Penerapan dan Prospek Visi Mesin dalam Pemeriksaan dan Penilaian Kualitas Buah

Penyortiran buah manual tradisional sedang digantikan oleh teknologi penglihatan mesin, yang mengantarkan revolusi dalam efisiensi di bidang pertanian modern.

Di sebuah pusat produksi pertanian, pendidikan, dan penelitian di Kota Zhongzhuang, Kabupaten Yiyuan, Provinsi Shandong, kotak-kotak apel dengan berbagai warna hijau, merah, dan ukuran disortir secara otomatis oleh perangkat pintar. Perangkat ini secara akurat memilah dan membuang buah yang sakit dan berkualitas buruk berdasarkan ukuran, kadar gula, dan warna.

Sistem pemeriksaan buah berbasis visi mesin ini secara bertahap mengubah praktik tradisional petani buah yang mengandalkan pengalaman dan sentuhan untuk menentukan kualitas buah, menjadi komponen penting dari modernisasi pertanian.

1 Transformasi Teknologi dalam Inspeksi Kualitas Buah

Populasi global tumbuh secara eksponensial dengan laju tahunan sekitar 1,09%, yang menyebabkan peningkatan permintaan pangan dan kebutuhan pokok lainnya. Dengan kondisi ini, mengurangi kehilangan pascapanen menjadi tantangan utama di sektor pertanian.

Buah dan sayur sangat bermanfaat bagi manusia, menyediakan beragam vitamin, mineral, dan antioksidan. Namun, sifatnya yang mudah rusak membuat penanganan yang efisien dan tepat sangat penting untuk mencegah pembusukan. Sortasi dan pemeringkatan merupakan langkah paling krusial, sulit, dan memakan waktu dalam rantai pascapanen.

Metode penyaringan manual tradisional sangat rentan terhadap kerusakan buah dan hanya cocok untuk operasi skala kecil. Dengan pertumbuhan populasi dan menipisnya sumber daya, produksi pertanian sangat membutuhkan teknologi pemeriksaan kualitas yang lebih efisien dan akurat.

Teknologi visi mesin muncul sebagai respons terhadap kebutuhan ini. Teknologi ini menggunakan komputer untuk mereplikasi penglihatan manusia, menggantikan persepsi mata manusia terhadap dunia tiga dimensi yang objektif. Bidang interdisipliner ini, yang mencakup kecerdasan buatan, neurobiologi, psikofisika, ilmu komputer, pemrosesan gambar, dan pengenalan pola, menawarkan solusi baru untuk pemeriksaan kualitas buah.

Pemeriksaan kualitas buah terutama mencakup kualitas eksternal dan internal. Pemeriksaan kualitas eksternal tradisional terutama menggunakan mesin pemilah, yang memilah buah berdasarkan metrik seperti ukuran dan berat. Namun, metode ini tidak dapat menilai warna, tekstur, dan cacat permukaan secara akurat.

Dengan kemajuan teknologi visi mesin, sistem berbasis visi komputer telah mendapatkan perhatian yang signifikan untuk penilaian dan pemeringkatan kualitas buah. Teknologi ini efisien, cepat, konsisten, hemat waktu, andal, dan hemat biaya, sehingga memungkinkan pemrosesan produk yang disesuaikan dengan kebutuhan pasar. Setelah dikembangkan, sistem ini hanya memerlukan sedikit atau tanpa pengetahuan khusus dan dapat diterapkan pada produksi skala besar.

2 Metode Teknis Inti Visi Mesin

Sistem inspeksi buah dengan visi mesin biasanya terdiri dari dua subsistem inti: sistem deteksi cacat dan sistem penyortiran mekanis. Dalam hal arsitektur perangkat keras, modul pengangkutan dan penyortiran menggunakan sabuk konveyor bermotor untuk mengangkut buah, sementara lengan robot yang terhubung ke motor servo memilah buah ke dalam wadah yang sesuai berdasarkan hasil inspeksi.

Modul akuisisi gambar menggunakan kamera berwarna, yang dipadukan dengan sumber cahaya LED untuk menghilangkan bayangan, untuk menangkap gambar RGB buah dalam lingkungan tertutup. Sebuah mikrokontroler mengoordinasikan hasil pemrosesan gambar dengan gerakan mekanis untuk mencapai kontrol loop tertutup.

Pendekatan teknis terutama dikategorikan ke dalam algoritma pemrosesan gambar tradisional dan metode pembelajaran mendalam.

Solusi pemrosesan citra melakukan pra-proses citra RGB menjadi ruang warna seperti skala abu-abu atau HSV untuk mengoptimalkan konsistensi pencahayaan. Kemudian, segmentasi ambang batas dilakukan untuk mengekstrak area target. Operasi morfologi seperti dilatasi dan erosi kemudian digunakan untuk menghilangkan derau dan menyempurnakan kontur. Terakhir, persentase area cacat dihitung.

