Empat produk video analytics ARSA mendeteksi daftar objek yang sudah ditetapkan saat model dilatih: helm dan rompi untuk Safety Guard, kendaraan untuk Traffic Monitor, orang yang melintasi garis untuk Retail Counter, dan penonton di depan layar untuk DOOH Audience Meter. Dua pekerjaan yang paling sering ditanyakan pembeli industri di Indonesia berada di luar daftar itu: penilaian fraksi kematangan tandan buah segar di loading ramp pabrik kelapa sawit, dan deteksi cacat permukaan pada lini produksi manufaktur. Artikel ini menjelaskan apa yang membedakan kedua tugas tersebut dari konfigurasi biasa, apa yang ditentukan oleh kamera sebelum model apa pun dilatih, dan pada titik mana pengembangan kustom sebaiknya dihentikan.
Kelas Deteksi Bersifat Tetap Sejak Model Dilatih
Sebuah detektor paket dikirim dengan daftar kelas yang sudah terkunci. Model sudah dihadapkan pada ribuan contoh kepala berhelm dan kepala tanpa helm, lalu mempelajari batas di antara keduanya. Batas itu selesai dibentuk pada saat pelatihan. Layar konfigurasi mengizinkan Anda menggambar zona, mengatur jadwal, menggeser ambang keyakinan, dan mengarahkan notifikasi. Tidak satu pun kontrol tersebut menambah kelas baru.
Perbedaan ini penting karena mudah hilang dalam percakapan penjualan. Pertanyaan “bisakah sistem menandai buah mentah yang masuk ramp” terdengar mirip dengan “bisakah sistem menghitung truk di ramp”, padahal yang pertama menuntut kelas visual baru dan yang kedua hanya menuntut aturan zona. Aturan yang disusun dari kelas yang sudah ada adalah pekerjaan konfigurasi dengan biaya konfigurasi. Kelas baru adalah pekerjaan pembangunan model, dengan biaya, jadwal, dan kewajiban pemeliharaan yang berbeda.
Grading TBS Dan Inspeksi Permukaan Dilihat Dari Sisi Kamera
Di pabrik kelapa sawit, grading dikerjakan petugas di loading ramp atas dasar sampel tandan dari setiap truk. Hasilnya menggerakkan uang: harga pembelian TBS pekebun ditetapkan tim provinsi dengan formula yang bertumpu pada rendemen CPO dan harga jual, sesuai Permentan No. 01/PERMENTAN/KB.120/1/2018, sedangkan mutu tandan yang masuk menentukan kadar asam lemak bebas di ujung proses. Penilaian itu dilakukan manusia, di bawah atap terbuka, pada pencahayaan yang berubah sepanjang hari, terhadap objek yang perbedaan kelasnya terletak pada warna kulit buah dan jumlah brondolan yang lepas. Semua sifat tersebut menjelaskan mengapa hasil grading dua petugas bisa berbeda untuk truk yang sama, dan mengapa kamera perlu ditempatkan secara khusus agar melihat hal yang dinilai petugas.
Di lini manufaktur, masalahnya berkebalikan. Objeknya diam relatif terhadap konveyor, pencahayaan bisa dikendalikan penuh, dan definisi cacat sudah tertulis di dokumen mutu. Kesulitannya ada pada ukuran fitur dan kecepatan lini. Gores selebar satu milimeter pada panel logam menuntut kerapatan piksel yang jauh di atas angka mana pun dalam katalog analitik keamanan, dan kecepatan konveyor menuntut pengaturan rana manual agar objek tidak melebur menjadi bayangan bergerak. Aspek K3 lini tetap ditangani produk paket. Kewajiban SMK3 pada perusahaan dengan minimal seratus pekerja atau potensi bahaya tinggi diatur PP No. 50 Tahun 2012, dan kepatuhan APD di lini produksi sudah tercakup oleh Safety Guard pada AI Box Series dengan konfigurasi saja.
