Integrasi Machine Vision dengan Jaringan Syaraf untuk IoT Industri Canggih

Korteks serebral adalah bagian otak yang memproses citra. Manusia memiliki korteks serebral terbesar dibandingkan mamalia lain. Keunggulan penglihatan ini adalah salah satu sifat evolutif yang memberikan manusia keuntungan atas hewan lain. Biolog evolutif mencoba mengungkap misteri di balik sifat ini, dan peneliti teknologi mencoba untuk mereplikasinya.

 

Figure 1. Sistem visi mesin di pabrik.

 

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 citra adalah subbagian penting dari bidang ini. Dengan menggunakan pengenalan citra, insinyur dapat mengklasifikasikan objek tanpa interaksi langsung manusia.

 

Jaringan Syaraf dan Visi Mesin

Dalam istilah sederhana, visi mesin bersamaan dengan algoritma atau jaringan syaraf adalah kemampuan komputer untuk melihat dan bertindak berdasarkan data. Citra diinputkan ke unit pemrosesan komputer dalam format digital untuk menganalisis, menafsirkan, dan bertindak berdasarkannya. Sebelum pengaturan ini, kita harus terlebih dahulu melatih sistem untuk mempelajari data.

 

Melatih Jaringan Syaraf dalam Visi Mesin

Jaringan syaraf adalah bidang lanjutan dari pembelajaran mesin. Mereka banyak digunakan untuk pengenalan citra dan tugas lain yang memerlukan kognisi kompleks. Langkah pertama untuk membangun jaringan syaraf buatan adalah melatih algoritma komputer dengan citra.

 

Figure 2. Contoh pelatihan algoritma dengan citra. Image used courtesy of Teledyne DALSA

 

Manusia diberi tugas untuk memberi label pada citra input berdasarkan algoritma belajar. Algoritma akan belajar sendiri untuk mengidentifikasi objek setelah dilatih pada dataset yang berlabel besar. Ilmuwan data dapat memiringkan model untuk meningkatkan kecepatan belajar dan parameter lain. Model lengkap dengan akurasi konsisten dapat diterapkan untuk aplikasi komersial.

Tapi dari mana kita mendapatkan data untuk melatih model?

 

Sumber Data untuk Visi Mesin

Visi mesin bersama dengan jaringan syaraf lebih kompleks dari sekadar mengidentifikasi citra. Ini juga kognisi spasial untuk mengenali objek 3D (tiga dimensi). Sumber untuk program visi mesin dapat berupa foto, video, atau bahkan feed kamera langsung. Dalam kasus semacam itu, kamera mengumpulkan citra atau video yang diinputkan ke algoritma.

Ada algoritma visi mesin yang mengambil bentuk input lainnya. Radar dan LiDAR dapat melacak objek di sekitar sensor. Output dari peralatan semacam itu bukan citra, tetapi koordinat dari berbagai objek di sekitarnya. Algoritma visi mesin juga dapat memproses informasi ini untuk mendapatkan pemahaman spasial. Kombinasi data LiDAR dan citra dari kamera juga dapat digunakan sebagai input ke algoritma visi mesin.

Visi mesin memiliki berbagai aplikasi industri dan non-industri. Aplikasi berkisar dari identifikasi dan navigasi hingga memberikan penglihatan pada buta.

 

Visi Mesin di Industri

Visi mesin atau visi komputer memiliki banyak aplikasi di industri. Karena masih dalam tahap awal, lebih banyak aplikasi industri diidentifikasi setiap harinya.

 

Figure 3. Sistem visi mesin memeriksa objek di pabrik.

 

Beberapa aplikasi yang diketahui meliputi:

• Mengurutkan produk
• Mengambil produk
• Pemeriksaan otomatis
• Pengenalan karakter optik
• Mengidentifikasi cacat
• Mengidentifikasi warna
• Deteksi gerakan
• Mengidentifikasi pola
• Jaminan kualitas
• Gerakan terpandu (kendaraan terpandu otomatis, atau AGV)
• Mobil tanpa sopir
• Membaca kode batang dan kode QR
• Pabrik gelap

 

Seiring meningkatnya penggunaan visi mesin, biaya untuk mengimplementasikan solusi semacam ini turun, dan aplikasi baru diidentifikasi. Misalnya, visi mesin dapat digunakan bersama dengan IIoT.