Misalnya, dalam deteksi cacat apel, sistem menentukan jendela pemrosesan gambar, menggunakan operator Sobel dan Hilditch untuk memperhalus tepi, dan mengidentifikasi titik sentroid untuk merepresentasikan diameter buah, sehingga dapat mendeteksi ukuran dan tampilan keseluruhan. Solusi pembelajaran mendalam menggabungkan kumpulan data publik dengan gambar yang dikumpulkan sendiri untuk membangun pustaka pelatihan dan meningkatkan generalisasi model melalui teknik augmentasi data seperti rotasi, pembalikan, dan pengaburan. Struktur jaringan konvolusional yang disesuaikan dapat dirancang untuk menangani karakteristik berbagai buah.

Dalam sebuah penelitian yang dilakukan di Universitas Pertanian Faisalabad, jaringan konvolusional khusus dirancang untuk mangga dan tomat: model mangga menggunakan struktur konvolusional 7-lapis, dan model tomat menggunakan struktur konvolusional 5-lapis, keduanya menggunakan pengklasifikasi softmax untuk keluaran.

Dalam beberapa tahun terakhir, rangkaian algoritma YOLO telah menjadi pilihan baru untuk deteksi buah. Dengan mengoptimalkan struktur jaringan tulang punggung dan memperkenalkan mekanisme atensi dinamis, YOLOv8 dapat menangkap perubahan tekstur kulit buah, perbedaan warna, dan karakteristik morfologi secara lebih akurat, sehingga meningkatkan akurasi identifikasi area busuk secara signifikan.

YOLOv10 terbaru bahkan menghilangkan kebutuhan untuk penekanan non-maksimum (NMS), mengurangi overhead komputasi dan lebih meningkatkan efisiensi deteksi.

3 Keunggulan dan Terobosan Teknis

Dibandingkan dengan inspeksi manual tradisional, sistem visi mesin menawarkan berbagai keunggulan teknis. Dalam hal efisiensi inspeksi, mesin jeruk empat saluran dapat memproses 12 hingga 15 ton buah dalam satu jam, setara dengan hampir seminggu kerja seorang pekerja di masa lalu.

Dalam hal akurasi inspeksi, model pembelajaran mendalam berbasis CNN memiliki tingkat akurasi terverifikasi sebesar 95% untuk deteksi cacat mangga, dan 93,5% untuk tomat. Dalam aplikasi aktual, peralatan sortir cerdas ini memiliki tingkat akurasi keseluruhan sebesar 97% untuk deteksi cacat permukaan, dan 95% untuk inspeksi kualitas internal.

Sistem penglihatan mesin memiliki kemampuan inspeksi multiparameter, yang mampu mengevaluasi berbagai parameter karakteristik buah secara bersamaan, termasuk ukuran, bentuk, warna, dan cacat permukaan.

Untuk mendeteksi ukuran, peneliti menerjemahkan dan memutar buah untuk memperoleh gambar pada sudut yang berbeda, menghitung radius ekuator dan luas buah, serta memperkirakan ukurannya dengan memperlakukan buah sebagai elipsoid.

Untuk deteksi warna, beberapa buah memiliki satu warna yang tersebar merata di kulitnya (warna primer), sementara yang lain (seperti buah persik, apel, dan tomat) memiliki warna sekunder yang dapat berfungsi sebagai indikator kematangan yang baik.

Deteksi cacat permukaan merupakan keunggulan lain dari sistem penglihatan mesin, yang dapat mendeteksi noda, kerusakan, dan goresan pada permukaan buah. Misalnya, warna cokelat kemerahan pada apel Golden Delicious dapat dideteksi dan diklasifikasikan menggunakan algoritma tertentu.

Manfaat ekonominya pun tak kalah signifikan. Setelah menerapkan peralatan sortasi cerdas, biaya pemrosesan perusahaan telah berkurang secara signifikan, dari 600-800 yuan per ton menjadi 100 yuan per ton, penurunan biaya lebih dari 80%. Hal ini tidak hanya meningkatkan efisiensi produksi pertanian tetapi juga memberikan manfaat ekonomi nyata bagi petani buah.

4 Kasus Aplikasi Praktis

Penerapan visi mesin dalam inspeksi buah telah efektif di banyak daerah penghasil buah utama di seluruh Tiongkok. Di Distrik Wuming, Nanning, Guangxi, daerah penghasil utama jeruk Wogan, peralatan cerdas telah berhasil memenuhi kebutuhan untuk mengklasifikasikan jeruk Wogan berdasarkan cacat eksternal.

Produsen lokal sebelumnya mengandalkan pekerja untuk memilah jeruk Wogan secara visual, yang tidak efisien dan tidak mampu mengidentifikasi lesi internal. Peralatan cerdas dapat membedakan antara "buah berkulit kasar", "buah berulserasi", dan "buah berbentuk matahari", yang secara signifikan meningkatkan standarisasi jeruk Wogan dan menjadikan Wuming Wogan merek buah yang terkenal secara nasional.

Terkait inspeksi apel, para peneliti telah mengembangkan sistem khusus untuk memeriksa dan memilah apel berdasarkan kualitas luarnya. Sistem ini pertama-tama mengambil tiga gambar yang mencakup seluruh permukaan apel, lalu mengekstraksi fitur permukaannya.

