây là điểm khác biệt quan trọng giữa một demo trình diễn và một hệ thống đo lường sản xuất. Một camera công nghiệp có thể “nhìn thấy” chi tiết ở độ phân giải rất cao trong điều kiện tĩnh, ánh sáng phòng lab ổn định. Nhưng khi đưa vào dây chuyền, nơi có rung động từ băng tải, biến thiên nhiệt độ theo ca sản xuất, bụi công nghiệp, và tốc độ xử lý phải đạt dưới vài trăm mili giây mỗi sản phẩm, bài toán giữ được sai số micromet trở thành bài toán hệ thống, không chỉ là bài toán camera.
2. Những yếu tố quyết định độ chính xác của một hệ thống Machine Vision đo lường
2.1. Độ phân giải cảm biến và kích thước trường nhìn (FOV)
Độ chính xác lý thuyết của một hệ thống đo bằng ảnh phụ thuộc trực tiếp vào tỷ lệ giữa kích thước trường nhìn (Field of View) và số điểm ảnh (pixel) của cảm biến. Trường nhìn càng rộng, độ phân giải trên mỗi pixel càng thô, sai số càng lớn.
Đây là lý do vì sao các bài toán đo kích thước nhỏ như đường kính linh kiện tròn hay khoảng cách giữa hai tâm không thể dùng chung một cấu hình camera với bài toán kiểm tra ngoại quan toàn bộ bề mặt sản phẩm sau đúc. Với mỗi hạng mục đo, việc đầu tiên kỹ sư ứng dụng phải làm là tính ngược từ sai số yêu cầu ra độ phân giải cảm biến và trường nhìn tối đa cho phép, chứ không phải chọn camera có sẵn rồi hy vọng đạt được độ chính xác mong muốn.
2.2. Ống kính và ánh sáng là hai biến số bị đánh giá thấp nhất
Nhiều nhà máy khi tìm hiểu về Machine Vision chỉ tập trung vào thông số camera mà bỏ qua ống kính (lens) và hệ thống chiếu sáng, trong khi đây là hai yếu tố quyết định méo ảnh và độ tương phản biên dạng và là nguồn gốc trực tiếp của sai số đo. Ống kính chất lượng thấp gây méo hình học (distortion) ở rìa khung hình, khiến vật thể ở mép ảnh bị đo sai dù thuật toán hoàn toàn chính xác. Ánh sáng không đồng đều hoặc sai góc chiếu làm biên dạng vật thể bị “nhòe” trong ảnh, khiến thuật toán không xác định đúng cạnh cần đo.
Với các bài toán đo kích thước có yêu cầu dưới 10μm, việc lựa chọn ống kính viễn tâm (telecentric lens) gần như là bắt buộc, vì loại ống kính này giữ tỷ lệ phóng đại không đổi theo khoảng cách, loại bỏ sai số phối cảnh với vấn đề mà ống kính thông thường không tránh khỏi khi vật thể có độ dày hoặc dao động vị trí nhẹ trên băng tải.
2.3. Thuật toán xử lý subpixel
Một pixel không phải là đơn vị đo lường nhỏ nhất mà một hệ thống thị giác máy có thể đạt tới. Các thuật toán nội suy subpixel (subpixel interpolation) cho phép xác định vị trí cạnh vật thể với độ chính xác nhỏ hơn kích thước một pixel vật lý, bằng cách phân tích gradient cường độ sáng dọc theo biên dạng thay vì chỉ đọc giá trị pixel rời rạc. Đây là lớp xử lý then chốt để một hệ thống có độ phân giải quang học ở mức chục micromet vẫn có thể cho ra kết quả đo ổn định ở mức vài micromet.
