Pengertian Machine Vision, Penggunaan, Penerapan dan Metodenya


Berikut adalah pengertian machine vision, penggunaan teknologi machine vision, penerapan machine vision dan metode machine vision.

A. PENGERTIAN MACHINE VISION
Machine Vision (VM) adalah teknologi dan metode yang digunakan untuk menyediakan inspeksi dan analisis berbasis gambar otomatis untuk aplikasi seperti inspeksi otomatis, kontrol proses, dan panduan robot di industri.

B. PENGGUNAAN TEKNOLOGI MACHINE VISION
Contoh penggunaan teknologi Machine Vision untuk inspeksi otomatis berbasiskan image, misalnya pada:
  1. Pengontrolan proses industri
  2. Pendeteksi nomor plat kendaraan
  3. Wood quality inspection
  4. Final inspection of sub-assemblies
  5. Engine part inspection
  6. Label inspection on products
  7. Checking medical devices for defects
  8. 3D model building (photogrammetry)
  9. Robot Vision
  10. Surveillance (monitor penyusup, analisa trafik jalan tol dan lainnya)
  11. Interaksi manusia dan robot (Human Robot Interaction)

C. PENERAPAN COMPUTER VISION
Computer Vision menerapkan pengolahan citra digital untuk menerapkan algoritma komputer untuk pengolahan citra menjadi citra digital.

Pemrosesan citra adalah proses mengubah citra 2D menggunakan deteksi tepi, transformasi Fourier, atau teknik peningkatan untuk mendapatkan keluaran citra 2D yang diinginkan (misalnya, penghalusan citra).

D. METODE MACHINE VISION
Metode Machine Vision, diantaranya:
  1. Stitching/Registration Menggabungkan gambar 2D atau 3D yang berdekatan.
  2. Penyaringan (misalnya penyaringan morfologis).
  3. Thresholding Thresholding dimulai dengan pengaturan atau penentuan nilai keabuan, yang berguna untuk langkah-langkah selanjutnya. Nilai ini kemudian digunakan untuk memisahkan bagian-bagian gambar dan terkadang mengubah bagian mana pun dari gambar menjadi hitam putih tergantung apakah nilainya di bawah atau di atas nilai skala abu-abu.
  4. Penghitungan piksel menghitung jumlah piksel terang atau gelap.
  5. Segmentasi Memecah citra digital menjadi segmen-segmen untuk menyederhanakan penyajian citra dan/atau mengubahnya menjadi sesuatu yang lebih bermakna dan lebih mudah dianalisis.
  6. Lukisan
  7. Deteksi tepi menemukan tepi objek.
  8. Analisis Warna Gunakan warna untuk mengidentifikasi bagian, produk, dan item, menilai kualitas warna, dan menggunakan warna untuk mengisolasi fitur.
  9. Penemuan & manipulasi gumpalan memeriksa gambar untuk gumpalan diskrit dari piksel yang terhubung (misalnya lubang hitam di objek abu-abu) sebagai penanda gambar. Gumpalan ini sering mewakili target optik untuk permesinan, penangkapan robot, atau kegagalan manufaktur.
  10. Pengenalan pola termasuk pencocokan template. Menemukan, mencocokkan, dan/atau menghitung pola tertentu. Ini mungkin termasuk lokasi objek yang dapat diputar, sebagian disembunyikan oleh objek lain, atau ukurannya bervariasi.
  11. Pembacaan Barcode, Data Matrix dan "2D barcode"

Output yang umum dari Machine Vision adalah keputusan lulus/gagal.