Pengertian computer vision, singkat
Computer vision adalah teknologi yang membuat komputer bisa "melihat": menangkap gambar lewat kamera, lalu mengenali objek, membaca teks, mengukur, atau menilai kondisi sesuatu dari gambar itu. Di baliknya ada dua pendekatan: aturan eksplisit (rule-based, misalnya mengukur tepi dan pola) dan kecerdasan buatan (AI) berbasis deep learning — umumnya convolutional neural network (CNN) yang belajar dari ribuan contoh gambar.
Contoh yang sering dikutip adalah aplikasi konsumen: Google Translate yang membaca teks lewat kamera ponsel, filter wajah, atau pengenalan wajah. Semuanya benar, tapi tidak banyak membantu kalau Anda pemilik pabrik yang ingin tahu: apa yang bisa dikerjakan computer vision di lini produksi saya? Di industri, penerapan ini disebut machine vision, dan kameranya sering disebut kamera AI atau vision AI.
Apa itu machine vision dan bagaimana cara kerjanya
Machine vision adalah penerapan computer vision di industri: sistem kamera vision dan software yang memeriksa produk secara otomatis di lini produksi, lalu mengambil keputusan lolos (OK) atau gagal (NG) untuk setiap unit. Bedanya dengan kamera CCTV, kamera vision tidak hanya merekam, tetapi menilai gambar dan memicu tindakan.
- Trigger: sensor mendeteksi produk tiba di posisi pemeriksaan.
- Ambil gambar: kamera industri memotret produk dengan lensa dan pencahayaan yang dipilih khusus untuk cacat yang dicari.
- Analisis: software vision memeriksa gambar, misalnya mengukur, membaca kode, menghitung, atau mencari cacat.
- Keputusan: hasilnya dibandingkan dengan kriteria, lalu ditetapkan OK atau NG.
- Aksi: hasil dikirim ke PLC untuk menolak produk, memisahkan ke jalur lain, atau mencatat data.
Komponen yang menyusunnya: kamera industri atau smart camera, lensa, pencahayaan, software inspeksi, serta integrasi ke PLC dan rejector. Jenis kameranya dibahas di kamera machine vision: jenis, fungsi, dan cara memilih.
Kegunaan machine vision di industri
Hampir semua penerapan machine vision masuk ke salah satu dari kelompok berikut:
| Kegunaan | Contoh di pabrik |
|---|---|
| Inspeksi cacat | Gores, retak, noda, segel bocor, cetakan rusak |
| Verifikasi kelengkapan | Tutup botol, komponen rakitan, isi kemasan |
| Membaca kode & teks | Barcode, Data Matrix, OCR tanggal kedaluwarsa dan nomor batch |
| Pengukuran | Dimensi, diameter, posisi, level isi |
| Menghitung & menyortir | Jumlah isi karton, sortir warna atau varian |
| Panduan robot | Menentukan posisi benda agar robot bisa mengambilnya |
Apa yang bisa dibantu machine vision di pabrik
- Memeriksa 100% produk, bukan sampling, dengan kriteria yang sama di setiap shift.
- Mengurangi cacat yang lolos ke pelanggan, sehingga komplain, retur, dan klaim berkurang.
- Mengikuti kecepatan lini yang terlalu cepat untuk diperiksa mata manusia.
- Mengalihkan operator dari pekerjaan memeriksa yang melelahkan ke pekerjaan lain.
- Menyediakan data dan traceability: setiap hasil inspeksi bisa disimpan per batch untuk audit dan analisis penyebab cacat.
- Menemukan masalah lebih awal: tren NG yang naik menjadi tanda ada proses yang mulai bergeser.
Machine vision juga punya batas. Ia hanya melihat permukaan yang terlihat kamera. Untuk kontaminasi logam di dalam produk dipakai metal detector, untuk benda asing atau isi di balik kemasan dipakai mesin X-ray, dan untuk berat dipakai checkweigher.
Contoh penerapan nyata
Berikut tujuh contoh dari proyek yang kami pasang sendiri di pabrik Indonesia.
