Kiểm tra trực quan các khuyết tật bề mặt trên nắp chai nhựa: Nguyên tắc kỹ thuật, cấu trúc hệ thống và thực tiễn ứng dụng.
Trên các dây chuyền đóng gói tốc độ cao cho đồ uống, thực phẩm, dược phẩm và các sản phẩm hóa chất tiêu dùng hàng ngày, nắp chai nhựa, là bộ phận quan trọng tiếp xúc trực tiếp với sản phẩm bên trong và đảm bảo độ kín, có tầm quan trọng hàng đầu về chất lượng. Ngay cả một lỗi nhỏ trên bề mặt—như vết xước, vết bẩn, bọt khí, thiếu vật liệu hoặc lỗi in ấn—không chỉ ảnh hưởng đến hình thức bên ngoài và hình ảnh thương hiệu của sản phẩm mà còn có thể dẫn đến các vấn đề chất lượng nghiêm trọng như niêm phong kém, rò rỉ hoặc nhiễm bẩn. Các phương pháp lấy mẫu thủ công truyền thống không hiệu quả, dễ gây mệt mỏi, mang tính chủ quan cao và có tỷ lệ bỏ sót kiểm tra cao, không đáp ứng được mục tiêu "không lỗi" trong công nghiệp hiện đại. Do đó, công nghệ kiểm tra lỗi bề mặt tự động dựa trên thị giác máy tính đã trở thành yếu tố cốt lõi không thể thiếu trong việc đảm bảo chất lượng sản xuất nắp chai.
I. Các loại khuyết tật và thách thức trong việc phát hiện
Trước khi thiết kế công nghệ, điều cần thiết là phải xác định trước các loại khuyết tật bề mặt thường gặp trên nắp chai nhựa và đặc điểm của chúng:
1. Khiếm khuyết về ngoại hình:
Vết xước/Vết mài mòn: Xảy ra trong quá trình vận chuyển hoặc đúc khuôn, xuất hiện dưới dạng các vệt sáng/tối không đều.
1. Vết bẩn/Vật thể lạ: Sự bám dính của dầu, bụi hoặc các tạp chất khác, xuất hiện dưới dạng các đốm không phù hợp với màu nền.
2. Bọt khí/Vệt bạc: Do quy trình ép phun không đúng cách gây ra; bọt khí xuất hiện dưới dạng các đốm tròn tối màu, và vệt bạc dưới dạng các đường sáng tỏa ra từ tâm.
3. Thiếu hụt/Co ngót: Do quá trình ép phun không hoàn chỉnh, dẫn đến hình dạng nắp không hoàn chỉnh hoặc bị lõm cục bộ.
4. Bavia/Bavia thừa: Các cạnh nhựa thừa do khe hở khuôn gây ra, thường xuất hiện ở đường phân khuôn hoặc các cạnh.
2. Các khuyết tật về kích thước và cấu trúc:
3. Sai lệch kích thước: Ngoài phạm vi cho phép: Các kích thước quan trọng như đường kính trong/ngoài, chiều cao và số răng không đạt tiêu chuẩn.
4. Cong vênh/Biến dạng: Nắp bị cong vênh, hoàn toàn hoặc một phần, ảnh hưởng đến khả năng đóng kín.
5. Hỏng/Không hoàn chỉnh phần nối: Đối với các loại nắp có nhiều dây buộc (như nắp chai nước khoáng), phần nối (điểm kết nối vòng chống trộm) bị thiếu hoặc quá yếu.
3. Lỗi in ấn và dán nhãn:
In sai/Lỗi in ấn: Thiếu hoặc sai thông tin như logo thương hiệu, ngày sản xuất và số lô.
Ký tự không rõ nét/Hiện tượng bóng mờ: Bản in bị nhòe, đường nét đứt đoạn, mực bị lem.
Sai lệch vị trí màu: Sự lệch màu trong quá trình in nhiều màu.
Sai lệch màu sắc: Có sự khác biệt đáng kể về màu sắc so với mẫu màu chuẩn.
Những thách thức cốt lõi:
• Độ phản chiếu cao: Bề mặt nhựa nhẵn dễ tạo ra các điểm sáng nếu nguồn sáng không được đặt đúng vị trí, che khuất các khuyết điểm thực tế.
