Research on edge defects image recognition technology based on artificial neural network

Timber quality control is undoubtedly a very laborious process in the secondary wood industry. Manual inspections by operators are prone to human error, thereby resulting in poor timber quality inspections and low production volumes. The automation of this process using an automated vision inspection (AVI) system integrated with artificial intelligence appears to be the most plausible approach due to its ease of use and minimal operating costs. This paper provides an overview of previous works on the automated inspection of timber surface defects as well as various machine learning and deep learning approaches that have been implemented for the identification of timber defects. Contemporary algorithms and techniques used in both machine learning and deep learning are discussed and outlined in this review paper. Furthermore, the paper also highlighted the possible limitation of employing both approaches in the identification of the timber defect along with several future directions that may be further explored.

show abstract

“…[20], [24], [30], [40]- [45] Defect identification [8], [13]- [15], [21]- [23], [25]- [27], [29], [37], [39], [46]- [50]…”

Section: Defect Type Reference Defect Detectionmentioning

confidence: 99%

A review of the automated timber defect identification approach

Chun

Hashim²,

Ahmad³

et al. 2023

IJECE

View full text Add to dashboard Cite

show abstract

“…Pada penelitian sebelumnya yang berjudul an automated vision system for measurement of zebrafish length using low-cost orthogonal web cameras (Al-Jubouri et al, 2017). Penelitian yang dilakukan oleh Chen, untuk mendeteksi defect yang terdapat pada kayu yang sulit dilihat oleh manusia menggunakan image recognition berbasis Jaringan Syaraf Tiruan (Chen et al, 2018). Penelitian selanjutnya yaitu Pengenalan Pola Angka Tulisan Tangan Pada Cek Menggunakan Neocognitron, dengan menggunakan metode backpropagation mampu mengenali pola aksara jawa dengan baik yaitu memiliki nilai akurasi 95,81% (Rosnelly, 2018).…”

Section: Kajian Pustakaunclassified

Sistem Inspection Double Sided Tape Menggunakan Jaringan Syaraf Tiruan Untuk Pengecekan Otomatis

Salamah

Assidiq²,

Simanjuntak³

2022

J. Iim. Tek. Elektro

View full text Add to dashboard Cite

One of the quality demands in the automotive industry is found in the meter cluster product of a car, namely Double Sided Tape. Installation of Double Sided Tape so as not to cause light leakage on the display meter cluster. An inspection system is needed that can replace the role of humans in checking automatically so that it can eliminate human-error problems. To ensure that the level of inspection system is the same as that of humans, they can use Artificial Neural Networks for the decision-making process. In supporting the checking system, a matlab and a webcam camera are needed which functions to analyze the digital image captured from the camera. The results of testing the accuracy of single data samples OK and NG is an accuracy of 95%. The length of learning time obtained to be able to distinguish which Card Board has been installed with Double Sided Tape or not is 291.2541 seconds. From the experiments that have been carried out, it can be seen that the factors that affect accuracy and RMSE are the number of epochs and the learning rate, the most optimal learning rate obtained is 0.3, and the epoch value is 5000.Tuntutan kualitas pada industri otomotif salah satunya yang terdapat pada produk meter cluster sebuah mobil yaitu Double Sided Tape. Pemasangan Double Sided Tape agar tidak menimbulkan kebocoran cahaya pada display meter cluster. Diperlukan suatu sistem inspection yang bisa menggantikan peran manusia dalam pengecekannya secara otomatis sehingga dapat menghilangkan masalah human-error. Untuk memastikan level inspection system tersebut sama dengan yang dilakukan manusia bisa menggunakan Jaringan syaraf Tiruan untuk proses pengambilan keputusan. Dalam menunjang sistem pengecekan diperlukan matlab dan kamera webcam yang berfungsi menganalisa hasil tangkap gambar citra digital dari kamera. Hasil dari pengujian akurasi data tunggal sample OK dan NG adalah akurasi 95%. Lama waktu learning yang didapat untuk dapat membedakan mana Card Board yang sudah terpasang Double Sided Tape atau tidak yaitu 291.2541 detik. Dari percobaan yang telah dilakukan dapat diketahui faktor yang mempengaruhi akurasi dan RMSE adalah jumlah epoch dan learning rate, nilai paling optimal learning rate yang didapat adalah 0.3, dan nilai epoch 5000.

show abstract

“…Pada penelitian yang dilakukan oleh Qussay Al-Jubouri, [4] untuk mengukur panjang ikan zebra berbasis automated vision system menggunakan low-cost camera atau kamera WebCam . Penelitian yang dilakukan oleh Naijian Chen, [5] untuk mendeteksi defect yang terdapat pada kayu yang sulit di lihat oleh manusia menggunakan image recognition berbasis Jaringan Syaraf Tituan. Penelitian yang dilakukan oleh Ahmad Jahanbakshi, [6] untuk kualitas lemon memakai High Spec Camera dengan metode mekanisme stochastic pooling berbasis Convolutional Neural Network dengan Matlab dan menghasilkan akurasi mencapai 100%…”

Section: Penelitian Terkaitunclassified

Perancangan Sistem Conformal Coating Inspection Circuit Board Menggunakan Metode Jaringan Saraf Tiruan Berbasis Matlab

Ramli¹,

Salamah

Yuliza

2021

JTE

View full text Add to dashboard Cite

Masalah Human-Error pada process manual inspection seperti pada proses conformal coating circuit board menjadi hal yang harus diperhatikan mengingat sangat pentingnya fungsi dari conformal coating untuk melindungi circuit board dari oksidasi dan pengaruh lingkungan. Sehingga diperlukan suatu sistem inspection yang bisa menggantikan peran manusia dalam pengecekannya sehingga dapat menhilangkan masalah human-error. Salah satunya adalah dengan memanfaatkan computer vision yaitu cabang ilmu yang mempelajari tentang bagaimana suatu sistem dapat mengenali suatu objek dengan kombinasi antara pengolahan citra dan pengenalan pola. Untuk memastikan level inspection system tersebut sama dengan yang dilakukan manusia bisa menggunakan Jaringan syaraf Tiruan untuk proses pengambilan keputusan. Berdasarkan hal tersebut, pada penelitian ini dibuat suatu prototype conformal coating inspection menggunakan JST. Pada penelitian ini juga penulis mencoba mengolah data input JST dengan metode PCA (Principal Component Analysis). Proses percobaan pada sistem dilakukan dengan memberikan variasi pada epoch, learning rate dan hidden layer sehingga bisa dilihat hubungannya terhadap nilai RMSE, Processing time dan recognition rate. Berdasarkan hasil perancangan, implementasi dan pengujian yang dilakukan, maka dapat ditarik kesimpulan bahwa JST dengan PCA lebih baik dengan akurasi 100%. Pada tahap learning process nilai RMSE terendah yaitu 4 x 10-7, recognition rate 100% presentase 88.88%, dan Processing time tercepat 696.4910 detik

show abstract

Research on edge defects image recognition technology based on artificial neural network

Cited by 5 publications

References 11 publications

A review of the automated timber defect identification approach

A review of the automated timber defect identification approach

Sistem Inspection Double Sided Tape Menggunakan Jaringan Syaraf Tiruan Untuk Pengecekan Otomatis

Perancangan Sistem Conformal Coating Inspection Circuit Board Menggunakan Metode Jaringan Saraf Tiruan Berbasis Matlab

Contact Info

Product

Resources

About