TIGA BENTUK PERMINTAAN KUSTOM
Bentuk Pekerjaan Menentukan Panjang Proyek
Permintaan kustom yang masuk ke ARSA mengelompok menjadi tiga bentuk. Upaya rekayasanya berbeda jauh, dan mengetahui bentuk mana yang Anda hadapi akan mengubah isi penawaran.
Kelas Yang Tidak Ada Di Data Publik
Fraksi kematangan TBS, pola porositas coran, cacat anyaman tekstil, seragam atau badge khas perusahaan. Tidak ada dataset publik yang memuatnya, sehingga model harus dilatih dari rekaman lokasi Anda. Pengumpulan data mendominasi jadwal, karena contoh kondisi gagal jarang muncul. Lini yang menghasilkan satu cacat per seribu unit perlu merekam berminggu-minggu atau menyiapkan contoh cacat secara sengaja sebelum ada bahan latih yang memadai.
Kelas Umum Pada Kondisi Tidak Umum
Deteksi orang di ruang boiler bersuhu tinggi dengan uap, penghitungan kendaraan di jalan angkut tanpa penerangan saat musim hujan, deteksi forklift di gudang dengan pencahayaan 30 lux. Kelasnya biasa dan kondisinya yang merusak akurasi. Ini bentuk paling murah di antara ketiganya, karena model umum biasanya cukup disesuaikan dengan beberapa ribu frame dari lokasi Anda.
Penilaian Yang Menggabungkan Beberapa Pengamatan
Apakah prosedur lockout tagout dijalankan, apakah ada dua orang saat pengangkatan beban, apakah tumpahan dibersihkan dalam tenggat yang ditetapkan. Tidak ada satu objek tunggal untuk dideteksi. Pekerjaannya adalah rangkaian deteksi, logika waktu, dan definisi aturan yang bertahan ketika diuji pada rekaman nyata. Sebagian besar kesulitannya ada di tahap spesifikasi, dan bentuk inilah yang paling sering berakhir dengan rekomendasi mempersempit ruang lingkup.
Yang Tidak Terekam Tidak Bisa Dipulihkan Pelatihan
Kelas kustom mewarisi seluruh batasan fisik dalam ARSA-CVS-001, standar kamera dan persyaratan lokasi. Kerapatan piksel menentukan segalanya. Bila kamera hanya menempatkan sedikit piksel pada objek di jarak tempat deteksi harus terjadi, informasinya hilang dari citra dan pelatihan model tidak dapat mengembalikannya. Kerapatan piksel turun berbanding terbalik dengan jarak, sehingga jarak yang berlipat dua memangkas kerapatan menjadi setengah. Kamera 2 MP dengan lensa standar menghasilkan sekitar 275 PPM pada 6 meter dan 137 PPM pada 12 meter.
Angka kelas yang sudah dipublikasikan berguna sebagai jangkar kalibrasi. Deteksi keberadaan helm menuntut 262 PPM dan rompi hi-vis menuntut 153 PPM. Kelas kustom duduk di suatu titik pada skala tersebut sesuai kehalusan fitur pembedanya. Gores halus pada panel menuntut kerapatan jauh lebih tinggi daripada palet yang hilang dari rak, dan angkanya ditetapkan saat asesmen.
