Top Qs
Timeline
Obrolan
Perspektif

Penglihatan mesin

Dari Wikipedia, ensiklopedia bebas

Penglihatan mesin
Remove ads

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

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

Sebagai gambaran, penglihatan mesin mengandalkan piranti lunak untuk memroses gambar atau citra di mana salah satu peranti lunak yang umum digunakan di dalam memroses masukan dari penglihatan mesin adalah Matlab.[1][2] Kemudian, proses dari gambar atau citra tersebut akan digunakan untuk melakukan suatu tindakan atau eksekusi yang dilakukan oleh sebuah aktuator atau penggerak.

Aplikasi dari penglihatan 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.

Remove ads

Definisi

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.[3]

Sejarah

Awalnya, penerapan dari penglihatan mesin ini digunakan pada salah satu supermarket di New Jersey di mana saat itu makanan yang ditawarkan disortir (diseleksi) berdasarkan filter tertentu.[4]

Remove ads

Metode

Ringkasan
Perspektif
Thumb
Histogram adalah salah satu metode umum di dalam statistik yang digunakan dalam analisis citra sebagai salah satu penunjang sistem penglihatan mesin

Secara umum, penglihatan 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 atau kabur, vektor (terutama support vector machines), dan komputasi atau metode numerik serta fisika terutama sensor dan prinsip alat-alat optik serta kekuatan memori dari komputer (terkait RAM).[5]

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

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

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 perangkat keras (hardware) lainnya adalah sumber cahaya.[6]

Pengolahan Data

Di sini, data yang ditangkap oleh sensor (terutama citra), akan diolah secara matematik oleh peranti lunak. Pada bagian inilah kerja dari statistik, matriks, jaringan Bayesian, 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.[7][8] Selain itu, prinsip dari eigenvektor dan eigenvalue sendiri juga digunakan untuk analisis data. 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.[8][9]

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

Thumb
Salah satu contoh hasil pengambangan pada bunga daisy (African Cape). Sistem penglihatan 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 atau Keluaran

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

Remove ads

Aplikasi

Ringkasan
Perspektif

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

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

Aplikasi di Bidang Kesehatan

Aplikasi di Bidang Pertanian

Aplikasi di Bidang Perikanan

  • Inspeksi budidaya perikanan (aquaculture)[22]

Aplikasi di Bidang Pangan

Aplikasi di Bidang Industri

Aplikasi di Bidang Energi

  • Analisis aliran fluida[35]
  • Robot pendeteksi kebocoran gas mudah terbakar (flammable gas).[36]

Aplikasi di Bidang Transportasi

Aplikasi di Bidang Infrastruktur

Bahan Bacaan

Beberapa bahan bacaan yang dapat dirujuk terkait sistem penglihatan mesin:

  • Three-Dimensional Machine Vision (Kanade, 1987)[42]
  • Development of a Machine Vision System for Automated Structural Assembly (Sydow, 1992)[43]
  • Machine Vision (Jain, 1995) [44]
  • Understanding and Applying Machine Vision, Second Edition, Revised and Expanded (Zeuch, 2000)[45]
  • Machine Vision for the Inspection of Natural Products (Graves and Batchelor, 2003)[46]
  • Machine Vision Volume 1 (Snyder, 2004)[47]
  • Machine Vision: Theory, Algorithms, Practicalities (Davies, 2005)[48]
  • Handbook of Machine Vision (Hornberg, 2006)[49]
  • Issues on Machine Vision (Pieroni, 2014)[50]
  • Handbook of 3D Machine Vision: Optical Metrology and Imaging (Zhang, 2016)[51]
  • A Guide for Machine Vision in Quality Control (Anand and Priya, 2019)[52]
Remove ads

Referensi

Loading related searches...

Wikiwand - on

Seamless Wikipedia browsing. On steroids.

Remove ads