Thị giác máy tính là gì? Thị giác máy tính (computer vision) là lĩnh vực của trí tuệ nhân tạo giúp máy tính thu nhận, xử lý và hiểu nội dung của ảnh hoặc video, từ đó nhận ra vật thể, đo đạc, phân loại và ra quyết định như con người nhìn bằng mắt. Trong nhà máy, công nghệ này là lõi của các hệ thống kiểm tra lỗi sản phẩm, đọc mã và dẫn hướng robot. Bài viết trình bày nguyên lý, cấu tạo, năm tác vụ phổ biến, ứng dụng, hạn chế và cách chọn máy tính cho một hệ thống thị giác máy tính.
1. Thị giác máy tính là gì?
Thị giác máy tính (computer vision) là lĩnh vực gồm các phương pháp thu nhận, xử lý ảnh kỹ thuật số, phân tích và nhận dạng hình ảnh. Mục tiêu là xây dựng hệ thống có thể tiếp nhận ảnh hoặc dữ liệu đa chiều rồi trích xuất thông tin có ý nghĩa để phục vụ một quyết định cụ thể.
Khi kết hợp với học máy (machine learning) và mạng nơ-ron, máy tính không chỉ "nhìn" mà còn học được cách nhận biết thế giới qua ảnh, nhờ đó hệ thống ra quyết định linh hoạt và chính xác hơn. Thị giác máy tính bao gồm ba mảng chính:
- Xử lý ảnh (image processing): thuật toán tăng giảm chất lượng ảnh, lọc nhiễu, cân bằng sáng, tách biên.
- Nhận dạng mẫu (pattern recognition): kỹ thuật phân loại mẫu trong ảnh thành các nhóm có ý nghĩa.
- Quang trắc (photogrammetry): thu số đo chính xác về kích thước, khoảng cách, hình dạng từ ảnh.
2. Lịch sử thị giác máy tính
Hơn 60 năm qua, các nhà nghiên cứu đã thử nhiều hướng để máy tính "nhìn" và "hiểu" dữ liệu hình ảnh. Các mốc chính:
| Giai đoạn | Mốc phát triển | Ý nghĩa |
|---|---|---|
| 1959 | Thí nghiệm sinh lý thần kinh cho thấy não phản ứng trước tiên với cạnh và đường thẳng; máy quét ảnh số đầu tiên xuất hiện | Cơ sở cho hướng xử lý ảnh từ hình dạng cơ bản |
| 1963 | Máy tính chuyển được ảnh hai chiều thành mô hình ba chiều | Khởi đầu của thị giác 3D |
| 1974 | Nhận dạng ký tự quang học (OCR) ra đời, sau đó là nhận dạng chữ viết tay (ICR) | Nền tảng của xử lý tài liệu, đọc biển số, đọc nhãn sản phẩm |
| 1982 | David Marr đề xuất mô hình thị giác phân cấp; Kunihiko Fukushima phát triển mạng Neocognitron | Thuật toán phát hiện cạnh, góc; tiền thân của mạng tích chập |
| 2000–2001 | Nghiên cứu chuyển sang nhận dạng vật thể; ứng dụng nhận dạng khuôn mặt thời gian thực đầu tiên | Chuẩn hoá cách gắn nhãn dữ liệu hình ảnh |
| 2010 | Tập dữ liệu ImageNet công bố | Nguồn huấn luyện cho các mô hình học sâu hiện đại |
| 2012 | Mô hình AlexNet của Đại học Toronto giảm mạnh tỷ lệ lỗi nhận dạng ảnh | Mở đầu thời kỳ học sâu (deep learning) trong thị giác máy tính |
Từ sau 2012, mạng nơ-ron tích chập (CNN) và học sâu trở thành phương pháp chủ đạo. Độ chính xác của các mô hình tăng theo lượng dữ liệu huấn luyện và năng lực tính toán, nên nhu cầu về GPU và máy tính hiệu năng cao trong lĩnh vực này cũng tăng theo.
