Machine Vision (MV) adalah subdisiplin visi komputer yang berhubungan dengan perolehan, analisis, dan interpretasi gambar digital untuk mengenali dan memahami lingkungan secara otomatis. Ini adalah penerapan teknik dan algoritma pemrosesan gambar digital untuk menafsirkan, menganalisis, dan bertindak berdasarkan informasi visual untuk mengidentifikasi, menemukan, dan mengklasifikasikan objek dalam suatu gambar.
MV sering digunakan dalam otomasi industri dan robotika untuk mengidentifikasi, menemukan, dan melacak objek, orang, atau struktur di berbagai lingkungan. Hal ini sangat berguna untuk aplikasi dengan tingkat kompleksitas atau variasi yang tidak dapat ditangani secara efektif oleh algoritma atau sensor tradisional.
Aplikasi umum untuk MV mencakup penglihatan robot, inspeksi dan penyortiran komponen, pengenalan wajah, inspeksi perakitan, pengenalan objek, dan navigasi. Aplikasi lain termasuk pencitraan medis, pengawasan video, dan aplikasi pengawasan dan keamanan.
MV adalah bidang yang berkembang pesat dengan banyak produk komersial yang kini tersedia. Banyak faktor yang berkontribusi terhadap pengembangan solusi yang ada dan masa depan: perpustakaan perangkat lunak sumber terbuka, platform perangkat keras, dan peningkatan daya komputasi.
Sistem MV umumnya terdiri dari sensor (biasanya kamera digital atau serangkaian kamera), prosesor (biasanya PC atau perangkat tertanam), dan tahap keluaran (biasanya lengan robot atau peralatan mesin). Sensor menangkap gambar pemandangan, yang kemudian dikirimkan ke prosesor untuk interpretasi dan tindakan.
MV memiliki beberapa keunggulan dibandingkan sistem visi tradisional, termasuk kecepatan, akurasi, keandalan, dan fleksibilitas. Karena mesin mampu mendeteksi objek lebih cepat dan andal dibandingkan manusia, MV dapat digunakan untuk jalur produksi yang jauh lebih cepat, serta untuk kategorisasi objek yang lebih akurat. Selain itu, fleksibilitas MV berarti dapat digunakan untuk berbagai aplikasi, seperti mengidentifikasi objek yang sulit dibedakan. Terakhir, MV seringkali jauh lebih hemat biaya dibandingkan metode tradisional untuk aplikasi tertentu.
