PENGEMBANGAN ALGORITMA REKONSTRUKSI CITRA … · Asumsi Profil Fungsi ... Produk Kentang yang rusak...
Transcript of PENGEMBANGAN ALGORITMA REKONSTRUKSI CITRA … · Asumsi Profil Fungsi ... Produk Kentang yang rusak...
PENGEMBANGAN ALGORITMA REKONSTRUKSI CITRA OBJEK 2-DREKONSTRUKSI CITRA OBJEK 2 D DIFFUSE OPTICAL TOMOGRAPHY
UNTUK INSPEKSI PRODUK PERTANIAN
Tim Peneliti:
Deddy Kurniadiy
Endang Juliastuti
Vebi Nadhira
Judul PenelitianPengembangan Algoritma Rekonstruksi Citra Objek 2‐D Diffuse OpticalPengembangan Algoritma Rekonstruksi Citra Objek 2 D Diffuse Optical Tomography untuk Inspeksi Produk Pertanian
ObjektifTujuan penelitian ini mengembangkan algoritma rekonstruksi citraTujuan penelitian ini mengembangkan algoritma rekonstruksi citra dengan pendekatan one step Gauss‐Newton dan pemodelan Elemen Hingga pada DOT untuk pemeriksaan produk pertanian.
Target OutcomeTarget OutcomeTersedianya metoda baru untuk rekonstruksi citra DOT dengan pendekatan Gauss‐Newton dan pemodelan Elemen Hingga pada aplikasi pemeriksaan produk pertanianaplikasi pemeriksaan produk pertanian
Target OutputMakalah pada Jurnal & Seminar Internasional
2
Detektor
Properti
c
•Elektrik
•Optik
M tik•Magnetik
•Akustik3
Ionization• Teknologi Tomography
CT Scan IonizationTidak portable
CT ScanMRIPET
Optical TomographyCahaya (optik) merupakan sinyal yang bersifat non‐ionizingy ( p ) p y y g gInframerah‐dekat dapat melalui jaringan biologis dengan mudahInframerah‐dekat mampu ditoleransi dengan baik oleh objek walaupun dengan intensitas cahaya yang kuatwalaupun dengan intensitas cahaya yang kuat
N I f d T h (Diff O ti l T h ) b t i t k ik Near Infrared Tomography (Diffuse Optical Tomography) berpotensi teknik tomografi non‐ionizing dan portable.
4
5
Koefisien penyerapanKoefisien penyerapan
Koefisien hamburan
Indeks Refraksi
6
Domain waktu
t t Input Φ
AiasDomain waktu
0000
O
Ao
Intens
ita
Input
sita
Domain frekuensi
waktuOutput
OutputIntens s
Domain continuous wave
7
Detekor 12
Mengukur perbedaan
Time (ps)
Waktu ps
1 3
4 Mengukur perbedaan intensitas cahaya yang terdeteksi pada setiap
detektorPengukuranContinuous Wave
Detektor 4 Time (ps)W kt
4
56
7
Asumsi Profil
Fungsi objektif sesuai
SolusiProses Inversi
Membandingkan hasil perhitungan
dengan hasil pengukuran
Fungsi objektif diatas batas
Detektor 4 Time (ps)Waktu ps
0
10
objek
0.03
0.035
0.04
Solusi forward dengan menggunakan model
Perbaikan citra rekonstruksi
pengukuran
Menghitung perbedaan 0
10
objek
0.03
0.035
0.04
-10 0 10
-10
0.02
0.025
menggunakan model penjalaran cahaya intensitas cahaya yang
terdeteksi pada setiap detektor -10 0 10
-10
0.02
0.025
8
Dinyatakan dalam persamaan Boltzman
),(),()(),()(.),(10 trqtrrtrrD
ttr
c a =Φ+Φ∇∇−∂
Φ∂ μ
dimana
tc ∂
intensitas cahaya (watt/m2) kerapatan daya cahaya (watt/m3)
nilai koefisien difusi (m)
g = koefisien anisotropy yang merepresentasikan rata‐rata cosinus sudut hamburan,dimana nilai g= 0,9 pada jaringan biologis (forward scattering) 9
dnodeelement
Φ Φh
∀rb ∈∂ΩKondisi Batas DIRICHLET :
Kondisi Batas ROBIN:
10
dimana :
[ ] [ ]1[ ] [ ]MM̂JJJ T1T −−=−
δμ
11
Contoh : KENTANGSaat ini pengujian (inspeksi) komoditas kentang masih manual p g j ( p ) gsehingga membutuhkan waktu yang panjangProduk Kentang yang rusak akan merugikan petani dan KKonsumenKentang merupakan produk pertanian yang mempunyai koefiseien optik sebagai berikut:koefiseien optik sebagai berikut:μs
’ = 0.68 mm‐1
μa = 0.0024 mm‐1
dimana nilai koefisien ini akan berubah bila terdapat kecacatan atau kebusukan pada kentang
Akan dirancang cara pengambilan data yang optimum untukAkan dirancang cara pengambilan data yang optimum untuk uji kualitas kentang
12
Simulasi Numerik :Objek : KentangObjek : KentangKoefisien Absorbsi Target (anomali) : 0 0048mm‐1 (2*Koefisien Absorbsi Kentang)0.0048mm (2 Koefisien Absorbsi Kentang)
Target (anomali)
objek
objek
13
Variasi jumlah sumber :Objek diiluminasi dengan memvariasikan jumlahObjek diiluminasi dengan memvariasikan jumlah sumber cahaya objek homogen dan objek dengantarget simetrik
Jumlah Sumber Deviasi rata‐rata intensitas cahaya pada
bidang batas (watt/m2)
1 0.667 x 10‐4
2 1.75 x 10‐4
4 2.33 x 10‐4
14
Variasi koefisien absorpsi pada target (anomali)
Δμ = μa_t‐ μa_b Deviasi rata2 intensitas cahaya
pada bidang batas (10‐6 watt/m2)pada bidang batas (10 watt/m )
0.01 0
0.1 0.667 x 10‐4
1 2.67 x 10‐4
10 17 x 10‐4
15
Variasi posisi target (anomali)
Jarak Target ke Pusat Objek Deviasi Rata‐2 intensitas Cahaya pada Bidang Batas
(watt/m2)
0.25 * jari‐jari objek 1.58
0.4 * jari‐jari objek 2.33
16
Variasi Ukuran Target (anomali)
UkuranTarget Deviasi Rata‐2 intensitas
Cahaya pada Bidang Batas Cahaya pada Bidang Batas
(watt/m2)
* di bj0.2 * radius object 2.92
0.3 * radius object 9.08
17
mua total x 10-4
Objek Simulasi Citra Rekonstruksi
0
5
10
Y [m
m] 8
9
10
0
10
-10 -5 0 5 10
-10
-5
X [mm]
Y
6
7
-10
X [mm]
1010
mua total
9
10
x 10-4
-10
0
10
-5
0
5Y
[mm
]
7
8
9
-10 -5 0 5 10
-10
6
Laser NIR Photo Detector
Stepper motor
Perangkat Rekonstruksi
19
Pengembangan Algoritma Single Step Gauss‐NewtonWaktu komputasi lebih singkatWaktu komputasi lebih singkat
Penanganan Ill‐posed ProblemMenggunakan Teknik RegularisasiMenggunakan Teknik Regularisasi
Pengembangan FDOTMeningkatkan akurasi citra dengan menambahkan sumber cahaya di dalam objek yaitu dengan bahan Fluorescence sehingga didapatkan data eksitasi dan emisi
20
21