1. Inspeksi botol minuman: level isi, tutup, dan segel
Pada lini bottling, kamera dengan backlight memeriksa tiap botol: isi kurang, tutup hilang atau miring, ring segel putus, dan segel terbuka — lima jenis cacat dalam satu jepretan, pada kecepatan penuh conveyor. Botol yang gagal langsung ditolak sebelum masuk karton. Lihat foto hasil deteksinya →
2. Deteksi lapisan UV coating pada kaleng sarden
Lapisan pelindung di dalam kaleng transparan — kaleng dengan dan tanpa coating terlihat identik di bawah cahaya biasa. Dengan pencahayaan UV, coating berpendar dan kamera bisa membedakannya. Contoh bagus bahwa keberhasilan computer vision sering ditentukan pencahayaan, bukan algoritma. Baca studi kasusnya →
3. Verifikasi kelengkapan komponen rem tromol
Di lini perakitan otomotif, kamera memastikan setiap spring dan klip terpasang di posisinya sebelum rakitan rem lanjut ke proses berikutnya. Satu komponen hilang di sini bukan cacat kosmetik — itu soal keselamatan. Baca studi kasusnya →
4. Membaca panel LCD speedometer (OCR)
Kamera memverifikasi segmen dan ikon panel instrumen sepeda motor menyala sesuai urutan uji, sekaligus membaca karakter yang tampil di layar — penerapan OCR yang sama dengan yang dipakai Google Translate, tapi untuk keputusan lolos/gagal produksi. Baca studi kasusnya →
5. Menghitung isi botol dalam kardus
Satu jepretan dari atas menghitung tutup botol di dalam karton terbuka dan menolak karton yang kurang isi — menggantikan hitung manual di akhir lini, tempat selisih biasanya baru ketahuan di gudang pelanggan. Kamera inspeksi kardus →
6. Inspeksi 360° ampul obat dengan unwrap image
Ampul berbentuk silinder, sehingga kamera biasa hanya melihat satu sisi. Dengan lensa 360°, seluruh keliling ampul tertangkap dalam satu frame, lalu software meng-unwrap citra melingkar itu menjadi strip lurus untuk dibaca barcode Data Matrix dan OCR-nya. Lihat video demonya →
7. Inspeksi sealing kemasan es krim dengan kamera thermal
Computer vision tidak harus memakai cahaya tampak. Kamera thermal melihat garis segel yang masih panas tepat setelah mesin sealer: segel sempurna tampak sebagai pita panas yang rata, sementara lubang atau lipatan muncul sebagai titik dingin. Cara kerjanya →
Pola yang sama di ketujuh contoh
- Pencahayaan menentukan — backlight, UV, dome light, atau thermal dipilih sesuai cacat yang dicari.
- AI dipakai kalau perlu, bukan selalu — kehadiran komponen dan dimensi cukup rule-based; cacat yang bentuknya bervariasi dan OCR cetakan buram memakai deep learning.
- Hasilnya keputusan, bukan sekadar gambar — setiap sistem mengirim pass/fail ke PLC untuk menolak produk otomatis.
Semua contoh di atas dikerjakan oleh Ornova Integra Solusi dengan Ornova Vision, software inspeksi berbasis AI yang kami kembangkan sendiri. Kalau Anda ingin tahu apakah produk Anda bisa diperiksa dengan cara serupa, kirimkan sample — kami uji dulu sebelum bicara penawaran. Cara kerja uji sample gratis →
Pertanyaan yang sering diajukan
Apa contoh penerapan computer vision dalam kehidupan nyata?
Contoh sehari-hari adalah face unlock pada smartphone, yaitu kamera mengenali wajah pemilik untuk membuka kunci layar. Contoh lain adalah pembaca plat nomor di gerbang parkir. Di industri, computer vision dipakai sebagai machine vision untuk memeriksa produk, membaca kode, dan mengukur dimensi secara otomatis.
Apa itu machine vision?
Machine vision adalah penerapan computer vision di industri: sistem kamera vision dan software yang memeriksa produk secara otomatis di lini produksi, lalu memutuskan OK atau NG untuk setiap unit dan mengirim hasilnya ke PLC untuk menolak, menyortir, atau mencatat produk.
Apa saja kegunaan machine vision di industri?
Kegunaan utamanya: inspeksi cacat, verifikasi kelengkapan, membaca barcode dan teks (OCR), pengukuran dimensi, menghitung dan menyortir produk, serta memandu robot. Manfaatnya antara lain pemeriksaan 100% produk dengan kriteria yang konsisten, cacat yang lolos ke pelanggan berkurang, dan data inspeksi tersimpan untuk traceability.
Apa contoh computer vision di industri manufaktur?
Contoh yang paling umum di pabrik: inspeksi botol (level isi, tutup, segel), deteksi cacat permukaan kaleng atau part logam, verifikasi kelengkapan rakitan, pembacaan kode kedaluwarsa dengan OCR, penghitungan isi kemasan, inspeksi 360° objek silinder seperti ampul, dan inspeksi sealing dengan kamera thermal. Semuanya bekerja real-time di lini produksi dan mengirim keputusan lolos/gagal ke PLC.
Apa itu kamera AI untuk pabrik?
Kamera AI (vision AI) adalah sistem kamera industri yang memakai kecerdasan buatan — umumnya deep learning — untuk menilai gambar produk, misalnya mendeteksi cacat yang bentuknya bervariasi atau membaca cetakan buram. Kameranya sendiri biasanya kamera industri standar; "AI"-nya ada di software. Tidak semua inspeksi butuh AI: untuk kriteria yang jelas seperti ada/tidaknya komponen, pendekatan rule-based lebih cepat dan lebih mudah divalidasi.
Siapa yang bisa membantu memasang machine vision di pabrik?
Ornova Integra Solusi, system integrator machine vision di Jakarta dengan tim berpengalaman lebih dari 15 tahun, mengerjakan sistem inspeksi dari uji sample, pemilihan kamera, lensa, dan pencahayaan, software inspeksi, sampai integrasi ke PLC di lini produksi.