CHLB ĐỨC – Viện Karlsruhe Institute of Technology (KIT) đã phát triển một quy trình tự động đánh giá bề mặt của vật thể bằng cách kết hợp hình ảnh video, mạng thần kinh nhân tạo (neural networks) (1) và học máy (machine learning) (2). Kiểm tra bề mặt thông minh có thể giúp cải thiện quy trình kiểm tra khiếm khuyết của vật thể.
(1) Neural networks: là mạng lưới nơ-ron thần kinh nhân tạo. Là chuỗi thuật toán nhằm tìm kiếm quan hệ trong tập hợp dữ liệu hệ thống dựa theo cách thức hoạt động của não bộ con người.
(2) Machine learning (ML): có nghĩa là “học máy”, là một trong những nhánh của trí tuệ nhân tạo, đây là lĩnh vực nghiên cứu nhằm cho phép máy tính có được khả năng tự cải thiện chính bản thân của chúng dựa vào những dữ liệu mẫu đã được lập sẵn hoặc từ kinh nghiệm của chúng. Machine learning là công cụ có thể tự động dự đoán tình huống hoặc tự đưa ra quyết định mà không cần bất cứ ai lập trình theo dữ liệu cụ thể.

Hình minh họa     

Để tái sử dụng các bộ phận, như các bộ phận của động cơ, tình trạng của chúng phải được phân tích một cách chi tiết. Chỉ có việc kiểm tra chính xác bề mặt và tình trạng hiện tại thì mới biết được liệu bộ phận đó có thể tái sử dụng hay không. Trong thời điểm nguyên liệu thô bị khan hiếm, việc thực hiện hiệu quả các phân tích như thế ngày càng trở nên quan trọng. Đến nay, thông thường họ so sánh từng hình ảnh hoặc hình ảnh từ camera quét dòng (line scan camera) (3) với hình ảnh vật thể nguyên vẹn, thường là mô hình 3D (CAD). Quy trình này đặt ra yêu cầu cao về hiệu chuẩn (calibration) (4) và yêu cầu phải biết vị trí của các chi tiết trong mô hình không gian. Nếu vật thể hơi lệch so với mô hình, vì nó là một phiên bản khác hoặc một bộ phận có dấu hiệu bị mài mòn, thì sẽ có kết quả là không tái sử dụng được.
(3) Máy ảnh quét dòng (line scan camera): là một camera được trang bị cảm biến, thu hình ảnh của vật thể theo một dãy điểm ảnh và tạo ra hình ảnh hai chiều.
(4) Calibration: là hiệu chuẩn hay phân cỡ. Đó là việc so sánh các giá trị đo lường từ một thiết bị cần kiểm tra với các giá trị tiêu chuẩn.

Các nhà nghiên cứu tại Viện Institute of Industrial Information Technology (IIIT) thuộc Viện KIT, đã phát triển một phương pháp phân tích các đối tượng dựa trên dữ liệu video và học máy. Dựa trên các lần kiểm tra trước đó, quỹ đạo phù hợp sẽ tự động được xác định cho camera chuyển động để có thể nhìn thấy rõ các bộ phận của vật thể. Trong vật lý, quỹ đạo là đường đi của một đường cong trong không gian mà vật hoặc điểm di chuyển dọc theo đó. Camera 3D công nghiệp di chuyển xung quanh vật thể được chiếu sáng trên đường cong không gian như vậy và ghi lại hình ảnh dưới dạng luồng video. Việc sử dụng máy bay không người lái cũng có thể áp dụng được cho các vật thể lớn. Hình ảnh 2D của bề mặt được tạo từ dữ liệu video. Mạng thần kinh nhân tạo được đào tạo nhận biết các thiết kế và trạng thái khác nhau của vật thể, cho phép nó phân tích các phương sai* lớn của mô hình và trạng thái của một thành phần trong thời gian thực. Hệ thống hoạt động với hai độ phân giải để tăng tốc: Ở độ phân giải thấp, các diện tích bề mặt liên quan sẽ được nhận dạng. Sau đó chúng được kiểm tra các lỗi bằng cách sử dụng hình ảnh có độ phân giải cao.
(*) Phương sai: là phép đo mức chênh lệch giữa các số liệu trong một tập dữ liệu trong thống kê. Nó đo khoảng cách giữa mỗi số liệu với nhau và đến giá trị trung bình của tập dữ liệu.

Khả năng kiểm tra trực quan quang học thông minh và tự động, giúp phân tích hiệu quả các thành phần của vật thể khi có sự khác biệt về đặc điểm và trạng thái mô hình. Việc sử dụng dữ liệu video nhằm đảm bảo hiệu quả và giảm khả năng xảy ra lỗi, vì các bề mặt liên quan được kiểm tra cùng một lúc chứ không phải dưới dạng hình ảnh riêng lẻ. Do đó, phương pháp này hoạt động độc lập với vị trí của vật thể so với máy ảnh.

Để xem các tin bài khác về “Công nghiệp 4.0”, vui lòng nhấn vào đây.

 

Nguồn: Hannover Messe

Lưu ý: 

Để xem và khai thác hiệu quả nội dung của video clip nói trên (từ YouTube/ một dịch vụ của Google), Quý vị có thể thực hiện các bước sau:
1. Nếu tốc độ internet nhanh, có thể mở chế độ xem toàn màn hình bằng cách nhấn vào khung [ ] tại góc phải (phía dưới góc phải của video)
2. Chọn chế độ hình ảnh tốt nhất của đoạn video, hãy click vào hình bánh xe răng cưa và chọn chất lượng cao hơn (hoặc HD) theo ý muốn
3. Để hiển thị nội dung phụ đề, nhấn vào nút biểu tượng phụ đề [cc]. Một số video không có chức năng này sẽ không có biểu tượng phụ đề.
4. Quý vị có thể nghe hiểu tiếng Anh và có nhu cầu chia sẻ thông tin đến cộng đồng, hãy hỗ trợ techMAG biên dịch nội dung video và gửi cho chúng tôi để có cơ hội đăng thông tin lên technologyMag.net