Bài viết

Machine Vision là gì? So sánh Machine Vision vs Computer Vision

Tháng Tư 21, 2025

Chia sẻ với:

Nội dung bài viết

Machine Vision, hay còn gọi là thị giác máy, là công nghệ cho phép máy tính có khả năng “nhìn” và phân tích thế giới thông qua hình ảnh. Với sự tích hợp của trí tuệ nhân tạo (AI), Machine Learning và Deep Learning, Machine Vision đang ngày càng được ứng dụng rộng rãi, không chỉ trong lĩnh vực sản xuất mà còn trong các ngành như an ninh, xe tự hành, sản xuất thực phẩm, đóng gói và hậu cần.

Trong bài viết này, FPT.AI sẽ giới thiệu chi tiết về cơ chế hoạt động của Machine Vision, các thiết bị thị giác máy phổ biến, những ứng dụng, lợi ích nổi bật và so sánh sự khác biệt giữa Machine Vision và Computer Vision.

Machine Vision là gì?

Machine Vision, hay thị giác máy, là công nghệ cho phép máy tính có khả năng “nhìn” và phân tích thế giới thông qua hình ảnh. Hệ thống Machine Vision sử dụng một hoặc nhiều camera video để thu thập hình ảnh, sau đó chuyển đổi tín hiệu từ dạng analog sang digital (ADC) và tiến hành xử lý tín hiệu số (DSP). Dữ liệu thu được sẽ được truyền đến máy tính hoặc bộ điều khiển robot để phân tích và đưa ra quyết định. Độ phức tạp của công nghệ này được đánh giá tương đương với công nghệ nhận diện giọng nói.

Machine Vision thường được tích hợp với trí tuệ nhân tạo (AI), học máy (Machine Learning) và học sâu (Deep Learning) để tăng cường khả năng xử lý hình ảnh. Trong bối cảnh tự động hóa công nghiệp phát triển mạnh mẽ, Machine Vision đang ngày càng được ứng dụng mạnh mẽ. Hiện tại, phạm vi ứng dụng của thị giác máy không chỉ giới hạn trong lĩnh vực sản xuất mà còn được mở ra nhiều ngành khác như an ninh, xe tự hành, sản xuất thực phẩm, đóng gói và hậu cần.

>>> XEM THÊM: Robotic Process Automation là gì? Các ứng dụng của RPA trong thực tiễn

Cơ chế hoạt động của Machine Vision là gì?

Về cơ bản, hệ thống Machine Vision hoạt động dựa trên năm thành phần chính.

Hệ thống ánh sáng: Chiếu sáng vật thể hoặc cảnh vật để làm nổi bật các đặc điểm cần phân tích.
Ống kính: Thu nhận hình ảnh và truyền nó đến cảm biến trong camera dưới dạng ánh sáng.
Bảng thu nhận/ frame grabber/ cảm biến: Xử lý hình ảnh từ camera và chuyển đổi nó sang định dạng kỹ thuật số (pixel). Cảm biến hình ảnh sử dụng công nghệ CMOS (complementary metal-oxide semiconductor) hoặc CCD (charge-coupled device) để chuyển đổi ánh sáng thành tín hiệu điện.
Bộ xử lý: Chạy phần mềm và các thuật toán phức tạp để xử lý hình ảnh kỹ thuật số và trích xuất thông tin cần thiết.
Hệ thống giao tiếp: Kết nối camera và hệ thống xử lý với các thành phần khác trong hệ thống lớn hơn thông qua tín hiệu input/output rời rạc hoặc kết nối nối tiếp.

