Vision Intelligence dalam Teknologi Kecerdasan Buatan

Pengantar

• Pembicara: Dr. Muhammad Iqbal (Kepala Program Studi D3 Teknik Komputer), Dr. Sigit Widianto
• Topik: Vision Intelligence – Pengumpulan, analisis, dan pemahaman gambar, video digital, dan implementasi AI dalam machine vision.

Sistem Vision dan Anatomi Computer Vision

Mengapa Vision Intelligence Penting?

• Penglihatan Manusia dan Hewan: Studi tentang mekanisme penglihatan untuk meniru kecerdasan visual manusia/hewan.
• Resolusi Mata Manusia: 576 megapiksel; efektif dalam menyimpan hanya data yang penting.
• Cortex Visual Manusia: 50% otak manusia berkaitan dengan penglihatan.

Proses Penglihatan Manusia

• Ilusi Otak: Otak menciptakan ilusi berdasarkan emosi dan fisiologi (contoh: Adelson Checkerboard, Ilusi Davidoff).
• Persepsi: Berbeda tergantung keadaan manusia (kenyang vs. lapar).

Teknologi Computer Vision

• Konsep: Komputer mengubah citra atau video digital menjadi data yang dapat dianalisis dan dipahami.
• Research Quote: “To make a machine think, teach it to see.”
• Kecerdasan Visual: Mata sebagai alat optik, informasi diolah di otak untuk menghasilkan persepsi.
• Komputer Vision: Meningkatkan kemampuan komputer untuk mengumpulkan, menganalisis, dan memahami citra atau video.

Bidang Ilmu Terkait

• Interdisipliner: Machine vision, image processing, neurobiologi, fisika, signal processing.
• Pendekatan: Imaging (spasial X-Y) dan signal processing (gelombang elektromagnetik).
• Aplikasi: Robotics, artificial intelligence, machine learning, matematika.

Anatomi Machine Vision

• Implementasi: Dari pengambilan gambar hingga analisis dan hasil akhir.
• Proses: Pengambilan gambar (target dengan kamera), pencahayaan, preprocessing, extract fitur, diferensiasi, dan keluaran.
• **Tingkat Pengolahan Citra: (Level 0-3) mengubah gambar menjadi informasi yang dapat digunakan komputer.

Level Pengolahan Citra

• Level 0 (Akuisisi Citra): Representasi, sampling, kuantisasi, kompresi.
• Level 1 (Transformasi Gambar): Enhancement, restoration, segmentation.
• Level 2 (Transformasi Gambar ke Parameter): Feature selection, object recognition.
• Level 3 (Parameter ke Decision): Decision making based on identified objects.

Tahapan Pengolahan Citra

• Image Acquisition: Mengambil gambar dengan kamera, proses digitalisasi
• Image Enhancement: Menghilangkan noise, memperjelas fitur.
• Image Restoration: Mengetahui ketidaksempurnaan gambar dan memperbaikinya.
• Morphological Processing: Mengambil feature dari gambar dan mendeskripsikannya.
• Segmentation: Memisahkan objek foreground dari background.
• Object Recognition: Mengidentifikasi objek dalam gambar.
• Representation, Compression, Processing: Meningkatkan kualitas gambar agar mudah dibaca oleh manusia atau sistem.

Tools dan Library untuk Computer Vision

• Beberapa Tools: Halcon, Cognex, OpenCV
• Catatan Penting: Lighting, staging, lenses, camera penting dalam anatomis computer vision.

Implementasi AI dalam Machine Vision

• Pengenalan Machine Learning (ML) dan Deep Learning (DL):
  • Machine Learning: Feature extraction, classification (SVM, decision tree).
  • Deep Learning: CNN (Convolutional Neural Network), shape-based feature modeling.

AI dalam Video Surveillance

• Machine Learning vs. Deep Learning: Fungsi, feature extraction, klasifikasi, konvolusi.
• Generative AI: Menghasilkan konten visual secara mandiri (descriptive, zero-shot classification, text-to-vision).

Implementasi AI di Berbagai Bidang

• Autonomous Vehicle
• Face Recognition
• Medical Imaging: Cancer detection
• Traffic Monitoring
• Retail Management

Tantangan dan Permasalahan AI dalam Vision Intelligence

• Data Volume dan Variability: Transfer learning untuk penggunaan data.
• Kinerja dan Kecepatan: Penggunaan GPU, TensorFlow untuk optimalisasi.
• Etika dan Keamanan Data: HTTPS dan PDP.
• Blackbox Nature: Mempelajari dan memahami prediksi box modeling.

Penutup

• Pentingnya AI: Alat bantu untuk manusia, perkembangan teknologi membawa banyak manfaat.
• Peran Mahasiswa: Potensi penelitian di bidang image processing, computer vision, machine learning, dan AI.