AI & Image Processing

KNA membantu mengembangkan image processing dan computer vision untuk membaca informasi dari gambar atau video. Proyek dimulai dari objek, variasi kondisi, keputusan yang perlu diambil, dan kriteria hasil. Algoritma konvensional atau model AI dipilih berdasarkan masalah dan data, bukan karena setiap aplikasi harus menggunakan AI.

• Deteksi, klasifikasi, counting, keberadaan, orientasi, dan pemeriksaan assembly.
• Inspeksi cacat, permukaan, bentuk, serta perbedaan produk sesuai sampel yang tersedia.
• OCR, barcode, QR code, label, nomor seri, dan tanggal produksi.
• Pengukuran dimensi, diameter, jarak, dan geometri dengan kalibrasi yang sesuai.

Kualitas gambar menentukan informasi yang dapat diproses. Kamera, lensa, pencahayaan, jarak, field of view, exposure, gerakan objek, dan posisi pemasangan dirancang sebagai satu sistem. Perubahan cahaya, refleksi, bayangan, blur, atau variasi produk dapat memengaruhi hasil.

Area-scan, line-scan, smart camera, thermal camera, lensa telecentric, atau frame grabber dapat dipertimbangkan sesuai aplikasi. Pemilihan alat mengikuti ketelitian, kecepatan, lingkungan, biaya, serta kebutuhan integrasi.

Tahapan dapat meliputi enhancement, filtering, segmentasi, edge detection, feature extraction, transformasi, serta pengambilan keputusan. Untuk model AI, diperlukan contoh yang mewakili variasi kondisi dan label yang sesuai. Data pengujian dipisahkan agar evaluasi tidak hanya mengukur kemampuan pada contoh yang sudah dipelajari.

OpenCV, MATLAB, HALCON, VisionPro, NI Vision, atau SDK kamera dapat digunakan sesuai fungsi, lisensi, dan platform. Sistem dapat berjalan pada industrial PC, embedded device, atau platform lain yang memenuhi kebutuhan pemrosesan.

Kriteria evaluasi mencakup kemampuan deteksi, kesalahan terima atau tolak, cycle time, pengulangan pengukuran, dan ketahanan terhadap variasi kondisi. Target ditentukan menggunakan sampel serta proses yang representatif. Angka akurasi tidak dijanjikan sebelum data, metode, dan kondisi pengujian tersedia.

Hasil dapat dihubungkan ke PLC, controller, aktuator, database, atau dashboard. Interface, waktu respons, status error, dan tindakan ketika hasil tidak pasti perlu didefinisikan agar keputusan vision dapat digunakan oleh sistem lain.

Kirim contoh objek baik dan bermasalah, foto atau video kondisi proses, ukuran objek, kecepatan, posisi kamera yang memungkinkan, serta keputusan yang diharapkan. Sebutkan sistem yang perlu menerima hasil. Studi awal atau prototipe dapat digunakan untuk menguji kelayakan sebelum implementasi lebih luas.

Kebutuhan 3D, stereo vision, thermal inspection, dan edge vision dapat dievaluasi untuk aplikasi khusus. Lingkup akhirnya mengikuti bukti pengujian, kebutuhan operasi, dan sumber daya yang tersedia.