Lompat ke isi

Penglihatan mesin

Ensiklopedia Pengetahuan Universitas Islam Sultan Agung
Revisi sejak 23 Agustus 2026 18.08 oleh Maintenance script (bicara | kontrib) (Presentation V4: sitasi, referensi, Math, Wikimedia Commons, dan atribusi)
Salah satu sistem penglihatan mesin yang dikembangkan oleh Omron (dahulu Automatix)

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]

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.[3][4] 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.

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.[5]

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.[6]

Metode

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).[7]

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.[8]

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.[9][10] 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.[11][12]

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

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.

Aplikasi

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

Aplikasi di Bidang Kesehatan

Aplikasi di Bidang Pertanian

Aplikasi di Bidang Perikanan

  • Inspeksi budidaya perikanan (aquaculture)[28]

Aplikasi di Bidang Pangan

Aplikasi di Bidang Industri

Aplikasi di Bidang Energi

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)[49]
  • Development of a Machine Vision System for Automated Structural Assembly (Sydow, 1992)[50]
  • Machine Vision (Jain, 1995) [51]
  • Understanding and Applying Machine Vision, Second Edition, Revised and Expanded (Zeuch, 2000)[52]
  • Machine Vision for the Inspection of Natural Products (Graves and Batchelor, 2003)[53]
  • Machine Vision Volume 1 (Snyder, 2004)[54]
  • Machine Vision: Theory, Algorithms, Practicalities (Davies, 2005)[55]
  • Handbook of Machine Vision (Hornberg, 2006)[56]
  • Issues on Machine Vision (Pieroni, 2014)[57]
  • Handbook of 3D Machine Vision: Optical Metrology and Imaging (Zhang, 2016)[58]
  • A Guide for Machine Vision in Quality Control (Anand and Priya, 2019)[59]

