Wikipedia

Penglihatan mesin

Revisi sejak 29 Januari 2022 06.08 oleh Edowidivirgian (bicara | kontrib)

Di dalam konteks mekatronika dan otomasi, visi mesin didefinisikan sebagai bagaimana suatu sistem terotomatisasi (sebagai contoh robot) dapat melakukan inspeksi atau pengelihatan otomatis berbasis citra/gambar yang ditangkap dari alat (umumnya lensa atau kamera) sebagai input/ masukan sensor untuk diolah di dalam prosesor/komputer yang akan menggerakkan aktuator atau penggerak seperti sistem gerak robot atau motor listrik. Secara umum, visi mesin adalah salah satu contoh pemanfaatan kecerdasan buatan.[1][2]

Salah satu sistem visi mesin yang dikembangkan oleh Omron (dahulu Automatix)
Salah satu penerapan sistem visi mesin pada jalur (line) produksi ban berjalan (conveyor belt)

Secara umum, visi mesin mengandalkan piranti lunak untuk memroses gambar atau citra di mana salah satu piranti lunak yang umum digunakan di dalam memroses masukan dari visi mesin adalah Matlab.[1][2]

Aplikasi dari visi mesin ini sangat luas tidak hanya sebagai alat bantu untuk robotika atau sistem mekatronika lainnya tetapi juga dapat digunakan di beberapa bidang seperti kesehatan/medis, pertanian, pangan, industri, energi, infrastruktur, serta transportasi.

Metode

 
Histogram adalah salah satu metode umum di dalam statistik yang digunakan dalam analisis citra sebagai salah satu penunjang sistem visi mesin

Secara umum, visi mesin adalah penerapan lebih lanjut dari kecerdasan buatan yang menggunakan prinsip-prinsip matematika seperti statistik (histogram, distribusi normal, standar deviasi), matriks, Jaringan Bayesian, Algoritma Genetik, pengambangan (thresholding), logika fuzzy/ kabur, vektor (terutama support vector machines), dan komputasi/metode numerik serta fisika terutama sensor dan prinsip alat-alat optik serta kekuatan memori dari komputer (terkait RAM).[3]

 
Contoh blok diagram dari PLC (Programmable Logic Controller) yang juga memiliki prinsip yang sama dengan visi mesin.

Secara umum, kerja dari sistem visi mesin menyerupai kerja dari blok diagram kendali secara umum di mana terdapat masukan/input, pengolahan data, serta output/keluaran.

Input/Masukan

Masukan atau input yang akan diolah oleh sistem sendiri ditangkap oleh alat berupa sensor atau kamera yang akan menangkap citra atau gambar dari objek yang akan diolah oleh aktuator.

Umumnya, kamera yang digunakan adalah kamera yang memiliki spesifikasi piksel yang tinggi serta mampu untuk menangkap gambar atau video dalam 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 piranti keras/hardware lainnya adalah sumber cahaya.[4]

Pengolahan Data

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 fuzzy/ kabur, serta algoritma genetik mulai digunakan. Sementara, untuk matriks, secara umum sistem visi mesin menggunakan metode seperti sobel dan Fre-Chen sebagai alat bantu analisis segmentasi dan deskripsi dari piksel.[5][6] Serta, untuk pengolahan citra atau gambar digunakan metode-metode pengambangan (thresholding). Pada bagian pengambangan ini, prinsip-prinsip statistik seperti histogram, distribusi normal, standar deviasi serta matriks digunakan di dalam analisis piksel sebagai salah satu metode dari interpretasi citra.[7][6]

Histogram sendiri digunakan di dalam analisis piksel dari citra atau gambar yang digunakan sebagai masukan/input dari sistem yang akan diolah piranti lunak.

 
Salah satu contoh hasil pengambangan pada bunga daisy (African Cape). Sistem visi mesin banyak menggunakan metode ini sebagai salah satu metode di dalam komputasinya.

Untuk prosesor atau komputer yang digunakan, pada era modern saat ini sudah banyak komputer dengan spesifikasi RAM dan memori yang cukup untuk melakukan prinsip pengambangan (thresholding) terutama komputer dengan prosesor terkini yang lebih cepat dalam frekuensi serta jumlah memori yang besar dengan ukuran yang kecil.

Output/Keluaran

Output yang dihasilkan dari sistem pengolahan data (pada umumnya RAM) bisa berupa citra atau output mekanik seperti pergerakan dan panas/kalor apabila aktuator atau penggarak tersebut digunakan di dalam sistem energi seperti di sistem pendinginan dan tata udara atau di pembangkit energi.