• Kiểm tra tốc độ cao: Tốc độ dây chuyền sản xuất thường đạt 1000-3000 sản phẩm mỗi phút, đòi hỏi hệ thống thị giác phải hoàn thành việc chụp ảnh, xử lý và đánh giá trong thời gian rất ngắn.
• Sự đa dạng của khuyết tật: Hình dạng, kích thước, vị trí và độ tương phản của khuyết tật rất khác nhau, đòi hỏi các thuật toán có khả năng khái quát hóa cao.
• Nhiễu nền: Bản thân nắp chai có thể có kết cấu, hoa văn hoặc màu sắc phức tạp, cần được phân biệt với các khuyết tật thực tế.
II. Các thành phần cốt lõi của hệ thống kiểm tra bằng thị giác
Một hệ thống kiểm tra trực quan hoàn chỉnh đối với các khuyết tật trên bề mặt nắp chai thường bao gồm hai phần chính: phần cứng và phần mềm.
(I) Hệ thống phần cứng
1. Đơn vị Chẩn đoán Hình ảnh:
Camera công nghiệp: "Đôi mắt" của hệ thống. Hãy chọn loại phù hợp dựa trên nhu cầu kiểm tra của bạn:
▪ Camera quét vùng: Được sử dụng để kiểm tra hình thức, chất lượng in ấn và kích thước của phần trên và các cạnh của nắp chai. Độ phân giải cao giúp phát hiện các khuyết tật nhỏ nhất.
▪ Camera quét theo dòng: Thực hiện quét liên tục khi nắp chai đi qua với tốc độ cao, đặc biệt thích hợp cho việc chụp ảnh toàn cảnh 360° các bức tường bên, cho phép ghép ảnh liền mạch.
Ống kính công nghiệp: Cần lựa chọn tiêu cự phù hợp dựa trên trường nhìn (FOV), khoảng cách làm việc (WD) và độ phân giải. Ống kính telecentric giúp giảm thiểu sai số phối cảnh và là lựa chọn ưu tiên cho các phép đo kích thước chính xác.
2. Hệ thống chiếu sáng: "Linh hồn" của việc kiểm tra trực quan thành công. Nhiệm vụ cốt lõi của nó là làm nổi bật các đặc điểm khuyết tật và triệt tiêu nhiễu nền.
Các loại nguồn sáng phổ biến:
▪ Nguồn sáng vòng: Chiếu sáng đồng đều từ mọi phía, thích hợp để kiểm tra tổng quát các khu vực phẳng trên bề mặt.
▪ Nguồn sáng hình vòm/Nguồn sáng hình vòm không bóng: Cung cấp ánh sáng cực kỳ đồng đều thông qua bộ khuếch tán hình bán cầu, một công cụ mạnh mẽ để giải quyết vấn đề phản xạ cao trên nắp chai nhựa, loại bỏ hoàn toàn hiện tượng phản chiếu và làm nổi bật kết cấu bề mặt cũng như các khuyết tật ba chiều (như vết xước và vết lõm).
▪ Nguồn sáng đồng trục: Chùm tia sáng song song với trục quang học của camera thông qua bộ tách tia, đặc biệt thích hợp để phát hiện các vết xước và chỗ gồ ghề trên bề mặt nhẵn.
▪ Ánh sáng nền: Nắp chai được đặt giữa nguồn sáng và camera để tạo ra đường viền có độ tương phản cao, được sử dụng để đo kích thước, phát hiện thiếu hụt vật liệu và phát hiện vật thể lạ.
▪ Nguồn sáng kết hợp hình thanh: Ánh sáng được phát ra từ một góc cụ thể để tăng cường độ tương phản của các ký tự trên tường hoặc cấu trúc 3D.
Chiến lược chiếu sáng: Các phương án chiếu sáng kết hợp nhiều nguồn, nhiều góc độ thường được sử dụng. Ví dụ, chiếu sáng dạng vòm được sử dụng để kiểm tra bề mặt trên cùng, chiếu sáng dạng thanh chiếu từ bên cạnh để kiểm tra hình in trên thành bên, và chiếu sáng ngược được sử dụng để phát hiện đường viền. Thông qua kích hoạt phân chia theo thời gian, một hệ thống duy nhất có thể thực hiện nhiều nhiệm vụ.
