Machine learning and computer vision play pivotal roles in detecting product defects across various industries, enhancing effectiveness, precision, and minimizing labor expenditures. This journal utilizes image manipulation through the OpenCV, coupled with machine learning employing the ResNet-50 model, to specifically identify surface defects and dimensions in bearings. Unlike prior research, the focus here lies on recognizing defects in mechanical parts demanding precise machining. The ResNet-50 model showcased an impressive 98.5% accuracy in identifying faulty bearings. Notably, the recognition outcomes from this model surpass the accuracy of other models like YOLO and SSD. This research demonstrates the effectiveness of integrating advanced image processing techniques with machine learning models, particularly ResNet-50, in addressing the stringent requirements of identifying surface defects in mechanically critical components. The successful application of this approach signifies its potential to revolutionize quality control processes, ensuring higher accuracy and reliability in defect detection within industrial and manufacturing settings.Máy học và thị giác máy tính đóng vai trò then chốt trong việc phát hiện các khiếm khuyết sản phẩm ở nhiều ngành công nghiệp khác nhau, nâng cao hiệu quả, độ chính xác và giảm thiểu chi phí lao động. Tạp chí này sử dụng thao tác hình ảnh thông qua OpenCV, kết hợp với máy học sử dụng mô hình ResNet-50, đểxác định cụ thể các khiếm khuyết bề mặt và kích thước trong các vòng bi. Khác với các nghiên cứu trước đây, trọng tâm ở đây là nhận diện các khiếm khuyết trong các bộ phận cơ khí yêu cầu gia công chính xác. Mô hình ResNet-50 đã thể hiện độ chính xác ấn tượng là 98,5% trong việc nhận diện các vòng bi bị lỗi. Đáng chú ý, kết quả nhận diện từ mô hình này vượt qua độ chính xác của các mô hình khác như YOLO và SSD. Nghiên cứu này chứng minh hiệu quả của việc tích hợp các kỹthuật xử lý hình ảnh tiên tiến với các mô hình máy học, đặc biệt là ResNet-50, trong việc đáp ứng các yêu cầu nghiêm ngặt của việc xác định các khiếm khuyết bềmặt trong các thành phần cơ khí quan trọng. Ứng dụng thành công của phương pháp này cho thấy tiềm năng của nó trong việc cách mạng hóa quy trình kiểm soát chất lượng, đảm bảo độ chính xác và độ tin cậy cao hơn trong việc phát hiện khiếm khuyết trong môi trường công nghiệp và sản xuất.