Đằng sau "thị lực" của hệ thống kiểm tra lỗi in: Bắt đầu từ câu chuyện theo dõi đường viền

Một tình huống rất đỗi quen thuộc: hệ thống kiểm tra báo động, thợ vận hành chạy lại xem thì trên tờ in chẳng có gì cả. Sau vài lần như vậy, thợ chỉnh giảm độ nhạy xuống hai nấc, còi báo yên ắng hẳn, rồi sau đó những vết trầy xước thực sự bắt đầu bị lọt lưới

Đây không phải lỗi thiết bị, mà là sự thiếu đồng nhất giữa người vận hành và hệ thống về định nghĩa "thế nào là một lỗi in". Muốn đồng nhất, trước tiên phải biết thuật toán đằng sau chiếc camera đó đang tìm kiếm điều gì. Thứ nó tìm là đường viền — một ranh giới khép kín nơi mức xám hoặc màu sắc trong ảnh thay đổi đủ đột ngột. Hiểu rõ cách đường viền được trích xuất và theo dõi qua từng khung hình, bạn sẽ biết dây chuyền của mình cần chỉnh thông số nào và ngân sách nên chi vào đâu

Bởi vì đường viền là đặc trưng duy nhất mà máy móc có thể lượng hóa ổn định, đồng thời lại trùng khớp cao với cách mắt người nhận diện lỗi

Giới thị giác máy tính từ lâu đã phát triển khung thuật toán hoàn chỉnh cho việc "nhận diện và theo dõi đồng thời nhiều đối tượng theo thời gian thực dựa trên đường viền", sử dụng đặc trưng đường viền để bắt cùng lúc nhiều mục tiêu và định vị liên tục [1]. Nghiên cứu này vốn dĩ không viết riêng cho ngành in, nhưng cấu trúc bài toán mà nó giải quyết lại gần như đồng dạng với bài toán kiểm tra in cuộn: hình ảnh liên tục chuyển động, có nhiều mục tiêu cùng lúc, và bắt buộc phải xử lý tức thời

Dịch sang ngôn ngữ ngành in:

・ Đốm bẩn: Một đường viền khép kín, diện tích nhỏ, độ tương phản cao, xuất hiện ở vùng trắng vốn dĩ không được có đường viền

・ Vết trầy xước: Đường viền mảnh và dài với tỷ lệ khung hình cực đoan, thường kéo dài dọc theo chiều chạy của giấy

・ Lệch chồng màu: Không phải là đường viền mới xuất hiện, mà là đường viền của cùng một chi tiết hình ảnh bị dịch chuyển vị trí giữa các bản màu khác nhau. Đây là điểm khác biệt then chốt: đó là "sai số canh chỉnh đường viền", chứ không phải "thừa ra một vật thể"

Trong mắt hệ thống, ba loại lỗi này là ba bài toán toán học hoàn toàn khác nhau. Điều này giải thích một hiện tượng tôi liên tục chứng kiến tại xưởng: một hệ thống bắt đốm bẩn cực chuẩn nhưng lại rất hay phán đoán sai lỗi chồng màu. Lý do là vì bắt đốm bẩn dựa vào việc "tìm ra đường viền dư thừa", còn kiểm tra chồng màu lại dựa trên việc "so sánh độ dịch chuyển tương đối của đường viền sẵn có" — ngưỡng thông số của hai bài toán này hoàn toàn không dùng chung. Nhà cung cấp bán cho bạn một hệ thống, nhưng thứ bạn mày mò căn chỉnh thường chỉ là một bộ thông số trong số đó

Điểm khác biệt nằm ở chỗ: theo dõi là xử lý "danh tính của cùng một lỗi qua các khung hình liên tiếp", chứ không đơn thuần là "bức ảnh này có bất thường hay không"

Giá trị cốt lõi của việc theo dõi đa đối tượng dựa trên đường viền theo thời gian thực là duy trì đồng thời việc nhận dạng và vị trí của nhiều mục tiêu trong khung hình động [1]. Đưa vào dây chuyền in ấn, ý nghĩa thực tế của việc này rất rõ ràng: nó quyết định liệu hệ thống có đếm một lỗi thành mười lần hay không

