Machine Vision đang dần thay thế nhiều công đoạn kiểm tra bằng mắt trong nhà máy: phát hiện trầy xước, kiểm thiếu linh kiện, đo kích thước, OCR/OCV, đọc mã, kiểm màu, xác định vị trí robot và lưu hình ảnh truy xuất theo từng sản phẩm.

Nhưng chọn một công ty Machine Vision hoặc AOI khó hơn chọn một chiếc camera. Một hệ thống tốt phải kết hợp đúng camera → lens → lighting → trigger → thuật toán → cơ khí → PLC/robot → reject → data → vận hành thực tế.

Chỉ cần ánh sáng không ổn định hoặc sản phẩm thay đổi bề mặt, một thuật toán có độ chính xác cao trong phòng lab vẫn có thể hoạt động kém trên dây chuyền.

Danh sách dưới đây được TIIN tổng hợp nhằm giúp bộ phận kỹ thuật, QA/QC, automation và procurement tạo shortlist các doanh nghiệp Machine Vision/AOI đang cung cấp giải pháp tại Việt Nam. Thứ tự phản ánh góc nhìn biên tập của TIIN dựa trên thông tin công khai tại thời điểm nghiên cứu tháng 11/2026, tập trung vào mức độ chuyên sâu về vision, năng lực tích hợp, danh mục công nghệ, khả năng R&D và hỗ trợ tại Việt Nam.

Top 10 công ty Machine Vision & AOI – bảng so sánh nhanh

Machine Vision và AOI khác nhau thế nào?

Machine Vision là khái niệm rộng hơn. Một hệ thống Machine Vision có thể thực hiện kiểm ngoại quan, đo kích thước, nhận dạng vị trí, đọc barcode/QR/Data Matrix, OCR/OCV, phân loại, robot guidance, kiểm lắp ráp, surface inspection hoặc 3D measurement.

AOI – Automated Optical Inspection là một ứng dụng cụ thể hơn của thị giác máy, tập trung vào kiểm tra quang học tự động. AOI thường được nhắc nhiều trong điện tử/PCB, nhưng về nguyên lý có thể áp dụng rộng hơn cho linh kiện cơ khí, nhựa, bao bì, label, automotive và sản phẩm tiêu dùng.

Viet Dynamic mô tả hệ thống AOI sử dụng AI và Machine Vision để phát hiện trầy xước, sai hình dạng, thiếu linh kiện hoặc lỗi chữ; giải pháp hướng tới cả doanh nghiệp vừa và nhỏ. Tham khảo nguồn VnExpress.

TIIN lựa chọn doanh nghiệp Machine Vision theo tiêu chí nào?

1. Năng lực giải quyết bài toán, không chỉ bán camera

Camera chỉ là một thành phần. Một hệ thống vision thực tế còn cần lens, lighting, trigger, controller/IPC, software, fixture, enclosure, reject, PLC, robot và database. TIIN ưu tiên đơn vị có khả năng chịu trách nhiệm ở cấp system.

2. Khả năng xây thuật toán hoặc phần mềm

Một số ứng dụng có thể dùng tool tiêu chuẩn. Nhưng surface defect, sản phẩm biến thiên cao hoặc lỗi khó mô tả thường cần custom algorithm, AI/deep learning, image preprocessing, classification hoặc anomaly detection.

3. Kinh nghiệm xử lý ánh sáng

Trong Machine Vision, lighting đôi khi quan trọng hơn camera. Cùng một vết xước, bright field có thể khó thấy nhưng dark field lại làm lỗi nổi rất rõ. Proposal chỉ nói camera bao nhiêu megapixel mà không giải thích lighting thường chưa đủ.

4. Khả năng test mẫu

TIIN đánh giá cao nhà cung cấp có khả năng đi theo chuỗi sample → feasibility test → concept → trial → production validation. Không nên thiết kế hệ thống vision hoàn toàn từ catalogue.

5. Integration

Vision phải giao tiếp được với PLC, robot, MES, database, reject mechanism và production line.

6. Data và traceability

Một hệ thống hiện đại không chỉ trả OK/NG mà có thể lưu ảnh lỗi, defect type, timestamp, serial, recipe và statistics.

7. Khả năng hỗ trợ sau triển khai

Khi đổi sản phẩm, màu, supplier linh kiện, vật liệu hoặc packaging, hệ thống vision có thể phải chỉnh lại. Dịch vụ sau bán hàng vì vậy đặc biệt quan trọng.

Top 10 công ty Machine Vision & AOI đáng tham khảo tại Việt Nam

Cách chọn công nghệ Machine Vision phù hợp

Rule-based Vision hay AI Vision?

Rule-based Vision phù hợp khi lỗi có thể định nghĩa rõ bằng khoảng cách, màu, contour, threshold hoặc geometry. Lợi thế là dễ debug, dễ validation và cần ít data hơn.

AI / Deep Learning Vision phù hợp hơn khi ranh giới giữa OK và NG khó mô tả bằng một vài rule, chẳng hạn scratch tự nhiên, stain, texture defect hoặc surface anomaly.

Camera 2D hay 3D?

2D Vision phù hợp cho màu sắc, print, OCR, contour, surface và barcode. 3D Vision bổ sung thông tin chiều sâu, phù hợp hơn với height, volume, shape, robot picking, assembly geometry hoặc deformation.

