Microsoft phác thảo mô hình kiểm tra công nghiệp bằng drone và AI
Microsoft giới thiệu kiến trúc dùng drone và AI để tự động hóa kiểm tra an toàn công nghiệp.
Mô hình này nhắm tới các nhà máy, công trình năng lượng và hạ tầng quy mô lớn, nơi hàng nghìn bu lông, chốt siết và điểm liên kết phải được theo dõi thường xuyên. Các chi tiết này có thể lỏng, lệch hoặc xuống cấp sau thời gian dài chịu rung động, thay đổi nhiệt độ và tải cơ học.
Drone đã giúp việc thu thập hình ảnh tại hiện trường nhanh hơn, nhưng khâu phân tích vẫn là điểm nghẽn. Trong nhiều quy trình hiện nay, kỹ sư vẫn phải xem video từng khung hình để tìm dấu hiệu bất thường, khiến việc kiểm tra tốn nhân lực, khó mở rộng và dễ thiếu nhất quán.
Kiến trúc được đề xuất kết hợp thị giác máy tính có tính xác định với AI tạo sinh. Lớp thị giác máy tính đảm nhiệm phát hiện, định vị và đo đạc; lớp AI tạo sinh hỗ trợ đối chiếu nhiều khung hình, kiểm tra ngữ cảnh, giảm nhầm lẫn và tạo báo cáo có cấu trúc.
Quy trình bắt đầu khi video kiểm tra từ drone được đưa vào Azure Blob Storage. Azure Functions kích hoạt luồng xử lý, tách khung hình và đưa dữ liệu qua bộ lọc chất lượng để loại bỏ ảnh mờ, lóa, thiếu sáng hoặc có góc quay không phù hợp.
Các khung hình đạt chuẩn sau đó được xử lý bằng Azure AI Vision và Azure Machine Learning. Hệ thống có thể phát hiện bu lông, tạo hộp giới hạn, gán điểm tin cậy, theo dõi cùng một chi tiết qua nhiều khung hình và đo độ lệch hoặc góc xoay bằng phân tích hình học.
Với các trường hợp chưa rõ ràng, Azure OpenAI được dùng để suy luận theo ngữ cảnh trên nhiều khung hình. Cách tiếp cận này giúp xác nhận bất thường, hạn chế cảnh báo sai và biến kết quả kỹ thuật thành bản tóm tắt dễ đọc cho đội bảo trì.
Microsoft cũng nhấn mạnh rằng AI tạo sinh không thay thế được dữ liệu đầu vào ổn định. Nếu video bị rung, ánh sáng thay đổi mạnh, góc quay thiếu nhất quán hoặc dấu đánh dấu trên thiết bị không rõ, độ tin cậy của tự động hóa sẽ giảm đáng kể.
Vì vậy, hệ thống cần quy trình bay và thu thập dữ liệu được chuẩn hóa. Bộ lọc chất lượng, cơ chế kiểm định kết quả và vùng cách ly dữ liệu nghi ngờ được dùng để giữ lại các kết luận có độ tin cậy cao.
Phần đánh giá được đặt trong Azure AI Foundry với các chỉ số như groundedness, coherence và fluency. Các tiêu chí này kiểm tra liệu báo cáo có bám sát khung hình và phép đo thực tế hay không, có nhất quán về lập luận hay không, và có đủ rõ ràng cho người vận hành hay không.
Dữ liệu sau kiểm tra được lưu trong Azure Cosmos DB để phục vụ truy vấn thời gian thực, theo dõi lịch sử tài sản và đối chiếu theo thời gian. Power BI hiển thị xu hướng, cảnh báo và chỉ số vận hành để nhóm bảo trì, kỹ sư độ tin cậy và cấp quản lý ra quyết định.
Kiến trúc cũng đặt nặng yêu cầu bảo mật cho môi trường công nghiệp. Azure Blob Storage có thể được cấu hình bằng Private Endpoints, tắt truy cập mạng công cộng, dùng Microsoft Entra ID thay cho khóa chia sẻ, áp dụng RBAC theo nguyên tắc tối thiểu quyền, mã hóa dữ liệu khi truyền và khi lưu trữ, đồng thời bật giám sát, sao lưu và chính sách tuân thủ.
Điểm đáng chú ý là mô hình này không chỉ dành cho kiểm tra bu lông. Cùng một cách tiếp cận có thể áp dụng cho nhiều nhiệm vụ thị giác lặp lại trong nhà máy và hạ tầng, từ rà soát mối nối, cấu kiện đến các điểm có nguy cơ mất an toàn.
Đối với doanh nghiệp, lợi ích nằm ở khả năng chuyển từ kiểm tra thủ công sang quy trình nhất quán hơn, có dữ liệu lịch sử và dễ mở rộng. Kỹ sư không còn phải phụ thuộc hoàn toàn vào việc xem video thủ công, trong khi hệ thống vẫn giữ vai trò con người ở các bước xác nhận quan trọng.
Tác động lớn nhất là đưa kiểm tra bằng drone tiến gần hơn tới vận hành công nghiệp có thể kiểm chứng, mở rộng và chủ động. Nếu được triển khai với dữ liệu đầu vào chuẩn hóa, mô hình AI lai này có thể giúp phát hiện sớm rủi ro và giảm áp lực cho các đội bảo trì tại hiện trường.