Một vết nứt li ti trên bo mạch hay viên pin lỗi lọt qua khâu kiểm định có thể dẫn đến sự cố nghiêm trọng. Đáng chú ý, AI vốn được ứng dụng để phát hiện lỗi sản phẩm đôi khi cũng bỏ sót những khiếm khuyết này. Tìm cách khắc phục giới hạn đó, Nguyễn Minh Trí (K19, ngành Kỹ thuật Phần mềm) và Hoàng Khương Duy (cựu sinh viên K18, ngành Trí tuệ Nhân tạo) của Trường Đại học FPT đã nghiên cứu phương pháp mới giúp AI nhận diện lỗi chính xác hơn. Công trình Statistical Non-linear Reconstruction Loss for Image Anomaly Detection, dưới sự hướng dẫn của TS. Huỳnh Công Việt Ngữ, Giám đốc AIC-Lab được công bố ngày 3/11 tại KES 2026, hội nghị quốc tế xếp hạng B theo CORE tổ chức tại Ireland.
Nguyễn Minh Trí và Hoàng Khương Duy, hai tác giả công trình nghiên cứu AI được công bố tại hội nghị quốc tế KES 2026.
Trong sản xuất công nghiệp, AI thường được huấn luyện bằng hình ảnh sản phẩm đạt chuẩn, bởi dữ liệu về sản phẩm lỗi vốn khan hiếm và đa dạng. Khi kiểm tra một sản phẩm mới, mô hình tái tạo hình ảnh dựa trên những đặc điểm đã học rồi so sánh với ảnh gốc để tìm điểm bất thường. Tuy nhiên, nếu học quá sát dữ liệu, AI có thể tái tạo cả những chi tiết lỗi, khiến chúng bị bỏ qua trong quá trình kiểm định. “AI hiện nay mắc bệnh học vẹt quá mức. Nó giỏi đến mức vẽ lại luôn cả vết xước giống hệt bản gốc, và thế là kết luận nhầm đây là hàng tốt”, Minh Trí chia sẻ về hạn chế nhóm nhận diện trong quá trình nghiên cứu.
Trước hạn chế này, Minh Trí và Khương Duy đề xuất một phương pháp mới mang tên Statistical Non-linear Reconstruction Loss, giúp AI nhận diện những khác biệt bất thường trong hình ảnh sản phẩm. Thay vì chỉ so sánh từng điểm ảnh, phương pháp xem xét sự khác biệt trên tổng thể hình ảnh, qua đó giúp mô hình phân biệt những thay đổi không đáng kể do bụi bẩn, ánh sáng với các dấu hiệu lỗi thực sự. Nhờ vậy, AI có thể hạn chế nhận diện nhầm và xác định vị trí sản phẩm bị lỗi chính xác hơn.
Bài báo được đăng tải trên hệ thống ScienceDirect của nhà xuất bản Elsevier.
Quá trình phát triển phương pháp cũng đặt ra không ít thách thức. Công thức ban đầu khiến mô hình hoạt động thiếu ổn định khi huấn luyện. Nhóm phải dành nhiều tháng nghiên cứu hàng chục công trình quốc tế, kiểm tra lại các phép tính và rà soát mã nguồn để tìm nguyên nhân. Bên cạnh đó, việc xử lý hình ảnh có độ phân giải cao đòi hỏi năng lực tính toán lớn, buộc các thành viên chủ động thuê thêm GPU để hoàn thành thử nghiệm.
Sau nhiều lần điều chỉnh, nhóm đưa phương pháp vào thử nghiệm trên MVTec AD và VisA – hai bộ dữ liệu quốc tế được sử dụng phổ biến trong nghiên cứu phát hiện lỗi sản phẩm, với hình ảnh thuộc nhiều nhóm như gỗ, vải, da, bảng mạch, ốc vít và viên thuốc. Kết quả cho thấy giải pháp giúp cải thiện khả năng phát hiện, xác định vị trí lỗi và giảm tình trạng cảnh báo nhầm so với các phương pháp trước đó.
