Sinh viên khoa Cơ khí với nghiên cứu và chế tạo hệ thống kiểm tra linh kiện điện tử
“Việc nghiên cứu, thiết kế và chế tạo mô hình trạm phân loại sử dụng công nghệ xử lý ảnh thời gian thực có tính ứng dụng cao bởi góp phần tăng năng xuất dây truyền công nghệ, phân loại sản phẩm hiệu quả, giảm thời gian kiểm tra sản phẩm. Từ đó giúp nâng cao chất lượng, khả năng cạnh tranh của sản phẩm và cải thiện điều kiện lao động”. Đó là nhận xét, đánh giá của Hội đồng khoa học và công nghệ Trường Đại học Công nghiệp Hà Nội đối với đề tài nghiên cứu của nhóm sinh viên khoa Cơ khí.
Nhóm thực hiện gồm 05 sinh viên: Nguyễn Đức Linh, Đào Quang Trường, Nguyễn Thị Hoa, Nguyễn Xuân Sang, Khổng Trọng Hiếu - Lớp Đại học Kỹ thuật Cơ điện tử 2; Giảng viên hướng dẫn: TS. Nguyễn Văn Trường - khoa Cơ khí.
Trong kỷ nguyên công nghệ 4.0, cùng với sự phát triển của khoa học và công nghệ, lĩnh vực nghiên cứu chuyên sâu về giải thuật, thuật toán nhận diện cũng được phát triển theo. Trong đó, những thành tựu trong giải thuật học máy (Machine learning), giải thuật học sâu (Deep learning) được sử dụng phổ biến trong các ứng dụng: mở khoá bằng khuôn mặt, điểm danh bằng khuôn mặt, nhận diện giọng nói… Trên thế giới đã có các thành tựu về công nghệ xử lý ảnh để kiểm tra linh kiện điện tử trên mạch in PCB hay hệ thống kiểm tra quang học tự động AOI. Hệ thống làm việc ổn định với kích thước linh kiện lớn hơn 1mm. Tuy nhiên, ở Việt Nam các nghiên cứu này vẫn còn hạn chế, đặc biệt là ứng dụng vào hệ thống kiểm tra linh kiện điện tử.
TS. Nguyễn Văn Trường thảo luận với nhóm nghiên cứu về kết quả xây dựng đề tài
Theo nhóm nghiên cứu, xuất phát từ thực tế: Trong quá trình sản xuất bản mạch vẫn còn một số mạch in PCB bị lỗi sau khi gia công vì một số nguyên nhân như: linh kiện dán lệch vị trí, cắm sai chiều, cắm sai linh kiện… Để đảm bảo chất lượng của sản phẩm, các bản mạch được kiểm tra sau mỗi công đoạn gia công hay láp ráp mạch in. Trong đó, người công nhân và người kiểm tra phát hiện bản mạch lỗi bằng mắt thường ở các dây chuyền sản xuất. Tuy nhiên, việc kiểm tra bằng mắt thường không mang lại hiệu quả và năng suất cao.
Ngày nay, có nhiều phương pháp tiên tiến được nghiên cứu để cải thiện năng suất lắp ráp mạch dựa trên công nghệ xử lý ảnh. Công nghệ xử lý ảnh là một lĩnh vực thuộc trí tuệ nhân tạo hoạt động theo nguyên tắc trích xuất đặc trưng của đối tượng từ dữ liệu đầu vào, từ đó đưa ra quyết định đúng/sai với các dữ liệu đầu vào mới. Tích hợp công nghệ xử lý ảnh vào các hệ thống kiểm tra linh kiện điện tử mang lại hiệu quả cao, làm tăng năng suất và đảm bảo độ chính xác.
Mô hình hệ thống kiểm tra linh kiện điện tử
Dựa trên kỹ thuật xử lý ảnh, một số phương pháp kinh điển được ứng dụng để nhận diện đối tượng như là Haar features, Histogram of oriented gradients… Trong khi phương pháp Haar features được dùng để phát hiện vật thể có trong ảnh thì Histogram of oriented gradients được dùng phát hiện vùng vật thể có trong ảnh. Hai phương pháp này dễ ứng dụng trong các lớp đối tượng đơn giản. Tuy nhiên, khi ứng dụng vào việc phát hiện đối tượng trên mạch in PCB thì có những hạn chế nhất định như: khó phát hiện vật nếu tấm ảnh chứa nhiều vật thể phức tạp và vùng ảnh gần giống nhau; chưa trích xuất được những đặc trưng cụ thể của một vật.
Từ đó, nhóm nghiên cứu đề xuất mô hình mạng neural network tích chập CNN 53 lớp (Darknet-53) được sử dụng để trích xuất đặc trưng của vật thể và dự đoán một vật thể trong một tấm ảnh mới. Hệ thống thư viện ảnh do tác giả tự tạo được đưa vào huấn luyện trong mô hình mạng CNN. Model tạo ra được sử dụng để làm tín hiện đầu vào cho hệ thống điều khiển trong trạm phân loại sản phẩm. Các công cụ hỗ trợ như OpenCV library, Python được tích hợp trên hệ thống máy tính để tính toán và phân tích tín hiệu trước khi truyền đến cho vi điều khiển.
Thầy và trò xem xét, đánh giá thực tế mô hình hệ thống kiểm tra linh kiện điện tử thời gian thực ứng dụng công nghệ xử lý ảnh
Kết quả thử nghiệm cho thấy: Hệ thống phân loại cho phép làm việc trong miền thời gian thực với năng suất 120 mạch/giờ. Các yếu tố ảnh hưởng khác khau từ môi trường dẫn tới kết quả không mong muốn trong quá trình xử lý ảnh như chế độ sáng, kích thước ảnh, và background được nghiên cứu tính toán dựa trên thực nghiệm để tìm ra vùng môi trường phù hợp nhất cho quá trình xử lý ảnh. Kết quả nghiên cứu được kiểm nghiệm dựa trên thực nghiệm cho thấy kết quả chính xác lên tới 96% cho các bản mạch in.
Việc thiết kế và chế tạo thành công trạm phân loại sản phẩm mạch in sử dụng công nghệ xử lý ảnh trên nền mạng neural network có nhiều tính mới và sáng tạo như:
- Hệ thống làm việc ổn định, hiệu quả, và giảm được thời gian trong quá trình phân loại sản phẩm;
- Giải pháp nhận diện phần tử mạch in sử dụng thiết bị camera để lấy dữ liệu, làm tăng độ chính xác trong quá trình xử lý thông tin linh kiện có trên mạch in PCB;
- Phương pháp nhận diện đã giải quyết được một số bài toán như sau: Đếm số lượng các loại linh kiện điện tử có trên mạch in; Xác định vị trí chính xác của linh kiện trên mạch; Kiểm tra việc cắm nhầm linh kiện, thiếu linh kiện; Xác định được vùng làm việc an toàn và cảnh báo nguy hiểm.
Có thể kết luận rằng, hệ thống kiểm tra linh kiện điện tử thời gian thực ứng dụng công nghệ xử lý ảnh có khả năng ứng dụng thực tiễn vào quá trình sản xuất công nghiệp.