Pemeriksaan presence/absence (ada/tidak ada) adalah bentuk paling sederhana dari inspeksi vision — tapi paling sering jadi penyebab komplain kalau lolos: komponen hilang, produk kosong dalam kemasan, atau bagian rakitan yang tidak terpasang. Satu spring yang hilang di komponen rem bukan cacat kosmetik; itu soal keselamatan.
Spring, klip, baut, seal, ring, tutup, atau produk itu sendiri dalam kemasan — ada atau tidak, pada setiap unit, dengan kriteria yang sama persis. Ini pemeriksaan paling dasar dan paling sering diminta: kemasan kosong atau komponen hilang yang lolos berarti komplain langsung dari pelanggan.
Terpasang di tempat yang benar, tidak terbalik, tidak miring melebihi toleransi — termasuk eyemark dan centering pada mesin pengemas.
Sistem memverifikasi rakitan atau kemasan yang lewat memang varian yang sedang dijadwalkan — sehingga part yang tertukar antar model ikut tertangkap.
Komponen yang tertutup di tahap akhir diperiksa di stasiun sebelumnya atau dari sudut lain; ketinggian komponen bisa diverifikasi kamera 3D.
Pattern matching dan edge detection mendeteksi kehadiran tiap spring dan klip di zona spesifik (ROI) rakitan rem — kriteria yang sama untuk setiap unit, tanpa terpengaruh kelelahan operator.
Memastikan posisi dan orientasi eyemark pada tube sebelum proses sealing — tube yang miring atau terbalik ditolak sebelum disegel.
Kehadiran dan posisi komponen adalah kriteria yang jelas: ada/tidak, di dalam/di luar toleransi. Pattern matching menyelesaikannya dengan cepat, deterministik, dan hasilnya bisa dijelaskan ke auditor — tanpa perlu mengumpulkan ribuan sample. Deep learning baru kami tambahkan kalau permukaan komponennya juga harus diperiksa dari cacat. Rule-based vs deep learning →
Presence/absence adalah jenis inspeksi paling dasar dalam machine vision: memastikan sesuatu ada atau tidak ada pada tempat yang seharusnya — produk dalam kemasan (bukan kemasan kosong terkirim), komponen dalam rakitan (spring, klip, baut tidak hilang), atau tutup pada botol. Karena kriterianya biner (ada/tidak), ini biasanya diselesaikan dengan pattern matching sederhana — cepat, deterministik, dan mudah dijelaskan ke auditor tanpa perlu deep learning.
Bukan soal kemampuan, melainkan konsistensi. Pemeriksaan berulang sepanjang shift menurunkan ketelitian, dan komponen kecil yang terlewat sulit terlihat di antara rakitan yang tampak serupa. Sistem visual memeriksa setiap unit dengan kriteria yang sama persis — dan hasilnya terekam untuk audit.
Bisa, selama sisi depan dan belakang komponen punya perbedaan visual yang bisa dilihat kamera. Untuk komponen yang kedua sisinya nyaris identik, biasanya diperlukan sudut pandang tambahan, penataan pencahayaan khusus, atau — bila perbedaannya ada di ketinggian — kamera 3D.
Setiap varian disimpan sebagai konfigurasi terpisah dan sistem beralih mengikuti sinyal PLC atau pembacaan kode part. Sistem juga memverifikasi bahwa varian yang lewat memang yang dijadwalkan — sehingga part yang tertukar antar model ikut tertangkap, bukan hanya yang tidak lengkap.
Kirimkan sample rakitan lengkap dan yang tidak lengkap. Kami uji verifikasinya dan tunjukkan hasilnya sebelum Anda memutuskan.