Bentuk apel dideskripsikan menggunakan operator Fourier, dan jaringan saraf berdasarkan algoritma L-M digunakan untuk mengklasifikasikan apel berdasarkan bentuknya. Deteksi warna mengubah nilai RGB gambar menjadi pola histogram (HIS), menghasilkan histogram kromatisitas. Algoritme pengoptimalan kawanan partikel kemudian digunakan untuk mengoptimalkan jaringan saraf untuk penilaian warna.

Tim peneliti di Universitas Pertanian, Faisalabad, mengembangkan sistem inspeksi khusus yang disesuaikan dengan karakteristik mangga dan tomat. Evaluasi eksperimental menunjukkan bahwa algoritma pemrosesan gambar mencapai akurasi deteksi cacat masing-masing sebesar 89% dan 92% untuk mangga dan 95% untuk tomat. Dengan menggunakan arsitektur CNN, akurasi verifikasi untuk kedua buah tersebut mencapai 95% dan 94%.

Dalam aplikasi komersial, perangkat pintar telah digunakan untuk memeriksa dan mengemas lebih dari 20 jenis buah, termasuk apel, jeruk, jeruk, prem, kurma musim dingin, dan prem. Perangkat ini telah digunakan di hampir 10 provinsi, kotamadya, dan daerah otonom, termasuk Yunnan, Guangxi, Hubei, dan Xinjiang, dan secara kumulatif telah memeriksa dan mengemas jutaan ton berbagai buah.

5 Tantangan dan Tren Perkembangan Masa Depan

Meskipun visi mesin telah mencapai kemajuan signifikan dalam inspeksi buah, masih terdapat beberapa tantangan yang dihadapi. Karakteristik permukaan buah yang kompleks, seperti variasi warna, tekstur yang beragam, dan bentuk yang tidak beraturan, menimbulkan tantangan untuk inspeksi yang akurat.

Segmentasi ambang batas dapat dengan mudah gagal ketika kontras antara kulit buah dan latar belakang rendah atau ketika pencahayaan tidak merata. Misalnya, gradasi kuning-hijau pada kulit mangga dapat salah diidentifikasi sebagai cacat, sehingga menghasilkan tingkat positif palsu yang tinggi.

Perbedaan antara varietas buah yang berbeda juga meningkatkan kesulitan pemeriksaan, sehingga memerlukan pengembangan solusi khusus untuk setiap buah.

Tren pengembangan di masa mendatang akan menunjukkan karakteristik berikut: Konvergensi teknologi akan mendorong pemeriksaan buah menuju multimodalitas, menggabungkan deteksi spektral, deteksi sinar-X, deteksi hidung elektronik, dan deteksi resonansi magnetik nuklir untuk mencapai penilaian kualitas yang lebih komprehensif.

Kemampuan deteksi dinamis akan menjadi arah utama. Teknologi pemeriksaan kualitas buah di masa depan akan berevolusi dari deteksi statis menjadi deteksi dinamis, yang menuntut stabilitas perangkat keras dan akurasi perangkat lunak pemrosesan gambar yang lebih tinggi.

Integrasi tertanam akan membuat sistem lebih ringan, dan model ringan berdasarkan komputasi tepi akan menjadi fokus penelitian untuk memenuhi persyaratan pemrosesan waktu nyata.

Pengambilan keputusan yang cerdas akan terus meningkat, berevolusi dari inspeksi kualitas tunggal menjadi manajemen kualitas komprehensif, yang mengintegrasikan analisis data besar untuk memprediksi masa simpan buah dan permintaan pasar. Industri sortasi buah telah melalui empat tahap perkembangan: Tahap 1.0 berfokus pada ukuran, Tahap 2.0 menambahkan pemilahan dan klasifikasi berdasarkan berat, Tahap 3.0 lebih menekankan pada warna, dan Tahap 4.0 mulai mengeksplorasi deteksi cacat eksternal dan kualitas internal.

Saat ini, perusahaan China telah mencapai tingkat mekanisasi yang sebanding dengan standar global dalam penyortiran buah, dan bahkan berada di garis depan algoritma kecerdasan buatan.

Dengan kemajuan teknologi yang berkelanjutan, sistem inspeksi visual buah akan menjadi semakin cerdas dan canggih. Algoritma baru seperti YOLOv10 telah menghilangkan kebutuhan akan NMS, sehingga mengurangi beban komputasi. Di masa mendatang, kita mungkin akan melihat lebih banyak model ringan yang tertanam langsung ke ponsel pintar atau perangkat portabel, yang memungkinkan konsumen melakukan inspeksi kualitas buah kapan saja.

Penerapan perangkat pintar di area produksi Wogan (Wugan) di Wuhan telah menunjukkan bahwa Wogan yang disortir secara cerdas tidak hanya meningkatkan kualitas tetapi juga memperluas jalur pemasaran dan menghasilkan pertumbuhan pendapatan petani yang berkelanjutan. "Tren teknologi" ini secara fundamental mengubah citra pertanian tradisional sebagai "membosankan dan tidak berkelas", dengan menanamkan inovasi dan vitalitas dalam produksi pertanian.