3. Bộ phận đồng bộ hóa và điều khiển:
Cảm biến: Cảm biến quang điện hoặc bộ mã hóa được sử dụng để kích hoạt máy ảnh chụp ảnh khi nắp chai đạt đến vị trí chính xác.
Máy tính công nghiệp (IPC): Là bộ não cốt lõi vận hành phần mềm xử lý hình ảnh và các chương trình điều khiển logic, đòi hỏi khả năng tính toán mạnh mẽ (CPU đa lõi, GPU hiệu năng cao) và độ ổn định cấp công nghiệp.
PLC và Cơ chế Phân loại: PLC nhận kết quả kiểm tra (Đạt/Không đạt) từ máy tính điều khiển công nghiệp và điều khiển van điện từ, cần đẩy hoặc cánh tay robot để tự động loại bỏ các sản phẩm bị lỗi.
4. Cấu trúc cơ khí:
Hệ thống băng tải được thiết kế chính xác, cơ cấu định vị (như bánh răng hình sao, khối chữ V) và thiết bị loại bỏ đảm bảo vị trí nắp chai ổn định và lặp lại tại vị trí chụp ảnh.
(II) Phần mềm và thuật toán
Phần mềm là "bộ não" của hệ thống, chịu trách nhiệm phân tích hình ảnh, trích xuất đặc điểm và đưa ra quyết định cuối cùng. Quy trình xử lý thường được chuẩn hóa thành các bước sau:
1. Thu thập và tiền xử lý hình ảnh:
Thu nhận: Hình ảnh thô được thu nhận khi được kích hoạt bởi phần cứng.
Xử lý sơ bộ: Mục đích là để cải thiện chất lượng hình ảnh và chuẩn bị cho các bước phân tích tiếp theo. Quá trình này bao gồm:
▪ Lọc và khử nhiễu: Sử dụng bộ lọc Gaussian, bộ lọc trung vị, v.v., để loại bỏ nhiễu ngẫu nhiên.
▪ Cải thiện hình ảnh: Tăng cường độ tương phản giữa các khuyết điểm và nền bằng cách kéo giãn độ tương phản, cân bằng biểu đồ tần số, v.v.
▪ Hiệu chỉnh độ méo: Loại bỏ hiện tượng méo ống kính để đảm bảo độ chính xác của phép đo.
2. Định vị vùng quan tâm (ROI) và phân đoạn ảnh:
Sử dụng phương pháp so khớp mẫu, phân tích khối (phân tích thành phần liên kết) hoặc các công cụ tìm kiếm hình học, nhanh chóng xác định vị trí của từng nắp chai trong hình ảnh và phân đoạn chúng thành các vùng phát hiện khác nhau như đỉnh, các cạnh và răng cưa.
3. Các thuật toán trích xuất đặc trưng và phát hiện lỗi:
Đây là cốt lõi của công nghệ, thường sử dụng chiến lược kết hợp nhiều cấp độ, nhiều thuật toán.
Đối với các khuyết tật về kích thước/hình học:
▪ Phát hiện cạnh (Canny, Sobel): Trích xuất đường viền và thực hiện so sánh ở cấp độ pixel với các mẫu chuẩn hoặc phép đo kích thước hình học (đường kính, độ tròn, góc).
Đối với các khuyết tật về hình thức/kết cấu (vết xước, vết bẩn, bọt khí, v.v.):
▪ Phân đoạn ngưỡng: Nhị phân hóa hình ảnh để tách đối tượng (khuyết tật) và hậu cảnh. Thích hợp cho các khuyết tật có độ tương phản đáng kể.
▪ Phân tích kết cấu: Phân tích tính đồng nhất của kết cấu bề mặt bằng các thuật toán như Ma trận đồng xuất hiện mức độ xám (GLCM) và bộ lọc Gabor để xác định các vùng bất thường về kết cấu.
▪ Phân tích miền tần số: Thực hiện phép biến đổi Fourier trên ảnh để phát hiện các khuyết tật định kỳ hoặc các thành phần tần số bất thường trong miền tần số.