3. Nguyên lý hoạt động của thị giác máy tính
Hệ thống thị giác máy tính dùng trí tuệ nhân tạo (AI) để mô phỏng khả năng nhận biết và phân loại đối tượng của con người. Để máy tính nhận dạng được ảnh, kỹ sư cung cấp cho mô hình một khối lượng lớn ảnh đã gắn nhãn. Thuật toán học máy tìm ra các mẫu lặp lại trong tập ảnh đó và áp dụng để nhận dạng ảnh chưa từng thấy. Ví dụ, sau khi học từ hàng nghìn ảnh chi tiết đạt và chi tiết lỗi, mô hình phân biệt được chi tiết lỗi trên băng tải. Ba kỹ thuật cốt lõi:
3.1 Học sâu (deep learning)
Học sâu dùng mạng nơ-ron nhiều lớp. Mỗi lớp là một nhóm mô-đun phần mềm gọi là nơ-ron nhân tạo, xử lý một khía cạnh của dữ liệu ảnh rồi chuyển kết quả cho lớp kế tiếp. Qua nhiều lớp, mạng tự xây dựng cách "hiểu" ảnh mà không cần người lập trình mô tả từng đặc trưng.
3.2 Mạng nơ-ron tích chập (CNN)
CNN phân tích ảnh ở mức điểm ảnh (pixel), gán giá trị cho từng điểm ảnh rồi thực hiện phép tích chập (convolution) để rút ra đặc trưng. Mạng bắt đầu từ đường nét và hình dạng đơn giản ở các lớp đầu, rồi ghép thành chi tiết phức tạp hơn ở các lớp sau. Đây là kiến trúc phổ biến nhất cho phân loại và phát hiện vật thể trong ảnh tĩnh.
3.3 Mạng nơ-ron hồi quy (RNN)
RNN xử lý một chuỗi ảnh và tìm mối liên hệ giữa các khung hình. CNN phù hợp với ảnh đơn lẻ, còn RNN phân tích video, theo dõi chuyển động và hiểu diễn biến theo thời gian.
4. Cấu tạo của hệ thống thị giác máy tính
Tuỳ vai trò của thị giác máy tính trong ứng dụng mà cấu hình phần cứng thay đổi. Dù là ứng dụng công nghiệp hay dân dụng, một hệ thống thị giác luôn là sự kết hợp giữa phần cứng thu ảnh và phần mềm phân tích. Các thành phần tiêu biểu:
4.1 Máy ảnh (camera)
Camera là thiết bị thu ảnh chính. Nhiều hệ thống chỉ cần một camera, nhưng có quy trình phải dùng nhiều camera cho một điểm kiểm tra để chụp được các bộ phận bị che khuất. Trong công nghiệp, camera công nghiệp kiểm tra lỗi sản phẩm thường dùng chuẩn GigE Vision hoặc USB3 Vision để nối với máy tính.
4.2 Máy ảnh 3D
Camera 3D bổ sung thông tin độ sâu, cho phép hệ thống nhìn được nhiều góc của vật thể và suy ra hình dạng, thể tích. Ứng dụng điển hình là dẫn hướng robot gắp vật trong thùng và đo kích thước kiện hàng.
4.3 Máy ảnh nhiệt
Camera nhiệt ghi bức xạ hồng ngoại và hiển thị các vùng nhiệt trên ảnh. Dùng để phát hiện điểm quá nhiệt trên tủ điện, động cơ, hoặc kiểm tra mối hàn.
4.4 Phần mềm
Phần mềm phân tích ảnh, hiển thị kết quả và cho phép người vận hành lập trình chức năng, theo dõi và bảo trì hệ thống. Với hệ thống học sâu, phần mềm gồm cả mô hình đã huấn luyện và bộ công cụ suy luận (inference) chạy trên máy tính.
4.5 Hệ thống nhúng
Ở đây là camera không vỏ, gắn thẳng lên bo mạch xử lý. Dạng này được triển khai chủ yếu thành hệ thống nhúng hoặc thiết bị IoT, phù hợp khi cần kích thước nhỏ và chi phí thấp cho từng điểm đo.
4.6 Bộ bắt khung hình (frame grabber)
Thiết bị điện tử ghi lại từng khung hình tĩnh từ tín hiệu video tương tự hoặc luồng video số, để phân tích được đối tượng chuyển động nhanh. Với camera chuẩn Camera Link hoặc CoaXPress, frame grabber là card cắm vào khe PCIe của máy tính.
4.7 Ống kính
Ống kính quyết định trường nhìn và độ phân giải thực tế của ảnh. Cảm biến camera có nhiều điểm ảnh thì ống kính phải có độ phân giải quang học tương ứng, nếu không ảnh vẫn mờ dù camera đắt tiền.
