Computer Vision: Pengertian, Fungsi, Jenis, Contoh Penerapan, dan Manfaatnya
 |
| Computer Vision (Visi Komputer) |
Pengertian Computer Vision
Computer Vision (visi komputer) adalah bidang multi disiplin yang membahas bagaimana komputer dapat direkayasa untuk mendapatkan pemahaman tingkat tinggi dari masukan data berupa gambar atau video digital. Dari perspektif teknik, bidang ini berupaya mengotomasikan tugas-tugas yang dapat dilakukan oleh sistem penglihatan manusia.
Visi komputer berfokus pada pembuatan sistem digital yang dapat memproses, menganalisis, dan memahami data visual dengan cara yang sama seperti yang dilakukan manusia. Konsep visi komputer didasarkan pada pengajaran komputer untuk memproses gambar pada tingkat piksel dan memahaminya.
Secara teknis, mesin berusaha untuk mengambil informasi visual, menanganinya, dan menginterpretasikan hasil melalui algoritme perangkat lunak khusus. Dengannya, Computer Vision membutuhkan database yang besar agar dapat berfungsi secara efektif. Karena mereka membutuhkan banyak informasi untuk mendapatkan setiap kemungkinan sesuai dengan tugas yang diberikan.
Dua teknologi utama yang menjalankan Computer Vision di antaranya,
1. Deep Learning (Sebuah tipe Machine Learning)
Machine Learning memanfaatkan model berbasis algoritme untuk memungkinkan komputer mempelajari konteks melalui analisis data visual. Setelah data yang cukup diberikan ke model, model akan dapat ‘melihat gambaran besar’ dan membedakan antara input visual. Alih-alih diprogram untuk mengenali dan membedakan antara gambar, mesin menggunakan algoritma AI untuk belajar secara mandiri.
Baca Juga: Deep Learning: Pengertian, Jenis Algoritma, dan Penerapannya
2. Convolutional Neural Network
Convolutional Neural Network membantu model Machine Learning melihat dengan memecah gambar menjadi piksel. Setiap piksel diberi label atau tag. Label-label ini kemudian secara kolektif digunakan untuk melakukan konvolusi, sebuah proses matematika yang menggabungkan dua fungsi untuk menghasilkan fungsi ketiga. Melalui proses ini, jaringan saraf convolutional dapat memproses input visual.
Untuk melihat gambar seperti yang dilakukan manusia, jaringan saraf melakukan konvolusi dan memeriksa keakuratan output dalam banyak iterasi. Sama seperti manusia akan melihat objek jauh, jaringan saraf convolutional dimulai dengan mengidentifikasi bentuk dasar dan tepi keras. Setelah ini selesai, model menambal celah dalam datanya dan mengeksekusi iterasi dari outputnya. Ini berlangsung sampai output secara akurat ‘memprediksi’ apa yang akan terjadi.
Sementara Convolutional Neural Network memahami gambar tunggal, jaringan saraf berulang memproses input video untuk memungkinkan komputer ‘mempelajari’ bagaimana serangkaian gambar berhubungan satu sama lain.
Computer Vision Menurut Para Ahli
1. Situs IBM, Computer Vision ini memperoleh informasi yang berarti dari gambar, video, dan input visual digital system lainnya dan mengambil tindakan atau membuat rekomendasi berdasarkan informasi tersebut.
2. DQLab, Computer Vision merupakan salah satu teknologi yang memungkinkan komputer untuk melihat dan mengenali objek yang ada di sekitarnya layaknya manusia dengan menggunakan kamera dan Artificial Intelligence.
Fungsi Computer Vision
Fungsi lain dari Computer Vision meliputi hal-hal berikut di antaranya,
1. Mendapatkan informasi yang lebih jelas
Dengan menggunakan Computer Vision, kita sebagai pengguna dapat mengetahui objek yang lebih jelas. Contohnya saja penggunaan kamera, dengan menggunakan kamera kita dapat menangkap objek yang ditangkap oleh kamera menjadi lebih jelas. Bahkan dengan bantuan Computer Vision, kita dapat melihat objek -objek yang selama ini susah untuk dilihat menjadi lebih mudah.