▪ Phương pháp so sánh khác biệt/mẫu: Thực hiện phân tích khác biệt từng pixel giữa hình ảnh cần kiểm tra và hình ảnh mẫu chuẩn "hoàn hảo". Các vùng có sự khác biệt vượt quá ngưỡng được coi là lỗi. Phương pháp này đơn giản và hiệu quả, nhưng đòi hỏi độ chính xác cực cao về vị trí và ánh sáng.
Đối với các lỗi in ấn và lỗi ký tự:
▪ Nhận dạng ký tự quang học (OCR): Đọc và xác minh tính chính xác và đầy đủ của các ký tự như ngày sản xuất và số lô.
▪ Phân tích màu sắc: So sánh sự khác biệt về màu sắc giữa khu vực cần kiểm tra và một mảng màu chuẩn trong không gian màu cụ thể (chẳng hạn như Lab).
▪ So khớp điểm đặc trưng: So sánh xem các điểm đặc trưng chính của logo và họa tiết có khớp nhau hay không.
4. Sự tích hợp giữa Trí tuệ nhân tạo và Học sâu:
Các thuật toán truyền thống hoạt động tốt với các khuyết tật có đặc điểm rõ ràng và đồng nhất, nhưng chúng khó xác định đối với các khuyết tật mơ hồ và biến đổi (như các vết bẩn với nhiều hình dạng khác nhau và các vết xước nhỏ). Học sâu, đặc biệt là các kỹ thuật thị giác dựa trên Mạng nơ-ron tích chập (CNN), đã trở thành xu hướng chủ đạo và hướng đi của tương lai.
◦ Nguyên lý hoạt động: Mô hình CNN được huấn luyện bằng một lượng lớn mẫu ảnh nắp chai "OK" và "NG" (chứa nhiều khuyết tật). Mạng tự động học cách trích xuất các đặc trưng trừu tượng nhiều lớp từ các pixel, từ thấp đến cao (cạnh -> kết cấu -> mẫu -> đối tượng), cuối cùng học cách phân biệt giữa bình thường và bất thường.
Các mô hình phổ biến:
▪ Mạng lưới phân loại: Phân loại toàn bộ nắp chai hoặc khu vực đó là "chấp nhận được" hoặc "không chấp nhận được" (và loại lỗi).
▪ Mạng phát hiện đối tượng: Ví dụ như YOLO và Faster R-CNN, có thể trực tiếp xác định vị trí các khuyết tật trong ảnh và khoanh vùng chúng, đồng thời cung cấp cả loại khuyết tật.
▪ Mạng phân đoạn ngữ nghĩa: Ví dụ như U-Net, có khả năng phân loại từng pixel trong ảnh, xác định chính xác đường viền của các khuyết tật, và đặc biệt phù hợp để phân tích hình dạng và diện tích của các khuyết tật.
Ưu điểm: Khả năng chống nhiễu mạnh mẽ, khả năng thích ứng với môi trường phức tạp, khả năng phát hiện các loại khuyết tật chưa biết (bằng cách học hỏi từ các mẫu bình thường, bất kỳ mẫu nào lệch khỏi "bình thường" đều được đánh giá là bất thường, tức là "phát hiện dị thường"), và giảm độ phức tạp khi gỡ lỗi thuật toán.
5. Đánh giá và quản lý dữ liệu:
Dựa trên kết luận từ mỗi trạm kiểm tra, một phán quyết cuối cùng "đạt/không đạt" sẽ được đưa ra, và một tín hiệu sẽ được xuất ra để điều khiển quá trình phân loại.
Ghi lại và lưu trữ tất cả dữ liệu kiểm tra (hình ảnh, kết quả, thời gian), tạo báo cáo thống kê (sản lượng vượt qua lần đầu, phân bổ loại lỗi, v.v.) và đạt được khả năng truy xuất nguồn gốc chất lượng cũng như giám sát quá trình sản xuất.
III. Các vấn đề cần xem xét khi triển khai và tích hợp hệ thống
1. Tích hợp dây chuyền sản xuất: Cần tích hợp liền mạch với chu kỳ thời gian và logic điều khiển của dây chuyền sản xuất hiện có. Các trạm kiểm tra thường được đặt sau máy ép phun (kiểm tra trực tuyến) hoặc trước khi đóng gói (kiểm tra lấy mẫu ngoại tuyến).