Tính thử một phép tính là thấy ngay. Giả sử tốc độ in là 300 m/min, tương đương 5 mét/giây; camera chụp với tốc độ 30 khung hình/giây, một vết bẩn bám cố định trên trục (chẳng hạn màng mực khô dính trên ống ép) sẽ xuất hiện lặp đi lặp lại trong hàng chục khung hình liên tiếp. (Đây là ước tính quy đổi, giá trị thực tế tùy thuộc vào dòng máy và cấu hình chụp ảnh.) Hệ thống không có khả năng theo dõi sẽ báo đây là hàng chục lỗi độc lập, làm chôn vùi những lỗi ngẫu nhiên thực sự; trong khi hệ thống có khả năng theo dõi sẽ nhận ra "đây là cùng một đường viền tái diễn theo chu kỳ", từ đó xác định lỗi bắt nguồn từ trục in chứ không phải do giấy

Khả năng phân loại rạch ròi giữa lỗi ngẫu nhiên và lỗi có tính chu kỳ chính là giá trị thực tế lớn nhất mà kỹ thuật theo dõi đường viền mang lại. Với lỗi ngẫu nhiên, chỉ cần loại bỏ tờ hỏng; còn lỗi chu kỳ bắt buộc phải dừng máy để vệ sinh trục lô. Nếu hệ thống chỉ biết phân loại nhị phân "có/không", bạn sẽ mãi mãi phải dựa vào kinh nghiệm của thợ cả để đưa ra phán đoán này

Bởi vì phần lớn các cảnh báo ảo xuất phát từ việc "đường viền có tồn tại, nhưng nó không phải là lỗi" — điểm tram, hoa văn, vân giấy, chữ in siêu nhỏ bình thường... trong mắt thuật toán đều là các đường viền hợp lệ

Đây là điểm khác biệt lớn nhất giữa in ấn và kiểm định công nghiệp thông thường. Kiểm tra một con ốc kim loại thì phông nền hoàn toàn sạch; kiểm tra một tờ in thì bản thân phông nền đã là một ma trận đường viền dày đặc. Một bài in 4 màu độ phân giải 175 lpi có hàng chục nghìn điểm tram trên mỗi inch vuông, mỗi điểm tram là một đường ranh giới. Bắt một đốm bẩn 0.3 mm trên nền như vậy về bản chất chính là mò tìm tín hiệu giữa một biển nhiễu

Trong thực tế, việc giảm thiểu báo ảo cần được tiến hành tuần tự theo ba bước:

・ 1. Trước hết phải kiểm tra độ phân giải quang học có đủ không. Đây là giới hạn trần của phần cứng, phần mềm không thể cứu vãn. Tính sơ bộ: nếu camera 4096 pixel chụp theo chiều ngang khổ rộng 1000 mm, một pixel tương đương khoảng 0.24 mm. Để nhận diện ổn định một lỗi 0.3 mm mà chỉ có 1 đến 2 pixel gánh đỡ thì hoàn toàn là đánh cược may rủi. Muốn bắt lỗi 0.3 mm, trên thực tế lỗi đó phải trải dài tối thiểu từ 3 đến 5 pixel. Khi độ phân giải không đủ, chỉnh bất kỳ thông số nào cũng là công cốc

2. Tiếp theo là hiệu chuẩn mẫu chuẩn (golden sample). Nếu chuẩn đối chiếu của hệ thống lấy từ một tờ mẫu vốn dĩ đã dính vết bẩn nhẹ hoặc lệch màu, thì mọi tờ in chuẩn sau đó đều sẽ bị phán là lỗi

3. Cuối cùng mới điều chỉnh ngưỡng dung sai. Và phải thiết lập theo từng phân vùng: mảng màu bệt diện tích lớn, chữ nhỏ và vùng chừa trắng có mức độ dung sai mật độ đường viền hoàn toàn khác nhau. Áp đặt một ngưỡng chung cho toàn bộ bài in chắc chắn sẽ rơi vào cảnh được cái này mất cái kia