Aplikasi

Secara umum, sistem visi mesin tidak hanya digunakan di dalam industri tetapi juga digunakan di sistem lain seperti transportasi, pertanian, dan kesehatan.

 
Iris atau retina pelangi. Deteksi visi mesin dapat digunakan untuk mengklasifikasi permukaan iris yang berbeda pada setiap orang.

Aplikasi di Bidang Kesehatan

Deteksi iris mata[3]

Aplikasi di Bidang Pertanian

Penyeleksian tingkat kematangan buah[8][7]

Robot pemetik buah.[9][10]

Inspeksi ukuran biji/bulir.[11][6][12][13][14]

Inspeksi ukuran umbi.[15]

Inspeksi ukuran jamur.[16]

Aplikasi di Bidang Pangan

Inspeksi kematangan hasil roti.[17]

Aplikasi di Bidang Industri

Robotika Industri.[18]

Keausan peralatan manufaktur serta kekasaran permukaan.[5][19]

Inspeksi produk elektrik.[20][21]

Inspeksi hasil produksi.[22][23]

Inspeksi packing/kemasan.[24]

Inspeksi produk tekstil.[25]

Alat bantu di dalam pengelasan.[26][27]

Aplikasi di Bidang Energi

Analisis aliran fluida[28]

Robot pendeteksi kebocoran gas mudah terbakar (flammable gas).[29]

Aplikasi di Bidang Transportasi

Pendeteksi jalur kedatangan.[30]

Alat bantu kendaraan.[31]

Inspeksi kereta api.[32]

Aplikasi di Bidang Infrastruktur

Inspeksi jembatan.[33]

Bahan Bacaan

Beberapa bahan bacaan yang dapat dirujuk terkait sistem visi mesin:

  • Machine Vision (Jain, 1995) [34]
  • Machine Vision Volume 1 (Snyder, 2004)[35]
  • Machine Vision: Theory, Algorithms, Practicalities (Davies, 2005)[36]