 

Keamanan

Keamanan manusia digunakan untuk mematrol tanah berbagai institusi. Namun, masalah umum adalah kelelahan yang dialami oleh personil tersebut saat melaksanakan tugas pada jam-jam ganjil. Visi mesin dengan IIoT dapat membantu.

Feed televisi sirkuit tertutup (CCTV) dari premis yang diamankan dapat dihubungkan dengan algoritma visi mesin. Algoritma akan terus memantau feed untuk aktivitas anomali. Setelah penindak atau aktivitas anomali lainnya terdeteksi, sistem dapat memicu alarm bagi penjaga manusia untuk memeriksa.

Ia juga dapat secara otomatis mengeksekusi protokol keamanan seperti menyambarkan pagar, menyebarkan duri di titik keluar, memberi tahu polisi, dll. Semua komunikasi akan terjadi melalui jaringan antara perangkat yang terhubung internet untuk mengeksekusi protokol apa pun.

 

Pabrik Kimia

Pabrik kimia berbahaya bagi karyawan manusia untuk bekerja. Akan bermanfaat jika proses dapat diotomatisasi. Contohnya, proses di pabrik kimia yang memerlukan bahan untuk mendidih sebelum panas dimatikan. Tanpa visi mesin, teknisi manusia harus menunggu dan mengamati proses.

 

Figure 4. Saluran ventilasi dan boiler pabrik kimia.

 

Dengan visi mesin, kamera dapat difokuskan pada larutan, dan jaringan syaraf yang dilatih untuk mendidih mendidih dapat mendeteksi apakah campuran sudah mulai mendidih. Setelah algoritma mendeteksi mendidih dalam larutan, ia dapat memicu bendera. Ini dikirim ke sistem komputasi pusat melalui jaringan. Sistem dirancang sehingga penerimaan sinyal ini akan memicu mekanisme untuk mematikan panas.

Dalam skenario semacam itu, manusia tidak perlu berada di pabrik menginap asap kimia untuk memantau proses. Visi mesin dan IIoT dapat mengotomatisasi seluruh proses. Dalam contoh khusus ini, sensor inframerah atau sensor deteksi suhu lainnya juga dapat digunakan untuk mendeteksi campuran yang mendidih.

 

Pabrik Gelap

Pabrik gelap, sebagai konsep, adalah perluasan pemanfaatan visi mesin, otomasi, dan kemampuan IIoT secara maksimal. Pabrik gelap adalah fasilitas manufaktur di mana tidak diperlukan operator manusia untuk menjalankan atau memantau operasi pabrik. Dengan kata lain, pabrik tidak perlu memiliki lampu, dan oleh karena itu, dapat beroperasi dalam kegelapan.

Dari pengiriman bahan baku hingga kemasan, produk akhir akan sepenuhnya diotomatisasi. Bahan baku akan diambil dan diurutkan dengan forklift dan lengan robot yang didukung oleh visi mesin. Tangan robot yang merakit berbagai bagian akan menggunakan visi mesin untuk mengidentifikasi di mana setiap bagian ditempatkan. AGV, yang menggunakan visi mesin untuk navigasi, menangani pengangkutan materi dalam pabrik.

Produk akhir diperiksa dan diuji dengan robot yang memiliki kemampuan visi mesin. Pengurutan produk cacat dan kemasan produk akhir juga menggunakan visi mesin.

Aplikasi seperti pabrik gelap dan proses kimia, untuk menyebut beberapa, dapat mendapat manfaat dari visi mesin. Algoritma ini dapat menjaga personel tetap aman, proses tetap aman, dan meningkatkan efisiensi. Jenis aplikasi apa yang Anda gunakan untuk visi mesin di lantai produksi Anda?