Menghitung objek bulat dengan ponsel: bluberi, benih, kacang, dan computer vision

Pertanyaan universal: ada berapa?

Di seluruh sektor pertanian dan pengolahan pangan, ribuan keputusan masih bertumpu pada seseorang yang menghitung objek secara manual di atas meja, nampan, piring, ban berjalan, atau di telapak tangan. Bluberi. Benih kedelai. Kacang polong. Kacang-kacangan. Biji. Pelet. Sampel percobaan. Menghitungnya sendiri tidak sulit — tantangannya adalah skala. Satu proyek saja dapat melibatkan ratusan atau ribuan citra, yang membuat penghitungan manual menjadi lambat, berulang, dan rawan galat.

Entah objeknya beri, benih, atau kacang, tugas dasarnya sama: menghitung objek bundar atau nyaris bundar satu per satu dari sebuah citra. Pecahkan sekali, dan solusinya berlaku lintas bidang — mutu benih kedelai, studi perkecambahan, analisis kacang tanah, riset serealia, program pemuliaan, dan eksperimen laboratorium.

Dari mana bermula: bluberi

Di Petiole Pro, salah satu penerapan penghitungan paling awal kami lahir dari kendali mutu bluberi pascapanen. Peneliti dan mitra industri menginginkan cara yang lebih cepat untuk mengukur sampel beri tanpa menghabiskan waktu berharga menghitung buah dengan tangan. Alur kerjanya: ambil sampel, tata beri di atas nampan, foto, hitung, catat — diulang untuk ratusan citra.

Menghitungnya tidak pernah menjadi bagian yang sulit — skalanyalah yang sulit. Mengubah pekerjaan manual yang berulang menjadi beberapa detik analisis citra, itulah yang membuat perbedaan pada volume yang dituntut kendali mutu sesungguhnya.

Mengapa objek bulat adalah titik awal yang baik

Objek bulat termasuk sasaran termudah bagi sistem computer vision. Objek semacam itu cenderung memiliki batas yang tegas, bentuk yang terduga, ukuran yang relatif konsisten, dan pemisahan yang jelas dari latar belakang. Tebarkan di atas permukaan kontras, dan analisis citra modern dapat mengenali serta menghitungnya dengan akurasi mengesankan — itulah sebabnya bluberi, benih kedelai, kacang polong, buncis kabuli, makadamia, kemiri hazel, badam, pelet pupuk, serta banyak buah dan beri semuanya berfungsi dengan baik.

Inilah pula sebabnya objek bulat menjadi titik awal yang jujur alih-alih klaim berlebihan. Geometrinya menjaga persoalan deteksi tetap terkelola, sehingga modelnya bisa cukup ringan untuk berjalan di ponsel. Bentuk yang tidak beraturan, bertumpang tindih, dan biologis — daun, akar, bunga — lebih sulit, dan itu topik untuk lain waktu.

Alur kerja ponsel empat langkah

Prosesnya sengaja dibuat sederhana agar berfungsi di laboratorium, rumah pengemasan, ruang kelas, atau lapangan. Semuanya berjalan dari aplikasi Petiole Pro pada ponsel biasa.

1. Tata sampelnya. Tebarkan objek dalam satu lapisan di atas latar yang kontras — nampan, piring, meja, atau bangku kerja — dan tambahkan pelat kalibrasi bila Anda menginginkan pengukuran, bukan sekadar jumlah.
2. Ambil citranya. Fotolah tepat dari atas. Cahaya yang konsisten dengan bayangan minimal meningkatkan akurasi; cahaya siang hari paling ideal.
3. Deteksi setiap objek. Alih-alih memperlakukan sampel sebagai satu massa, algoritme menemukan setiap beri atau benih secara terpisah.
4. Hasilkan pengukuran. Setelah objek terdeteksi, aplikasi menghitung jumlah, diameter, luas, metrik bentuk, dan statistik distribusi.

Berikut hasil pemotretan langkah 2 dan hasil langkah 3 berdampingan — sepiring anggur hijau, lalu piring yang sama dengan setiap buah terdeteksi dan terukur:

Lebih dari sekadar jumlah: ukuran, luas, dan distribusi

Di sinilah penghitungan berbasis citra menjadi jauh lebih berharga daripada sekadar angka total. Dari satu citra, aplikasi dapat melaporkan jumlah objek, ukuran rata-rata, ukuran minimum dan maksimum, simpangan baku, distribusi ukuran lengkap, serta persentase objek dalam kelas ukuran tertentu. Alih-alih menghitung 500 bluberi secara manual, Anda memperoleh ringkasan statistik lengkap dalam hitungan detik.

Mesin deteksi yang sama berskala dari puluhan objek hingga ribuan. Nampan benih yang padat adalah persis tempat penghitungan manual runtuh dan tempat model ringan di perangkat tetap kokoh:

Mengapa simpangan baku itu penting

Bayangkan dua sampel bluberi yang sama-sama memiliki diameter buah rata-rata 16 mm. Sekilas keduanya tampak identik. Namun pada Sampel A sebagian besar buah berada dekat 16 mm — sangat konsisten — sementara pada Sampel B sebagian berukuran 10 mm dan lainnya 22 mm. Rerata sama, produk sangat berbeda. Bagi petani, pengemas, dan pembeli, keduanya sama sekali bukan hal yang sama, dan itulah yang ditangkap simpangan baku.

