SỬ DỤNG MÁY HỌC ĐỂ ĐÁNH GIÁ NGOẠI QUAN MỐI HÀN HỒ QUANG

Abstract

Trong ngành sản xuất và cơ khí, mối hàn đóng vai trò rất quan trọng, ảnh hưởng trực tiếp đến độ bền, chất lượng và độ an toàn của các sản phẩm, công trình. Đặc biệt, với mối hàn hồ quang, yếu tố ngoại quan và chất lượng đóng vai trò như một thước đo chính để đánh giá mức độ hoàn thiện của quy trình sản xuất. Tuy nhiên, việc kiểm tra chất lượng mối hàn hiện nay chủ yếu được thực hiện bằng phương pháp thủ công, dựa trên kinh nghiệm của người kiểm tra hoặc sử dụng các thiết bị chuyên dụng. Điều này dẫn đến một số hạn chế như tốn thời gian, chi phí cao, và đặc biệt là phụ thuộc vào yếu tố con người, có thể gây ra sai sót hoặc không đồng nhất trong kết quả đánh giá. Những sai sót này, nếu không được nhận diện và xử lý kịp thời, có thể dẫn đến hậu quả nghiêm trọng như hỏng hóc, giảm năng suất, hoặc thậm chí gây nguy hiểm cho con người. Sự phát triển vượt bậc của công nghệ trí tuệ nhân tạo, đặc biệt là các thuật toán học sâu (Deep Learning), đã mở ra những hướng đi mới trong việc tự động hóa và tối ưu hóa các quy trình công nghiệp. Trong đó, các mô hình học sâu đã chứng minh hiệu quả vượt trội trong các bài toán nhận diện và phân loại hình ảnh. Điều này tạo tiền đề để ứng dụng những công nghệ tiên tiến nhằm giải quyết vấn đề kiểm tra và đánh giá mối hàn một cách chính xác, nhanh chóng, và đáng tin cậy. Đề tài tập trung vào việc nghiên cứu các bộ dữ liệu liên quan đến đánh giá ngoại quan mối hàn và các thuật toán hiện đại như CNN, Resnet50, YOLOv11, Faster RCNN,.. để phát triển các model dựa trên các thuật toán này. Nghiên cứu không chỉ dừng lại ở việc phát hiện lỗi mối hàn mà còn tập trung vào đánh giá ngoại quan một cách toàn diện, qua đó nâng cao hiệu quả và chất lượng kiểm tra trong thực tế. Áp dụng vào một số lĩnh vực như giáo dục và sản xuất với chi phí triển khai thấp và nhanh chóng. Từ khóa: Hàn hồ quang, đánh giá ngoại quan, lỗi mối hàn, học máy, thị giác máy tính, kiểm tra chất lượng, phân lớp, phát hiện đối tượng.