<![CDATA[Dalam industri tekstil, pengendalian kualitas produk sangat penting untuk meminimalkan cacat yang dapat menurunkan kepuasan pelanggan dan efisiensi produksi. Jenis cacat kain yang umum, seperti double lusi, double pick, slap, netting, dan ketidaksesuaian ketebalan atau lebar kain, memerlukan inspeksi yang akurat dan efisien. Penelitian ini mengembangkan prototipe Fabric Inspection Machine (FIM) berbasis teknologi Image Processing untuk mendeteksi cacat secara otomatis. Sistem ini menggunakan algoritma pengolahan citra pada Google Teachable Machine, Raspberry Pi, dan kamera web sebagai pendeteksi cacat. Kain digerakkan oleh motor stepper dengan driver TB6600 dan dikendalikan oleh ESP8266, dengan sistem mekanik berbasis roll penggulung kain. Hasil pengujian menunjukkan bahwa mesin ini mampu mendeteksi tiga jenis kondisi kain: kain bagus, cacat jarang, dan cacat slap. Torsi motor stepper mencapai 0.3995 Nm, sementara torsi penggulung kain adalah 0.00242 Nm, dan torsi roller terhadap beban adalah 0.01615 Nm. Mesin mampu mempertahankan akurasi deteksi pada kecepatan kain dari 95.25 cm per menit (250 Hz, 18.75 RPM) hingga 285.75 cm per menit (750 Hz, 56.25 RPM). Desain mekanik yang konstan menjaga kecepatan penggulungan, meskipun ketebalan kain bervariasi. Dengan peningkatan akurasi dalam proses inspeksi, prototipe ini diharapkan dapat meningkatkan efisiensi produksi dan kualitas produk kain dalam industri tekstil.]]>
Copyrights © 2024