Sai lầm phổ biến nhất tại các xưởng in là bỏ qua hai bước đầu mà nhảy thẳng vào bước thứ ba. Làm vậy chẳng khác nào dùng thông số phần mềm để vá víu khuyết điểm của phần cứng và mẫu chuẩn, kết quả sẽ dẫn đúng tới tình cảnh ở đầu bài: còi báo hết kêu, nhưng lỗi cũng lọt lưới luôn

Hãy hỏi về khả năng theo dõi và phân loại lỗi, đừng chỉ dừng lại ở câu "có bắt được lỗi không". Đây chính là lằn ranh phân hóa rõ nhất giá trị giữa các hệ thống

Cụ thể, trước khi ký hợp đồng có 4 câu hỏi cần làm rõ:

・ Có phân biệt được lỗi ngẫu nhiên và lỗi có tính chu kỳ không? Câu trả lời phản ánh trực tiếp việc hệ thống có theo dõi đường viền qua từng khung hình hay chỉ đơn thuần là so sánh từng tấm riêng lẻ

・ Kích thước lỗi nhỏ nhất phát hiện được đo ở khổ rộng bao nhiêu và tốc độ in nào? Ba con số này bắt buộc phải đi liền với nhau, báo riêng một con số "0.2 mm" là hoàn toàn vô nghĩa

・ Lỗi lệch chồng màu được xác định bằng cơ chế nào? Nếu câu trả lời là dùng chung một bộ ngưỡng với kiểm tra đốm bẩn, điều đó chứng tỏ tính năng canh chồng màu nhiều khả năng chỉ là chức năng phụ lắp vào cho có

・ Dữ liệu báo ảo có thể phản hồi để huấn luyện lại mô hình không? Một hệ thống không biết học hỏi từ nút bấm "đây là báo ảo" của thợ vận hành thì chỉ sau ba tháng, độ nhạy chắc chắn sẽ bị chỉnh tay cho nát bét

Hành động thực tế tiếp theo rất đơn giản: đừng vội thay hệ thống, hãy trích xuất nhật ký cảnh báo trong một tháng qua, gắn nhãn thủ công xem đâu là lỗi thật, đâu là báo ảo, rồi phân loại theo từng nhóm lỗi. Bảng thống kê này thường sẽ chỉ thẳng ra vấn đề nằm ở độ phân giải, mẫu chuẩn hay cách đặt ngưỡng dung sai. Chi phí chỉ tốn vài giờ công nhân lực, nhưng có thể giúp bạn tránh được một quyết định mua sắm thiết bị sai lầm

Cần nói rõ về giới hạn áp dụng: Những nhận định trên được xây dựng trên tiền đề "bản in có cấu trúc hình ảnh - văn bản lặp lại ổn định". Các đơn hàng ngắn, in dữ liệu biến đổi (VDP), hay ấn phẩm cá nhân hóa mà mỗi tờ mỗi khác sẽ không có mẫu chuẩn để so sánh; lúc này phải chuyển sang "phát hiện bất thường dựa trên quy tắc" thay vì "kiểm tra đối chiếu", nên bước 2 ở trên sẽ không áp dụng được. Tương tự, vật liệu nền trong suốt, ép kim bóng gương, các ấn phẩm gia công có độ phản quang cao có điều kiện quang học biến thiên rất lớn, độ tin cậy khi trích xuất đường viền sẽ giảm rõ rệt, đòi hỏi phải giải quyết bằng thiết kế chiếu sáng chứ không thể dựa vào thông số thuật toán

Ngôn ngữ nền tảng của kiểm định in ấn bằng AI là "đường viền": đốm bẩn là đường viền dư thừa, vết trầy xước là đường viền có tỷ lệ khung hình cực đoan, còn lệch chồng màu là độ dịch chuyển tương đối của đường viền sẵn có. Cả ba sử dụng các tiêu chuẩn toán học khác nhau và không dùng chung ngưỡng thông số

