Bạn đang cân nhắc triển khai giải pháp thị giác máy tính vào dây chuyền sản xuất nhưng chưa biết bắt đầu từ đâu? Hay bạn là kỹ sư hệ thống đang cần đối chiếu nhanh giữa các kiến trúc để chọn phương án tối ưu cho dự án?

Dù ở góc độ nào, điểm khởi đầu luôn là một câu hỏi nền tảng: hệ thống Machine Vision được phân loại như thế nào?

Theo kinh nghiệm triển khai thực tế của đội ngũ kỹ sư RTC tại các nhà máy từ ngành thực phẩm đến điện tử, có hai trục phân loại cốt lõi mà bất kỳ ai trong ngành đều cần nắm vững:

  1. 1. Theo số chiều không gian (Dimensionality): 1D - 2D - 3D.
  2. 2. Theo kiến trúc phần cứng (Architecture): Smart Camera - PC-Based - Embedded Vision.

Trong bài viết này, chúng ta sẽ bóc tách chi tiết từng loại, ưu - nhược điểm, ứng dụng thực tế của hệ thống Machine Vision. Qua đó, bạn sẽ nắm được chính xác loại công nghệ nào phù hợp nhất với bài toán kiểm tra ngoại quan, đo lường hay dẫn hướng robot của doanh nghiệp mình.

Phân loại hệ thống Machine Vision theo không gian/số chiều (Dimensionality)

Cách phân loại phổ biến và dễ hình dung nhất đối với các kỹ sư tự động hóa là dựa trên khả năng thu nhận hình ảnh không gian của cảm biến (Sensor). Tùy thuộc vào việc đối tượng cần kiểm tra là một mặt phẳng, một cuộn vật liệu chạy liên tục hay một vật thể có hình khối phức tạp, chúng ta sẽ có các hệ thống 1D, 2D hoặc 3D tương ứng.

1. Hệ thống Machine Vision 1D (Line Scan)

Hệ thống Machine Vision 1D, hay còn gọi là công nghệ quét dòng (Line Scan), hoạt động bằng cách xây dựng hình ảnh theo từng dòng pixel đơn lẻ khi vật thể di chuyển qua camera. Khác với việc chụp toàn bộ bức ảnh trong một lần chớp sáng, camera 1D thu thập hàng ngàn vệt ảnh siêu mỏng mỗi giây và phần mềm sẽ ghép chúng lại thành một hình ảnh 2D hoàn chỉnh để phân tích.

Hình dung đơn giản: giống như máy fax hoặc máy scan tài liệu văn phòng, chỉ khác là tốc độ quét được đẩy lên hàng chục nghìn dòng mỗi giây.

Ưu điểm vượt trội:

  • Tốc độ siêu nhanh: Camera Line Scan có thể đạt tốc độ quét lên đến 100.000 dòng/giây, phù hợp với vật thể di chuyển liên tục không thể dừng.
  • Độ phân giải cao trên bề mặt dài: Có thể kiểm tra bề mặt liên tục dài hàng mét mà không bị mất thông tin.
  • Không bị méo ảnh: Không có vấn đề biến dạng hình học theo chiều dọc như camera Area Scan khi chụp bề mặt cong.

Ứng dụng thực tế:

  • Kiểm tra lỗi trên các vật liệu dạng cuộn liên tục như giấy, màng nhựa, kim loại tấm, hoặc vải sợi.
  • Phân tích các vật thể hình trụ xoay tròn (ví dụ: kiểm tra nhãn dán trên vỏ chai bia, lon nước ngọt).

* Lưu ý: Cài đặt hệ thống 1D đòi hỏi bộ mã hóa vòng quay (Encoder) cực kỳ chuẩn xác để đồng bộ hóa tốc độ chụp của camera với tốc độ của băng chuyền.