Các bước trong quy trình hoạt động của Machine Vision như sau:

Cảm biến phát hiện đối tượng cần kiểm tra (ví dụ: chai bia).
Hệ thống kích hoạt đèn nhấp nháy để cung cấp ánh sáng tối ưu cho việc chụp ảnh đối tượng.
Camera chụp ảnh đối tượng.Trong môi trường sản xuất công nghiệp, Machine Vision sử dụng hai loại camera chính: Camera area scan: Chụp ảnh trong một khung duy nhất bằng cảm biến hình chữ nhật, thích hợp để quét các vật thể có kích thước đồng đều về chiều rộng và chiều cao. Camera line scan: Xây dựng hình ảnh theo phương thức pixel-by-pixel, phù hợp để chụp ảnh các vật thể đang chuyển động hoặc có kích thước không đồng nhất. Cảm biến của loại camera này di chuyển theo đường thẳng trên vật thể khi chụp, không bị giới hạn bởi độ phân giải cụ thể như camera area scan.
Hình ảnh được lưu trữ trong bộ nhớ của hệ thống để xử lý.
Hệ thống sử dụng các kỹ thuật xử lý hình ảnh kỹ thuật số để trích xuất thông tin cần thiết từ hình ảnh (ví dụ: phân tích mức đổ đầy của chai bia).
Hệ thống đưa ra phản hồi (đạt/không đạt) dựa trên các tiêu chí đã được thiết lập (ví dụ: mức đổ đầy của chai đạt tiêu chuẩn hay không).
Dựa trên kết quả phân tích, hệ thống chuyển đối tượng sang phần tiếp theo của quy trình (nếu đạt); chuyển hướng đối tượng sang quy trình khác (nếu cần điều chỉnh) hoặc loại bỏ đối tượng khỏi hệ thống sản xuất (nếu không đạt)

Người điều hành có thể theo dõi quá trình, xem các đối tượng bị từ chối và xem thống kê quy trình đang diễn ra trên màn hình. Trong một số ứng dụng, hệ thống thị giác máy có thể thực hiện các phép đo khách quan bổ sung như xác định khe hở hay đo kích thước các bộ phận. Ngoài ra, hệ thống còn có thể cung cấp thông tin vị trí để hướng dẫn robot căn chỉnh các bộ phận trong quy trình sản xuất.

Hai thông số kỹ thuật quan trọng trong mọi hệ thống Machine Vision là độ nhạy và độ phân giải của ống kính. Trong đó:

Độ nhạy: Khả năng của hệ thống trong việc nhìn trong điều kiện ánh sáng mờ hoặc phát hiện các xung yếu ở bước sóng không thấy được.
Độ phân giải: Khả năng phân biệt giữa các vật thể.

Giữa độ nhạy và độ phân giải tồn tại mối quan hệ đánh đổi: Độ nhạy tăng thì độ phân giải giảm và ngược lại, nếu các yếu tố khác không đổi.

Về phạm vi nhận biết, mắt người chỉ nhạy cảm với bước sóng điện từ từ 390 đến 770 nanomet, trong khi camera Machine Vision có thể hoạt động ở bước sóng hồng ngoại, tia cực tím hoặc tia X. Các ứng dụng cao cấp như Machine Vision hai mắt (stereo vision) đòi hỏi máy tính với bộ xử lý tiên tiến, camera độ phân giải cao, RAM lớn và lập trình AI để hỗ trợ khả năng nhận biết độ sâu.

Một ví dụ điển hình về ứng dụng Machine Vision trong sản xuất là hệ thống kiểm tra chất lượng trên dây chuyền lắp ráp. Hệ thống này phân tích các đặc điểm của bộ phận đang được sản xuất, xác định liệu sản phẩm có đáp ứng tiêu chí chất lượng hay không và tự động loại bỏ các bộ phận không đạt yêu cầu.

