Deteksi Cacat Produk Kemasan Karton Lipat Pada Minuman Berbasis Computer Vision
Abstract
Kemasan memegang peranan penting pada sebuah produk minuman, baik sebagai wadah, pelindung juga sebagai alat pemasaran produk. Sebelum kemasan produk didistribusikan, perlu terlebih dahulu dilakukan pengecekan dan kepastian apakah kemasan tersebut terdapat kecacatan atau tidak. Sistem deteksi diarahkan menuju otomatiasai sebagai upaya mengurangi kesalahan jika deteksi dilakukan secara manual oleh manusia. Penggunaan computer vision dalam medeteksi cacat kemasan menggunakan algoritma SSIM dengan membandingkan citra referensi asli dengan citra uji. Dari hasil data, algoritma SSIM berhasil mendeteksi jika citra kemasan uji secara visual sama dengan citra kemasan referensi ditandai dengan nilai indeks 1. Sementara untuk citra kemasan uji dan citra kemasan referensi bernilai indeks dari 0,361 hingga 0,546.
References
Zulkarnain, dkk. (2023). “House of Quality sebagai Pengendalian Kualitas Produk pada Kemasan Karton Lipat. Jurnal Penelitian dan Aplikasi Sistem & Teknik Industri, vol. XVII, no.1
Yu, W & Yanjie, L. (2019). “ An Intelligent Machine Vision System for Detecting Surface Defects on Packing Boxes Based on Support Vector Machine”. Measurement Control, vol.52, hh.1102-1110
Nyky, A, Siti, R K & Nur, N J. (2017). “Faktor Yang Berhubungan Dengan Terjadinya Kelelahan Kerja Pada Pekerja PT.Kalla Kakao Industri Tahun 2017”, Jurnal Ilmiah Mahasiswa Kesehatan Masyarakat, vol. 2 no.6
Bambang, H, Widodo, H & Soebijanto,S. (2017). “Sikap, Beban Kerja dan Kelelahan Kerja Pada Pekerja Pabrik Produksi Alumunium di Yogyakarta”. BKM Journal of Community Medicine and Public Health, vol.33, no.4, hh.213-2018
Sri, K. (2019). “Rancang Bangun Penyeleksi Produk Cacat Minuman Kemasan”, ORBITH, vol.15, hh. 99-102
Christian, K, dkk. (2015). “ A review on computer vision based defect detection and condition assesment of concrete and asphalt civil infrastructure”. Advanced Engineering Informatics vol.29, hh.196-210.
Arthur, Z,C, Hugo, E,F & Juliana,A,F.(2020). “Computer vision based detection of external defect on tomatoes using deep learning”. Biosystems Engineering, vol.190, hh.131-144.
Jianjie, M. (2017). “Defect Detection and Recognition of Bare PCB Based on Computer Vision”. Proceedings of 36th Chinese Control Conference, Juli 26-28, China
Li, X, Mao, W & Jiang, W. (2015). “Image Recognition for Steel Ball`s Surface Quality Detection Based on Kernel Extreme Learning Machine”. Proceedings of 34th Chinese Control Conference, Juli 28-30, China.
Agma, T, M, Duman, C K, Komang, O, S. (2020). “Rancang Bangun Apikasi Pencarian Slot Parkir Kosong Untuk Kendaraan Roda Empat Dengan Pendekatan Computer Vision”. Jurnal SPEKTRUM, vol.7, no.1.
Jörg, H. (2010). Optical Sensors:Basic and Applications. WILEY-VCH.
Illya, B, dkk. (2021). “Structural Similarity Index (SSIM) Revisited: a Data-Driven Approach. Expert System with Application, vol 189
Marian, M,A, dkk. (2021). “Detection of a Surface Defect on an Engine Block Using Computer Vision”. 22nd Intenational Carpathian Control Conference(ICCC), Czech Republic
Halim, B, S, Ema, U & Anggit, D, H. (2020). “Tinjauan Literatur Sistematik Tentang Structural Similarity Index Measure Untuk Deteksi Anomali Gambar”, Creative Information Technology Journal, vol.7, no.2.
Louis, M, dkk. (2023). “Perbandingan Algoritma Sobel dan Canny Untuk Deteksi Tepi Citra Daun Lidah Buaya”. Jurnal Ilmiah Komputer dan Informatika, vol.12, no.2
Downloads
Published
How to Cite
Issue
Section
Citation Check
License
Copyright (c) 1970 JoMMiT : Jurnal Multi Media dan IT
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.
Jommit : Jurnal Multi Media dan IT is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License