Kỹ thuật theo dõi đa đối tượng dựa trên đường viền theo thời gian thực có thể duy trì đồng thời việc nhận dạng và định vị nhiều mục tiêu trong khung hình động [1]. Giá trị khi đưa vào xưởng in là phân luồng rõ rệt giữa lỗi ngẫu nhiên và lỗi chu kỳ — trường hợp sau là dấu hiệu cần dừng máy để vệ sinh trục lô

Trình tự chuẩn để dập tắt báo ảo là "Độ phân giải quang học → Hiệu chuẩn mẫu chuẩn → Phân vùng ngưỡng dung sai". Bỏ qua hai bước đầu mà chỉnh ngay ngưỡng dung sai chẳng khác nào dùng phần mềm bù đắp lỗi phần cứng, kết quả là còi hết báo nhưng lỗi cũng bị bỏ lọt

Để nhận diện ổn định một kích thước lỗi nhất định, trên thực tế lỗi đó phải trải dài tối thiểu từ 3 đến 5 pixel; nếu chỉ có 1 đến 2 pixel gánh đỡ thì độ phân giải chính là giới hạn trần

Trước khi triển khai, cần kiểm tra xem hệ thống có phân biệt được lỗi ngẫu nhiên và lỗi chu kỳ hay không, cũng như kích thước lỗi nhỏ nhất được đo đạc ở khổ rộng và tốc độ in nào

Đối với khâu sản xuất in ấn, theo dõi đường viền đã thúc đẩy vai trò của kiểm soát chất lượng từ việc "loại bỏ hàng lỗi" sang "chẩn đoán tình trạng thiết bị". Khi hệ thống có thể nhận diện sự tái diễn theo chu kỳ của cùng một đường viền, dữ liệu kiểm tra sẽ trở thành chỉ số sức khỏe của trục in, ống cao su và hệ thống cấp mực — đây là con đường biến chi phí kiểm soát chất lượng thành thông tin bảo trì giá trị. Đối với khâu thiết kế, điều này đồng nghĩa với việc layout bài in sẽ ảnh hưởng trực tiếp đến khả năng kiểm định: nền hoa văn tràn lề có mật độ tram dày đặc hay các đường nét trắng siêu mảnh đều sẽ bóp nghẹt tỷ lệ tín hiệu trên nhiễu của hệ thống; quy trình kiểm tra khả năng sản xuất (DFM) trong tương lai cần đưa yếu tố "thân thiện với kiểm định" vào cân nhắc. Đối với các đơn vị triển khai AI, lời khuyên thực tế nhất là đừng dồn hết nguồn lực vào mô hình, bởi điểm nghẽn tại hầu hết các xưởng in nằm ở hệ thống quang học và mẫu chuẩn chứ không phải ở độ tiên tiến của thuật toán. Đối với các nhà cung cấp giải pháp SaaS, khoảng trống thực sự nằm ở quy trình phản hồi báo ảo khép kín: một tầng điện toán đám mây có thể thu thập đánh giá của thợ vận hành, tích lũy thư viện mẫu lỗi liên nhà máy và tự động phản hồi để tinh chỉnh thông số sẽ mang lại giá trị thương mại lớn hơn nhiều so với một mô hình AI cao cấp hơn một bậc. Hiện còn 3 bài toán bỏ ngỏ: Một là phương pháp kiểm định không cần mẫu đối chiếu cho in dữ liệu biến đổi khi thiếu mẫu chuẩn; hai là tiêu chuẩn hóa hệ thống chiếu sáng và trích xuất đường viền cho các công đoạn gia công đặc thù (ép kim, phủ UV cục bộ, vật liệu nền trong suốt); ba là đánh giá mức độ nghiêm trọng của lỗi — hệ thống có thể chỉ ra "chỗ này có đường viền", nhưng "mức độ này liệu khách hàng có trả hàng hay không" hiện vẫn phụ thuộc nặng nề vào kinh nghiệm của con người, đây là khoảng trống định lượng mà ngành in vẫn chưa đạt được sự đồng thuận chung

[1] MS（2106）. Contour Based Real Time Multiple Object Tracking. International journal of Emerging Trends in Science and Technology. DOI: 10.18535/ijetst/v3i08.10