>>> XEM THÊM: TOP 6 phần mềm nhận dạng văn bản cho điện thoại, máy tính

Các thiết bị Machine Vision thường gặp

Máy ảnh: Là thiết bị chính trong hệ thống thị giác máy, dùng để kiểm tra đối tượng hoặc mục tiêu. Có nhiều loại camera với các giao diện, pixel, độ phân giải và tính năng khác nhau. Ngoài camera thông thường, còn có máy ảnh thông minh (tích hợp phần mềm xử lý), máy ảnh 3D (cung cấp thông tin chiều sâu) và máy ảnh nhiệt (phát hiện bức xạ nhiệt) trong các ứng dụng thị giác máy.
Hệ thống thị giác 2D: Là loại hệ thống được sử dụng phổ biến nhất, đặc biệt xuất sắc trong các nhiệm vụ nhận dạng mẫu. Hệ thống này phân tích hình ảnh hai chiều để thực hiện các tác vụ như đọc mã, kiểm tra bề mặt và nhận dạng đối tượng.
Hệ thống thị giác 3D: Hoạt động trong không gian ba chiều, cung cấp độ chính xác cao hơn cho mục đích đo lường và kiểm tra. Hệ thống này có thể phân tích chiều sâu, hình dạng và kích thước ba chiều của vật thể.

Hệ thống thị giác dựa trên camera thông minh: Sử dụng camera có tích hợp bộ xử lý và phần mềm để thực hiện nhiều nhiệm vụ kiểm tra mà không cần máy tính ngoài. Giải pháp này nhỏ gọn và dễ triển khai trong môi trường sản xuất.
Hệ thống thị giác nhỏ gọn: Được thiết kế để tự chứa toàn bộ thành phần cần thiết và có thể tích hợp liền mạch vào thiết bị và quy trình sản xuất hiện có, phù hợp cho không gian hạn chế.
Hệ thống thị giác dựa trên máy tính: Sử dụng sức mạnh xử lý của máy tính và các thuật toán phân tích hình ảnh phức tạp, cho phép thực hiện các nhiệm vụ kiểm tra hình ảnh phức tạp với hiệu suất cao.
Phần mềm thị giác máy: Là thành phần quan trọng để trực quan hóa dữ liệu và hiển thị những gì camera đang nhìn, giúp người vận hành phân tích, bảo trì hệ thống và lập trình các chức năng của phần cứng. Có nhiều phần mềm chuyên dụng khác nhau tùy thuộc vào nhu cầu cụ thể của hệ thống.
Multispectral imaging: Là phương pháp thay thế cho hình ảnh 2D thông thường, chụp hình ảnh ở nhiều bước sóng khác nhau, cho phép phát hiện những đặc điểm không thể nhìn thấy bằng mắt thường.
Hyperspectral imaging: Tương tự như multispectral imaging nhưng chụp hình ảnh ở số lượng bước sóng lớn hơn đáng kể (thường hàng trăm hoặc hàng nghìn bước sóng), tạo điều kiện phân tích chi tiết dữ liệu quang phổ cho các ứng dụng đặc biệt.
Ống kính phóng đại có thể thay đổi: Được trang bị các mức phóng đại có thể điều chỉnh, những ống kính này cung cấp tính linh hoạt cao trong việc thực hiện các nhiệm vụ kiểm tra ở các khoảng cách và độ chi tiết khác nhau.
Thiết bị phụ trợ khác: Bao gồm các hệ thống nhúng, khung gắn, đèn chiếu sáng chuyên dụng, cáp kết nối, hệ thống xác minh nhãn và robot tích hợp để tạo thành một hệ thống thị giác máy hoàn chỉnh.

>>> XEM THÊM: Số hóa dữ liệu là gì? Quy trình và phần mềm khuyên dùng

Ứng dụng nổi bật của Machine Vision là gì?

