Khi “mắt người” gặp giới hạn
Trong các dây chuyền sơ chế, chế biến và đóng gói nông sản, công nhân vẫn có thể đảm nhiệm nhiều công việc kiểm tra như nhận diện sản phẩm sai màu, biến dạng, lỗi bề mặt hoặc bao bì không đúng yêu cầu.
Tuy nhiên, khi sản phẩm di chuyển liên tục với tốc độ cao, việc duy trì sự tập trung trong thời gian dài trở thành thách thức. Đây là khoảng trống mà thị giác máy (machine vision) có thể hỗ trợ.
Về nguyên lý, camera ghi nhận hình ảnh sản phẩm; phần mềm xử lý hình ảnh hoặc AI sau đó phân tích theo những tiêu chí đã được thiết lập. Hệ thống có thể đưa ra kết quả đạt hoặc không đạt và trong những dây chuyền được thiết kế phù hợp, kết quả này có thể kết nối với cơ cấu phân loại tự động.
Điểm quan trọng là camera AI không đồng nghĩa với việc thay thế hoàn toàn nhân công. Công nghệ phù hợp nhất với những tiêu chí có thể nhận diện qua hình ảnh như màu sắc, hình dạng, kích thước, một số lỗi bề mặt, nhãn hoặc mã sản phẩm.
Từ một chiếc camera đến hệ thống phân loại
Ở quy mô quốc tế, TOMRA Food là một ví dụ về doanh nghiệp phát triển công nghệ phân loại thực phẩm bằng camera, cảm biến và AI.
Theo thông tin do TOMRA công bố, công nghệ LUCAi sử dụng deep learning cho phân loại và chấm cấp một số loại trái cây. Hệ thống được hãng công bố có khả năng xử lý tới 40.000 hình ảnh/giây, được huấn luyện trên dữ liệu hình ảnh từ hơn 20 mùa vụ và đã có hơn 3.500 làn LUCAi được bán trên toàn cầu tính đến năm 2025. Đây là các thông số do nhà sản xuất công bố cho LUCAi, không phải năng suất chung của mọi hệ thống camera AI.
Đáng chú ý, 40.000 hình ảnh/giây không có nghĩa hệ thống xử lý 40.000 sản phẩm/giây. Một sản phẩm có thể cần nhiều hình ảnh để hệ thống đánh giá từ các góc khác nhau.
Tại Việt Nam, Công ty Cổ phần Công nghệ IASI Việt Nam cũng công bố giải pháp kiểm tra ngoại quan bằng camera AI. Theo website của doanh nghiệp, hệ thống FH Vision sử dụng camera công nghiệp và AI để chụp ảnh sản phẩm, phát hiện các lỗi ngoại quan như trầy xước, nứt, sai màu, nhãn dán lệch hoặc keo không đúng vị trí, sau đó phân loại sản phẩm OK/NG. Doanh nghiệp cũng giới thiệu khả năng kết nối hệ thống Vision với PLC, robot và các thiết bị tự động hóa.
Điều này cho thấy camera AI trong sản xuất không đơn thuần là một chiếc camera gắn trên băng tải. Để hoạt động hiệu quả, hệ thống còn cần ánh sáng phù hợp, phần mềm xử lý, tiêu chí đánh giá và khả năng kết nối với thiết bị phía sau.
Giá trị lớn hơn nằm ở dữ liệu
Nếu chỉ xem camera AI là công cụ thay thế người kiểm tra, doanh nghiệp có thể bỏ qua một lợi ích quan trọng khác: khả năng tạo dữ liệu trong quá trình sản xuất.
Kết quả kiểm tra có thể được sử dụng để theo dõi tỷ lệ sản phẩm lỗi theo từng ca, từng lô hoặc từng công đoạn, tùy cách hệ thống được thiết kế. Khi tỷ lệ sản phẩm không đạt tăng bất thường, dữ liệu có thể giúp bộ phận kỹ thuật khoanh vùng nguyên nhân để kiểm tra lại nguyên liệu, thiết bị hoặc điều kiện vận hành.
Công ty Cổ phần Công nghệ IASI Việt Nam cũng giới thiệu các ứng dụng Vision cho đọc mã, OCR, định vị sản phẩm và kiểm tra nhiều đặc điểm trên sản phẩm.
Với nhà máy nông sản, những ứng dụng này có thể bắt đầu từ các công đoạn tương đối rõ ràng: kiểm tra ngoại quan, phân loại màu sắc hoặc kích thước, đếm sản phẩm, kiểm tra bao bì, đọc mã truy xuất hoặc phát hiện sản phẩm không đúng tiêu chí.
Tuy nhiên, camera không thể thay thế các phương pháp kiểm nghiệm đối với những chỉ tiêu không thể xác định chỉ bằng hình ảnh. Dư lượng hóa chất, vi sinh, thành phần dinh dưỡng hay nhiều chỉ tiêu an toàn thực phẩm vẫn cần phương pháp kiểm nghiệm phù hợp.
Vì vậy, với cơ sở nông sản quy mô vừa và nhỏ, thay vì tự động hóa toàn bộ dây chuyền ngay từ đầu, có thể bắt đầu từ một công đoạn có khối lượng kiểm tra lớn hoặc thường xuyên xảy ra sai sót. Sau đó, doanh nghiệp đánh giá hiệu quả thực tế trước khi mở rộng.
Một chiếc camera chưa chắc thay được cả đội ngũ kiểm tra. Nhưng khi được kết hợp với AI, phần mềm, ánh sáng, cơ cấu phân loại và hệ thống điều khiển phù hợp, nó có thể biến một công đoạn vốn phụ thuộc nhiều vào việc “đứng nhìn” thành quy trình có thể đo, ghi nhận và kiểm soát bằng dữ liệu.
Với nhà máy nông sản, câu hỏi vì thế không chỉ là camera thay được bao nhiêu người, mà là công nghệ có thể giúp kiểm soát bao nhiêu sản phẩm, duy trì tiêu chí ổn định đến đâu và tạo ra dữ liệu hữu ích như thế nào cho cả dây chuyền.