Nếu lỗi không liên quan đến chiều sâu thì chưa chắc cần 3D. Camera đắt hơn không đồng nghĩa ROI tốt hơn.

Đừng chọn camera trước khi chọn lighting

Trong nhiều dự án vision, câu hỏi quan trọng nhất là: làm sao biến lỗi cần tìm thành contrast rõ nhất trên ảnh?

Camera 20 MP với lighting sai có thể thua camera 5 MP với lighting đúng.

Độ chính xác 99,9% có đủ không?

Con số accuracy đứng một mình có thể gây hiểu nhầm. Một hệ thống inspection cần theo dõi ít nhất hai loại sai:

• False Accept: sản phẩm lỗi nhưng hệ thống đánh giá OK.
• False Reject: sản phẩm tốt nhưng hệ thống đánh giá NG.

False accept thường là rủi ro chất lượng nghiêm trọng hơn; false reject quá cao lại gây waste, kiểm tra lại và giảm OEE.

Cách chạy feasibility test trước khi mua

1. Chuẩn bị 30–100 mẫu OK đại diện.
2. Mẫu NG theo từng defect.
3. Nhiều mức severity.
4. Mẫu từ nhiều lot.
5. Màu sắc khác nhau.
6. Surface variation.
7. Tốc độ line thực tế.
8. Khoảng cách camera thực tế.

Đừng gửi 3 sản phẩm OK và 3 sản phẩm NG rồi coi đó là validation.

Golden Sample có đủ không?

Không phải lúc nào. Golden Sample phù hợp khi sản phẩm rất ổn định, nhưng sản xuất thực tế thường có variation. Một sản phẩm tốt có thể hơi khác màu, texture hoặc reflective condition nhưng vẫn nằm trong specification. Hệ thống Vision phải được cấu hình để hiểu vùng variation được phép.

AOI nên đặt online hay offline?

Online AOI kiểm trực tiếp trên dây chuyền, phù hợp khi cần kiểm 100%, phản hồi nhanh và reject tự động nhưng yêu cầu tốc độ cao, integration tốt và downtime thấp.

Offline inspection phù hợp khi takt time không quá cao, product change thường xuyên hoặc doanh nghiệp muốn bắt đầu automation ở quy mô nhỏ.

10 thông tin nên gửi cho công ty Machine Vision trước RFQ

1. Hình ảnh sản phẩm.
2. Drawing nếu cần measurement.
3. Mẫu OK.
4. Mẫu NG.
5. Danh sách defect.
6. Kích thước defect nhỏ nhất.
7. Line speed/takt time.
8. Không gian lắp đặt.
9. PLC/robot đang sử dụng.
10. Dữ liệu cần lưu.

Ngoài ra nên xác định defect nào là Critical – Major – Minor. Không phải mọi lỗi đều cần camera phát hiện với cùng mức độ ưu tiên.

Nên chọn công ty nào theo từng nhu cầu?

Ma trận chọn nhà cung cấp

7 lỗi thường gặp khi mua Machine Vision

1. Chọn camera theo megapixel: megapixel cao chưa chắc detect lỗi tốt hơn.
2. Bỏ qua lighting: đây là lỗi đặc biệt phổ biến.
3. Không test sản phẩm thật: demo bằng ảnh chụp khác production line là chưa đủ.
4. Chỉ hỏi accuracy: không hỏi false accept/false reject.
5. Không tính tốc độ: algorithm chạy 500 ms nhưng takt time 200 ms là không dùng được.
6. Không tính thay đổi sản phẩm: model mới có thể khiến hệ thống phải retrain hoặc reprogram.
7. Không quy định quyền dữ liệu: AI Vision sử dụng dataset sản phẩm của nhà máy; ownership cần được định nghĩa trong hợp đồng.

Checklist nghiệm thu Machine Vision

Trước SAT, buyer nên kiểm tra detect từng defect, repeatability, line speed, false reject, false accept, reject signal, recipe switching, mất điện/khởi động lại, lưu ảnh, backup software, user permission, PLC communication, MES communication, camera disconnect alarm và lighting failure.

Đặc biệt nên test worst-case sample, không chỉ mẫu đẹp.

FAQ

Kết luận: hãy chọn khả năng giải quyết bài toán, không chọn camera

Nếu chỉ nhớ một điều từ bài viết này: Machine Vision không phải một chiếc camera.

Một hệ thống thành công là kết quả của optics → lighting → image → algorithm → automation → data → support.

RTC phù hợp với dự án integration phức tạp; BeeVision mạnh về hệ sinh thái vision hardware và Cognex/Basler; Nhật Quang MVT và HOXCO đáng chú ý với software/algorithm; Viet Dynamic đang phát triển hướng AOI Make in Vietnam; KEYENCE và OMRON phù hợp với các hệ thống tiêu chuẩn hóa; TEMAS mạnh khi vision kết hợp robot và 3D; Soda Vision phù hợp đội R&D tự xây hệ thống; Guangquan bổ sung lựa chọn chuyên sâu về AOI printing/packaging.

Quy trình mua phù hợp hơn là: xác định defect → chuẩn bị sample → feasibility test → shortlist 3–5 supplier → so false accept/false reject → FAT → SAT → production trial.