2. Thiết lập tiêu chuẩn kiểm tra: Xác định các tiêu chuẩn kiểm tra rõ ràng và có thể định lượng được, phối hợp với các kỹ sư chất lượng. Ví dụ: mức độ chấp nhận được đối với chiều dài vết xước (tính bằng milimét), diện tích vết bẩn (tính bằng milimét vuông) và độ lệch màu Delta E (dưới một giá trị nhất định) là bao nhiêu? Các tiêu chuẩn này sẽ được chuyển đổi thành ngưỡng đánh giá của thuật toán hoặc nhãn dữ liệu huấn luyện.
3. Giao diện người-máy: Thiết kế giao diện vận hành đơn giản và rõ ràng để dễ dàng thiết lập thông số, chuyển đổi tiêu chuẩn, giám sát thời gian thực và truy vấn kết quả.
4. Kiểm định và hiệu chuẩn hệ thống: Thường xuyên hiệu chuẩn và kiểm định hệ thống bằng cách sử dụng các bộ phận tiêu chuẩn hoặc mẫu lỗi để đảm bảo tính ổn định của quá trình phát hiện.
IV. Lợi ích ứng dụng và xu hướng tương lai
Lợi ích ứng dụng:
• Cải thiện chất lượng: Đạt được tỷ lệ kiểm tra toàn diện 100%, giảm đáng kể số lượng khiếu nại của khách hàng và rủi ro về chất lượng.
• Tiết kiệm chi phí: Giảm chi phí nhân công, chi phí làm lại và lãng phí vật liệu.
• Nâng cao hiệu quả: Thích ứng với dây chuyền sản xuất tốc độ cao, cho phép vận hành liên tục mà không gây mệt mỏi.
• Dựa trên dữ liệu: Dữ liệu lớn chất lượng được tích lũy có thể được sử dụng để tối ưu hóa quy trình, bảo trì dự đoán và quản lý chuỗi cung ứng.
Xu hướng tương lai:
1. Ứng dụng Công nghệ Thị giác 3D: Sử dụng công nghệ ánh sáng có cấu trúc hoặc tam giác laser để thu được dữ liệu đám mây điểm 3D của bề mặt nắp chai cho phép đo cực kỳ chính xác các khuyết tật 3D như chiều cao, độ phẳng và cong vênh, cung cấp sự bổ sung mạnh mẽ cho tầm nhìn 2D.
2. Chip AI tích hợp cao hơn và điện toán biên: Triển khai các thuật toán AI trong camera thông minh hoặc máy tính điều khiển công nghiệp với NPU giúp đạt được thời gian phản hồi nhanh hơn và độ trễ hệ thống thấp hơn.
3. Trí tuệ nhân tạo dựa trên đám mây và học tập liên tục: Tải dữ liệu dây chuyền sản xuất lên đám mây, tận dụng khả năng tính toán mạnh mẽ hơn để huấn luyện và tối ưu hóa các mô hình tổng quát, và nhanh chóng triển khai các tính năng lỗi mới học được cho tất cả các dây chuyền sản xuất, đạt được mục tiêu "học một lần, nâng cấp toàn bộ mạng lưới".
4. Kết hợp thông tin đa giác quan: Kết hợp thông tin từ nhiều cảm biến, bao gồm thị giác, âm thanh (phát hiện các vết nứt cấu trúc bên trong) và thậm chí cả khứu giác (phát hiện ô nhiễm mùi), để đánh giá chất lượng toàn diện.
Phần kết luận
Kiểm tra trực quan các khuyết tật bề mặt trên nắp chai nhựa là một công nghệ kỹ thuật toàn diện tích hợp quang học, cơ khí, điện tử, phần mềm và trí tuệ nhân tạo. Từ việc lựa chọn phần cứng chính xác và thiết kế đường dẫn quang học đến xử lý hình ảnh mạnh mẽ và các thuật toán thông minh, mỗi bước đều rất quan trọng. Với sự phát triển không ngừng của công nghệ học sâu và sự深化 của Công nghiệp 4.0, các hệ thống kiểm tra trực quan đang phát triển từ các công cụ tự động "thay thế mắt người" thành các trung tâm ra quyết định chất lượng thông minh "vượt trội hơn cả trí não con người", cung cấp sự đảm bảo kỹ thuật vững chắc và đáng tin cậy cho sự phát triển chất lượng cao của ngành công nghiệp sản xuất.
