Cara Membangun Deteksi Cacat Kain Otomatis Dengan AI Untuk Ekspor Garmen

MASALAH

Cacat Kain Dibayar Dua Kali

Sebuah gulungan kain woven selebar 1,6 meter yang lolos dari meja inspeksi dengan tiga slub dan satu garis pakan putus akan dipotong menjadi panel, dijahit, disetrika, lalu ditolak di final inspection dengan AQL 2.5. Pada titik itu pabrik sudah membayar kain, potong, jahit, benang, aksesoris, dan setrika untuk barang yang tidak akan dikirim. Ekspor tekstil dan produk tekstil Indonesia mencapai 8,01 miliar dolar AS sepanjang Januari hingga Agustus 2025 menurut Kementerian Perindustrian, dan sebagian besar volume itu dikirim ke buyer yang menjalankan audit kualitas sendiri di pabrik pemasok.

Riset inspeksi tekstil yang dipublikasikan menempatkan tingkat tangkapan cacat oleh pemeriksa manusia terlatih pada kisaran 60 sampai 70 persen. Angka itu turun lebih jauh setelah 20 sampai 30 menit di depan meja inspeksi, karena mata beradaptasi terhadap pola kain dan berhenti melihat penyimpangan kecil. Sistem deteksi cacat kain otomatis dengan AI menutup selisih itu dengan kamera yang tidak lelah, dengan syarat kamera tersebut memang mampu meresolusi cacat yang harus ditemukan.

STANDAR

Empat Poin Per 100 Yard Persegi Sudah Menjadi Bahasa Buyer

Definisi cacat kain tidak perlu dibuat dari nol. Sebagian besar buyer garmen sudah memakai four point system menurut ASTM D5430: cacat sepanjang 3 inci atau kurang bernilai 1 poin, di atas 3 sampai 6 inci bernilai 2 poin, di atas 6 sampai 9 inci bernilai 3 poin, dan di atas 9 inci bernilai 4 poin, dengan maksimum 4 poin untuk satu yard linear berapa pun jumlah cacatnya. Total dikonversi ke poin per 100 yard persegi, dan banyak pabrik memakai ambang 40 poin sebagai batas terima, meski setiap buyer berhak menetapkan angkanya sendiri.

Praktik inspeksi manual dalam standar yang sama mensyaratkan pencahayaan sekitar 80 foot candle, kira-kira 861 lux di bidang kain, dan kecepatan meja tidak lebih dari 15 yard per menit. Dua angka itu penting untuk proyek AI karena keduanya menjadi titik awal spesifikasi pencahayaan dan kecepatan konveyor. Di sisi regulasi, Permenaker No. 5 Tahun 2018 tentang Keselamatan dan Kesehatan Kerja Lingkungan Kerja menetapkan standar pencahayaan menurut kategori pekerjaan, dengan pembedaan barang halus berkontras rendah dalam waktu lama berada di kisaran 500 sampai 1.000 lux. Meja inspeksi kain yang sudah memenuhi Permenaker biasanya sudah mendekati kebutuhan kamera.

Pemasangan rig kamera di atas mesin inspeksi adalah perubahan pada tempat kerja. Bagi perusahaan dengan 100 pekerja atau lebih, atau dengan potensi bahaya tinggi, identifikasi bahaya atas perubahan itu masuk ke dalam kewajiban SMK3 menurut PP No. 50 Tahun 2012. Sertakan langkah tersebut di jadwal proyek sejak awal supaya commissioning tidak tertahan oleh dokumen.

KELAS CACAT

Tiga Kelompok Yang Perlu Didefinisikan Terpisah

Model deteksi tidak mengenal istilah “cacat”. Model mengenal kelas yang diberi label secara konsisten. Kain woven dan knit menghasilkan kegagalan yang berbeda secara visual, dan menggabungkannya menjadi satu kelas tunggal adalah cara tercepat membuat akurasi terlihat bagus di laporan dan buruk di lantai produksi.

Cacat Tenun Dan Rajut

Pakan putus, lusi ganda, slub, nep, reed mark, drop stitch, dan barré. Kelompok ini muncul sebagai gangguan pada pola periodik kain, sering dengan kontras sangat rendah pada kain berwarna gelap. Barré khususnya menuntut bidang pandang yang cukup lebar untuk melihat perbedaan antar pita, sehingga kamera yang terlalu zoom justru kehilangan cacat ini.

Cacat Jahitan Dan Potong

Skipped stitch, broken stitch, seam puckering, jarak jahitan tidak seragam, dan panel yang tidak sejajar. Kelompok ini muncul setelah kain menjadi garmen, sehingga lokasinya berada di lini sewing dan finishing, terpisah dari meja inspeksi kain gulungan. Kelompok ini biasanya menuntut kepadatan piksel tertinggi dari ketiganya karena satu jahitan lompat berukuran beberapa milimeter.