| Persyaratan | Angka | Pengaruhnya Pada Kelas Kustom |
|---|---|---|
| Resolusi sensor | Minimum 2 MP, rekomendasi 4 MP | Minimum adalah lantai yang dipakai ARSA saat mengontrakkan akurasi |
| Frame rate stream utama | Minimum 15 fps | Di bawah ini objek cepat terlewat di antara frame |
| Cahaya di bidang target | Minimum 50 lux | Isyarat warna dan tekstur runtuh di bawah level ini |
| Sudut tilt dari horizontal | Optimal 10 sampai 25 derajat | Sudut lebih curam menutupi permukaan yang membawa fitur |
| Batas tilt atribut orang | 35 derajat untuk helm, 40 derajat untuk rompi | Di atas 45 derajat tugas ini dilarang |
| Geometri acuan yang diterima | Tiang 3,5 m, standoff 6,0 m, tilt 22 derajat | Kasus kerja yang memenuhi 262 PPM di garis gerbang terjauh |
| Enklosur luar ruang | IP66, rekomendasi IK08 | Berlaku untuk ramp, yard, dan seluruh penempatan luar ruang |
Dua konsekuensi sering baru disadari pembeli setelah pengadaan berjalan. Penerangan inframerah menghasilkan citra monokrom, sehingga kelas kustom yang bergantung pada warna berhenti bekerja di malam hari kecuali cahaya putih mencapai bidang target. Ini langsung mengenai grading TBS, yang seluruh pembedanya berbasis warna, pada pabrik yang menerima truk sampai larut malam. Konsekuensi kedua, kamera yang dipasang tinggi demi perlindungan dari perusakan harus mundur lebih jauh dari area yang diawasi, dan kemunduran itu menggerus kerapatan piksel tepat di titik yang membutuhkannya. Visualiser lensa dan field of view menunjukkan cakupan sebuah lensa pada jarak tertentu sebelum ada orang datang ke lokasi.
Empat Hal Di Luar Pelatihan Model
Pelatihan adalah bagian terkecil. Empat hal yang menentukan hasil adalah data, disiplin pelabelan, jalur integrasi, dan kepemilikan akurasi setelah serah terima.
Data berarti rekaman dari lokasi Anda pada kondisi yang akan dihadapi sistem, termasuk kondisi buruknya. Dataset grading yang direkam hanya pada musim kemarau menghasilkan model yang merosot saat musim hujan, dan kemerosotan itu muncul sebagai deteksi yang terlewat tanpa ada yang mengaitkannya dengan musim selama berbulan-bulan.
Disiplin pelabelan berarti satu definisi tertulis untuk setiap kelas, diterapkan sama oleh semua anotator. Bila tiga orang berbeda pendapat tentang tandan di batas fraksi, model mempelajari perbedaan pendapat itu dan angka akurasinya menjadi tidak stabil.
Jalur integrasi berarti menetapkan tujuan sebuah deteksi sebelum pembangunan dimulai. Hasil deteksi yang berhenti di dasbor tanpa penonton bernilai sama dengan tidak ada deteksi. Keluaran diarahkan ke VMS, kontrol akses, ERP, atau sistem notifikasi yang sudah dipakai operator, dan bagi pabrik sawit biasanya ke sistem timbangan dan pencatatan ramp.
Kepemilikan akurasi berarti ada pihak yang mengukur drift dan melatih ulang pada kadens yang dikontrakkan. Model dibangun dengan framework deep learning standar dan dikompilasi untuk perangkat keras yang sudah Anda jalankan. Bila komputasi yang ada tidak mencukupi, hal itu dinyatakan pada tahap asesmen.
Pengembangan kustom juga punya jawaban “tidak”. Bila tugasnya sudah dicakup produk paket dan hanya dijelaskan dengan istilah yang tidak biasa, konfigurasi sudah cukup. Bila kamera tidak mampu melihat fiturnya, perbaikannya berupa lensa lain, posisi lain, atau kamera tambahan, dan pekerjaan model tidak menggantikan satu pun di antaranya. Bila tugasnya dikerjakan satu orang selama lima menit sekali sepekan, biaya pembangunan dan pemeliharaan detektor jarang kembali.
STRUKTUR KERJA SAMA
Tahap Murah Didahulukan Dengan Alasan
Remote Camera Design Review berbiaya $1,500 dan berdurasi satu minggu, menghasilkan jadwal kamera bertanda lulus atau gagal per posisi terhadap ARSA-CVS-001 beserta harga perbaikannya. On-Site Camera Survey berbiaya $4,500 ditambah perjalanan, mencakup hingga 50 kamera dengan keluaran yang sama, disurvei langsung di lokasi.
