Học máy và thị giác máy tính đóng vai trò then chốt trong việc phát hiện lỗi sản phẩm trên nhiều ngành công nghiệp khác nhau, nâng cao hiệu quả, độ chính xác và giảm thiểu chi phí lao động. Nghiên cứu này sử dụng xử lý hình ảnh kết hợp với học máy bằng mô hình ResNet-50 để xác định cụ thể các lỗi bề mặt chi tiết cơ khí. Khác với các nghiên cứu trước đây chủ yếu tập trung vào phân loại sản phẩm theo kích thước hay hình dạng, nghiên cứu này giải quyết thách thức phát hiện lỗi trong các bộ phận cơ khí yêu cầu gia công chính xác. Nghiên cứu này chứng minh hiệu quả của việc kết hợp các kỹ thuật xử lý ảnh với các mô hình học máy. Đặc biệt, nghiên cứu sử dụng ResNet-50 (Residual Network với 50 lớp), một trong những mô hình mạng nơ-ron tích chập (CNN) nổi tiếng trong lĩnh vực học sâu và thị giác máy tính. Kết quả nghiên cứu cho thấy ResNet-50 đáp ứng các yêu cầu khắt khe về việc phát hiện lỗi bề mặt trong các thành phần cơ khí quan trọng. Cụ thể, mô hình đã được áp dụng để phát hiện một số lỗi bề mặt của lõi trượt puly tăng giảm tốc độ xe máy với độ chính xác đạt 98,5%. Do đó, việc áp dụng thành công phương pháp này cho thấy tiềm năng lớn trong việc áp dụng các quy trình kiểm soát chất lượng, đảm bảo độ chính xác và độ tin cậy cao hơn trong việc phát hiện lỗi trong các môi trường công nghiệp và sản xuất.
Năm 2024 