Machine Vision (thị giác máy) là công nghệ giúp máy tính phân tích và kiểm tra hình ảnh tự động. Dưới đây là các ứng dụng nổi bật của Machine Vision:

Kiểm tra bao bì và nhãn sản phẩm: Hệ thống Machine Vision có thể kiểm tra màu sắc, kích thước, chiều rộng và các yêu cầu kỹ thuật khác với bao bì sản phẩm. Nó cũng có thể xác định vị trí đúng của nhãn trên sản phẩm, như nhãn trên chai thuốc, đảm bảo tính chính xác trong quá trình sản xuất.
Kiểm tra chất lượng sản phẩm và phát hiện lỗi: Machine Vision được sử dụng để kiểm tra các khuyết điểm, lỗi và chất gây ô nhiễm trong nhiều vật liệu và sản phẩm. Công nghệ này có thể phát hiện những lỗi mà mắt thường khó nhận biết, đảm bảo kiểm soát chất lượng một cách hiệu quả.
Tiên đoán vấn đề cần bảo trì: Các camera gắn trên thiết bị và robot thu thập hình ảnh và gửi về trung tâm xử lý, giúp xác định các vấn đề tiềm ẩn trước khi chúng phát sinh, từ đó giảm thiểu thời gian ngừng máy và chi phí bảo trì.
Đọc mã vạch và theo dõi mã: Với khả năng xử lý nhiều loại mã vạch khác nhau trên các sản phẩm khác biệt, Machine Vision giúp tự động hóa việc đọc mã vạch theo thời gian thực, giảm thiểu lỗi và tiết kiệm thời gian so với việc quét mã thủ công.
Giám sát sản phẩm và thành phần lắp ráp: Machine Vision cho phép kiểm tra sản phẩm ở góc nhìn 360 độ, đảm bảo các thành phần được lắp ráp chính xác và sản phẩm được đóng gói đúng cách, bao gồm việc đóng nắp, chất lượng in ấn và nhãn sản phẩm.
Phân tích thành phần điện tử: Trong công nghiệp điện tử, Machine Vision được sử dụng để kiểm tra kem hàn, vị trí đặt linh kiện và xây dựng bảng mạch. Nó cũng hỗ trợ kiểm tra 3D để xác định các chân kết nối trên mạch có bị lỗi hay gây hại cho dây chuyền sản xuất hay không.
Optical Character Recognition (OCR) và nhận dạng chữ viết tay: Machine Vision cho phép máy tính trích xuất văn bản in hoặc viết tay từ hình ảnh, phân tích văn bản sau đó nhận dạng chữ viết tay và chữ ký.
Nhận dạng đối tượng và mẫu: Công nghệ này được áp dụng trong xe tự lái để xác định chướng ngại vật trên đường, và trong y tế để phân tích hình ảnh chụp cộng hưởng từ, quét máu và quét não, hỗ trợ chẩn đoán bệnh.
Cải thiện an toàn lao động: Machine Vision có thể theo dõi chuyển động của con người và dự đoán sự di chuyển của thiết bị, giúp tránh các tương tác nguy hiểm và nâng cao an toàn trong môi trường làm việc.
Theo dõi và truy xuất nguồn gốc (Track & Trace): Hệ thống Machine Vision giúp theo dõi và kiểm soát hàng hóa, xác định tình trạng vận chuyển tại bất kỳ thời điểm nào, hỗ trợ quản lý chuỗi cung ứng hiệu quả.
Kiểm tra tiền tệ và đếm mặt hàng: Machine Vision được sử dụng để phân tích tiền tệ nhằm phát hiện tiền giả, đồng thời hỗ trợ đếm các mặt hàng như viên thuốc trong một gói hoặc chai trong một thùng.
Cải thiện chất lượng hình ảnh máy ảnh quang phổ: Tích hợp Machine Vision trong máy ảnh quang phổ hỗ trợ màu sắc hình ảnh tốt hơn cho đối tượng được kiểm tra và phân loại. Tuy nhiên, cần lưu ý rằng với những hình ảnh có độ chi tiết cao hơn, phương pháp này sẽ mất nhiều thời gian xử lý hơn, đòi hỏi cân nhắc giữa chất lượng và hiệu suất.
Machine Vision trong robotics: Khi kết hợp với AI và deep learning, Machine Vision đóng vai trò quan trọng trong việc hướng dẫn robot thông qua camera 2D và 3D, giúp chúng thực hiện các nhiệm vụ trên dây chuyền sản xuất như nhặt, phân loại, đặt và quét kiểm tra trong nhà máy, siêu thị, bệnh viện và nhà hàng. Ví dụ, robot trong siêu thị có thể điều hướng các lối đi, thu thập dữ liệu kiểm kê, quét mã RFID, theo dõi hàng tồn kho, thanh toán tự động và tránh chướng ngại vật. Machine Vision cho phép robot thực hiện các nhiệm vụ nguy hiểm mà không khiến người lao động phải tiếp xúc với điều kiện không an toàn.
Machine Vision trong AI: AI được sử dụng kết hợp với Machine Vision để đẩy nhanh quá trình ra quyết định và xử lý lượng lớn hình ảnh, dữ liệu mà trước đây khó thu thập. Trong sản xuất, AI hỗ trợ nhận dạng đối tượng và kiểm tra vật liệu, giúp hệ thống Machine Vision hiểu các biến thể chấp nhận được về hình dạng và kết cấu. Trong đảm bảo chất lượng, hệ thống AI có thể diễn giải các bất thường có thể chấp nhận được thay vì từ chối mọi thứ không hoàn toàn phù hợp với thông số kỹ thuật, nâng cao tính linh hoạt và hiệu quả của quy trình sản xuất.