4.8 Máy tính hiệu suất cao
Không phải ứng dụng nào cũng cần máy tính hiệu suất cao. Yêu cầu này xuất hiện khi hệ thống xử lý khối lượng lớn sản phẩm với nhiều chi tiết khác nhau, hoặc khi dùng học máy, học sâu và mạng nơ-ron. Khi đó máy tính cần GPU hoặc bộ tăng tốc AI, và trong nhà máy phải là máy chủ công nghiệp hoặc máy tính công nghiệp chịu được rung, bụi và nhiệt độ cao (xem mục Chọn thiết bị bên dưới).
4.9 Cáp
Hệ thống cần cáp nguồn và cáp dữ liệu từ camera về máy tính, rồi từ máy tính đến giao diện người dùng hoặc hệ thống điều khiển. Cáp công nghiệp có khoá vặn, chống nhiễu và chịu uốn nhiều lần khi camera gắn trên tay robot.
5. Tác vụ phổ biến của thị giác máy tính
Nhiệm vụ của thị giác máy tính được chia thành năm nhóm. Bảng sau tóm tắt mỗi nhóm và ứng dụng tương ứng trong sản xuất:
| Tác vụ | Máy tính trả lời câu hỏi | Ví dụ trong nhà máy |
|---|---|---|
| Phân loại ảnh | Ảnh này thuộc loại nào? | Phân loại sản phẩm đạt / lỗi |
| Phát hiện vật thể | Có vật gì, ở đâu trong ảnh? | Đếm sản phẩm, tìm vết xước, thiếu linh kiện |
| Theo dõi vật thể | Vật đó di chuyển thế nào qua các khung hình? | Theo dõi kiện hàng trên băng tải, AGV trong kho |
| Phân đoạn ảnh | Điểm ảnh nào thuộc vật nào? | Đo diện tích lỗi bề mặt, tách chi tiết khỏi nền |
| Truy xuất ảnh theo nội dung | Ảnh nào trong kho giống ảnh này? | Tra cứu lịch sử lỗi, đối chiếu mẫu chuẩn |
5.1 Phân loại hình ảnh
Phân loại ảnh cho phép máy tính xác định ảnh thuộc loại nào, ví dụ cây cối, máy bay, toà nhà. Ứng dụng quen thuộc là camera nhận diện khuôn mặt trong khung hình và lấy nét đúng vào khuôn mặt.
5.2 Phát hiện vật thể
Phát hiện vật thể (object detection) xác định vật gì có trong ảnh và vị trí của nó, thường bằng một khung bao quanh. Đây là tác vụ dùng nhiều nhất để điều khiển quy trình tự động và theo dõi dây chuyền sản xuất. Camera an ninh cũng dựa vào tác vụ này để phát hiện người và vật thể trong luồng video trực tiếp rồi gửi cảnh báo.
5.3 Theo dõi đối tượng
Theo dõi đối tượng (object tracking) bắt đầu bằng phát hiện vật thể, gán cho mỗi vật một mã nhận dạng rồi theo dõi qua các khung hình liên tiếp. Ứng dụng gồm giám sát giao thông, theo dõi người trong khu vực nguy hiểm và chẩn đoán hình ảnh y khoa.
5.4 Phân đoạn ảnh
Phân đoạn (segmentation) chia ảnh thành các vùng dựa trên điểm ảnh, làm rõ hình dạng từng đối tượng thay vì chỉ vẽ khung bao. Nhờ đó hệ thống biết trong ảnh có bao nhiêu đối tượng và mỗi đối tượng chiếm vùng nào. Ví dụ, ảnh có cả mèo và chó thì phân đoạn tách được đường bao chính xác của từng con; trong công nghiệp, phân đoạn cho biết diện tích vết lỗi trên bề mặt tấm thép.
5.5 Truy xuất hình ảnh dựa trên nội dung
Truy xuất ảnh theo nội dung tìm ảnh cụ thể trong cơ sở dữ liệu lớn dựa trên đặc trưng hình ảnh, kết hợp với siêu dữ liệu như thẻ, mô tả, nhãn. Truy xuất ngữ nghĩa cho phép tìm bằng câu lệnh như "tìm ảnh toà nhà" để lấy ra nội dung tương ứng.
6. Lĩnh vực ứng dụng của thị giác máy tính
6.1 Bảo mật và an toàn
Camera và cảm biến giám sát không gian công cộng, cơ sở công nghiệp và khu vực bảo mật cao có thể tự gửi cảnh báo khi có xâm nhập hoặc hành vi bất thường. Tại nơi làm việc, hệ thống theo dõi nhân viên có đeo thiết bị bảo hộ đúng cách hay không, cấp dữ liệu cho hệ thống cảnh báo hoặc lập báo cáo an toàn.