2. Hệ thống Machine Vision 2D (Area Scan)

Đây là hệ thống Machine Vision quen thuộc và phổ biến nhất trên thị trường hiện nay (chiếm hơn 70% thị phần). Hệ thống 2D (Area Scan) chụp lại toàn bộ một khung hình (một mảng pixel theo trục X và Y) trong một lần phơi sáng duy nhất, tương tự như camera trên điện thoại thông minh của bạn.

Hệ thống 2D chủ yếu dựa vào độ tương phản (Contrast) của hình ảnh để định vị các đặc điểm, tìm kiếm các cạnh (Edge Detection), hoặc đo lường khoảng cách.

Ứng dụng tiêu biểu:

  • Đọc mã vạch 1D/2D (Data Matrix, QR Code) trên sản phẩm tốc độ cao. Bạn có thể tham khảo các dòng  máy đọc mã vạch công nghiệp chuyên dụng cho băng chuyền.
  • Kiểm tra ngoại quan: Phát hiện thiếu ốc vít, sai nhãn mác, lỗi trầy xước bề mặt linh kiện.
  • Nhận dạng ký tự quang học (OCR/OCV): Đọc và xác minh ngày sản xuất, hạn sử dụng, số lô in trên bao bì.

Hệ thống Machine Vision 3D

Hệ thống 3D bổ sung thêm trục Z (chiều sâu) vào dữ liệu, cho phép đo lường và phân tích hình dạng không gian ba chiều. Hiện có ba công nghệ 3D chính trong công nghiệp:

Công nghệ Nguyên lý Điểm mạnh Hạn chế
Stereo Vision Dùng 2 camera, tính chiều sâu qua sự chênh lệch. Chi phí thấp, setup linh hoạt. Kém chính xác trên bề mặt trơn/bóng.
Time of Flight (ToF) Đo thời gian ánh sáng phản xạ. Tốc độ nhanh, phạm vi rộng. Độ phân giải thấp hơn Laser.
Laser Profiling (Structured Light) Chiếu vạch laser, đo biến dạng vạch. Chính xác cao, phù hợp công nghiệp. Tốc độ vừa phải, nhạy với rung động.

Ứng dụng điển hình:

  • Bin Picking: Robot tự nhận dạng và gắp các linh kiện xếp lộn xộn trong thùng (không cần sắp xếp trước).
  • Kiểm tra linh kiện điện tử 3D: Đo chiều cao hàn thiếc (solder paste), phát hiện linh kiện nghiêng/vênh.
  • Đo thể tích và khối lượng: Logistic, thực phẩm đóng gói.
  • Hướng dẫn robot hàn / lắp ráp theo biên dạng 3D thực tế.

Theo báo cáo Global Machine Vision Market 2024–2030 của MarketsandMarkets, phân khúc 3D Vision đang có tốc độ tăng trưởng CAGR cao nhất toàn ngành (~18,5%/năm), được thúc đẩy chủ yếu bởi nhu cầu tự động hóa robot linh hoạt.

Phân loại hệ thống Machine Vision theo cấu trúc nền tảng

Việc hiểu về không gian chụp ảnh là chưa đủ. Dưới góc độ của một kỹ sư tích hợp hệ thống hoặc Giám đốc nhà máy, cấu hình phần cứng mới là yếu tố quyết định đến khả năng mở rộng, khả năng bảo trì và sự ổn định của dây chuyền.

Smart Camera (Camera thông minh)

Đúng như tên gọi, Smart Camera là một thiết bị All-in-one. Nó nhồi nhét cảm biến hình ảnh (Sensor), bộ vi xử lý (CPU/DSP), bộ nhớ, phần mềm xử lý ảnh và các cổng giao tiếp (I/O) vào trong một vỏ máy nhỏ gọn duy nhất (thường đạt chuẩn IP67 chống nước, chống bụi).

Smart Camera là lựa chọn hoàn hảo cho triết lý Plug and Play (Cắm và chạy). Bạn không cần một máy tính công nghiệp cồng kềnh. Việc cấu hình thường được thực hiện qua giao diện web hoặc phần mềm thân thiện trực quan kéo-thả. Tuy nhiên, giới hạn vật lý về kích thước khiến sức mạnh tính toán của chúng bị hạn chế. Chúng tỏa nhiệt nhiều nếu phải chạy các thuật toán phức tạp liên tục.

