LMS-SPADA INDONESIA LMS-SPADA INDONESIA
Global searching is not enabled.

Kecerdasan Artifisial

  1. Home
  2. Courses
  3. ILMU TEKNIK
  4. TEKNIK ELEKTRO DAN INFORMATIKA
  5. Teknik Informatika
  6. MV 1
Skip to main content

Course Content


Topic outline

  • General

    Collapse all Expand all

    Topik

    Machine Vision

    Selamat datang pada matakuliah terbuka Machine Vision.


    Dosen Pengampu

    inegara

    I Gede Putra Kusuma Negara, B.Eng., PhD

    inegara@binus.edu


    Deskripsi Mata Kuliah

    Komputasi dengan gambar tidak lagi hanya untuk ranah sains, tapi juga untuk seni dan ilmu sosial. Machine Vision mengekstrak deskripsi lingkungan dari gambar atau urutan gambar dan bergantung pada pemahaman yang solid tentang kamera dan proses fisik pembentukan citra. Mata kuliah ini dimulai dengan memperkenalkan konsep sistem penglihatan, pembentukan citra, dan penyaringan citra. Kemudian mata kuliah ini membahas beberapa aspek penglihatan mesin seperti deteksi fitur, ekstraksi fitur, pengenalan pola, dan pencocokan gambar. Melalui mata kuliah ini, mahasiswa juga akan mengeksplorasi beberapa aplikasi machine vision. Ada banyak aplikasi penting dari machine vision, seperti inspeksi industri, OCR, pencitraan medis, pengambilan gambar berbasis konten, dan pengenalan wajah.


    Capaian Pembelajaran

    CP1 : Mengetahui berbagai aspek algoritma machine vision

    CP2 : Memahami pentingnya aplikasi machine vision

    CP3 : Menerapkan konsep machine vision untuk memecahkan masalah rekayasa di dunia nyata

    CP4 : Menganalisis teknologi machine vision yang memungkinkan

    CP5 : Evaluasi kemajuan dan tantangan penelitian dalam machine vision

    CP6 : Merancang pendekatan baru yang dapat memperbaiki aplikasi machine vision


    Peta Kompetensi dan Peta Program

    peta kompetensi


    Topik

    1. Introduction to Machine Vision

    2. Human Visual System and Digital Camera

    3. Light and Color

    4. Image Filtering (1)

    5. Image Filtering (2)

    6. Feature Detection

    7. Shape Feature

    8. Texture Features  

    9. Recognition (1)

    10. Recognition (2)

    11. Image Matching

    12. Sample Applications


    Komponen Penilaian

        Assessment Activity    
    		Weight
    Attendance (F2F)
    		10%
    Discussion Forum Activity
    		10%
    Assignment20%
    Midterm Examination30%
    Final Examination30%


    Cara mempelajari materi

    Peserta diharapkan membaca lecturer note dan bahan ajar lainnya yang telah disediakan. Apabila belum memahami secara mendalam posting pertanyaan di forum diskusi yang sudah disediakan. Tugas-tugas dikerjakan yang disediakan setiap pertemuan. Quis akan diberikan setelah beberapa topik diberikan.


    Buku

    1. Forsyth. (2011). Computer Vision a Modern Approach (2nd Edition). Prentice Hall. New Jersey. ISBN-10: 013608592X. ISBN-13: 978-0136085928.

    2. Szeliski. (2010). Computer Vision: Algorithms and Applications. Springer. London. ISBN-13: 978-1848829343. ISBN-10: 1848829345

    3. Gonzales. (2011). Digital Image Processing (3rd Edition). Prentice Hall. New Jersey. ISBN-10: 013168728X. ISBN-13: 978-0131687288

    4. Nixon, M. (2008). Feature extraction & image processing (2nd Edition). Academic Press. ISBN: 9780080556727




  • Topik1 - Introduction to Machine Vision

    Tujuan pembelajaran:

    • Memahami berbagai aspek algoritma machine vision
    • Memahami pentingnya aplikasi machine vision                

     

    Terdiri dari sub-topik sebagai berikut:

    • What is Machine Vision?
    • Related fields
    • Application areas

  • Topik2 - Human Visual System and Digital Camera

    Tujuan pembelajaran:

    • Memahami berbagai aspek algoritma machine vision
    • Memahami pentingnya aplikasi machine vision                

     

    Terdiri dari sub-topik sebagai berikut:

    • Human Visual System
    • Digital Cameras

  • Topik3 - Light and Color

    Tujuan pembelajaran:

    • Memahami berbagai aspek algoritma machine vision
    • Memahami pentingnya aplikasi machine vision     

     

    Terdiri dari sub-topik sebagai berikut:

    • The Physics of Color
    • Human Color Perception
    • Representing Color
    • A Model of Image Color

  • Topik4 - Image Filtering (1)

    Tujuan pembelajaran:

    • Memahami berbagai aspek algoritma machine vision
    • Menerapkan konsep machine vision untuk memecahkan masalah rekayasa di dunia nyata


    Terdiri dari sub-topik sebagai berikut:

    • Filtering in Spatial Domain
    • First derivative filters
    • Second derivative filters

  • Topik5 - Image Filtering (2)

    Tujuan pembelajaran:

    • Memahami berbagai aspek algoritma machine vision
    • Menerapkan konsep machine vision untuk memecahkan masalah rekayasa di dunia nyata


    Terdiri dari sub-topik sebagai berikut:

    • Fourier Transform
    • Filtering in Frequency Domain
    • Wavelet Transform

  • Topik6 - Feature Detection

    Tujuan pembelajaran:

    • Memahami berbagai aspek algoritma machine vision
    • Menerapkan konsep machine vision untuk memecahkan masalah rekayasa di dunia nyata
    • Menganalisis teknologi machine vision yang memungkinkan


    Terdiri dari sub-topik sebagai berikut:

    • Edge Detection
    • Interest Point and Corner

  • UTS

  • Topik7 - Shape Feature

    Tujuan pembelajaran:

    • Memahami berbagai aspek algoritma machine vision
    • Menerapkan konsep machine vision untuk memecahkan masalah rekayasa di dunia nyata
    • Menganalisis teknologi machine vision yang memungkinkan


    Terdiri dari sub-topik sebagai berikut:

    • Thresholding
    • Identifying Boundary
    • Identifying Region

  • Topik8 - Texture Features

    Tujuan pembelajaran:

    • Memahami berbagai aspek algoritma machine vision
    • Menerapkan konsep machine vision untuk memecahkan masalah rekayasa di dunia nyata
    • Menganalisis teknologi machine vision yang memungkinkan


    Terdiri dari sub-topik sebagai berikut:

    • Texture Analysis
    • Structural Approaches
    • Statistical Approaches
    • Texture Segmentation

  • Topik9 - Recognition (1)

    Tujuan pembelajaran:

    • Menerapkan konsep machine vision untuk memecahkan masalah rekayasa di dunia nyata
    • Menganalisis teknologi machine vision yang memungkinkan
    • Evaluasi kemajuan dan tantangan penelitian dalam machine vision

     

    Terdiri dari sub-topik sebagai berikut:

    • Pattern recognition
    • Supervised learning
    • Classification

  • Topik10 - Recognition (2)

    Tujuan pembelajaran:

    • Menerapkan konsep machine vision untuk memecahkan masalah rekayasa di dunia nyata
    • Menganalisis teknologi machine vision yang memungkinkan
    • Evaluasi kemajuan dan tantangan penelitian dalam machine vision


    Terdiri dari sub-topik sebagai berikut:

    • Unsupervised learning
    • Clustering

  • Topik11 - Image Matching

    Tujuan pembelajaran:

    • Menerapkan konsep machine vision untuk memecahkan masalah rekayasa di dunia nyata
    • Menganalisis teknologi machine vision yang memungkinkan
    • Evaluasi kemajuan dan tantangan penelitian dalam machine vision

    . 

    Terdiri dari sub-topik sebagai berikut:

    • Definition
    • Invariant Local Features
    • Scale Infariant Feature Transform (SIFT)
    • Feature Matching

  • Topik12 - Sample Applications

    Tujuan pembelajaran:

    • Memahami pentingnya aplikasi machine vision                
    • Evaluasi kemajuan dan tantangan penelitian dalam machine vision
    • Merancang pendekatan baru yang dapat memperbaiki aplikasi machine vision

     

    Terdiri dari sub-topik sebagai berikut:

    • Content Based Image Retrieval
    • Face Recognition

  • UAS

Contact

spada@kemdiktisaintek.go.id

Spada Indonesia

http://spada.kemdiktisaintek.go.id
LMS-SPADA INDONESIA LMS-SPADA INDONESIA

Copyright © 2025 Spada Indonesia. All Rights Reserved.