Feasibility assessment berbiaya $4,500 selama dua minggu dan menghasilkan diagnosis operasional, penilaian kelayakan teknis terhadap kondisi lokasi Anda, model biaya, serta rekomendasi lanjut atau berhenti. Asesmen yang menyimpulkan proyek sebaiknya tidak berjalan tetap terhitung asesmen yang berhasil, karena Anda menerima alasannya secara tertulis dan menghemat anggaran proyek. Bila Anda berkontrak dalam 90 hari, biaya tersebut dipotongkan dari nilai proyek. Setelahnya, pilot berjalan delapan minggu pada ruang lingkup terbatas dengan KPI yang disepakati. Tabel tahap lengkapnya ada di halaman layanan.
Pertanyaan Yang Sering Diajukan
Berapa Banyak Rekaman Milik Kami Yang Dibutuhkan?
Bergantung pada seberapa jarang kondisinya muncul dan seberapa beragam lokasi Anda. Menyesuaikan kelas yang sudah ada pada kondisi sulit sering cukup dengan beberapa ribu frame. Kelas yang tidak ada di data publik, seperti fraksi kematangan TBS atau cacat permukaan spesifik produk Anda, memerlukan contoh yang mencakup seluruh rentang penampakannya, dan untuk cacat langka itu berarti perekaman berminggu-minggu. Volume, tanggung jawab pelabelan, dan ketentuan kerahasiaan disepakati pada tahap asesmen.
Siapa Pemilik Model Yang Dilatih Dengan Data Kami?
Disepakati tertulis sebelum pekerjaan dimulai. Data Anda tetap milik Anda dalam setiap skema. Model yang dilatih khusus dari data Anda untuk kasus penggunaan Anda umumnya menjadi hak pakai Anda, sedangkan arsitektur dasar dan bobot pralatih tetap milik ARSA.
Apakah Sistem Ini Menggantikan Petugas Grading?
Tidak. Sistem mengeluarkan skor keyakinan dan bukti citra untuk setiap tandan atau unit yang dinilai, dan keputusan penerimaan tetap berada pada petugas dan prosedur mutu pabrik. Nilai praktisnya ada pada cakupan seratus persen truk yang masuk, konsistensi antar shift, dan jejak audit yang dapat ditinjau ulang ketika terjadi sengketa mutu dengan pemasok.
Apakah Video Keluar Dari Jaringan Kami?
Tidak. Pemrosesan berlangsung di lokasi, dan video meninggalkan premis Anda hanya bila Anda mengonfigurasinya demikian. Yang melintasi jaringan adalah metadata analitik berupa hitungan, kejadian, dan bila diaktifkan, potongan citra kecil.
Angka Akurasi Yang Kami Terima Melekat Pada Apa?
Angka akurasi ditetapkan pada tahap pilot terhadap baseline terukur dari rekaman Anda, karena angka yang dikutip sebelum ada yang melihat kondisi lokasi hanyalah tebakan. Angka itu melekat pada zona deteksi yang tercatat ACCEPTED dalam Site Acceptance Record. Bila kamera dipindahkan atau pencahayaan diubah, zona terkait kembali berstatus belum diterima sampai disurvei ulang.
Berapa Lama Sampai Ada Yang Berjalan Di Pabrik?
Dua minggu untuk asesmen, lalu umumnya delapan minggu sampai pilot berjalan pada ruang lingkup terbatas dengan hasil terukur. Pengumpulan data dapat memperpanjang bagian depan jadwal bila kondisi yang perlu dideteksi jarang muncul.
Bawa Tugas Deteksi Yang Belum Menemukan Produknya
Bila kebutuhan deteksi Anda pernah dijawab “tidak mungkin”, atau dijawab “mudah” oleh pihak yang tidak pernah menanyakan sudut kamera dan pencahayaan ramp Anda, asesmen adalah cara termurah untuk mengetahui mana yang benar. Mulai dari Custom Computer Vision Development, atau hubungi kami dengan penjelasan tugasnya, posisi kamera yang ada, dan satu klip yang mewakili kondisi lokasi.