Penglihatan mesin: Perbedaan antara revisi

Secara umum, banyak yang menyamakan antara penglihatan mesin dengan [[penglihatan komputer]] (''computer vision''). Perbedaannya adalah, pada penglihatan mesin, ia adalah penerapan dari penglihatan komputer di dunia industri di mana output dari prosesor atau komputer akan diolah menjadi output berupa gerak mekanik atau termal.<ref>{{Cite web|date=2021-05-31|title=Machine Vision vs. Computer Vision—What’s the Difference?|url=https://appen.com/blog/computer-vision-vs-machine-vision/|website=Appen|language=en-GB|access-date=2022-01-30}}</ref>

Umumnya, kamera yang digunakan adalah kamera yang memiliki spesifikasi [[piksel]] yang tinggi serta mampu untuk menangkap gambar atau video dalam [[Tingkat bingkai|laju frame per detik (''frame per second'')]] yang bagus seperti [[kamera berkecepatan tinggi]] (''high speed camera''). Hal ini bertujuan untuk mendapatkan hasil citra atau gambar yang bagus dan tidak terdapat blur atau gambar yang kabur. Untuk [[perangkat keras]] (''hardware'') lainnya adalah sumber cahaya.<ref>{{Cite web|title=Designing a machine-vision system|url=https://spie.org/news/designing-a-machine-vision-system|website=spie.org|access-date=2022-01-29}}</ref>

Di sini, data yang ditangkap oleh sensor (terutama citra), akan diolah secara matematik oleh piranti lunak. Pada bagian inilah kerja dari statistik, matriks, jaringan Bayesian, [[Logika kabur|logika fuzzy atau kabur]], serta algoritma genetik mulai digunakan. Sementara, untuk matriks, secara umum sistem penglihatan mesin menggunakan metode seperti sobel dan Fre-Chen sebagai alat bantu analisis segmentasi dan deskripsi dari piksel.<ref name=":3">{{Cite journal|last=Kurada|first=S.|last2=Bradley|first2=C.|date=1997-04|title=A machine vision system for tool wear assessment|url=https://linkinghub.elsevier.com/retrieve/pii/S0301679X96000588|journal=Tribology International|language=en|volume=30|issue=4|pages=295–304|doi=10.1016/S0301-679X(96)00058-8}}</ref><ref name=":4">{{Cite journal|last=Ureña|first=R|last2=Rodrı́guez|first2=F|last3=Berenguel|first3=M|date=2001-07|title=A machine vision system for seeds quality evaluation using fuzzy logic|url=https://linkinghub.elsevier.com/retrieve/pii/S0168169901001508|journal=Computers and Electronics in Agriculture|language=en|volume=32|issue=1|pages=1–20|doi=10.1016/S0168-1699(01)00150-8}}</ref> Selain itu, prinsip dari eigenvektor dan eigenvalue sendiri juga digunakan untuk [[analisis data]]. Serta, untuk pengolahan citra atau gambar digunakan metode-metode [[Pengambangan (pengolahan citra)|pengambangan (thresholding)]]. Pada bagian pengambangan ini, prinsip-prinsip statistik seperti [[histogram]], [[distribusi normal]], [[Simpangan baku|standar deviasi]] serta [[Matriks (matematika)|matriks]] digunakan di dalam analisis piksel sebagai salah satu metode dari interpretasi citra.<ref name=":4"/><ref name=":5">{{Cite journal|last=Patel|first=Krishna Kumar|last2=Kar|first2=A.|last3=Jha|first3=S. N.|last4=Khan|first4=M. A.|date=2012-04|title=Machine vision system: a tool for quality inspection of food and agricultural products|url=http://link.springer.com/10.1007/s13197-011-0321-4|journal=Journal of Food Science and Technology|language=en|volume=49|issue=2|pages=123–141|doi=10.1007/s13197-011-0321-4|issn=0022-1155|pmc=PMC3550871|pmid=23572836}}</ref>