Bắt đầu từ câu trả lời cần có
“Đúng loại sản phẩm không?” khác “Có bao nhiêu sản phẩm?” và “Bao nhiêu diện tích bị lỗi?”. Đầu ra quyết định tác vụ, công gán nhãn và cách xác nhận.
| Tác vụ | Đầu ra | Công gán nhãn | Yếu tố tính toán | Ví dụ |
|---|---|---|---|---|
| Phân loại | Lớp của ảnh hoặc vùng cắt | Nhãn ảnh | Kích thước ảnh, kiến trúc | Loại sản phẩm, đạt/lỗi |
| Phát hiện | Lớp và hộp giới hạn | Hộp cho từng vật | Cỡ vật, mật độ, độ phân giải | Đếm và định vị |
| Phân vùng | Vùng pixel, có thể theo từng vật | Mask hoặc polygon | Độ phân giải mask | Diện tích lỗi, độ phủ |
Phân vùng thường tốn công gán nhãn hơn nhưng không luôn chậm hơn mọi detector. Phải đo mô hình, ảnh, phần cứng và toàn pipeline cụ thể.
Gắn đầu ra với quyết định
Phân loại vùng cắt một sản phẩm giúp phân biệt biến thể. Nhãn của toàn ảnh băng chuyền lại không chỉ được vật nào trong nhiều vật đang sai.
Detector có thể tìm sticker và đếm hộp. Hộp giới hạn chứa cả nền nên diện tích hộp không phải diện tích vật lý của vết lỗi bất quy tắc. Segmentation có thể hỗ trợ phép đo, nhưng đổi sang đơn vị vật lý vẫn cần hiệu chuẩn và ảnh phù hợp.
Semantic segmentation gán lớp cho pixel; instance segmentation tách từng vật. Khi vật chạm nhau, định danh từng vật có thể quan trọng với đếm. Không phương pháp nào bảo đảm khôi phục phần chi tiết bị che hoàn toàn.
Hoàn thiện hệ thống kiểm tra
Chụp → định vị/căn chỉnh → dự đoán → áp quy tắc → quyết định → lưu bằng chứng
Kiểm tra thứ tự cần định danh và logic trình tự. Detector không tự biết thẻ 17 phải sau thẻ 16. Đếm liên tục cũng cần tracking hoặc sự kiện qua vạch để không đếm một vật nhiều lần.
Dự án trình tự 50 thẻ thể hiện logic ứng dụng; không xác lập một kiến trúc AI cụ thể. Phân loại tác vụ trong bài là kiến thức kỹ thuật chung.
Khi phương pháp đơn giản đã đủ
Nhãn cố định, tương phản ổn định có thể dùng threshold hoặc template dễ bảo trì hơn mô hình học. Cân nhắc AI khi biến thiên ngoại quan làm quy tắc tường minh trở nên mong manh.
Trước gán nhãn, xác định đơn vị quyết định: pixel, lỗi, vật, ảnh hay bộ. Bổ sung lỗi hiếm và mẫu âm khó, chia tập theo ca sản xuất khi phù hợp và thử sản phẩm lạ. Không đổi trực tiếp confidence thành độ tin cậy sản phẩm.
Tài liệu kỹ thuật tham khảo
Nguồn cho các khái niệm nền tảng; ví dụ và diễn giải do TAS Solutions biên soạn, không phải bảo chứng của nhà cung cấp.
- Ultralytics — Computer Vision Tasks
Đầu ra từng tác vụ và họ mô hình; không phải xếp hạng hiệu năng chung.
- MVTec HALCON — Deep Learning
Phân biệt classification, detection, segmentation và anomaly detection.
- Google — Classification Metrics
Đánh giá phụ thuộc chi phí lỗi và phân bố lớp.