6.2 Hiệu quả hoạt động
Ứng dụng thị giác máy tính trong vận hành doanh nghiệp gồm:
- Tự động phát hiện khuyết tật trước khi sản phẩm rời nhà máy.
- Phát hiện điều kiện mất an toàn và dấu hiệu cần bảo trì của máy móc.
- Phân tích ảnh trên mạng xã hội để tìm xu hướng hành vi khách hàng.
- Xác thực nhân viên bằng nhận diện khuôn mặt.
6.3 Chăm sóc sức khoẻ
Phân tích ảnh y khoa giúp chẩn đoán nhanh và chính xác hơn: phát hiện khối u qua tổn thương da, đọc phim X-quang tự động, phát hiện dấu hiệu bệnh trên ảnh MRI.
6.4 Phương tiện tự hành
Xe tự lái và xe tự hành AGV trong nhà máy dùng thị giác máy tính để nhận biết người, biển báo, vạch kẻ và chướng ngại vật theo thời gian thực. Hệ thống còn theo dõi người lái, nhận biết dấu hiệu mất tập trung hoặc buồn ngủ để cảnh báo sớm.
6.5 Nông nghiệp
Ảnh vệ tinh và ảnh từ thiết bị bay không người lái (UAV) giúp phân tích đất, giám sát tình trạng ruộng đồng, xác định bệnh cây trồng và dự báo năng suất. Giám sát vật nuôi bằng camera cũng là một phần của canh tác thông minh.
7. Những hạn chế của thị giác máy tính
Hệ thống thị giác máy tính hiện đại phân loại ảnh và định vị vật thể rất tốt sau khi được huấn luyện với ví dụ cụ thể. Nhưng về bản chất, thuật toán học sâu chỉ so khớp mẫu điểm ảnh, không hiểu nội dung như con người. Ba hạn chế đáng lưu ý khi triển khai:
- Thiếu ngữ cảnh: thuật toán nhận ra vật thể nhưng khó hiểu mối quan hệ giữa các vật và tình huống xung quanh, nên dễ nhầm giữa hai cảnh có hình ảnh giống nhau nhưng ý nghĩa khác nhau.
- Phụ thuộc dữ liệu huấn luyện: khi môi trường thực tế có yếu tố không khớp với dữ liệu đã học (ánh sáng đổi, mẫu sản phẩm mới, camera lệch góc), mô hình cho kết quả sai. Con người bù bằng kiến thức chung, còn máy thì không.
- Chi phí dữ liệu: cách khắc phục phổ biến là huấn luyện thêm với nhiều ví dụ hơn, kéo theo chi phí gắn nhãn và tính toán. Kinh nghiệm triển khai cho thấy các trường hợp hiếm gặp vẫn có thể làm mô hình nhầm lẫn.
Vì vậy, một hệ thống thị giác trong nhà máy cần cố định điều kiện chiếu sáng, chuẩn hoá vị trí đặt camera và có quy trình huấn luyện lại định kỳ khi đổi mẫu sản phẩm.
8. So sánh thị giác máy tính Computer Vision và Machine Vision
8.1 Điểm tương đồng
Cả thị giác máy tính (computer vision) và thị giác máy (machine vision) đều thu ảnh rồi phân tích để thực hiện tác vụ với tốc độ và độ ổn định mà mắt người không theo kịp. Hai hệ thống dùng chung các thành phần: camera, đèn chiếu sáng, ống kính, frame grabber, máy tính và phần mềm xử lý ảnh, cùng các thuật toán so khớp mẫu.
8.2 Điểm khác biệt
| Tiêu chí | Computer vision | Machine vision |
|---|---|---|
| Bản chất | Lĩnh vực thuật toán và phần mềm hiểu ảnh | Hệ thống trọn bộ áp dụng computer vision trong công nghiệp |
| Nguồn ảnh | Bất kỳ: camera, video, ảnh nhiệt, hồng ngoại, cảm biến chuyển động | Camera công nghiệp gắn cố định, chiếu sáng có kiểm soát |
| Đầu ra | Thông tin về nội dung ảnh, có thể dùng độc lập | Tín hiệu đạt/lỗi, toạ độ, số đo gửi tới PLC hoặc robot |
| Yêu cầu | Độ chính xác của mô hình | Thời gian đáp ứng ổn định, chạy 24/7 trong môi trường nhà máy |
Có thể hình dung machine vision là cơ thể của hệ thống, còn computer vision là võng mạc, dây thần kinh thị giác và não bộ. Hệ thống thị giác máy dùng camera để "nhìn", thuật toán thị giác máy tính xử lý và diễn giải ảnh, rồi ra lệnh cho các thành phần khác hành động. Chi tiết được phân tích trong bài Machine Vision và Computer Vision khác nhau ở điểm nào.