Noda Dan Cacat Finishing

Oil stain dari mesin jahit, noda air, kotoran tangan, shade variation antar gulungan, dan bekas lipatan permanen. Noda minyak relatif mudah dideteksi karena kontrasnya tinggi. Shade variation sulit, karena membutuhkan kalibrasi warna yang stabil dan pencahayaan dengan suhu warna tetap sepanjang shift.

Pisahkan ketiganya menjadi kelas berlabel sendiri, lalu petakan setiap kelas ke poin four point system yang sudah dipakai buyer. Dengan begitu output sistem langsung berbicara dalam angka yang sudah dipahami bagian QC.

KAMERA

Kepadatan Piksel, Kecepatan Kain, Dan Cahaya

Logika yang dipakai ARSA untuk analitik video berlaku sama di sini: kamera yang tidak mampu meresolusi objek tidak bisa diperbaiki oleh perangkat lunak, karena informasinya memang tidak ada di dalam gambar. Standar ARSA-CVS-001 di halaman persyaratan kamera dan lokasi memuat tabel kepadatan piksel untuk deteksi orang dan kendaraan. Tabel itu tidak memuat baris untuk cacat kain, jadi angka kepadatan piksel untuk proyek tekstil ditetapkan per kelas cacat pada tahap feasibility, memakai metode perhitungan yang sama.

Perhitungannya sederhana. Kamera 4 MP memberi 2.560 piksel pada sisi lebar. Jika satu kamera menutup lebar kain 1,6 meter, hasilnya 1.600 piksel per meter, sehingga cacat selebar 1 mm hanya menempati 1,6 piksel. Dua kamera yang masing masing menutup 0,8 meter menaikkannya ke 3.200 piksel per meter, dan cacat 1 mm menjadi sekitar 3 piksel. Cacat sepanjang 3 inci, batas 1 poin pada four point system, menempati sekitar 244 piksel pada konfigurasi dua kamera tersebut. Itu ukuran yang wajar untuk dideteksi.

Kecepatan kain menentukan shutter. Pada 15 yard per menit kain bergerak sekitar 229 mm per detik. Shutter 1/1000 detik menghasilkan pengaburan gerak sekitar 0,23 mm, di bawah satu piksel pada 3.200 piksel per meter. Shutter 1/250 detik menghasilkan 0,9 mm, cukup untuk menghapus slub tipis dari gambar. Shutter cepat menuntut cahaya lebih banyak, dan di sinilah anggaran pencahayaan LED bidang kain menjadi bagian dari desain, sebukan bukan tambahan di akhir proyek.

Smart codec dan variable bit rate wajib dimatikan pada stream analitik. Keduanya membuang detail pada area yang statis, dan kain polos yang bergerak pelan adalah persis area yang dianggap statis oleh encoder. Untuk menghitung jarak dan lensa sebelum survei, visualisator lensa dan bidang pandang memberi angka awal yang bisa dibawa ke rapat teknis.

INTEGRASI

Dari Deteksi Ke Keputusan Di Lantai Produksi

Deteksi yang berhenti di layar tidak mengubah angka rejection. Output sistem perlu sampai ke tiga tempat. Pertama, tanda pada gulungan itu sendiri, biasanya lampu, buzzer, atau printer label di ujung meja, supaya operator menandai posisi cacat saat kain masih di depannya. Kedua, catatan poin per gulungan yang otomatis menghasilkan lembar four point system, sehingga grading gulungan tidak lagi dikerjakan ulang dengan kalkulator. Ketiga, ringkasan per supplier dan per shift ke sistem ERP atau MES yang sudah dipakai, karena keputusan komersial terhadap pemasok kain dibuat dari data agregat yang terkumpul lintas gulungan.

Pemrosesan berjalan di lokasi pada appliance edge seperti AI Box Series. Video tidak meninggalkan jaringan pabrik kecuali Anda mengonfigurasinya secara eksplisit. Yang melintasi jaringan adalah metadata: hitungan, kelas cacat, posisi dalam yard, dan potongan gambar kecil bila diaktifkan. Untuk pabrik yang bekerja di bawah perjanjian kerahasiaan dengan brand, desain produk yang terlihat di kamera tetap berada di dalam pabrik.

BATAS

Yang Tidak Dilakukan Sistem Ini

Sistem ini tidak menggantikan final inspection dengan AQL. Buyer tetap mengambil sampel dari karton jadi menurut rencana yang mereka tetapkan, dan sistem kamera tidak memiliki wewenang atas keputusan itu. Sistem ini juga tidak menilai ukuran, kesesuaian pola, atau kekuatan jahitan, karena ketiganya memerlukan pengukuran fisik. Kamera tidak mengukur gramasi, tidak menguji ketahanan luntur warna, dan tidak menggantikan uji laboratorium yang diminta buyer.