Referensi

  1. ^ a b "Visi Komputer: Apa itu dan mengapa hal itu penting". www.sas.com (dalam bahasa in). Diakses tanggal 2022-01-26. 
  2. ^ a b "Sistem Visi | KEYENCE Indonesia". www.keyence.co.id. Diakses tanggal 2022-01-26. 
  3. ^ a b Wildes, Richard P.; Asmuth, Jane C.; Green, Gilbert L.; Hsu, Steven C.; Kolczynski, Raymond J.; Matey, James R.; McBride, Sterling E. (1996-01). "A machine-vision system for iris recognition". Machine Vision and Applications (dalam bahasa Inggris). 9 (1): 1–8. doi:10.1007/BF01246633. ISSN 0932-8092. 
  4. ^ "Designing a machine-vision system". spie.org. Diakses tanggal 2022-01-29. 
  5. ^ a b Kurada, S.; Bradley, C. (1997-04). "A machine vision system for tool wear assessment". Tribology International (dalam bahasa Inggris). 30 (4): 295–304. doi:10.1016/S0301-679X(96)00058-8. 
  6. ^ a b c Ureña, R; Rodrı́guez, F; Berenguel, M (2001-07). "A machine vision system for seeds quality evaluation using fuzzy logic". Computers and Electronics in Agriculture (dalam bahasa Inggris). 32 (1): 1–20. doi:10.1016/S0168-1699(01)00150-8. 
  7. ^ a b Patel, Krishna Kumar; Kar, A.; Jha, S. N.; Khan, M. A. (2012-04). "Machine vision system: a tool for quality inspection of food and agricultural products". Journal of Food Science and Technology (dalam bahasa Inggris). 49 (2): 123–141. doi:10.1007/s13197-011-0321-4. ISSN 0022-1155. PMC 3550871  . PMID 23572836. 
  8. ^ Blasco, J; Aleixos, N; Moltó, E (2003-08). "Machine Vision System for Automatic Quality Grading of Fruit". Biosystems Engineering (dalam bahasa Inggris). 85 (4): 415–423. doi:10.1016/S1537-5110(03)00088-6. 
  9. ^ Bulanon, D.M.; Kataoka, T.; Okamoto, H.; Hata, S. (2004-08). "Development of a real-time machine vision system for the apple harvesting robot". SICE 2004 Annual Conference. 1: 595–598 vol. 1. 
  10. ^ Baigvand, Mehrdad; Banakar, Ahmad; Minaei, Saeed; Khodaei, Jalal; Behroozi-Khazaei, Nasser (2015-11). "Machine vision system for grading of dried figs". Computers and Electronics in Agriculture (dalam bahasa Inggris). 119: 158–165. doi:10.1016/j.compag.2015.10.019. 
  11. ^ Vithu, P.; Moses, J.A. (2016-10). "Machine vision system for food grain quality evaluation: A review". Trends in Food Science & Technology (dalam bahasa Inggris). 56: 13–20. doi:10.1016/j.tifs.2016.07.011. 
  12. ^ Luo, X; Jayas, Ds; Symons, Sj (1999-07). "Identification of Damaged Kernels in Wheat using a Colour Machine Vision System". Journal of Cereal Science (dalam bahasa Inggris). 30 (1): 49–59. doi:10.1006/jcrs.1998.0240. 
  13. ^ Branson, Steve; Van Horn, Grant; Wah, Catherine; Perona, Pietro; Belongie, Serge (2014-02-20). "The Ignorant Led by the Blind: A Hybrid Human–Machine Vision System for Fine-Grained Categorization". International Journal of Computer Vision (dalam bahasa Inggris). doi:10.1007/s11263-014-0698-4. ISSN 0920-5691. 
  14. ^ Belan, Peterson Adriano; de Macedo, Robson Aparecido Gomes; Alves, Wonder Alexandre Luz; Santana, José Carlos Curvelo; Araújo, Sidnei Alves (2020-12). "Machine vision system for quality inspection of beans". The International Journal of Advanced Manufacturing Technology (dalam bahasa Inggris). 111 (11-12): 3421–3435. doi:10.1007/s00170-020-06226-5. ISSN 0268-3768. 
  15. ^ ElMasry, Gamal; Cubero, Sergio; Moltó, Enrique; Blasco, José (2012-09). "In-line sorting of irregular potatoes by using automated computer-based machine vision system". Journal of Food Engineering (dalam bahasa Inggris). 112 (1-2): 60–68. doi:10.1016/j.jfoodeng.2012.03.027. 
  16. ^ P. H. Heinemann; R. Hughes; C. T. Morrow; H. J. Sommer; Iii; R. B. Beelman; P. J. Wuest (1994). "Grading of Mushrooms Using a Machine Vision System". Transactions of the ASAE (dalam bahasa Inggris). 37 (5): 1671–1677. doi:10.13031/2013.28255. ISSN 2151-0059. 
  17. ^ Abdullah, Mohd Zaid; Aziz, Sabina Abdul; Mohamed, Abdul Manan (2000-03). "QUALITY INSPECTION OF BAKERY PRODUCTS USING A COLOR-BASED MACHINE VISION SYSTEM". Journal of Food Quality (dalam bahasa Inggris). 23 (1): 39–50. doi:10.1111/j.1745-4557.2000.tb00194.x. ISSN 0146-9428. 
  18. ^ Golnabi, H.; Asadpour, A. (2007-12). "Design and application of industrial machine vision systems". Robotics and Computer-Integrated Manufacturing (dalam bahasa Inggris). 23 (6): 630–637. doi:10.1016/j.rcim.2007.02.005. 
