Phân tích chuyên sâu và ứng dụng của thị giác máy trong kiểm tra mối hàn sản phẩm

Trong các hệ thống sản xuất công nghiệp hiện đại, hàn là một quy trình quan trọng để kết nối các bộ phận kim loại và hình thành cấu trúc chính của sản phẩm. Chất lượng mối hàn quyết định trực tiếp đến độ bền, khả năng kín, độ an toàn và tuổi thọ của sản phẩm. Từ thân xe ô tô và đường ray xe lửa cao tốc đến các phương tiện hàng không vũ trụ và đường ống dẫn áp, bất kỳ mối hàn kém chất lượng nào cũng có thể dẫn đến những hậu quả nghiêm trọng. Do đó, kiểm tra mối hàn là một công đoạn kiểm soát chất lượng không thể thiếu trong quá trình sản xuất.

Kiểm tra trực quan thủ công truyền thống phụ thuộc nhiều vào kinh nghiệm và tình trạng sức khỏe của người kiểm tra, dẫn đến những hạn chế vốn có như hiệu quả thấp, tiêu chuẩn không nhất quán, dễ bị mệt mỏi, tỷ lệ phát hiện sai sót cao và khó khăn trong việc định lượng và theo dõi kết quả. Với sự tiến bộ của Công nghiệp 4.0 và sản xuất thông minh, thị giác máy, như một công nghệ kiểm tra tự động không tiếp xúc, có độ chính xác cao và hiệu quả cao, đã trở thành một công cụ mang tính cách mạng để cải thiện việc kiểm soát chất lượng mối hàn.

Tôi. Giá trị cốt lõi và ưu điểm của kiểm tra mối hàn bằng thị giác máy tính

So với các phương pháp truyền thống, thị giác máy có những ưu điểm vượt trội trong việc kiểm tra mối hàn:

1. Tính khách quan và nhất quán: Các phán quyết được đưa ra dựa trên các tiêu chuẩn thuật toán đã được thiết lập sẵn, không bị ảnh hưởng bởi cảm xúc con người, sự khác biệt về kinh nghiệm hoặc định kiến chủ quan, đảm bảo tính khách quan và nhất quán tuyệt đối trong kết quả kiểm tra.

2. Độ chính xác và độ phân giải cao: Máy ảnh và ống kính công nghiệp hiện đại có thể phát hiện các khuyết tật trên bề mặt ở mức micron hoặc thậm chí dưới micron (như các lỗ siêu nhỏ và vết nứt), vượt xa giới hạn của mắt người.

3. Hiệu suất cao và khả năng hoạt động theo thời gian thực: Cho phép kiểm tra trực tuyến với tốc độ tối đa trên dây chuyền sản xuất, hoàn thành việc thu thập, xử lý và đánh giá hình ảnh trong một phần nghìn giây, đáp ứng nhu cầu của chu trình sản xuất tốc độ cao và đạt được 100% kiểm tra toàn diện.

4. Số hóa và khả năng truy xuất nguồn gốc: Tất cả các quy trình và kết quả kiểm tra (hình ảnh, dữ liệu, vị trí NG) đều được tự động ghi lại, lưu trữ và liên kết với mã nhận dạng sản phẩm (như mã QR), tạo thành một kho lưu trữ chất lượng kỹ thuật số hoàn chỉnh, hỗ trợ việc truy xuất nguồn gốc chất lượng, phân tích thống kê và cải tiến quy trình. 5. Không tiếp xúc trực tiếp và thích ứng tốt với môi trường khắc nghiệt: Nó có thể hoạt động ổn định trong những môi trường khắc nghiệt không phù hợp cho công việc thủ công, chẳng hạn như nhiệt độ cao, độ ẩm cao, bụi bẩn và các chất độc hại, bảo vệ sự an toàn của nhân viên.

6. Giảm chi phí: Mặc dù có một khoản đầu tư ban đầu, nhưng về lâu dài, nó có thể giảm đáng kể chi phí lao động và đào tạo, đồng thời giảm các chi phí tiềm ẩn như bảo trì sau bán hàng và thiệt hại về uy tín thương hiệu do bỏ lỡ các đợt kiểm tra.

