Apa itu Vision Counting? Bagaimana AI menghitung produk menggunakan kamera?
Tim insinyur Inspektion · Diterbitkan 7 September 2026 · Terakhir diperbarui 14 Oktober 2026
Disusun ulang dari artikel sebelumnya, pertama kali diterbitkan Mei 2025
Vision Counting menggunakan kamera dan AI untuk menghitung benda kerja daripada mata manusia atau sensor lama, mengurangi kesalahan penghitungan dan memberikan laporan langsung bagi pengurus pabrik untuk membuat keputusan lebih cepat
Ringkasan
- Vision Counting adalah penggunaan kamera untuk memotret benda kerja, lalu AI menghitung jumlahnya sebagai pengganti tenaga manusia atau sensor penghitung konvensional.
- Cocok untuk benda kerja yang bentuknya beragam atau tersusun tidak teratur, kondisi ketika sensor penghitung konvensional bekerja kurang akurat.
- Pilih pemrosesan citra atau model deteksi objek sesuai karakteristik benda kerja, serta uji kecepatan dan akurasinya sebelum digunakan.
- Inspektion telah benar-benar mengembangkan sistem semacam ini dalam beberapa proyek, baik penghitungan benda kerja di lini produksi maupun penghitungan titik berwarna gelap pada bubuk putih di dalam baki.
Apa itu Vision Counting?
Apa itu Vision Counting?
Vision Counting adalah penggunaan kamera untuk memotret benda kerja di lini produksi, lalu program pemrosesan citra atau AI menganalisisnya untuk menghitung jumlah benda kerja secara otomatis, sebagai pengganti penghitungan dengan mata manusia atau sensor penghitung konvensional (misalnya sensor cahaya through-beam).
Mengapa pabrik perlu memperhatikannya
Penghitungan jumlah produk merupakan tahap penting yang memengaruhi pengelolaan stok, perencanaan kapasitas produksi, dan pelaporan hasil kepada manajemen. Metode penghitungan konvensional (penghitungan oleh manusia atau sensor cahaya through-beam) memiliki kelemahan, yaitu mudah salah hitung ketika benda kerja bertumpuk, bentuknya beragam, atau kecepatan konveyor tinggi. Vision Counting mengatasi masalah ini dengan membuat AI "melihat" dan membedakan setiap benda kerja dari citra sebenarnya.
Bagaimana AI menghitung benda kerja
- YOLO (You Only Look Once) — membagi citra menjadi kisi, lalu mendeteksi posisi semua objek dalam satu citra secara real-time [1]
- Faster R-CNN — mengusulkan kotak posisi objek dengan akurasi lebih tinggi, cocok untuk pekerjaan yang lebih mengutamakan ketelitian daripada kecepatan [2]
- Setelah objek terdeteksi, sistem akan menghitung jumlah yang bergerak melintasi garis referensi pada citra atau merangkum jumlah total dalam bingkai, lalu mengirimkannya ke dasbor atau platform pemantauan hasil.
Contoh pekerjaan nyata kami
Kami merancang dan memasang sistem penghitung benda kerja dengan kamera (Machine Vision Counter) beserta set pencahayaan khusus untuk pabrik manufaktur umum, serta mengembangkan sistem penghitungan titik berwarna gelap pada bubuk putih berbasis citra — lihat detailnya di Sistem Penghitung Benda Kerja dengan Machine Vision Counter dan Sistem Penghitungan Titik Berwarna Gelap pada Bubuk Putih Berbasis Citra. Selain itu, kamera Task Cam dalam mode Sequential juga dapat menghitung jumlah benda kerja yang selesai dikerjakan sekaligus memeriksa urutan kerja.
Pertanyaan yang Sering Diajukan
Seberapa jauh Vision Counting lebih akurat dibandingkan sensor penghitung konvensional?
Tergantung pada karakteristik benda kerja dan kondisi di setiap lokasi — benda kerja yang bentuknya beragam atau tersusun tidak teratur biasanya memberikan hasil yang jelas lebih baik dibandingkan sensor konvensional. Tim kami menilai kesesuaiannya setelah melakukan survei langsung di lokasi.
Apakah konveyor atau struktur lini produksi perlu diubah?
Pada umumnya, kamera dapat ditambahkan ke lini yang ada tanpa perlu mengubah struktur, kecuali pada beberapa kasus yang memerlukan tambahan set pencahayaan khusus.
Apakah dapat digunakan untuk benda kerja yang bergerak sangat cepat?
Perlu diuji dengan kecepatan aktual, jarak antarbenda kerja, pencahayaan, kamera, dan pemrosesan, baru kemudian cakupan yang dapat didukung dapat ditentukan.
Referensi
- [1]
You Only Look Once: Unified, Real-Time Object Detection — arXiv (Redmon et al., 2016)
- [2]
Faster R-CNN: Towards Real-Time Object Detection with Region Proposal Networks — arXiv (Ren et al., 2015)
- [3]
OpenCV Documentation — OpenCV.org