2.4. Hiệu chuẩn hệ thống (calibration)
Một hệ thống đo dù phần cứng tốt đến đâu cũng vô nghĩa nếu không được hiệu chuẩn đúng cách và định kỳ. Hiệu chuẩn ở đây bao gồm hiệu chuẩn nội tại camera (intrinsic calibration khử méo ống kính, xác định tiêu cự thực), hiệu chuẩn ngoại tại (extrinsic calibration xác định vị trí camera trong không gian thực so với hệ tọa độ sản phẩm hoặc robot), và hiệu chuẩn theo mẫu chuẩn có chứng nhận truy xuất nguồn gốc đo lường. Với các dây chuyền chạy liên tục nhiều ca, hệ thống cần có quy trình tự kiểm tra định kỳ bằng mẫu chuẩn để phát hiện trôi số (drift) trước khi sai số tích lũy vượt ngưỡng cho phép.
2.5. Môi trường vận hành: rung động, nhiệt độ, độ ổn định cơ khí
Đây là yếu tố khiến nhiều hệ thống đạt độ chính xác micromet trong phòng thử nhưng không lặp lại được khi lắp vào nhà máy thực tế. Rung động từ động cơ băng tải lân cận, giãn nở nhiệt của giá đỡ camera theo nhiệt độ xưởng, hay đơn giản là độ rung do robot di chuyển gần vị trí đo, tất cả đều cộng dồn vào sai số cuối cùng. Vì vậy, khi thiết kế trạm đo cho các hạng mục yêu cầu sai số dưới 10μm, kỹ sư cơ khí phải tính đến kết cấu chống rung cho giá đỡ, cách ly nhiệt hoặc bù trừ nhiệt cho hệ quang học, và bố trí vị trí đo tránh xa nguồn rung của các cụm cơ cấu chuyển động khác trên cùng máy.
3. Case thực tế: các mức sai số RTC đã triển khai trên dây chuyền sản xuất
Thay vì nói về độ chính xác một cách chung chung, dưới đây là dữ liệu từ các dự án đo lường (Gauge/Measurement) thực tế mà RTC đã triển khai, với sai số yêu cầu được xác nhận trên từng hạng mục cụ thể:
- Đo kích thước sản phẩm và độ nghiêng trục: đo chiều cao, bề rộng sản phẩm với sai số yêu cầu dưới 10μm; đo độ nghiêng trục với sai số dưới 0,01 độ.
- Đo đường kính và khoảng cách giữa hai tâm: áp dụng cho linh kiện tròn, đo đường kính và khoảng cách giữa tâm đường tròn với sai số yêu cầu dưới 10μm.
- Đo kích thước pots gá kim cương bằng Camera 3D: đo kích thước đầu pots gắn nam châm với sai số yêu cầu dưới 5μm — đây là một trong những hạng mục đo có yêu cầu khắt khe nhất mà RTC từng triển khai, đòi hỏi kết hợp camera 3D với thuật toán tái tạo bề mặt.
- Đo chiều dài trục roller cao su: đo đường kính trục roller với sai số yêu cầu dưới 5μm.
- Đo độ lệch sheet theo thời gian thực: giám sát liên tục độ lệch của tấm vật liệu (sheet) trong quá trình chạy máy, sai số yêu cầu dưới 0,1mm, bài toán này khác các bài toán trên ở chỗ phải đo liên tục theo thời gian thực thay vì đo tĩnh từng sản phẩm.
- Đo khe hở màn hình (gap size): đo kích thước khe hở của màn hình hiển thị (ứng dụng trong sản xuất tivi), sai số yêu cầu dưới 10μm.
Điểm chung của các hạng mục này là chúng không đứng độc lập, mỗi hệ thống đo đều được tích hợp trực tiếp vào dây chuyền sản xuất thực tế, chạy theo nhịp (takt time) của line, và phải duy trì độ ổn định qua hàng chục nghìn chu kỳ đo mỗi ngày. Đây là lý do vì sao thông số “sai số yêu cầu” trong bối cảnh sản xuất công nghiệp luôn phải đi kèm với điều kiện vận hành thực tế, không phải con số lý thuyết của riêng cảm biến.
