Pengeluar automotif perlu memendekkan tempoh kitaran pembangunan produk automotif bagi memastikan penghasilan produk baru setanding dengan peningkatan kompleksiti reka bentuk produk demi memenuhi keperluan pelanggan. Sejak belakangan ini, proses pengesahan dan pemeriksaan reka bentuk telah menggunakan penglihatan mesin dalam pengeluaran automotif. Tujuan penggunaan penglihatan mesin adalah untuk menggantikan proses pengesahan dan pemeriksaan secara manual yang memerlukan masa yang panjang dan banyak menggunakan tenaga manusia. Objektif projek ini adalah untuk menghasilkan algoritma pemeriksaan panel instumen kenderaan (VIC) secara automatik dan menggunakan algoritma yang dihasilkan untuk memeriksa panel instrumen kenderaan. Proses pemeriksaan boleh dilaksanakan dengan menggunakan grafik pengantaramukaan pengguna (GUI) kerana dapat membentuk interaksi antara pengguna dengan sistem yang boleh memberi keputusan pemeriksaan dengan segera. Imej akan dimuatkan dalam GUI dan kalibrasi imej yang melibatkan pemutaran imej dan pengubahan saiz imej akan dijalankan terlebih dahulu. Meter kelajuan dan takometer diperiksa dengan membandingkan ketepatan penunjuk yang dikesan dengan kedudukan penunjuk yang dipaparkan pada meter. Proses pengesanan penunjuk dilakukan dengan menggunakan kaedah pengesanan gumpalan. Berdasarkan prestasi algoritma yang dicadangkan, peratusan kesilapan sisihan adalah 1.5% dan 2.2% untuk pengesanan meter kelajuan dan penunjuk takometer. Ralat sisihan yang lebih besar untuk takometer adalah disebabkan oleh skala yang lebih kecil dalam takometer berbanding dengan meter kelajuan. Selain itu, status penunjuk isyarat boleh diperiksa menggunakan dua kaedah yang dicadangkan, teknik pemadanan templat dan ujian keamatan piksel. Dengan andaian cahaya sekitar yang terkawal dan kedudukan kamera yang ditetapkan, kedua kaedah yang dicadangkan boleh menghasilkan keputusan yang tepat. Walau bagaimanapun, ujian keamatan piksel lebih sesuai digunakan kerana masa pemprosesan yang diperlukan hanya kurang daripada 0.2 saat. Kesimpulannya, pengesahan dan pemeriksaan panel instrumen kenderaan boleh dilaksanakan dengan menggunakan kaedah pengesanan gumpalan dan ujian keamatan piksel.
_______________________________________________________________________________________________________
Automotive manufacturers need to shorten the development cycle of automotive products in order to meet the increasing complexity in the design in recent years to meet the customer’s need. Machine vision system has been used in automotive manufacturing in the recent years for automated design validation testing process. The purpose of the inclusion of machine vision system is to replace the conventional design validation testing process which is time consuming and extremely labor intensive. The objective of this project is to develop image processing algorithms for an automated testing of the Vehicle Instrument Cluster (VIC) and test the VIC using the developed algorithms. The validation and testing process can be done using a Graphical User Interface (GUI) which allow the user perform interactive tasks that can obtain immediate result of the testing. Test images are loaded into the GUI and image calibration process includes rotating and resizing the images in order to minimize errors in the proposed algorithms. The speedometer and tachometer are inspected by comparing the accuracy of the pointer detected using the developed algorithms with the pointer position displayed on the meter. The pointer detection process is done using the blob detection method applied on the binary image of the meter. Based on the performance of the proposed algorithms, the percentage of deviation errors are 1.5% and 2.2% for speedometer and tachometer respectively. The larger deviation error for the tachometer is due to the smaller scale present in the tachometer compared to speedometer. Besides that, the signal indicators status can be inspected using two proposed methods, template matching technique and pixel intensity test. Under the assumption of controlled light surrounding and fixed position of the camera, template matching technique and pixel intensity both can produce accurate results. However, pixel intensity test is favored as the processing time of all signal indicators tested requires less than 0.2s which is highly efficient. In conclusion, the automated testing and validation of the instrument cluster can be implemented using the blob detection method and pixel intensity test.