Các thương hiệu tiêu biểu: Cognex In-Sight, Keyence IV3, Omron FH Series.

Phù hợp với:

  • Bài toán kiểm tra đơn giản đến trung bình (đọc mã, kiểm tra hiện diện, đo lường cơ bản).
  • Ứng dụng cần triển khai nhanh, không gian lắp đặt hạn chế.
  • Doanh nghiệp SME muốn kiểm soát chi phí ban đầu.
  • Môi trường không cần thay đổi thuật toán thường xuyên.

Hạn chế cần lưu ý:

  • Sức mạnh xử lý bị giới hạn bởi chip nhúng - không phù hợp với Deep Learning nặng.
  • Khó mở rộng khi yêu cầu bài toán tăng độ phức tạp.
  • Phụ thuộc vào phần mềm độc quyền của từng hãng.

PC-based Vision System (Hệ thống dựa trên PC)

Đây là thiết bị hạng nặng trong lĩnh vực Machine Vision. Kiến trúc này tách biệt hoàn toàn phần thu thập hình ảnh và phần xử lý. Bạn sẽ có một hoặc nhiều Camera Công nghiệp (chỉ làm nhiệm vụ chụp ảnh) kết nối qua cáp GigE, USB 3.0 hoặc CoaXPress tới một máy tính công nghiệp (IPC) mạnh mẽ. IPC này được trang bị card thu thập hình ảnh (Frame Grabber) hoặc card đồ họa (GPU) chuyên dụng.

Với cấu trúc PC-based, sức mạnh là không có giới hạn. Khi dây chuyền mở rộng, bạn chỉ cần nâng cấp RAM, thay GPU mạnh hơn hoặc cắm thêm camera vào hệ thống hiện tại. Nó cho phép xử lý ảnh từ 4, 8, thậm chí 16 camera cùng lúc trên một phần mềm duy nhất. Đặc biệt, với sự bùng nổ của AI, các dòng PC-Based có gắn card NVIDIA là nền tảng bắt buộc để chạy các mô hình học sâu (Deep Learning).

  • Phù hợp cho: Các dây chuyền phức tạp, yêu cầu đồng bộ hóa nhiều camera, kiểm tra với độ phân giải siêu cao (trên 20 Megapixel), hoặc xử lý khuyết tật bề mặt bằng AI.

Embedded Vision System (Hệ thống nhúng)

Embedded Vision tích hợp module camera trực tiếp vào bo mạch nhúng (SBC – Single Board Computer) hoặc SoC chuyên dụng, điển hình như NVIDIA Jetson Orin, Raspberry Pi CM4, Google Coral.

Đây là kiến trúc đang bùng nổ nhờ xu hướng IoT và Edge Computing (điện toán biên). Thay vì gửi dữ liệu hình ảnh nặng nề về máy chủ trung tâm, hệ thống nhúng tự xử lý ngay tại thiết bị biên và chỉ gửi kết quả (Pass/Fail) đi.

Điểm khác biệt so với Smart Camera:

Nếu Smart Camera là hộp đen khép kín với phần mềm hãng, Embedded Vision là nền tảng mở, cho phép developer tùy chỉnh hoàn toàn từ driver camera đến thuật toán AI, nhưng đòi hỏi năng lực kỹ thuật cao hơn.

Ứng dụng tiêu biểu:

  • Camera thông minh cho thiết bị di động (drone kiểm tra kết cấu,robot AGV  trong kho).
  • Hệ thống giám sát thông minh tại điểm sản xuất không có mạng ổn định.
  • Thiết bị y tế di động tích hợp AI chẩn đoán hình ảnh.
  • Cổng kiểm soát thông minh trong logistics và bán lẻ.