Một ví dụ khác cho thấy yêu cầu tốc độ đi cùng độ chính xác: hạng mục kiểm tra chiều của washer đòi hỏi xác định đồng thời chiều lắp đặt của 30 sản phẩm cùng lúc trong một khung hình, với thời gian xử lý dưới 200 mili giây, nghĩa là hệ thống vừa phải đủ nhạy để phân biệt chiều đúng/sai của từng chi tiết nhỏ, vừa phải đủ nhanh để không làm chậm nhịp sản xuất.
4. Hạ tầng công nghệ đứng sau các con số độ chính xác
Để đạt và duy trì được các mức sai số nêu trên trong môi trường sản xuất thực tế, một hệ thống Machine Vision đo lường cần một chuỗi công nghệ đồng bộ từ phần cứng đến phần mềm:
Về phần mềm xử lý ảnh, RTC phát triển và sở hữu bản quyền phần mềm RTC Vision (RVS), được Cục Bản quyền tác giả công nhận và làm nền tảng xử lý ảnh công nghiệp, kết hợp với các thư viện xử lý ảnh chuyên dụng trên thị trường như Halcon (MVTec) cho các ứng dụng phức tạp đòi hỏi thuật toán subpixel và hiệu chuẩn nâng cao, cùng các công cụ gán nhãn và huấn luyện mô hình Deep Learning chuyên biệt cho ứng dụng công nghiệp.
Về phần cứng quang học, việc lựa chọn camera công nghiệp, ống kính và hệ thống chiếu sáng phù hợp với từng bài toán đo là bước không thể rút gọn. Với các bài toán đo kích thước nhỏ và đường kính chính xác, camera độ phân giải cao kết hợp ống kính viễn tâm và hệ chiếu sáng đồng trục (coaxial lighting) hoặc chiếu sáng ngược (backlighting) thường được sử dụng để tối đa hóa độ tương phản biên dạng, giảm phụ thuộc vào điều kiện ánh sáng môi trường xưởng.
Về máy tính xử lý, các trạm đo yêu cầu thời gian xử lý dưới vài trăm mili giây cần máy tính công nghiệp (Industrial PC) có khả năng xử lý real-time ổn định, chịu được môi trường nhà xưởng về nhiệt độ, độ rung và bụi công nghiệp, khác biệt căn bản so với máy tính văn phòng thông thường.
Sự đồng bộ giữa ba lớp công nghệ này, chứ không phải riêng lẻ một thành phần nào mới là yếu tố quyết định một hệ thống đo có giữ được độ chính xác công bố trong suốt vòng đời vận hành trên dây chuyền hay không.
5. Vì sao nhiều hệ thống đo “trên giấy thì đẹp, ráp vào line thì sai”?
Từ thực tế triển khai nhiều dự án đo lường cho các nhà máy FDI trong ngành điện tử, ô tô và bán dẫn, có một số nguyên nhân lặp lại khiến hệ thống Machine Vision không đạt được độ chính xác như kỳ vọng khi đưa vào sản xuất thực tế:
Chọn cấu hình camera theo thông số marketing thay vì tính toán ngược từ sai số yêu cầu.
Độ phân giải camera cao không đồng nghĩa với độ chính xác đo cao nếu trường nhìn không được tính toán phù hợp với kích thước chi tiết cần đo.
Bỏ qua ảnh hưởng của rung động và nhiệt độ khi thiết kế cơ khí giá đỡ.
Một hệ thống đo được kiểm định đạt sai số dưới 10μm trên bàn thử nghiệm hoàn toàn có thể trôi lên vài chục micromet khi lắp cạnh một cụm động cơ rung hoặc dưới ánh nắng chiếu trực tiếp qua mái tôn nhà xưởng làm nhiệt độ giá đỡ thay đổi theo giờ trong ngày.
Thiếu quy trình hiệu chuẩn định kỳ và kiểm soát trôi số.
Nhiều nhà máy vận hành hệ thống đo như một thiết bị “lắp một lần dùng mãi”, trong khi thực tế ống kính, cảm biến và cả kết cấu cơ khí đều có thể dịch chuyển nhẹ theo thời gian, đặc biệt sau va chạm nhỏ hoặc bảo trì máy lân cận.