2. Peningkatan kualitas gambar
Penggunaan Computer Vision juga membuat gambar yang kita ambil menggunakan kamera menjadi jauh lebih jernih. Hal tersebut dinamakan image processing. Dengan menggunakan sistem image processing ini, kemungkinan banyaknya noise yang ada pada gambar bisa lebih dikurangi.
3. Dapat menganalisis
Seperti yang sudah dicontohkan pada sistem scanner. Selain dapat menangkap gambar, komputer yang menggunakan sistem Computer Vision juga dapat menganalisis proses selanjutnya. Bisa itu untuk disimpan secara otomatis, ataupun mendapatkan perintah selanjutnya sesuai dengan keinginan.
4. Komputer dapat memahami objek
Dalam industri manufaktur, keberadaan Computer Vision sangat membantu proses produksi suatu barang. Dengan Computer Vision, komputer dapat memahami apa yang harus dilakukan tanpa harus melalui campur tangan manusia. Hal ini berkaitan dengan teknik Artificial Interlligent.
Jenis Computer Vision
Computer Vision merupakan jenis kecerdasan buatan yang memungkinkan komputer untuk menafsirkan dan menganalisis dunia visual, mensimulasikan cara manusia melihat dan memahami lingkungan mereka.
Computer Vision menerapkan model Machine Learning (ML) atau pembelajaran mesin untuk mengidentifikasi dan mengklasifikasikan objek dalam gambar dan video digital, kemudian memungkinkan komputer bereaksi terhadap apa yang mereka lihat.
Berbagai jenis visi komputer termasuk segmentasi gambar, deteksi objek, pengenalan wajah, deteksi tepi, deteksi pola, klasifikasi gambar, dan pencocokan fitur.
1. Image Segmentation
Image segmentation adalah proses membagi gambar ke dalam wilayah yang berbeda berdasarkan karakteristik piksel untuk mengidentifikasi objek atau batas untuk menyederhanakan gambar dan menganalisisnya dengan lebih efisien. Segmentasi yang dimaksud di sini berdampak pada sejumlah area domain, mulai dari industri pembuatan film hingga bidang kedokteran.
2. Object Detection (Recognition)
Object detection atau recognition adalah salah satu sub bagian dan teknik visi komputer yang memungkinkan kita untuk mengidentifikasi dan menemukan objek dalam gambar atau video. Dengan jenis identifikasi dan lokalisasi ini, deteksi objek dapat digunakan untuk menghitung objek dalam pemandangan dan menentukan serta melacak lokasi akuratnya, sambil memberi label secara akurat.
3. Facial Recognition
Facial recognition atau pengenalan wajah adalah cara untuk mengidentifikasi atau mengkonfirmasi identitas individu menggunakan wajah mereka. Sistem pengenalan wajah dapat digunakan untuk mengidentifikasi orang dalam foto, video, atau secara real-time.
Pengenalan wajah merupakan kategori keamanan biometrik, dan bentuk lain dari perangkat lunak biometrik termasuk pengenalan suara, pengenalan sidik jari, dan retina mata atau pengenalan iris.
4. Edge Detection
Edge detection atau deteksi tepi adalah salah satu jenis dan macam dari Computer Vision yang berupa teknik pemrosesan gambar yang digunakan untuk mengidentifikasi titik-titik dalam gambar digital dengan diskontinuitas, hanya untuk mengatakan, perubahan tajam dalam kecerahan gambar.
Adapun untuk titik-titik di mana kecerahan gambar sangat bervariasi ini disebut tepi (atau batas) gambar. Selain itu, adapun beberapa metode-metode yang digunakan dalam edge detection di antaranya,
a. Prewitt edge detection
b. Sobel edge detection
c. Laplacian edge detection
d. Canny edge detection
5. Pattern Detection
Pattern detection atau pendeteksi pola adalah proses mengenali pola dengan menggunakan algoritma pembelajaran mesin. Pengenalan pola dapat didefinisikan sebagai klasifikasi data berdasarkan pengetahuan yang telah diperoleh atau informasi statistik yang diambil dari pola atau representasinya. Adapun salah satu aspek penting dari pattern detection ini adalah potensi penerapannya.
6. Image Classification
Image classification atau klasifikasi citra adalah proses memprediksi kelas tertentu, atau label, untuk sesuatu yang didefinisikan oleh sekumpulan titik data. Klasifikasi gambar merupakan bagian dari masalah klasifikasi, di mana seluruh gambar diberi label.