>>> XEM THÊM: ICR là gì? Tìm hiểu về công nghệ nhận dạng ký tự thông minh

Lợi ích nổi bật của Machine Vision

Loại bỏ lỗi do con người: Machine Vision vượt trội trong các phép đo định lượng nhờ sự chính xác, nhất quán và tốc độ. Khi tích hợp vào dây chuyền sản xuất, hệ thống có thể nhanh chóng kiểm tra hàng trăm đến hàng nghìn bộ phận mỗi phút. Với camera độ phân giải cao, hệ thống phát hiện và kiểm tra những chi tiết nhỏ mà mắt người khó nhận ra. Quan trọng hơn, Machine Vision không bị ảnh hưởng bởi sự mệt mỏi hay khác biệt cá nhân của người vận hành, đảm bảo kết quả kiểm tra nhất quán và đáng tin cậy.
Giảm thời gian ngừng hoạt động: Hệ thống thị giác bảo vệ thiết bị khỏi hư hỏng bằng cách loại bỏ tiếp xúc vật lý giữa hệ thống kiểm tra và các bộ phận được sản xuất. Điều này giúp giảm mài mòn và hao mòn các thành phần cơ khí, từ đó cắt giảm thời gian và chi phí sửa chữa. Thiết bị hoạt động nhanh hơn do yêu cầu ít bảo dưỡng hơn, giúp doanh nghiệp đạt được thời hạn sản xuất một cách nhất quán và dễ dàng.
Giảm chi phí sản xuất: Machine Vision tăng tốc độ sản xuất và giảm nhu cầu nhân lực cần thiết để vận hành thiết bị. Đồng thời, hệ thống giúp giảm thiểu tỷ lệ phế liệu, hạn chế lãng phí vật liệu, từ đó giảm đáng kể chi phí sản xuất tổng thể.
Cải thiện an toàn nơi làm việc: Kết hợp với AI, Machine Vision nâng cao an toàn lao động bằng cách giảm thiểu nhu cầu can thiệp của con người trong quá trình sản xuất. Khi làm việc với máy móc lớn và mạnh mẽ, công nhân ít có nguy cơ bị chấn thương hơn, đồng thời việc tiếp xúc với các bộ phận và vật liệu nguy hiểm cũng được hạn chế đáng kể.
Phát hiện lỗi chính xác: Hệ thống Machine Vision có khả năng phát hiện các bất thường trên sản phẩm như vết lõm, xước bề mặt. Thông qua việc thiết lập cẩn thận các ranh giới phát hiện, hệ thống có thể phân biệt giữa các lỗi có thể chấp nhận được và không thể chấp nhận được, đảm bảo kiểm soát chất lượng hiệu quả.
Đo lường chính xác chi tiết: Machine Vision có thể định vị và đo lường các điểm cụ thể trên hình ảnh như đường kính, bán kính, khoảng cách và độ sâu. Ví dụ, hệ thống có thể xác định chính xác đường kính trong của lỗ xi-lanh động cơ hoặc mức độ đầy của chất lỏng trong container. Thông tin này có thể được thu thập bằng camera 2D hoặc 3D, mang lại độ chính xác cao trong quá trình sản xuất.
Xác định lỗi in ấn: Machine Vision dễ dàng phát hiện các bất thường trong in ấn như màu sắc không chính xác, in bị lem hoặc chữ bị thiếu. Quá trình này bắt đầu bằng việc nhập hình ảnh chủ (hình ảnh vàng) làm tham chiếu cho tất cả sản phẩm được sản xuất. Bất kỳ sai lệch nào so với hình ảnh chuẩn đều được xác định và đánh dấu để sửa chữa nhanh chóng, đảm bảo chất lượng in ấn cao và nhất quán.

