AISmart FactoryFeatured

AI kiểm tra lỗi bề mặt sản phẩm

Xây dựng giải pháp Computer Vision phát hiện các lỗi ngoại quan như trầy xước, móp và biến dạng sản phẩm cho đối tác của Samsung SDS Việt Nam. Tham gia thu thập, gán nhãn dữ liệu, thử nghiệm mô hình.

PythonYOLOU-NetPyTorchOpenCV

Tài liệu kỹ thuật dự án

Vai tròTrưởng nhóm chức năng, AI Engineer - Phát triển cho đối tác của Samsung SDS Việt Nam
Thời gian03/2025 - 02/2026
Trạng tháiĐã nghiệm thu
Danh mục
AISmart Factory

Tổng quan dự án

Dự án phát triển giải pháp AI kiểm tra lỗi ngoại quan sản phẩm trong công nghiệp lắp ráp linh kiện cho đối tác của Samsung SDS Việt Nam. Hệ thống sử dụng các thuật toán phân vùng ảnh sâu để nhận diện và định vị chính xác vị trí các khuyết tật bề mặt như vết xước nhỏ, vết móp hay nứt kim loại trên dây chuyền tự động, đồng bộ trực tiếp với hệ thống gạt lỗi PLC.

Trải nghiệm Demo tương tác

* Lưu ý: Đây là bản giả lập mô phỏng một tính năng nhỏ thuộc hệ thống lớn của dự án thực tế.
Chọn mẫu đầu vào:
Edge Camera Viewfinder
Conv: IDLEModbus: PLC_01
SYSTEM CONSOLE LOGS:

Sơ đồ kiến trúc kỹ thuật

* Lưu ý: Đây là sơ đồ khối rút gọn mô tả luồng xử lý chính của dự án thực tế.
1
Physical Layer

Thu thập dữ liệu cảm biến & Camera

Modbus / OpenCV / ROS
2
Processing Layer

Xử lý logic, thuật toán AI & DB

PyTorch / Oracle / FASTApi / Spring
3
Control & UI

Giao diện WebSocket & Điều khiển PLC

React Web / SignalR / OPC-UA
→ Chuỗi liên kết công nghệ: Tích hợp thiết bị phần cứng cảm biến → Tầng tính toán biên (Jetson/Server) → Bộ điều khiển và Dashboard giám sát

Tính năng chính

Phần đoạn pixel lỗi: Sử dụng kiến trúc U-Net và YOLO-segment để phân vùng diện tích lỗi ở cấp độ milimét.
Inference thời gian thực: Tăng tốc suy luận bằng PyTorch/TensorRT chạy trên thiết bị biên nhúng NVIDIA Jetson.
Xử lý ảnh nâng cao: Sử dụng OpenCV để tiền xử lý cân bằng ánh sáng, lọc nhiễu trước khi đưa vào mô hình học sâu.
Tích hợp hệ thống QC: Truyền tải dữ liệu kết quả trực tiếp về hệ thống giám sát chất lượng sản xuất để ghi nhận lịch sử.

Kiến trúc hệ thống

Hệ thống bao gồm camera công nghiệp thu nhận ảnh chất lượng cao. Các khung hình được xử lý trên module NVIDIA Jetson dùng OpenCV để lọc và chuẩn hóa. Mô hình YOLOv8-seg chạy suy luận để phát hiện lỗi đa lớp và chuyển đổi tọa độ lỗi thành tín hiệu Modbus/TCP điều khiển cơ cấu cơ khí gạt sản phẩm hỏng của PLC nhà máy đối tác.

Thành tựu đạt được

1

Nâng tỷ lệ phát hiện lỗi trầy xước từ 88% (kiểm tra thủ công) lên 99.6%.

2

Tốc độ xử lý đạt 55 sản phẩm/phút, đồng bộ hoàn toàn với nhịp chuyền thực tế của nhà máy.

3

Giảm thiểu 100% tỷ lệ sót lỗi gửi tới các công đoạn tiếp theo.

Đinh Sỹ Chung

AI Engineer & Software Developer © 2026. All Rights Reserved.