Tháng 9/2026, nhóm trình bày trực tuyến công trình tại KES 2026. Đây là cơ hội để Trí và Duy giới thiệu kết quả nghiên cứu, trao đổi học thuật và tiếp nhận phản hồi từ các giáo sư, chuyên gia quốc tế, qua đó có thêm góc nhìn về tiềm năng ứng dụng của giải pháp.
Trong thực tiễn, phương pháp có thể được tích hợp vào hệ thống kiểm tra quang học tự động (AOI) tại nhà máy, hỗ trợ phát hiện các lỗi như mối hàn trên bo mạch điện tử, vết rách trên vải và da, viên thuốc sứt mẻ hay vết nứt trên linh kiện cơ khí.
Công trình được thực hiện trong môi trường nghiên cứu tại AIC-Lab (AI-Cybersecurity Lab), một trong sáu Innovation Labs của Trường Đại học FPT. Dưới sự quản lý và điều hành của TS. Huỳnh Công Việt Ngữ, AIC-Lab tập trung nghiên cứu, phát triển các giải pháp công nghệ mới, đóng góp vào hoạt động khoa học của khối ngành kỹ thuật; đồng thời kết nối với doanh nghiệp để xác định nhu cầu thực tiễn và đánh giá khả năng ứng dụng của các giải pháp.
Quá trình theo đuổi nghiên cứu của Minh Trí và Khương Duy đã được ghi nhận qua nhiều sân chơi học thuật. Cả hai từng cùng giành một giải Nhất và một giải Nhì tại các cuộc thi nghiên cứu khoa học của Trường Đại học FPT. Tại Research Festival (ResFes) cấp FPT Education, Khương Duy đạt Á quân Tiểu ban Công nghệ thông tin năm 2025, còn Minh Trí giành Quán quân ở cùng tiểu ban năm 2026. Công trình được công bố tại KES 2026 là dấu mốc tiếp theo trong hành trình nghiên cứu của hai sinh viên.
Thông qua AIC-Lab, sinh viên có cơ hội tham gia các dự án nghiên cứu, tiếp cận quy trình phát triển công nghệ và trực tiếp giải quyết những bài toán thực tiễn. Môi trường này cũng hướng đến đào tạo đội ngũ nhân lực có nền tảng chuyên môn vững chắc, hiểu bản chất công nghệ và có khả năng đóng góp tri thức mới, sẵn sàng theo đuổi các chương trình sau đại học hoặc đảm nhiệm những vị trí nghiên cứu và phát triển (R&D).
Từ quá trình thực hiện công trình, Minh Trí và Khương Duy không chỉ củng cố kiến thức chuyên môn, rèn luyện tư duy phản biện mà còn từng bước phát triển năng lực nghiên cứu độc lập. Đây cũng là giá trị của môi trường đào tạo gắn với nghiên cứu tại Trường Đại học FPT: tạo điều kiện để sinh viên không chỉ tiếp nhận, ứng dụng công nghệ mà còn tham gia cải tiến và phát triển những giải pháp mới.
Tiếp nối kết quả này, nhóm dự kiến kết hợp phương pháp với Mạng nơ-ron xung (Spiking Neural Networks) – mô hình AI mô phỏng cơ chế hoạt động của não bộ, có tiềm năng tối ưu năng lượng tính toán. Hướng nghiên cứu kỳ vọng phát triển hệ thống kiểm tra lỗi vừa chính xác, vừa tiết kiệm tài nguyên, đáp ứng tốt hơn yêu cầu của sản xuất công nghiệp.
Thông tin công bố:
- Hội nghị: 30th International Conference on Knowledge-Based and Intelligent Information & Engineering Systems (KES 2026), Ireland.
- Xếp hạng: CORE B.
- Ngày công bố: 3/11/2026.
- Ấn phẩm: Procedia Computer Science, Elsevier, Vol. 292 (2026), pp. 2301–2310.
- Bài báo: https://www.sciencedirect.com/science/article/pii/S1877050926034599