II. Các thành phần cốt lõi của hệ thống kiểm tra mối hàn bằng thị giác máy

Một hệ thống kiểm tra mối hàn bằng thị giác máy hoàn chỉnh thường bao gồm năm phần chính sau:

1. Hệ thống hình ảnh:

Camera công nghiệp: Được lựa chọn theo yêu cầu kiểm tra. Camera quét diện thích hợp để thu thập hình dạng tổng thể và đo kích thước các mối hàn; camera quét tuyến tính thích hợp hơn để quét liên tục các mối hàn dài, thẳng để thu được hình ảnh có độ phân giải cực cao. Camera 3D (như máy đo định hình laser và máy đo bằng ánh sáng cấu trúc) được sử dụng để thu thập thông tin hình học ba chiều như hình dạng mặt cắt ngang, độ chắc chắn của mối hàn, độ lõm và độ sâu xuyên thấu của mối hàn.

Ống kính: Ống kính công nghiệp độ phân giải cao, độ méo thấp đảm bảo hình ảnh rõ ràng và chính xác. Ống kính telecentric thường được sử dụng để loại bỏ sai sót về phối cảnh và đảm bảo độ chính xác của phép đo.

Nguồn sáng và sơ đồ chiếu sáng: Điều này rất quan trọng để đạt được thành công. 1. **Ánh sáng:** Do đặc điểm của các mối hàn (thường có màu trắng sáng hoặc tối, bề mặt gợn sóng), cần thiết kế ánh sáng cẩn thận để làm nổi bật các chi tiết và giảm thiểu nhiễu. Các giải pháp phổ biến bao gồm:

▪ Đèn nền: Dùng để đo lường đường viền và phát hiện các khuyết tật xuyên thấu.

▪ Đèn chiếu sáng đồng trục/đèn vòm: Dùng để phát hiện vết xước, vết lõm và sự khác biệt màu sắc do oxy hóa trên bề mặt phẳng.

▪ Đèn vòng/dải góc thấp: Dùng để làm nổi bật các gợn sóng trên bề mặt, các đường cắt, các mối hàn, v.v., trong các mối hàn.

2. Bộ phận thu nhận và kích hoạt hình ảnh:

Chịu trách nhiệm điều khiển máy ảnh để chụp ảnh vào những thời điểm chính xác (ví dụ: khi phôi đến trạm kiểm tra), đảm bảo vị trí hình ảnh được cố định để phân tích sau này.

3. Hệ thống xử lý và phân tích hình ảnh (Bộ não chính):

Phần cứng: Thường là một máy tính công nghiệp hoặc bộ điều khiển thị giác nhúng với khả năng tính toán mạnh mẽ.

Phần mềm: Được trang bị các thư viện thuật toán thị giác máy (như Halcon, OpenCV, VisionPro) hoặc các thuật toán tự phát triển. Các công việc chính bao gồm: xử lý sơ bộ hình ảnh (khử nhiễu, cải thiện, chỉnh sửa), trích xuất đặc điểm, xác định và phân loại lỗi, đo lường kích thước và đánh giá kết quả.

4. Cấu trúc cơ khí và điều khiển chuyển động:

Điều này bao gồm các giá đỡ để lắp đặt camera và nguồn sáng, các cơ cấu điều chỉnh, và có thể bao gồm các nền tảng chuyển động servo cần thiết (để điều khiển camera hoặc quét sản phẩm). Đảm bảo khoảng cách, góc và trường nhìn hình ảnh ổn định và đáng tin cậy.

5. Kết quả đầu ra và cơ chế thực hiện:

Kết quả phát hiện (OK/NG) được truyền đến PLC thông qua các giao diện I/O hoặc mạng công nghiệp (như Ethernet/IP, PROFINET) để điều khiển các cơ chế phân loại trên dây chuyền sản xuất (như xi lanh, robot) nhằm loại bỏ hoặc đánh dấu các sản phẩm lỗi.

III. Nội dung phát hiện chính và các thuật toán công nghệ cốt lõi

Các ứng dụng thị giác máy trong kiểm tra mối hàn có thể được chia thành hai loại chính: kiểm tra hình dáng hai chiều và kiểm tra kích thước hình học ba chiều.

1. Phát hiện khuyết tật hình ảnh hai chiều: Chủ yếu xác định các bất thường về hình ảnh trên bề mặt mối hàn.

• Các khuyết tật thường gặp: lỗ rỗng, tạp chất xỉ, vết nứt bề mặt, vết cắt, mối hàn, cháy xuyên thủng, thiếu sự kết hợp (bề mặt), bắn tóe nghiêm trọng, màu bề mặt bất thường (do oxy hóa).

Công nghệ cốt lõi:

Các thuật toán xử lý hình ảnh truyền thống: Lấy các đặc điểm như diện tích, chu vi và vị trí của các vùng lỗi thông qua quá trình lọc, chuyển đổi nhị phân, phát hiện cạnh, xử lý hình thái và phân tích điểm lẻ, sau đó so sánh chúng với các ngưỡng để đưa ra đánh giá. Thích hợp cho các lỗi thông thường có độ tương phản rõ ràng.

