Korteks serebral adalah bagian otak yang memproses gambar. Manusia memiliki korteks serebral terbesar dibandingkan mamalia lainnya. Visi superior ini adalah salah satu ciri evolusi yang memberi manusia keunggulan atas hewan lain. Ahli biologi evolusioner mencoba mengungkap misteri di balik sifat ini, dan peneliti teknologi mencoba menirunya.
Manusia belajar melalui pengalaman dan latihan. Pembelajaran mesin adalah bidang kecerdasan buatan (AI) yang mencoba membuat komputer meniru cara otak manusia belajar. Pengenalan dan pemrosesan gambar merupakan subbagian penting dari bidang ini. Dengan menggunakan pengenalan gambar, para insinyur dapat mengklasifikasikan objek tanpa interaksi manusia secara langsung.
Secara sederhana, visi mesin dalam hubungannya dengan algoritme atau jaringan saraf adalah kemampuan komputer untuk melihat dan bertindak berdasarkan data. Gambar diumpankan ke unit pemrosesan komputer dalam format digital untuk menganalisis, menafsirkan, dan bertindak berdasarkan itu. Sebelum penyiapan ini, pertama-tama kita harus melatih sistem untuk mempelajari data.
Jaringan saraf adalah area lanjutan dari pembelajaran mesin. Mereka banyak digunakan untuk pengenalan gambar dan tugas-tugas lain yang membutuhkan kognisi kompleks. Langkah pertama untuk membangun jaringan syaraf tiruan adalah melatih algoritma komputer dengan gambar.
Manusia ditugaskan untuk memberi label pada gambar input berdasarkan yang dipelajari oleh algoritme. Algoritme akan belajar dengan sendirinya untuk mengidentifikasi objek setelah dilatih pada kumpulan data berlabel besar. Ilmuwan data dapat memiringkan model untuk meningkatkan kecepatan belajar dan parameter lainnya. Model lengkap dengan akurasi yang konsisten dapat diterapkan untuk aplikasi komersial.
Tapi dari mana kita mendapatkan data untuk melatih model?
Visi mesin yang digabungkan dengan jaringan saraf lebih kompleks daripada sekadar mengidentifikasi gambar. Ini juga merupakan kognisi spasial untuk mengenali objek 3D (tiga dimensi). Sumber untuk program visi mesin dapat berupa foto, video, atau bahkan umpan kamera langsung. Dalam kasus seperti itu, kamera mengumpulkan gambar atau video yang diumpankan ke algoritme.
Ada algoritma visi mesin yang mengambil bentuk input lain. Radar dan LiDAR dapat melacak objek di sekitar sensor. Output dari peralatan tersebut bukanlah gambar, tetapi koordinat dari berbagai objek di sekitarnya. Algoritme penglihatan mesin juga dapat memproses informasi ini untuk mendapatkan pemahaman spasial. Kombinasi data LiDAR dan gambar dari kamera juga dapat digunakan sebagai input ke algoritme visi mesin.
Visi mesin memiliki berbagai aplikasi industri dan non-industri. Aplikasinya berkisar dari identifikasi dan navigasi hingga memberikan penglihatan kepada orang buta.
Visi mesin atau visi komputer memiliki banyak aplikasi di industri. Karena masih dalam tahap baru lahir, lebih banyak aplikasi industri diidentifikasi setiap harinya.
Beberapa aplikasi yang dikenal meliputi:
Saat penggunaan visi mesin meningkat, biaya penerapan solusi tersebut turun, dan aplikasi baru diidentifikasi. Misalnya, visi mesin dapat digunakan bersama dengan IIoT.
Keamanan manusia digunakan untuk berpatroli dengan alasan berbagai institusi. Namun masalah yang umum terjadi adalah kelelahan yang dialami oleh personel tersebut saat melakukan tugas pada jam-jam ganjil. Visi mesin dengan IIoT dapat membantu.
Umpan televisi sirkuit tertutup (CCTV) dari tempat yang diamankan dapat dikaitkan dengan algoritme penglihatan mesin. Algoritme akan terus memantau umpan untuk aktivitas anomali. Setelah penyusup atau aktivitas anomali lainnya terdeteksi, sistem dapat memicu alarm untuk diperiksa oleh penjaga manusia.
