AI · Neural Network · Computer Vision

Dari pengamatan visual,
menjadi tindakan.

DGeoDetection memanfaatkan AI untuk mengenali kondisi dan penyimpangan visual, menghasilkan informasi yang relevan, lalu mendukung tindak lanjut di lapangan.

Konsep solusi · Pengembangan berbasis kebutuhan

01

Deteksi sesuai kebutuhan nyata

02

Data dan bukti untuk diperiksa

03

Tindak lanjut yang jelas

Teknologi mengikuti
kebutuhan deteksinya.

Apa yang perlu dikenali? Bukti apa yang bisa diamati? Apa yang dilakukan setelah ditemukan? Tiga pertanyaan ini menjadi titik awal DGeoDetection.

Dengan computer vision berbasis neural network, gambar dan video dapat diolah untuk mengenali objek, kondisi, aktivitas, atau penyimpangan. Hasilnya diterjemahkan menjadi informasi yang berguna bagi pengguna.

Pengembangan dimulai dari contoh nyata, kriteria yang jelas, dan pengujian bersama pengguna.

Mengenali pola visual

Model membantu menemukan objek dan pola pada tampilan area atau produk yang diamati.

Memberi konteks

Zona, waktu, durasi, serta kriteria mutu menentukan arti hasil deteksi bagi operasional.

Menyimpan bukti

Foto, cuplikan video, dan catatan hasil membantu petugas memeriksa kembali temuan.

Mendukung tindakan

Hasil deteksi dapat memicu pemeriksaan, evaluasi, atau mekanisme pemilahan sesuai SOP.

DGeoDetection dalam dua use case.

Dari monitoring aktivitas sampai inspeksi kualitas, pengamatan visual dihubungkan dengan hasil dan tindak lanjut yang berbeda.

Diagram konsep · Klik gambar untuk memperbesar.

Unduh diagram

Tiga bentuk hasil yang saling melengkapi.

Tidak semua pengamatan harus menjadi alarm. Ada yang menjadi kejadian, data angka, atau hasil pengenalan.

APA YANG TERJADI?

Event Detection

Mengenali kondisi yang perlu diperiksa atau ditindaklanjuti, disertai waktu, lokasi, dan bukti.

No helmetIndikasi smokingIndikasi sleepingTemuan cacat visual
BERAPA DAN BAGAIMANA TRENNYA?

Statistic Data

Menghasilkan jumlah, perubahan kondisi, dan ringkasan hasil untuk evaluasi operasional.

People countingOccupancyCrowdedStatistik mutu
APA ATAU SIAPA YANG DIKENALI?

Recognize

Mengenali jenis objek atau peserta terdaftar sesuai lingkup dan tujuan penggunaan yang disepakati.

Face recognitionPeserta terdaftarJenis produk

Konteks berbeda.
Hasil yang tetap bisa ditindaklanjuti.

Pilih use case untuk melihat kebutuhan, contoh fungsi, dan alur penggunaannya.

01 / MONITORING LIVE STREAMING CCTV

Bantu petugas melihat
kondisi yang perlu perhatian.

Pada area kerja, pintu masuk, pos petugas, atau fasilitas, DGeoDetection dirancang untuk membantu menyaring temuan dan menyediakan bukti untuk pemeriksaan.

  • No helmet pada zona wajib helm.
  • Indikasi smoking atau sleeping untuk ditinjau petugas.
  • People counting dan crowded menurut zona serta waktu.
  • Face recognition terhadap peserta yang didaftarkan.

Satu CCTV ditargetkan dapat menjalankan beberapa fungsi bersamaan. Kelayakan gambar dan kinerja gabungannya dibuktikan melalui PoC.

Contoh alur penggunaan

01
Amati area

Tentukan zona, kondisi yang dicari, dan periode pemantauan.

02
Temukan dan tampilkan bukti

Temuan memiliki waktu, lokasi, foto atau cuplikan video.

03
Verifikasi dan tindak lanjuti

Petugas menilai konteks, menjalankan SOP, dan mencatat penanganan.

04
Evaluasi pola kejadian

Ringkasan aktivitas dan temuan menjadi bahan perbaikan operasional.

Event dan evidenceData aktivitasRiwayat penanganan

Informasi berguna ketika
terhubung dengan pekerjaan pengguna.

DGeoDetection diarahkan untuk membantu pemeriksaan, mendokumentasikan bukti, dan menyediakan data bagi evaluasi. Manfaatnya dinilai pada penerapan nyata.

Contoh manfaat yang dinilai bersama pengguna saat pilot.
KebutuhanMonitoring CCTVQA produksi
Perhatian lebih terarahTemuan membantu petugas memilih kondisi yang perlu ditinjau.Temuan membantu operator meninjau produk yang menyimpang dari kriteria visual.
Bukti yang dapat ditelusuriWaktu, lokasi, dan visual kejadian terhubung dengan catatan penanganan.Hasil inspeksi dan pemilahan terkait dengan produk atau batch yang diperiksa.
Data untuk evaluasiStatistik aktivitas dan pola kejadian membantu evaluasi area.Proporsi OK/NG serta jenis temuan membantu evaluasi mutu dan proses.
Tindak lanjut yang jelasVerifikasi dan tindakan petugas mengikuti SOP lokasi.Pemilahan dan penanganan pengecualian mengikuti prosedur produksi.

Mulai terarah.
Buktikan, lalu kembangkan.

Lingkup awal dipilih agar kebutuhan, contoh data, dan hasilnya bisa diperiksa bersama.

01

Pahami kebutuhan

Tentukan objek, kondisi, pengguna, dan tindakan yang diharapkan.

02

Nilai kelayakan

Periksa contoh gambar, variasi kondisi, serta kriteria penilaiannya.

03

Uji melalui PoC

Ukur ketepatan hasil, waktu respons, dan kesesuaian tindak lanjut.

04

Evaluasi dan perluas

Sempurnakan penerapan berdasarkan hasil pilot dan pengalaman pengguna.

Apa yang disiapkan untuk diskusi awal?

Mulai dengan satu area atau satu jenis produk. Bahan sederhana ini membantu menentukan lingkup PoC.

  • Tujuan dan kondisi yang ingin dikenali
  • Contoh gambar atau video
  • Contoh normal dan penyimpangan
  • Kriteria hasil yang diterima
  • Alur kerja petugas atau produksi
  • Tindak lanjut setelah deteksi

Memahami lingkup
penerapannya.

Apakah deteksi visual harus menggunakan LLM?

Tidak. Computer vision berbasis neural network dapat digunakan untuk kebutuhan deteksi yang dibahas di sini. Penggunaan layanan AI eksternal atau LLM dipilih hanya bila relevan dengan kebutuhan tambahan.

Bisakah beberapa fungsi aktif pada satu CCTV?

Itu menjadi sasaran pengembangan: event detection, counting/crowded, dan face recognition dapat dipilih pada satu CCTV. Detail gambar untuk tiap fungsi serta kinerja saat aktif bersamaan perlu dibuktikan melalui PoC.

Apakah hasil QA hanya berupa notifikasi?

Hasil inspeksi dapat dikembangkan untuk mendukung tindakan fisik, termasuk pemilahan produk. Kesesuaian hasil dengan produk yang sama, waktu pemilahan, dan penanganan pengecualian diuji bersama tim produksi dan otomasi.

Bagaimana bila hasil pengamatan belum cukup jelas?

Hasil dapat diarahkan ke pemeriksaan petugas. Wajah yang belum layak dianalisis tidak dipaksa menjadi identitas, dan produk dengan hasil meragukan mengikuti jalur review sesuai SOP.

Bagaimana keberhasilan pilot dinilai?

CCTV dinilai dari ketepatan temuan, alarm salah, kejadian terlewat, galat hitungan, serta kinerja gabungan. QA dinilai dari produk NG yang lolos, produk OK yang ditolak, waktu inspeksi, dan keberhasilan pemilahan. Target disepakati berdasarkan kebutuhan serta contoh nyata.

Mulai dari hal yang perlu dideteksi.
Bangun manfaat yang bisa diperiksa.

Monitoring area atau inspeksi produk—pilih kebutuhan awal, tentukan hasil yang diharapkan, lalu buktikan melalui pengujian.

Siapkan kebutuhan PoC