Sistem ini juga tidak melihat orang. Kamera diarahkan ke kain di meja inspeksi, dan deteksi yang dilatih adalah kelas cacat kain. Tidak ada pengenalan wajah dan tidak ada penilaian produktivitas operator di dalam lingkup ini.

Model dilatih memakai standard deep learning frameworks pada rekaman dari mesin inspeksi Anda sendiri, karena kain, warna, dan pencahayaan setiap pabrik berbeda. Model yang dilatih pada dataset publik akan terlihat baik pada kain putih polos dan gagal pada kain gelap bermotif yang justru paling banyak diproduksi.

TAHAPAN

Cara Memulai Tanpa Membeli Kamera Lebih Dulu

Remote Camera Design Review seharga $1.500 dengan durasi satu minggu menilai posisi kamera yang direncanakan dari gambar dan foto, lalu mengembalikan jadwal kamera yang ditandai lulus atau gagal per posisi beserta remediasi yang sudah diberi harga. On-Site Camera Survey seharga $4.500 ditambah biaya perjalanan melakukan hal yang sama di lokasi untuk maksimal 50 kamera. Feasibility assessment seharga $4.500 selama dua minggu menghasilkan diagnosis operasional, penilaian kelayakan teknis terhadap kondisi pabrik Anda, model biaya, dan rekomendasi lanjut atau berhenti. Biaya tahap tersebut dipotong dari nilai proyek bila kontrak ditandatangani dalam 90 hari.

Bila hasil assessment menyatakan proyek tidak layak, Anda menerima alasannya secara tertulis dan proyek berhenti di situ. Hasil itu tetap merupakan assessment yang berhasil, karena biayanya jauh lebih kecil daripada anggaran implementasi yang terlanjur berjalan.

FAQ

Berapa Lama Dari Assessment Sampai Pilot Berjalan?

Dua minggu untuk assessment, kemudian umumnya delapan minggu sampai pilot berjalan pada lingkup yang dibatasi dengan hasil yang terukur. Pilot deployment dimulai dari $20.000. Lingkup yang dibatasi biasanya berarti satu mesin inspeksi dan tiga sampai lima kelas cacat.

Apakah Model Bisa Dilatih Dengan Rekaman Kain Kami Sendiri?

Ya, dan untuk deteksi cacat kain itulah yang menghasilkan selisih akurasi. Volume data, pelabelan, dan ketentuan kerahasiaan disepakati pada tahap feasibility. Data Anda tetap milik Anda dalam setiap skema.

Apakah Kamera 2 MP Yang Sudah Terpasang Cukup?

Tergantung lebar kain yang ditutup satu kamera. Kamera 2 MP yang menutup lebar 1,6 meter memberi 1.200 piksel per meter, cukup untuk cacat memanjang seperti pakan putus dan cukup untuk noda minyak. Cacat titik berukuran satu sampai dua milimeter menuntut kepadatan yang lebih tinggi, yang dicapai dengan mempersempit bidang pandang atau menambah kamera.

Bisakah Sistem Berjalan Di Server Yang Sudah Kami Miliki?

Biasanya bisa. Perangkat keras target adalah masukan desain sejak awal. Bila kapasitas komputasi yang ada tidak mencukupi, ARSA menyatakannya di dalam assessment, sebelum pembangunan dimulai.

Apakah Output Sistem Diterima Sebagai Bukti Ke Buyer?

Output sistem adalah catatan internal pabrik dengan skor kepercayaan dan bukti gambar. Penerimaan lembar grading oleh buyer tetap bergantung pada perjanjian kualitas Anda dengan buyer tersebut. Banyak pabrik memakainya sebagai dasar negosiasi dengan pemasok kain lebih dulu, karena di situ efeknya paling cepat terlihat.

Apa Yang Terjadi Jika Kecepatan Meja Inspeksi Dinaikkan Setelah Sistem Berjalan?

Akurasi turun, karena pengaburan gerak bertambah sebanding dengan kecepatan. Kecepatan meja dicatat sebagai kondisi penerimaan pada saat commissioning. Bila kecepatan diubah, zona yang terdampak perlu disurvei ulang dan shutter serta pencahayaan disesuaikan.

Langkah Berikutnya

Kirimkan lebar kain, kecepatan meja inspeksi, jenis kain yang paling sering ditolak, dan tiga kelas cacat yang paling mahal bagi Anda. Tim ARSA akan menyatakan apakah kondisi tersebut dapat dipenuhi dengan kamera dan pencahayaan yang ada, atau apa yang perlu diubah lebih dulu. Mulai dari halaman Custom Computer Vision Development.

Sumber: Kemenperin melalui Marketeers, V-Trust tentang ASTM D5430 four point system, Permenaker No. 5 Tahun 2018, PP No. 50 Tahun 2012, Automated Optical Inspection for Defect Identification in Woven Fabric Production Lines.