Bagaimana AI Membantu Inspeksi Kontainer di Pelabuhan?

Computer vision memproses gambar atau video untuk mencari pola visual. Pada kontainer, pola yang umum dibaca meliputi nomor identitas, sisi kontainer, area penyok, goresan besar, anomali muatan, atau aktivitas di sekitar area inspeksi.

Hasil deteksi tidak cukup jika berdiri sendiri. Sistem perlu menyimpan waktu, lokasi kamera, tipe model yang digunakan, gambar referensi, dan status review agar temuan bisa dipahami dalam konteks operasi terminal.

Alur yang sehat dimulai dari kamera menangkap kontainer, model memberi label awal, lalu dashboard menampilkan bukti untuk operator. Operator kemudian memilih tindakan: terima, tandai untuk pemeriksaan lanjutan, koreksi hasil OCR, atau buat catatan tambahan.

Proses ini menjaga pembagian peran. AI membantu mengurangi pekerjaan penyaringan yang berulang, sementara operator tetap menilai konteks, prioritas layanan, dan prosedur yang berlaku di terminal.

Minimal, sistem inspeksi perlu menyimpan nomor kontainer, timestamp, sumber kamera, gambar bukti, hasil deteksi, confidence score jika tersedia, status review, dan siapa yang melakukan tindak lanjut. Data ini membantu audit dan investigasi ketika ada perbedaan catatan.

Untuk tim manajemen, data yang rapi juga membantu melihat pola operasional. Contohnya, kamera mana yang sering menghasilkan gambar buram, jam berapa inspeksi paling padat, atau jenis temuan apa yang paling sering membutuhkan review manual.

AI dapat salah membaca gambar karena pencahayaan, hujan, sudut kamera, cat kontainer yang pudar, atau objek yang menutup sebagian nomor. Karena itu, desain sistem harus menyediakan koreksi manual dan tidak mengunci keputusan hanya dari satu hasil deteksi.

Tim juga perlu meninjau kualitas data latih, prosedur penyimpanan gambar, dan akses ke bukti inspeksi. Semakin operasional sistemnya, semakin penting kontrol hak akses, retensi data, dan kejelasan siapa yang boleh mengubah status pemeriksaan.