Referensi

  1. ↑ Penglihatan Komputer: Apa itu dan mengapa hal itu penting. www.sas.com.
  2. ↑ Sistem Penglihatan KEYENCE Indonesia. www.keyence.co.id.
  3. ↑ Penglihatan Komputer: Apa itu dan mengapa hal itu penting. www.sas.com.
  4. ↑ Sistem Penglihatan KEYENCE Indonesia. www.keyence.co.id.
  5. ↑ Machine Vision vs. Computer Vision—What’s the Difference?. Appen. 2021-05-31.
  6. ↑ StackPath. www.vision-systems.com.
  7. ↑ Richard P. Wildes. A machine-vision system for iris recognition. Machine Vision and Applications. 1996-01. Vol. 9 (1). hlm. 1–8. doi:10.1007/BF01246633.
  8. ↑ Designing a machine-vision system. spie.org.
  9. ↑ S. Kurada. A machine vision system for tool wear assessment. Tribology International. 1997-04. Vol. 30 (4). hlm. 295–304. doi:10.1016/S0301-679X(96)00058-8.
  10. ↑ R Ureña. A machine vision system for seeds quality evaluation using fuzzy logic. Computers and Electronics in Agriculture. 2001-07. Vol. 32 (1). hlm. 1–20. doi:10.1016/S0168-1699(01)00150-8.
  11. ↑ R Ureña. A machine vision system for seeds quality evaluation using fuzzy logic. Computers and Electronics in Agriculture. 2001-07. Vol. 32 (1). hlm. 1–20. doi:10.1016/S0168-1699(01)00150-8.
  12. ↑ Krishna Kumar Patel. Machine vision system: a tool for quality inspection of food and agricultural products. Journal of Food Science and Technology. 2012-04. Vol. 49 (2). hlm. 123–141. doi:10.1007/s13197-011-0321-4.
  13. ↑ Richard P. Wildes. A machine-vision system for iris recognition. Machine Vision and Applications. 1996-01. Vol. 9 (1). hlm. 1–8. doi:10.1007/BF01246633.
  14. ↑ Fares Jalled. Face Recognition Machine Vision System Using Eigenfaces. arXiv:1705.02782 [cs]. 2017-05-08.
  15. ↑ Robot performs first laparoscopic surgery without human help. ScienceDaily.
  16. ↑ Robot performs 1st laparoscopic surgery without human help. EurekAlert!.
  17. ↑ Krishna Kumar Patel. Machine vision system: a tool for quality inspection of food and agricultural products. Journal of Food Science and Technology. 2012-04. Vol. 49 (2). hlm. 123–141. doi:10.1007/s13197-011-0321-4.
  18. ↑ J Blasco. Machine Vision System for Automatic Quality Grading of Fruit. Biosystems Engineering. 2003-08. Vol. 85 (4). hlm. 415–423. doi:10.1016/S1537-5110(03)00088-6.
  19. ↑ D.M. Bulanon. Development of a real-time machine vision system for the apple harvesting robot. SICE 2004 Annual Conference. 2004-08. Vol. 1. hlm. 595–598 vol. 1.
  20. ↑ Mehrdad Baigvand. Machine vision system for grading of dried figs. Computers and Electronics in Agriculture. 2015-11. Vol. 119. hlm. 158–165. doi:10.1016/j.compag.2015.10.019.
  21. ↑ R Ureña. A machine vision system for seeds quality evaluation using fuzzy logic. Computers and Electronics in Agriculture. 2001-07. Vol. 32 (1). hlm. 1–20. doi:10.1016/S0168-1699(01)00150-8.
  22. ↑ P. Vithu. Machine vision system for food grain quality evaluation: A review. Trends in Food Science & Technology. 2016-10. Vol. 56. hlm. 13–20. doi:10.1016/j.tifs.2016.07.011.
  23. ↑ X Luo. Identification of Damaged Kernels in Wheat using a Colour Machine Vision System. Journal of Cereal Science. 1999-07. Vol. 30 (1). hlm. 49–59. doi:10.1006/jcrs.1998.0240.
  24. ↑ Steve Branson. The Ignorant Led by the Blind: A Hybrid Human–Machine Vision System for Fine-Grained Categorization. International Journal of Computer Vision. 2014-02-20. doi:10.1007/s11263-014-0698-4.
  25. ↑ Peterson Adriano Belan. Machine vision system for quality inspection of beans. The International Journal of Advanced Manufacturing Technology. 2020-12. Vol. 111 (11-12). hlm. 3421–3435. doi:10.1007/s00170-020-06226-5.
  26. ↑ Gamal ElMasry. In-line sorting of irregular potatoes by using automated computer-based machine vision system. Journal of Food Engineering. 2012-09. Vol. 112 (1-2). hlm. 60–68. doi:10.1016/j.jfoodeng.2012.03.027.
  27. ↑ P. H. Heinemann. Grading of Mushrooms Using a Machine Vision System. Transactions of the ASAE. 1994. Vol. 37 (5). hlm. 1671–1677. doi:10.13031/2013.28255.
  28. ↑ Mohammadmehdi Saberioon. Application of machine vision systems in aquaculture with emphasis on fish: state-of-the-art and key issues. Reviews in Aquaculture. 2017. Vol. 9 (4). hlm. 369–387. doi:10.1111/raq.12143.
  29. ↑ Mohd Zaid Abdullah. QUALITY INSPECTION OF BAKERY PRODUCTS USING A COLOR-BASED MACHINE VISION SYSTEM. Journal of Food Quality. 2000-03. Vol. 23 (1). hlm. 39–50. doi:10.1111/j.1745-4557.2000.tb00194.x.
  30. ↑ H. Golnabi. Design and application of industrial machine vision systems. Robotics and Computer-Integrated Manufacturing. 2007-12. Vol. 23 (6). hlm. 630–637. doi:10.1016/j.rcim.2007.02.005.
  31. ↑ S. Kurada. A machine vision system for tool wear assessment. Tribology International. 1997-04. Vol. 30 (4). hlm. 295–304. doi:10.1016/S0301-679X(96)00058-8.