  19. ^ Luk, F; Huynh, V; North, W (1989-12). "Measurement of surface roughness by a machine vision system". Journal of Physics E: Scientific Instruments. 22 (12): 977–980. doi:10.1088/0022-3735/22/12/001. ISSN 0022-3735. 
  20. ^ Lahajnar, Franci; Bernard, Rok; Pernuš, Franjo; Kovačič, Stanislav (2002-01). "Machine vision system for inspecting electric plates". Computers in Industry (dalam bahasa Inggris). 47 (1): 113–122. doi:10.1016/S0166-3615(01)00134-8. 
  21. ^ Furferi, Rocco; Governi, Lapo; Puggelli, Luca; Servi, Michaela; Volpe, Yary (2019-06-13). "Machine Vision System for Counting Small Metal Parts in Electro-Deposition Industry". Applied Sciences (dalam bahasa Inggris). 9 (12): 2418. doi:10.3390/app9122418. ISSN 2076-3417. 
  22. ^ Kazanskiy, N. L.; Popov, S. B. (2010-03). "Machine vision system for singularity detection in monitoring the long process". Optical Memory and Neural Networks (dalam bahasa Inggris). 19 (1): 23–30. doi:10.3103/S1060992X10010042. ISSN 1060-992X. 
  23. ^ Wu, Yu; Lu, Yanjie (2019-09). "An intelligent machine vision system for detecting surface defects on packing boxes based on support vector machine". Measurement and Control (dalam bahasa Inggris). 52 (7-8): 1102–1110. doi:10.1177/0020294019858175. ISSN 0020-2940. 
  24. ^ Lenty, Bartosz (2019-11-06). Romaniuk, Ryszard S.; Linczuk, Maciej, ed. "Machine vision system for quality control of molded plastic packaging". Photonics Applications in Astronomy, Communications, Industry, and High-Energy Physics Experiments 2019. Wilga, Poland: SPIE: 77. doi:10.1117/12.2536697. ISBN 978-1-5106-3065-9. 
  25. ^ Çelik, H.İ.; Dülger, L.C.; Topalbekiroğlu, M. (2014-06-03). "Development of a machine vision system: real-time fabric defect detection and classification with neural networks". The Journal of The Textile Institute (dalam bahasa Inggris). 105 (6): 575–585. doi:10.1080/00405000.2013.827393. ISSN 0040-5000. 
  26. ^ Huang, Wei; Kovacevic, Radovan (2012-11). "Development of a real-time laser-based machine vision system to monitor and control welding processes". The International Journal of Advanced Manufacturing Technology (dalam bahasa Inggris). 63 (1-4): 235–248. doi:10.1007/s00170-012-3902-0. ISSN 0268-3768. 
  27. ^ Profil Dosen DTM - Dr. Ario Sunar Baskoro, S.T. , M.T. , M.Eng, diakses tanggal 2022-01-29 
  28. ^ Valenzuela-Delgado, Monica; Flores-Fuentes, Wendy; Bravo-Zanoguera, Miguel E.; Ortiz-Perez, Alejandro S.; Hernandez-Balbuena, Daniel; Rivas-Lopez, Moises; Sergiyenko, Oleg; Gonzalez-Navarro, Felix F. (2017-06). "Machine vision system to measuring the velocity field in a fluid by Particle Image Velocimetry: Special Case of Magnetohydrodynamics". 2017 IEEE 26th International Symposium on Industrial Electronics (ISIE). Edinburgh: IEEE: 1621–1625. doi:10.1109/ISIE.2017.8001489. ISBN 978-1-5090-1412-5. 
  29. ^ Rahardi, Gamma Aditya; Anam, Khairul; Chaidir, Ali Rizal; Larasati, Devita Ayu (2021-09-29). "Navigation System for Olfactory Mobile Robot by Using Machine Vision System" (dalam bahasa Inggris). 
  30. ^ Lee, Joon Woong (2002-04). "A Machine Vision System for Lane-Departure Detection". Computer Vision and Image Understanding (dalam bahasa Inggris). 86 (1): 52–78. doi:10.1006/cviu.2002.0958. 
  31. ^ Tsugawa, S. (Aug./1994). "Vision-based vehicles in Japan: machine vision systems and driving control systems". IEEE Transactions on Industrial Electronics. 41 (4): 398–405. doi:10.1109/41.303790. 
  32. ^ "A Machine Vision System for Monitoring Railcar Health: Preliminary Results, TD-04-008 - RailTEC" (dalam bahasa Inggris). Diakses tanggal 2022-01-29. 
  33. ^ Lee, Jeong Ho; Lee, Jong Min; Kim, Hyung Jin; Moon, Young Shik (2008-05). "Machine Vision System for Automatic Inspection of Bridges". 2008 Congress on Image and Signal Processing. 3: 363–366. doi:10.1109/CISP.2008.672. 
  34. ^ Jain, Ramesh (1995). Machine vision. Rangachar Kasturi, Brian G. Schunck. New York: McGraw-Hill. ISBN 0-07-032018-7. OCLC 31933939. 
  35. ^ Snyder, Wesley E. (2004). Machine vision. Hairong Qi. Cambridge, UK: Cambridge University Press. ISBN 0-521-83046-X. OCLC 52216294. 
  36. ^ Davies, E. R. (2005). Machine vision : theory, algorithms, practicalities (edisi ke-3rd ed). Amsterdam: Elsevier. ISBN 978-0-08-047324-6. OCLC 162571652. 
Diperoleh dari "https://wiki-indonesia.club/w/index.php?title=Penglihatan_mesin&oldid=20357573"