Deteksi Dan Klasifikasi Cacat Pada Produk Kain Dengan Metode Pengolahan Citra Digital

Abstract

Penelitian ini membahas tentang metode yang dapat digunakan untuk mendeteksi dan mengklasifikasi cacat pada kain menggunakan berbasis pengolahan citra digital. Tujuan dari penelitian ini adalah meningkatkan akurasi dan efisiensi deteksi cacat kain melalui pemrosesan citra yang lebih cepat dibanding dengan pengamatan manual. Dalam penelitian ini, gambar kerusakan kain diunggah dan program akan melakukan deteksi menggunakan pemrosesan gambar. Langkah pertama mengubah gambar menjadi grayscale. Selanjutnya, dilakukan penghilangan noise atau filtering, konversi biner melalui thresholding, serta mengaplikasikan operasi morfologi untuk perbaikan hasil citra. Kontur pada gambar kemudian dianalisis untuk mengidentifikasi area yang menunjukkan kerusakan pada kain, seperti kerusakan pada weft satu warp kain. Terdapat 7 jenis klasifikasi cacat yaitu hole, float, thick or thin weft, double pick, insufficient weft density, excessive weft density, dan broken weft. Klasifikasi ini dihitung berdasarkan ukuran kontur dan pengukuran tambahan lebar dan tinggi bounding box. Hasil penelitian ini menunjukkan tingkat keberhasilan deteksi cacat yang tinggi dengan klasifikasi yang akurat untuk setiap jenis kerusakan pada kain sehingga bermanfaat untuk inspeksi otomatis di industri kecil.