Phát hiện lỗi dựa trên học sâu: Đây là hướng phát triển chủ đạo và tiên tiến hiện nay. Các mô hình Mạng Nơ-ron Xoắn (Convolutional Neural Network - CNN), như YOLO, Faster R-CNN và U-Net, được huấn luyện bằng cách sử dụng số lượng lớn ảnh mối hàn đã được dán nhãn (mẫu dương và mẫu âm). Deep learning có khả năng thích ứng cao và tỷ lệ phát hiện cực kỳ cao đối với các nền phức tạp, các khuyết tật bất thường và các khuyết tật có độ tương phản thấp, đồng thời có thể tự động phân loại các loại khuyết tật.

2. Phát hiện kích thước hình học 3D: Đo chính xác các thông số hình học vĩ mô của mối hàn, ảnh hưởng trực tiếp đến độ bền và tính chất cơ học của mối hàn.

• Kích thước chính: Chiều rộng mối hàn, chiều cao gia cường, độ sâu lõm, sai lệch, kích thước chân mối hàn cong, chiều rộng mối hàn, v.v.

Công nghệ cốt lõi:

Quét laser tam giác/quét laser đường thẳng: Công nghệ thị giác 3D được sử dụng phổ biến nhất. Một chùm tia laser thẳng được chiếu lên bề mặt mối hàn, tạo thành một đường laser biến dạng dọc theo đường viền bề mặt. Một máy ảnh chụp đường thẳng này từ một góc độ khác, và thông tin về độ cao của mỗi điểm trên đường thẳng được tính toán bằng nguyên tắc tam giác, nhờ đó tái tạo lại toàn bộ hình dạng 3D của mối hàn. Nó có thể xuất ra chính xác tất cả các thông số đã đề cập và xác định các vấn đề như chiều cao mối hàn không đủ hoặc quá cao, hoặc mối hàn không đối xứng.

Hình ảnh 3D bằng ánh sáng cấu trúc: Bằng cách chiếu một chuỗi các họa tiết lưới mã hóa lên bề mặt mối hàn, camera sẽ ghi lại các họa tiết biến dạng và tính toán dữ liệu đám mây điểm 3D có độ chính xác cao, phù hợp cho việc kiểm tra mối hàn trên các bề mặt cong phức tạp hơn.

IV. Các tình huống ứng dụng và quy trình làm việc điển hình

Ví dụ minh họa: Kiểm tra mối hàn trên dây chuyền sản xuất hàn thân xe ô tô

1. Nhiệm vụ kiểm tra: Kiểm tra trực tuyến chất lượng bề mặt (không có vết nứt, lỗ rỗng) và tính liên tục của các mối hàn điểm/hàn laser trên các bộ phận quan trọng của thân xe, chẳng hạn như trụ A/trụ B.

2. Triển khai hệ thống: Tích hợp máy đo định hình laser 3D và camera mảng điểm độ phân giải cao vào một trạm kiểm tra duy nhất, được vận chuyển bằng robot hoặc gắn cố định vào dây chuyền sản xuất.

3. Quy trình làm việc: Trợ lý

Cơ chế kích hoạt: Thân xe đến trạm kiểm tra, và cảm biến quang điện kích hoạt hệ thống thị giác.

Quét: Robot, được dẫn hướng bởi cảm biến 3D, quét đường hàn theo quỹ đạo đã định trước, đồng thời thu thập dữ liệu hình dạng 3D và hình ảnh kết cấu 2D.

Đang xử lý:

▪ Sau khi xử lý dữ liệu 3D, chiều rộng mối hàn và chiều cao vượt mức được tính toán và so sánh với các giá trị lý thuyết trong mô hình CAD để xác định sự tuân thủ về kích thước.

▪ Hình ảnh 2D được đưa vào mô hình phát hiện khuyết tật bằng học sâu, mô hình này xác định và chọn lọc các khuyết tật trên bề mặt (như vết nứt và lỗ rỗng) và phân loại chúng.

Quyết định: Hệ thống tích hợp kết quả 3D và kết quả lỗi 2D để đưa ra phán quyết cuối cùng là "đạt" hoặc "không đạt" cho mối hàn.

Thực hiện và ghi lại: Tín hiệu NG được gửi đến PLC để đánh dấu hoặc báo động tại các trạm làm việc tiếp theo. Tất cả dữ liệu (hình ảnh, đường cong, số đo, vị trí lỗi) đều được tải lên hệ thống MES và liên kết với mã VIN của thân xe.