Itu juga dapat secara otomatis menjalankan protokol keamanan seperti menyetrum pagar, memasang paku di titik keluar, memberi tahu polisi, dll. Semua komunikasi akan terjadi melalui jaringan antara perangkat yang mendukung internet untuk menjalankan protokol apa pun.
Pabrik kimia berbahaya bagi karyawan manusia untuk bekerja. Akan bermanfaat jika prosesnya dapat diotomatisasi. Ambil contoh, sebuah proses di pabrik kimia yang membutuhkan bahan untuk mendidih sebelum panas dimatikan. Tanpa visi mesin, teknisi manusia harus menunggu dan mengamati prosesnya.
Dengan penglihatan mesin, kamera dapat fokus pada solusi, dan jaringan saraf yang terlatih untuk mendeteksi bisul dapat mendeteksi jika campuran sudah mulai mendidih. Setelah algoritme mendeteksi mendidih dalam solusi, itu dapat memicu bendera. Ini dikirim ke sistem komputasi pusat melalui jaringan. Sistem dirancang agar penerimaan sinyal ini akan memicu mekanisme untuk mematikan panas.
Dalam skenario seperti itu, manusia tidak harus berada di pabrik menghirup asap kimia untuk memantau prosesnya. Visi mesin dan IIoT dapat mengotomatiskan proses lengkap. Dalam contoh khusus ini, inframerah atau sensor pendeteksi suhu lainnya juga dapat digunakan untuk mendeteksi campuran yang mendidih.
Pabrik gelap, sebagai sebuah konsep, adalah perpanjangan dari pemanfaatan visi mesin, otomatisasi, dan kemampuan IIoT secara maksimal. Pabrik gelap adalah fasilitas manufaktur di mana tidak ada operator manusia yang diperlukan untuk menjalankan atau memantau operasi pabrik. Intinya, pabrik tidak perlu memiliki lampu, sehingga dapat beroperasi dalam gelap.
Dari pengiriman bahan mentah hingga pengemasan, produk akhir akan sepenuhnya otomatis. Bahan baku akan diambil dan disortir dengan forklift dan lengan robot yang dibantu dengan penglihatan mesin. Tangan robot yang merakit berbagai bagian akan menggunakan visi mesin untuk mengidentifikasi ke mana setiap bagian pergi. AGV, yang menggunakan visi mesin untuk bernavigasi, menangani pengangkutan material di dalam pabrik.
Produk jadi diperiksa dan diuji dengan robot yang digabungkan dengan kemampuan penglihatan mesin. Menyortir produk yang cacat dan mengemas produk jadi juga menggunakan visi mesin.
Aplikasi seperti pabrik gelap dan proses kimia, untuk beberapa nama, bisa mendapatkan keuntungan dari visi mesin. Algoritmenya dapat menjaga personel tetap aman, proses aman, dan meningkatkan efisiensi. Jenis aplikasi apa yang Anda gunakan untuk visi mesin di lantai toko Anda?
Robot industri
Bayangkan sebuah dunia di mana peringatan dikirim ke telepon Anda jika sebuah teknologi di dalam pabrik Anda tidak berfungsi atau memerlukan perbaikan. Di dunia ini, sistem di dalam pabrik Anda juga dapat beralih antara membuat satu produk ke produk lain dengan cepat dan mulus. Sistem otomasi yang b
Marissa Tucker dari Parker Hannifin berbicara dengan Editor Senior Patrick Waurzyniak Marissa, apa peran pengontrol gerakan di Industrial Internet of Things [IIoT], dan perangkat lunak apa yang terlibat? Saya akan mengambil langkah di luar pengontrol gerakan dan mengatakan bahwa pengontrol otomat
“Duo dinamis” berikutnya mungkin tidak melibatkan manusia sama sekali. “Visi mesin dan robot menghasilkan perkawinan yang sempurna,” kata Klas Bengtsson, manajer produk global, sistem visi untuk ABB Robotics (Auburn Hills, MI). Ini bukan hal baru. Visi dan robotika telah berjalan seiring selama bert
Dulu mereka buta, tapi sekarang mereka bisa melihat. Peningkatan akurasi sistem panduan visi memastikan peningkatan akurasi robot. Meskipun penglihatan tidak membuat robot sadar diri, hal itu memberi mereka kemampuan untuk menemukan bagian yang akan diambil, menentukan di mana harus memasang las, me
