Selama puluhan tahun, Machine Vision berbasis aturan (rule-based) telah mendominasi pabrik. Namun, ada tantangan yang sulit dipecahkan dengan logika matematika biasa, seperti mendeteksi goresan halus pada permukaan tekstur kayu atau membedakan cacat asli dengan variasi alami produk. OPT SmartVision dengan Deep Learning hadir sebagai solusinya.
1. Apa itu Deep Learning dalam Machine Vision?
Berbeda dengan algoritma standar yang memerlukan instruksi spesifik (“Cari garis sepanjang 5mm”), Deep Learning belajar dari contoh. Kita cukup memberikan ratusan gambar produk “OK” dan produk “NG”, lalu sistem akan membangun model pemahamannya sendiri.
- Hasilnya: Kamera bisa mendeteksi cacat yang bentuknya tidak teratur dan tidak terduga, persis seperti mata operator manusia yang berpengalaman.
2. Segmentasi & Klasifikasi Cacat yang Kompleks
SmartVision bertenaga AI mampu melakukan tugas yang sebelumnya dianggap mustahil:
- Defect Segmentation: Menandai area cacat dengan presisi meskipun berada di atas latar belakang yang sangat kompleks (misalnya retakan pada permukaan cor beton atau kain).
- Classification: Tidak hanya mendeteksi ada cacat, AI bisa mengategorikan apakah itu “Goresan”, “Noda”, atau “Penyok”, sehingga departemen produksi tahu bagian mana dari mesin yang harus diperbaiki.
3. OCR Berbasis AI (Robust OCR)
Membaca kode pada permukaan yang kasar, berkarat, atau terbungkus plastik yang memantulkan cahaya sering kali gagal dengan OCR biasa.
- AI Power: Deep Learning pada SmartVision mampu mengenali karakter meskipun sebagian tertutup noda atau tercetak miring, karena ia mengenali “konsep” huruf tersebut, bukan sekadar bentuk pikselnya.
4. Pengurangan “False Rejects” (Salah Sortir)
Masalah terbesar di pabrik adalah ketika barang bagus dianggap rusak karena adanya variasi alami (misalnya urat kayu yang berbeda atau pantulan cahaya yang tidak rata).
- Solusi AI: Deep Learning sangat toleran terhadap variasi yang tidak relevan. Ia hanya akan memberikan sinyal “NG” pada cacat yang benar-benar memengaruhi kualitas, sehingga efisiensi produksi meningkat drastis.
5. Pelatihan Mandiri (Self-Training) di Lapangan
Dengan antarmuka OPT yang ramah pengguna, teknisi di pabrik bisa melatih ulang model AI tanpa perlu menjadi ahli koding. Cukup ambil gambar produk baru, beri label, dan sistem akan meng-update otaknya secara otomatis.
Perbandingan: Vision Tradisional vs AI Deep Learning
| Fitur | Vision Tradisional (Rule-based) | AI Deep Learning (Learning-based) |
| Logika | Matematika & Geometri Kaku | Jaringan Saraf Tiruan (Neural Networks) |
| Kekuatan | Pengukuran Dimensi Presisi | Deteksi Cacat Kosmetik & Tekstur |
| Persiapan | Setting Parameter Manual yang Rumit | Pelatihan dengan Sampel Gambar |
| Variasi Objek | Sulit Menangani Variasi Alami | Sangat Adaptif terhadap Perubahan |