>>> XEM THÊM: Tự động trích xuất thông tin từ hình ảnh với API OCR của FPT.AI

Sự khác biệt giữa Machine Vision và Computer Vision là gì?

Machine Vision và Computer Vision khác nhau về ứng dụng, mục đích và khả năng xử lý.

Machine Vision thường gắn liền với các ứng dụng công nghiệp, tập trung vào việc thực hiện các nhiệm vụ cụ thể, lặp đi lặp lại trong môi trường sản xuất như kiểm soát chất lượng, kiểm tra các sản phẩm và hướng dẫn các đối tượng đi qua dây chuyền lắp ráp. Công nghệ này được tối ưu hóa để hoạt động ở độ chính xác và tốc độ cao trong các dây chuyền sản xuất tinh gọn (Lean manufacturing).

Computer Vision có phạm vi rộng hơn, hướng đến việc thu thập càng nhiều dữ liệu về các đối tượng hoặc cảnh vật càng tốt để hiểu chúng một cách toàn diện. Nó không chỉ giới hạn trong việc phân tích hình ảnh từ camera mà còn có thể xử lý hình ảnh từ nhiều nguồn khác nhau, bao gồm cả internet.

Computer Vision vượt trội trong việc thu thập thông tin chung, tạo ra kiến thức có thể chuyển giao được cho nhiều nhiệm vụ khác nhau. Các ứng dụng phổ biến của Computer Vision bao gồm công nghệ xe tự lái, đọc mã vạch và thẻ RFID, cũng như kiểm tra các khuyết điểm của sản phẩm trong môi trường đa dạng hơn.

Về mặt sức mạnh xử lý, Machine Vision thường được thiết kế với sức mạnh xử lý vừa đủ để hoàn thành nhiệm vụ cụ thể, trong khi hệ thống Computer Vision cần có khả năng xử lý mạnh mẽ hơn để phân tích và hiểu các tập dữ liệu phức tạp, đa dạng.

Tóm lại, Machine Vision đã trở thành một công nghệ không thể thiếu trong kỷ nguyên số hóa và tự động hóa công nghiệp. Các ứng dụng của công nghệ này trải rộng từ kiểm tra bao bì, phát hiện lỗi, dự đoán vấn đề bảo trì đến nhận dạng đối tượng, cải thiện an toàn lao động và truy xuất nguồn gốc sản phẩm. Khi công nghệ tiếp tục phát triển, Machine Vision hứa hẹn sẽ mang lại nhiều đổi mới và ứng dụng đột phá hơn nữa trong tương lai.

>>> XEM THÊM: