Submission Details

Artificial intelligence and computer vision offer opportunities to automate industrial inspection and quality control. This project develops a bolt inspection and counting system using a webcam and an image classification model trained with Google’s Teachable Machine. As bolts move along a conveyor belt, the webcam captures images that the model classifies according to predefined bolt categories or condition labels. The system also counts bolts passing through the inspection area, integrating condition inspection and quantity monitoring in a single workflow. Its performance will depend on factors such as lighting, camera position, variations in bolt appearance, and the size and quality of the training dataset. The project aims to demonstrate the feasibility of using an accessible computer vision platform for real-time component inspection and counting, with the potential to reduce manual inspection effort and support more efficient production monitoring.

Kecerdasan buatan dan penglihatan komputer menawarkan peluang untuk mengotomatiskan inspeksi industri dan kontrol kualitas. Proyek ini mengembangkan sistem inspeksi dan penghitungan baut menggunakan webcam dan model klasifikasi gambar yang dilatih dengan Teachable Machine dari Google. Saat baut bergerak di sepanjang pita konveyor, webcam menangkap gambar yang diklasifikasikan oleh model sesuai dengan kategori baut yang telah ditentukan atau label kondisi. Sistem ini juga menghitung baut yang melewati area inspeksi, mengintegrasikan inspeksi kondisi dan pemantauan jumlah dalam satu alur kerja. Kinerjanya akan bergantung pada faktor-faktor seperti pencahayaan, posisi kamera, variasi penampilan baut, serta ukuran dan kualitas dataset pelatihan. Proyek ini bertujuan untuk menunjukkan kelayakan penggunaan platform penglihatan komputer yang dapat diakses untuk inspeksi dan penghitungan komponen secara real-time, dengan potensi untuk mengurangi upaya inspeksi manual dan mendukung pemantauan produksi yang lebih efisien.