7. Feature Matching
Feature matching atau pencocokan fitur merupakan pencocokan gambar secara umum, bagian dari banyak aplikasi visi komputer seperti pendaftaran gambar, kalibrasi kamera, dan pengenalan objek, adalah tugas untuk membuat korespondensi antara dua gambar dari pemandangan atau objek yang sama.
Pendekatan umum untuk feature matching ini terdiri dari mendeteksi satu set titik minat masing-masing terkait dengan deskriptor gambar dari data gambar. Setelah fitur dan deskriptornya diekstraksi dari dua atau lebih gambar, langkah selanjutnya adalah membuat beberapa kecocokan fitur awal antara gambar-gambar ini.
Contoh Penerapan Computer Vision
1. Penggunaan Pada Bidang Matematika
Sudah pasti jika computer vision erat kaitannya dengan bidang matematika. Kecepatan akan pembacaan dan penganalisa dari objek barcode yang kita misalkan label makanan tersebut, maka sudah menjadi bukti jika adanya kolaborasi antara pembacaan data dan sekaligus sebagai pengolahan data. Sehingga data yang dikeluarkan ini sudah hasil akhir.
2. Penggunaan Pada Bidang Kecerdasan Buatan
Dalam bidang kecerdasan buatan ini sudah diterapkan pada sebuah robot yang mampu melakukan pergerakan melihat dari sebuah objek. Sehingga objek inilah yang membuat perintah kepada sebuah perangkat, hingga mampu menjadikannya bergerak dan mengikuti alur data yang ada pada objek data tersebut.
3. Penggunaan Pada Bidang Industri
Penggunaan konsep Computer Vision pada bidang industri bisa pada saat penyortiran sebuah barang. Sangat sulit tentunya ketika kinerja dari manusia dalam melihat akan kerusakan sebuah barang. Namun dengan memaksimalkan kinerja dari komputer, maka akan langsung terlihat akan bagian mana yang mengalami permasalahan atau kecacatan.
4. Penggunaan Pada Bidang Kendaraan
Pada bidang kendaraan ini pun penggunaan dari Computer Vision telah banyak digunakan. Yakni pada fungsi tukang parkir dan juga pilot otomatis. Sama – sama melakukan pembacaan data dari objek yang dilihat dan melakukan serangkaian perintah dan perilaku. Dan tentunya perilaku ini mengikuti dasar dan objek yang sedang dilihat.
5. Penggunaan Pada Bidang Medis
Adapun contoh dari penggunaan Computer Vision pada bidang medis, yaitu perangkat medis seperti x-ray yang mampu membaca objek yang dilihat dan memunculkan data berupa analisa kesehatan. Sehingga hasil dari objek yang dilihat ini, nantinya akan menjadikan rujukan bagi seorang dokter untuk memutuskan dan mengambil keputusan.
Jadi penggunaan Computer Vision ini memang telah masuk ke seluruh lini kehidupan manusia. Karena sangatlah membantu dan mempercepat proses pembacaan data yang bisa disimpan hanya pada sekadar barcode saja, yang notabene data manual. Selain itu dengan penggunaan konsep Computer Vision ini maka akan mempercepat dalam seluruh transaksi.
Manfaat Computer Vision
Visi komputer memungkinkan berbagai inovasi teknologi. Hal ini memungkinkan berbagai hal seperti salah satunya yaitu mobil self-driving untuk mengemudi dengan aman melalui jalan-jalan dan jalan raya.
Mereka juga memungkinkan alat pengenalan wajah untuk mencocokkan gambar wajah orang dengan identitas mereka dan memungkinkan aplikasi augmented-reality untuk mencampur objek virtual dengan gambar dunia nyata.
Aplikasi visi komputer digunakan di seluruh industri untuk meningkatkan pengalaman konsumen, mengurangi biaya, dan memperketat keamanan serta pengembangan yang terus dilakukan untuk masa depan (mendatang).
Berbagai macam produsen menggunakannya untuk menemukan produk cacat di jalur perakitan dan mencegahnya dikirim ke pelanggan.
Dari berbagai sumber
Post a Comment for "Computer Vision: Pengertian, Fungsi, Jenis, Contoh Penerapan, dan Manfaatnya"