Không phân biệt giữa độ chính xác (accuracy) và độ lặp lại (repeatability).
Một hệ thống có thể cho kết quả rất ổn định (lặp lại tốt) nhưng lệch hệ thống (offset) so với giá trị thực nếu hiệu chuẩn sai, đây là lỗi khó phát hiện nếu không đối chiếu định kỳ với thiết bị đo chuẩn có truy xuất nguồn gốc.
Đánh giá tốc độ xử lý tách rời với độ chính xác.
Một số hệ thống đạt độ chính xác cao ở tốc độ xử lý chậm, nhưng khi ép về thời gian chu kỳ thực tế của line (có thể chỉ vài trăm mili giây như trường hợp kiểm tra washer nêu trên) thì phải đánh đổi bằng cách giảm số điểm lấy mẫu hoặc đơn giản hóa thuật toán, kéo theo sai số tăng lên mà không được kiểm chứng lại.
6. Checklist đánh giá hệ thống Machine Vision đo lường trước khi đầu tư
Với các quản lý sản xuất và kỹ thuật đang cân nhắc đầu tư hệ thống đo bằng thị giác máy, một số câu hỏi cần đặt ra với đơn vị triển khai trước khi ký hợp đồng:
- Sai số yêu cầu được xác nhận trong điều kiện nào và phòng thử nghiệm tĩnh hay trên line thực tế với tốc độ chu kỳ sản xuất thật?
- Trường nhìn (FOV) và độ phân giải camera được tính toán ngược từ sai số yêu cầu của hạng mục đo cụ thể như thế nào, hay dùng chung cấu hình cho nhiều bài toán khác nhau?
- Hệ thống có sử dụng ống kính viễn tâm cho các hạng mục đo kích thước chính xác dưới 10μm không, và vì sao?
- Quy trình hiệu chuẩn định kỳ được thực hiện bằng mẫu chuẩn nào, tần suất ra sao, và ai chịu trách nhiệm xác nhận sau mỗi lần hiệu chuẩn?
- Kết cấu cơ khí giá đỡ camera đã được đánh giá về rung động và giãn nở nhiệt trong điều kiện vận hành thực tế của nhà máy chưa?
- Với các bài toán có bề mặt không lý tưởng (dính dầu, bụi, phản xạ không đều), hệ thống xử lý bằng thuật toán hình học thuần túy hay kết hợp Deep Learning ở lớp nhận diện?
- Thời gian xử lý mỗi chu kỳ đo có đáp ứng takt time thực tế của dây chuyền, đã được kiểm chứng bằng chạy thử tại xưởng của nhà cung cấp (dry test) trước khi bàn giao chưa?
Đây cũng chính là các bước trong quy trình sản xuất máy tự động mà RTC áp dụng cho mọi dự án, từ khảo sát đánh giá yêu cầu khách hàng, chốt và duyệt thiết kế, lập trình, đến kiểm thử drytest và chạy thử tại xưởng trước khi bàn giao và chuyển giao công nghệ vận hành cho khách hàng, theo tiêu chuẩn ISO 9001:2015 mà công ty đang áp dụng trong toàn bộ quy trình sản xuất.
>>> Xem thêm giải pháp về đo lường của Machine Vision RTC tại đây
7. Ứng dụng theo ngành: ở đâu sai số micromet trở thành yêu cầu bắt buộc, không phải tùy chọn
Không phải dây chuyền sản xuất nào cũng cần đo ở mức micromet, chi phí đầu tư cho một trạm đo chính xác dưới 5-10μm cao hơn đáng kể so với một trạm kiểm tra ngoại quan thông thường, nên việc xác định đúng hạng mục nào thực sự cần mức độ chính xác này là bước đầu tiên trước khi đầu tư.