Chọn thiết bị cho hệ thống thị giác máy tính
Máy tính là thành phần quyết định tốc độ và độ ổn định của hệ thống thị giác trong nhà máy. Ba tiêu chí cần chốt trước khi chọn:
- Năng lực suy luận: tác vụ học sâu (phát hiện lỗi bằng CNN, phân đoạn) cần GPU rời hoặc bộ tăng tốc AI; tác vụ so khớp mẫu, đo kích thước, đọc mã chỉ cần CPU đa nhân.
- Cổng camera và mở rộng: đủ cổng LAN Gigabit cho camera GigE Vision hoặc USB 3.x cho camera USB3 Vision; có khe PCIe x16 nếu dùng card GPU hoặc frame grabber.
- Điều kiện lắp đặt: dải nhiệt hoạt động rộng, chống rung, nguồn DC dải rộng và thiết kế không quạt hoặc lọc bụi khi đặt cạnh máy.
Với ứng dụng AI nặng, máy tính GPU nhúng Cincoze GP-3000 dùng bộ xử lý Intel Xeon/Core thế hệ 8/9, hỗ trợ tối đa hai card đồ hoạ 250 W và chịu được nhiệt độ, sốc, rung khắc nghiệt. Với suy luận tại biên ở quy mô nhỏ, hệ thống suy luận Edge AI Advantech AIR-100 tích hợp VPU Intel Movidius Myriad X và bộ công cụ OpenVINO, có khe PCIe x16 cho card đồ hoạ. Nếu cần máy chủ đặt tủ rack để huấn luyện hoặc phục vụ nhiều camera, xem danh mục máy chủ công nghiệp. Để lọc nhanh cấu hình theo nhiệt độ, không gian và nguồn điện tại vị trí lắp, dùng công cụ chọn máy theo điều kiện lắp đặt.
Câu hỏi thường gặp về thị giác máy tính
Thị giác máy tính là gì?
Thị giác máy tính (computer vision) là lĩnh vực của trí tuệ nhân tạo giúp máy tính thu nhận, xử lý và hiểu nội dung ảnh hoặc video. Hệ thống dùng thuật toán học máy, chủ yếu là mạng nơ-ron tích chập, để nhận ra vật thể, đo đạc, phân loại và đưa ra quyết định từ dữ liệu hình ảnh.
Computer vision khác machine vision ở điểm nào?
Computer vision là lĩnh vực thuật toán và phần mềm xử lý ảnh nói chung. Machine vision (thị giác máy) là ứng dụng của computer vision trong môi trường công nghiệp, gồm trọn bộ camera, ống kính, đèn chiếu, máy tính công nghiệp và phần mềm để kiểm tra, đo và dẫn hướng robot trên dây chuyền.
Nhiệm vụ của thị giác máy tính gồm những gì?
Năm tác vụ phổ biến là phân loại ảnh, phát hiện vật thể, theo dõi vật thể, phân đoạn ảnh và truy xuất ảnh theo nội dung. Trong nhà máy, phát hiện vật thể và phân đoạn được dùng nhiều nhất để tìm lỗi bề mặt, đếm sản phẩm và kiểm tra lắp ráp.
Hệ thống thị giác máy tính cần máy tính như thế nào?
Tác vụ suy luận học sâu cần máy tính có GPU hoặc bộ tăng tốc AI, còn tác vụ đo đạc hoặc so khớp mẫu chỉ cần CPU. Trong nhà máy nên dùng máy tính công nghiệp có khe PCIe cho card GPU, hoạt động ở dải nhiệt rộng, nguồn 9–36 VDC và đủ cổng LAN/USB cho camera.
Ứng dụng thị giác máy tính trong sản xuất là gì?
Kiểm tra lỗi sản phẩm trước khi xuất xưởng, đọc mã vạch và ký tự, đếm và phân loại sản phẩm, dẫn hướng robot gắp đặt, giám sát an toàn lao động và theo dõi dây chuyền sản xuất theo thời gian thực.