Simpangan baku mengukur seberapa besar ragam yang ada di dalam sebuah sampel. Nilai rendah berarti objeknya serupa ukurannya; nilai tinggi berarti ukurannya sangat beragam. Bayangkan sebuah ruang kelas: bila setiap anak nyaris sama tingginya, simpangan bakunya rendah; bila sebagian sangat pendek dan lainnya sangat tinggi, nilainya tinggi. Prinsip yang sama berlaku bagi bluberi, benih, dan kacang — dan itu menggerakkan keputusan nyata:

• Bluberi: peritel lebih menyukai kemasan yang seragam; simpangan baku rendah menandakan konsistensi.
• Benih kedelai dan buncis kabuli: ukuran benih yang seragam memengaruhi kinerja penanaman dan efisiensi pengolahan.
• Uji pemuliaan: peneliti mencari varietas yang menghasilkan keluaran lebih seragam.
• Pengolahan pangan: mesin bekerja lebih baik bila bahan bakunya berdimensi terduga.

Karena setiap objek diukur terhadap skala terkalibrasi yang sama, ringkasan ini dapat langsung dibandingkan lintas sampel dan lintas komoditas. Beberapa hasil nyata Petiole Pro menunjukkan betapa sebarannya berubah menurut produknya:

Diukur dengan Petiole Pro di atas pelat terkalibrasi. Sebagai pembanding, buncis kabuli memiliki diameter rata-rata 1,10 cm dengan simpangan baku hanya 0,09 cm — termasuk sampel paling seragam di antara semuanya.

Akurasi 87%: presisi versus kepraktisan

Presisi memang penting dalam pertanian dan pengolahan pangan — tetapi seberapa besar presisi yang cukup? Ambil contoh nyata: menghitung 1.411 butir kacang hitam turtle. Aplikasi mengembalikan 1.228 — itu berarti akurasi 87%. Apakah itu masalah? Belum tentu.

Mengapa akurasi di atas 85% bisa disebut kemenangan:

• Hasil yang kian menyusut. Mengejar 13% terakhir dapat menghabiskan waktu dan sumber daya lebih besar daripada nilainya. Akurasi 87% memungkinkan operasi berjalan cepat tanpa kompromi berarti — dan sisanya selalu bisa dihitung dengan tangan.
• Alam tidak seragam. Ragam kecil memang diperkirakan dan sudah diperhitungkan dalam sebagian besar alur kerja. Bertahan di atas 85% menyeimbangkan jaminan mutu dengan biaya operasional.
• Ia berskala. Pendekatan berbasis ponsel pada tingkat akurasi ini tetap kokoh seiring operasi membesar — entah tim QA Anda berjumlah 10 orang atau 100, akurasinya tetap konsisten pada volume yang lebih besar.

Konteks menentukan segalanya. Sebagian industri menuntut presisi lebih tinggi; banyak lainnya berkembang baik pada tingkat ini. Keterampilannya adalah memahami kebutuhan spesifik Anda dan mengoptimalkan sesuai kebutuhan itu — bukan memperlakukan 100% sebagai satu-satunya sasaran yang dapat diterima.

Aturan pelat kalibrasi

Bisakah aplikasi menghitung beri di dalam kotak, di atas nampan, atau dalam gumpalan? Bisa — ia dapat menghitung dalam hampir segala kondisi. Namun begitu Anda menginginkan pengukuran — diameter, luas rata-rata, simpangan baku — pelat kalibrasi berhenti menjadi anjuran dan berubah menjadi aturan.

Pelat kalibrasi berperan sebagai baku ukur — penggaris yang dapat dipercaya algoritme. Ia memberi tahu AI ukuran nyata objek di dalam foto, sehingga piksel berubah menjadi sentimeter. Tanpa pelat, tanpa pengukuran: Anda akan selalu mendapat nol untuk luas dan diameter. (Mengukur ukuran tanpa pelat memang mungkin dengan kamera kedalaman, tetapi pemrosesan kedalaman waktu nyata pada ponsel atau tablet menuntut perangkat keras dan anggaran tambahan.)

Pelat kalibrasi cetak yang gratis sudah tersedia di dalam aplikasi, dan pelat akrilik yang lebih kokoh dapat dibeli dari toko Petiole Pro. Bila Anda sedang menimbang apakah membutuhkannya untuk alur kerja Anda, kami membahas keputusan itu secara rinci dalam perlukah pelat kalibrasi untuk Petiole Pro?

Apa yang bisa Anda hitung hari ini

Modul penghitungan sudah mencakup beri, benih, dan kacang, dengan alur jaminan mutu khusus di dalam aplikasi. Masing-masing menghitung dan mengukur; beberapa juga menilai penampilan dan warna.

Menghitung baru separuh ceritanya: modul seperti Peanuts QA juga membaca warna dalam ruang RGB, HSV, dan LAB untuk penilaian mutu berbasis penampilan, dan modul beri mendukung pemeriksaan mutu visual yang memengaruhi daya simpan serta daya jual.

Objek bulat baru permulaan. Bentuknya yang relatif sederhana menjadikannya pintu masuk ideal bagi penghitungan dan pengukuran otomatis, dan pemikiran yang sama sudah merambah tugas terkait seperti penghitungan perkecambahan berbantuan AI. Pekerjaan berikutnya akan menggarap sasaran yang lebih sulit: objek tak beraturan, struktur bertumpang tindih, daun, akar, dan bunga.

Dibangun untuk bluberi lebih dahulu — tetapi modulnya dapat diperluas. Bila Anda menghitung objek bulat tertentu yang belum tercakup, sebuah modul khusus sering kali dapat dibuatkan untuknya.