Ngành điện – điện tử và EMS: các chi tiết như connector, mạch in, cuộn coil, khe hở màn hình hiển thị có dung sai lắp ráp rất chặt vì sai lệch nhỏ có thể gây lỗi tiếp xúc điện hoặc lỗi quang học ở thành phẩm cuối. Đây là lý do các hạng mục như đo khe hở màn hình hay kiểm tra kích thước connector luôn nằm trong nhóm yêu cầu sai số dưới 10μm.
Ngành ô tô – xe máy và cơ khí chính xác: trục shaft qua xử lý nhiệt, ổ đỡ trục, roller cao su là các chi tiết chịu tải và ma sát liên tục trong vận hành, sai lệch kích thước dù nhỏ cũng rút ngắn tuổi thọ cụm lắp ráp hoặc gây rung động bất thường khi máy vận hành ở tốc độ cao. Các bài toán đo đường kính, đo độ nghiêng trục, hay kiểm tra chất lượng ổ đỡ trục bằng Deep Learning đều xuất phát từ yêu cầu thực tế của nhóm ngành này.
Ngành bán dẫn và linh kiện độ chính xác cao: các chi tiết như pots gá kim cương đòi hỏi sai số dưới 5μm, đây là mức chính xác khắt khe nhất trong các hạng mục đo mà RTC từng triển khai, phản ánh đặc thù của ngành gia công vật liệu cứng và linh kiện kích thước siêu nhỏ, nơi dung sai vài micromet có thể quyết định chi tiết đạt hay không đạt yêu cầu kỹ thuật.
Điểm chung giữa ba nhóm ngành này là khách hàng cuối thường là các tập đoàn sản xuất lớn với tiêu chuẩn kiểm soát chất lượng nghiêm ngặt theo chuỗi cung ứng toàn cầu, nơi một lô hàng bị trả về do sai số kích thước không chỉ gây thiệt hại chi phí trực tiếp mà còn ảnh hưởng đến uy tín và vị trí trong chuỗi cung ứng của nhà máy.
Đây cũng là lý do các hệ thống đo lường bằng Machine Vision ngày càng được ưu tiên thay thế phương pháp đo thủ công hoặc lấy mẫu xác suất vì khả năng đo 100% sản phẩm theo thời gian thực mà không làm chậm nhịp sản xuất là điều mà con người và các phương pháp đo truyền thống không thể đáp ứng ở quy mô sản xuất hàng loạt.
8. Kết luận
Độ chính xác vài micromet trong đo lường bằng Machine Vision không phải là một con số marketing gắn liền với thông số camera, mà là kết quả của một chuỗi kỹ thuật đồng bộ: từ tính toán trường nhìn và độ phân giải phù hợp với từng hạng mục đo, lựa chọn ống kính và ánh sáng đúng bài toán, thuật toán xử lý subpixel, quy trình hiệu chuẩn nghiêm ngặt, đến thiết kế cơ khí chống rung và bù nhiệt cho toàn bộ trạm đo. Với các hạng mục có bề mặt không lý tưởng, Deep Learning đóng vai trò bổ trợ ở lớp nhận diện, trong khi độ chính xác cuối cùng vẫn phụ thuộc vào nền tảng xử lý ảnh hình học.
Với các nhà máy đang lắp ráp linh kiện có dung sai chặt, từ ổ đỡ trục, roller cao su, đến khe hở màn hình hiển thị qua việc lựa chọn đơn vị triển khai không nên dừng lại ở việc so sánh thông số camera, mà cần đánh giá toàn bộ chuỗi kỹ thuật nêu trên, cùng với dữ liệu thực tế đã được xác nhận trên các dây chuyền sản xuất tương tự.
RTC Technology là đơn vị cung cấp giải pháp tổng thể về Machine Vision, tích hợp cùng hệ sinh thái AGV/AMR, chế tạo máy tự động và các giải pháp e-Factory, đã đồng hành cùng các doanh nghiệp sản xuất trong lĩnh vực điện – điện tử, ô tô – xe máy và bán dẫn tại Việt Nam.
Hotline: 0981 264 068
Email: [email protected]