  32. ↑ F Luk. Measurement of surface roughness by a machine vision system. Journal of Physics E: Scientific Instruments. 1989-12. Vol. 22 (12). hlm. 977–980. doi:10.1088/0022-3735/22/12/001.
  33. ↑ Franci Lahajnar. Machine vision system for inspecting electric plates. Computers in Industry. 2002-01. Vol. 47 (1). hlm. 113–122. doi:10.1016/S0166-3615(01)00134-8.
  34. ↑ Rocco Furferi. Machine Vision System for Counting Small Metal Parts in Electro-Deposition Industry. Applied Sciences. 2019-06-13. Vol. 9 (12). hlm. 2418. doi:10.3390/app9122418.
  35. ↑ N. L. Kazanskiy. Machine vision system for singularity detection in monitoring the long process. Optical Memory and Neural Networks. 2010-03. Vol. 19 (1). hlm. 23–30. doi:10.3103/S1060992X10010042.
  36. ↑ Yu Wu. An intelligent machine vision system for detecting surface defects on packing boxes based on support vector machine. Measurement and Control. 2019-09. Vol. 52 (7-8). hlm. 1102–1110. doi:10.1177/0020294019858175.
  37. ↑ Bartosz Lenty. Machine vision system for quality control of molded plastic packaging. Photonics Applications in Astronomy, Communications, Industry, and High-Energy Physics Experiments 2019. SPIE. 2019-11-06. hlm. 77. doi:10.1117/12.2536697. ISBN 978-1-5106-3065-9.
  38. ↑ H.İ. Çelik. Development of a machine vision system: real-time fabric defect detection and classification with neural networks. The Journal of The Textile Institute. 2014-06-03. Vol. 105 (6). hlm. 575–585. doi:10.1080/00405000.2013.827393.
  39. ↑ Wei Huang. Development of a real-time laser-based machine vision system to monitor and control welding processes. The International Journal of Advanced Manufacturing Technology. 2012-11. Vol. 63 (1-4). hlm. 235–248. doi:10.1007/s00170-012-3902-0.
  40. ↑ Profil Dosen DTM - Dr. Ario Sunar Baskoro, S.T. , M.T. , M.Eng.
  41. ↑ Tushar Jain. Unmanned machine vision system for automated recognition of mechanical parts. International Journal of Intelligent Unmanned Systems. 2018-10-08. Vol. 6 (4). hlm. 184–196. doi:10.1108/IJIUS-03-2018-0008.
  42. ↑ Monica Valenzuela-Delgado. 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). IEEE. 2017-06. hlm. 1621–1625. doi:10.1109/ISIE.2017.8001489. ISBN 978-1-5090-1412-5.
  43. ↑ Gamma Aditya Rahardi. Navigation System for Olfactory Mobile Robot by Using Machine Vision System. 2021-09-29.
  44. ↑ Joon Woong Lee. A Machine Vision System for Lane-Departure Detection. Computer Vision and Image Understanding. 2002-04. Vol. 86 (1). hlm. 52–78. doi:10.1006/cviu.2002.0958.
  45. ↑ S. Tsugawa. Vision-based vehicles in Japan: machine vision systems and driving control systems. IEEE Transactions on Industrial Electronics. Aug./1994. Vol. 41 (4). hlm. 398–405. doi:10.1109/41.303790.
  46. ↑ A Machine Vision System for Monitoring Railcar Health: Preliminary Results, TD-04-008 - RailTEC.
  47. ↑ Yongzhi Min. Real time detection system for rail surface defects based on machine vision. EURASIP Journal on Image and Video Processing. 2018-12. Vol. 2018 (1). hlm. 3. doi:10.1186/s13640-017-0241-y.
  48. ↑ Jeong Ho Lee. Machine Vision System for Automatic Inspection of Bridges. 2008 Congress on Image and Signal Processing. 2008-05. Vol. 3. hlm. 363–366. doi:10.1109/CISP.2008.672.
  49. ↑ Takeo Kanade. Three-Dimensional Machine Vision. Springer US. 1987. ISBN 978-1-4613-1981-8.
  50. ↑ P. Daniel Sydow. Development of a Machine Vision System for Automated Structural Assembly. National Aeronautics and Space Administration, Office of Management, Scientific and Technical Information Program. 1992.
  51. ↑ Ramesh Jain. Machine vision. McGraw-Hill. 1995. ISBN 0-07-032018-7.
  52. ↑ Nello Zuech. Understanding and applying machine vision. Marcel Dekker. 2000. ISBN 0-585-36290-4.
  53. ↑ Machine vision for the inspection of natural products. Springer. 2003. ISBN 1-85233-853-9.
  54. ↑ Wesley E. Snyder. Machine vision. Cambridge University Press. 2004. ISBN 0-521-83046-X.
  55. ↑ E. R. Davies. Machine vision : theory, algorithms, practicalities. Elsevier. 2005. ISBN 978-0-08-047324-6.
  56. ↑ Handbook of machine vision. Wiley-VCH. 2006. ISBN 3-527-40584-4.
  57. ↑ Issues on machine vision. Springer-Verlag. 1989. ISBN 978-3-7091-2830-5.
  58. ↑ Handbook of 3D machine vision : optical metrology and imaging. CRC Press, Taylor & Francis Group. 2013. ISBN 978-1-4398-7220-8.
  59. ↑ SHEILA. PRIYA, L. ANAND. A guide for machine vision in quality control. CRC Press. 2020. ISBN 978-1-000-75381-3.

Sumber dan atribusi

Konten artikel ini diadaptasi dari Wikipedia bahasa Indonesia, revisi 29579688 (2026-08-15T01:36:21Z), yang tersedia berdasarkan lisensi Creative Commons Atribusi-BerbagiSerupa (CC BY-SA). Gambar pada artikel ini bersumber dari Wikimedia Commons dan mengikuti ketentuan lisensi masing-masing berkas. Mohon gunakan konten dan media secara bijak serta sesuai dengan ketentuan lisensi yang berlaku.


Diperoleh dari "https://wiki.unissula.ac.id/index.php?title=Penglihatan_mesin&oldid=3612"