V. Những thách thức và xu hướng phát triển trong tương lai

Những thách thức:

Điều kiện làm việc phức tạp: Ánh sáng hồ quang mạnh, bắn tóe, khói, phản xạ trên bề mặt phôi và ô nhiễm dầu có thể ảnh hưởng nghiêm trọng đến chất lượng hình ảnh.

• Các loại mối hàn đa dạng: Hình dáng của các mối hàn rất khác nhau tùy thuộc vào vật liệu, quy trình (hàn MIG/MAG, TIG, hàn laser) và các loại mối nối (mối nối đối đầu, mối nối góc, mối nối chồng), gây ra thách thức đối với tính phổ quát của thuật toán.

• Định nghĩa các tiêu chuẩn kiểm tra: Tiêu chí chấp nhận đối với một số lỗi nhất định (như vết bắn nhỏ và màu sắc không đồng đều) còn mơ hồ, đòi hỏi phải định lượng chính xác các thông số quy trình thành các tham số thuật toán.

• Đầu tư ban đầu và độ phức tạp của quá trình tích hợp: Cần có trình độ kỹ thuật và nguồn lực tài chính nhất định từ các doanh nghiệp.

Xu hướng phát triển:

1. Việc áp dụng rộng rãi công nghệ AI deep learning: Từ việc phát hiện lỗi đến các cấp độ sâu hơn như tối ưu hóa thông số quy trình và dự đoán chất lượng hàn, đạt được một chu trình khép kín từ "phát hiện" đến "kiểm soát". 2. Hòa trộn thông tin đa cảm biến: Việc tích hợp thông tin từ nhiều nguồn như thị giác 2D, thị giác 3D, hình ảnh nhiệt hồng ngoại (phát hiện trường nhiệt độ) và phát xạ âm thanh (phát hiện khuyết tật bên trong) cho phép đánh giá toàn diện chất lượng mối hàn, cả bên trong lẫn bên ngoài.

3. Tích hợp và thu nhỏ hóa: Camera thông minh và hệ thống thị giác nhúng giúp hệ thống thị giác dễ triển khai hơn, giảm chi phí và dễ áp dụng ở nhiều trạm làm việc hơn.

4. Tích hợp sâu với robot: Hình thành các đơn vị robot hàn thông minh tích hợp "hàn được dẫn hướng bằng thị giác - giám sát quy trình theo thời gian thực - kiểm tra ngay sau khi hàn," đạt được khả năng hàn thông minh thích ứng thực sự.

5. Nền tảng đám mây và phân tích dữ liệu lớn: Tải toàn bộ dữ liệu kiểm tra trực quan từ dây chuyền sản xuất lên nền tảng đám mây, sử dụng phân tích dữ liệu lớn để phát hiện mối liên hệ tiềm ẩn giữa chất lượng hàn và các thông số thiết bị, các lô vật liệu và các yếu tố môi trường, cung cấp thông tin chi tiết về dữ liệu để tối ưu hóa quy trình và dự đoán chất lượng.

Kết luận

Công nghệ thị giác máy đang thay đổi sâu sắc phương pháp truyền thống kiểm tra mối hàn sản phẩm, nâng cấp việc kiểm soát chất lượng từ việc dựa vào phán đoán dựa trên kinh nghiệm dựa trên "mắt và trí não con người" sang quản lý chính xác, kỹ thuật số và thông minh dựa trên các phương pháp "quang điện và thuật toán". Nó không chỉ đơn thuần là một công cụ "thay thế mắt người" mà còn là công nghệ cốt lõi giúp số hóa quy trình hàn, xây dựng các nhà máy trong suốt và thúc đẩy quá trình chuyển đổi sang sản xuất thông minh. Mặc dù vẫn còn những thách thức kỹ thuật và công nghệ cần được giải quyết trong quá trình triển khai, nhưng giá trị to lớn của nó trong việc cải thiện chất lượng, hiệu quả và khả năng truy xuất nguồn gốc đã trở nên rõ ràng, khiến nó trở thành một xu hướng công nghệ không thể đảo ngược trong ngành sản xuất cao cấp. Với sự phát triển liên tục và giảm giá thành của các công nghệ như AI và cảm biến 3D, công nghệ kiểm tra mối hàn bằng thị giác máy chắc chắn sẽ được ứng dụng rộng rãi hơn trong nhiều ngành công nghiệp, tạo nền tảng chất lượng vững chắc cho một cường quốc sản xuất.