Bảng so sánh tổng quan các loại hệ thống Machine Vision

Để giúp bạn dễ dàng đưa ra quyết định hoặc chuẩn bị cho các cuộc họp báo cáo kỹ thuật, dưới đây là bảng ma trận so sánh trực quan được các chuyên gia từ RTC tổng hợp:

Tiêu chí Smart Camera PC-Based System Embedded Vision
Chi phí ban đầu Thấp (30-130 triệu VNĐ/unit) Cao (50–200+ triệu)

Trung bình (50–90 triệu)
Chi phí vận hành Thấp Trung bình - cao Thấp
Sức mạnh xử lý Thấp – trung bình Rất cao Trung bình – cao
Tích hợp Deep Learning Hạn chế Rất tốt Tốt (GPU nhúng)
Độ phức tạp triển khai Thấp Cao Cao
Thời gian setup 1–3 ngày 1–3 tuần 2–6 tuần
Khả năng mở rộng Thấp Cao Trung bình
Phù hợp môi trường Nhà xưởng cố định Nhà xưởng cố định Di động / Edge
Ứng dụng điển hình QC cơ bản, đọc mã AI Inspection, Multi-cam Drone, AGV, IoT
Nhà cung cấp tiêu biểu Cognex, Keyence Basler + IPC tự build NVIDIA Jetson

* Lưu ý: Bảng trên là so sánh tổng quát. Chi phí thực tế phụ thuộc vào yêu cầu bài toán, số lượng camera và tích hợp hệ thống.Liên hệ đội ngũ kỹ sư của RTC để được báo giá chi tiết theo từng dự án cụ thể.

Sự trỗi dậy của AI và Deep Learning trong Machine Vision

Năm 2026 đánh dấu bước ngoặt lớn khi AI Machine Vision (Thị giác máy tính tích hợp Trí tuệ nhân tạo) không còn là một khái niệm thử nghiệm mà đã trở thành tiêu chuẩn công nghiệp.

Trong nhiều thập kỷ, Machine Vision truyền thống (Rule-based vision) hoạt động dựa trên các quy tắc do con người lập trình cứng. Ví dụ: "Nếu một điểm đen có diện tích > 5mm vuông xuất hiện ở tọa độ X, Y -> Đánh lỗi sản phẩm". Cách làm này cực kỳ hiệu quả với các vật thể có khuôn mẫu cố định.

Tuy nhiên, trong thực tế sản xuất tại các nhà máy gỗ, dệt may hay nông sản, các lỗi thường không tuân theo bất kỳ quy luật nào. Một vết xước trên mặt kim loại, một vết bầm trên quả táo hay đường vân gỗ đan xen khiến các thuật toán truyền thống hoàn toàn bất lực.

Đó là lúc AI Machine Vision thay đổi cuộc chơi.

Thay vì lập trình cách tìm lỗi, các kỹ sư thiết lập mạng lưới thần kinh nhân tạo (Convolutional Neural Networks - CNNs) và dạy hệ thống bằng hàng ngàn bức ảnh phân loại Tốt (OK) và Lỗi (NG). Hệ thống sẽ tự học hỏi và nhận diện các mẫu (Pattern) phức tạp như cách bộ não con người hoạt động.

  • Deep learning trong kiểm tra ngoại quan: Giải quyết hoàn toàn bài toán nhận diện các lỗi ngẫu nhiên, biến dạng, mờ nhòe trên bề mặt có độ phản quang cao hoặc kết cấu phức tạp.
  • Kết hợp linh hoạt: Hiện nay, các giải pháp thị giác máy tiên tiến nhất không chọn một trong hai mà kết hợp cả Rule-based (cho tác vụ đo lường chính xác) và AI (cho tác vụ đánh giá ngoại quan cảm tính).

Báo cáo gần đây từ các tổ chức nghiên cứu thị trường chỉ ra rằng việc tích hợp AI vào Machine Vision đang giúp các nhà máy giảm thiểu tỷ lệ báo lỗi giả (False Rejects) xuống dưới 1%, tiết kiệm hàng tỷ đồng vật tư hao phí mỗi năm.