PRESENTATION NAME€¦ · Title: PRESENTATION NAME Author: Adnan Created Date: 10/31/2013 7:57:13...
Transcript of PRESENTATION NAME€¦ · Title: PRESENTATION NAME Author: Adnan Created Date: 10/31/2013 7:57:13...
POTENSI TEKNOLOGI PENGOLAHAN CITRA DIGITAL
Oleh: Adnan, SP, MSi
Auditorium Sodikin Somaatmadja, BB Padi Sukamandi
23 Agustus 2013 1
OUTLINE
I. CV
II. Sejarah
III. Teknologi Pengolahan Citra Digital
IV. Penelitian Pada Beberapa Komoditas
V. Pemanfaatan untuk padi
VI. Penutup
2
OUTLINE
I. CV
II. Sejarah
III. Teknologi Pengolahan Citra Digital
IV. Penelitian Pada Beberapa Komoditas
V. Pemanfaatan untuk padi
VI. Penutup
3
CV
Agronomy Science, Bachelor Degree (IPB, 2004)
Postharvest Technology, Master Degree (IPB, 2006)
Candidat Doctor Agriculture Engineering, Goettingen University
4
CV
Postharvestnotes.wordpress.com
ppi-goettingen.de
5
OUTLINE
I. CV
II. Sejarah
III. Teknologi Pengolahan Citra Digital
IV. Penelitian Pada Beberapa Komoditas
V. Pemanfaatan untuk padi
VI. Penutup
6
Aplikasi
7
Munsell Color Chart
8
Color Analizer
9
Literatur
10
HISTORY
11
Dot Matrix
12
MRI
13
14
Sidik Jari
15
Daktiloskopi
16
OUTLINE
I. CV
II. Sejarah
III.Teknologi Pengolahan Citra Digital
IV. Penelitian Pada Beberapa Komoditas
V. Pemanfaatan untuk padi
VI. Penutup
17
Rangkaian Image Process
18
Rangkaian Image Process
19
Device
20
Aplikasi Image Process
21
Aplikasi Image Process
22
Rangkaian Image Process
Private Sub Command1_Click() 'Set Daerah Picture2.Cls For i = Text1 To Text2 Step 15 For j = Text3 To Text4 Step 15 warna = Picture1.Point(i, j) r = warna And RGB(255, 0, 0) g = Int((warna And RGB(0, 255, 0)) / 256) b = Int(Int((warna And RGB(0, 0, 255)) / 256) / 256) Picture2.PSet (i, j), RGB(r, g, b) Next j Next i End Sub
23
Rangkaian Image Process
24
Rangkaian Image Process
25
Rangkaian Image Process
26
OUTLINE
I. CV
II. Sejarah
III. Teknologi Pengolahan Citra Digital
IV. Penelitian Pada Beberapa Komoditas
V. Pemanfaatan untuk padi
VI. Penutup
27
Gembili
28
29
Diskriminan
No Analisis Persentase Benar
1 Warna 29,7%
2 Tekstur 39,5%
3 Bentuk 30,8%
4 Warna+Tekstur 63,8%
5 Warna+Bentuk 52,4%
6 Tekstur+Bentuk 58,9%
7 Warna+Tekstur+Bentuk 75,7%
30
Jeruk
Defect
Mature
Unmature
31
Sortasi
CITRA BERWARNA
R, G, B
CITRA ABU-ABU CITRA BINER
ASM, IDM, ENTROPI,
KORELASI, KONTRAS AREA
32
Sortasi
Analisis Klasifikasi Akurasi Akurasi Rata-rata Warna+
Tekstur+
Ukuran
Matang 100.00%
94.44% Belum Matang 83.33%
Rusak 100.00%
33
Wortel
34
OUTLINE
I. CV
II. Sejarah
III. Teknologi Pengolahan Citra Digital
IV. Penelitian Pada Beberapa Komoditas
V. Pemanfaatan untuk padi
VI. Penutup
35
IDENTIFIKASI BERAS VARIETAS BASMATI, INPARI 1, DAN SINTANUR BERDASARKAN TEKSTUR DAN WARNA
PERMUKAAN MENGGUNAKAN PENGOLAHAN CITRA DIGITAL DAN JARINGAN SYARAF TIRUAN
Adnan1, Bram Kusbiantoro2, dan Suhartini2
36
Rangkaian
37
Identifikasi
Perlu keahlian khusus
Image Process & JST (Yadav dan Jindal, 2007; Kasai et al., 2007; Hwang et al., 2009)
P/L & protein (Thind dan Sogi, 2005)
N absorption efficiency (NAE) dan N utilization efficiency (NUE) (Cheng et al., 2011)
38
Manfaat
Pengendalian Mutu
Identifikasi Varietas
Desain Alat
39
Varietas
Basmati 370
Inpari 1
Sintanur
Mutu 1 SNI 6128:2008
40
Basmati
41
Kalibrasi
Analisis Varietas Akurasi Akurasi
Rata-rata Warna Basmati 46.00%
56.81%
Inpari 1 44.44%
Sintanur 80.00%
Tekstur Basmati 100.00%
99.07%
Inpari 1 97.22%
Sintanur 100.00%
Warna+Tekstur Basmati 100.00%
98.20%
Inpari 1 94.59%
Sintanur 100.00%
42
Validasi
Analisis Varietas Akurasi Akurasi
Rata-rata
Warna Basmati 52.00% 54.83%
Inpari 1 37.50%
Sintanur 75.00%
Tekstur Basmati 100.00% 100.00%
Inpari 1 100.00%
Sintanur 100.00%
Warna+tekstur Basmati 100.00% 97.92%
Inpari 1 93.75%
Sintanur 100.00%
43
PENGUJIAN KUALITAS BERAS VARIETAS SINTANUR PADA BEBERAPA JENIS MUTU
MENGGUNAKAN PENGOLAHAN CITRA DIGITAL DAN JARINGAN SYARAF TIRUAN
BERDASARKAN WARNA DAN TEKSTUR
44
Sintanur
Mutu 1
Mutu 2
Mutu 3
45
Analisis Kelas Mutu Akurasi Akurasi
Rata-rata
Warna Sintanur Mutu 1 36.36% 52.66%
Sintanur Mutu 2 52.38%
Sintanur Mutu 3 69.23%
Tekstur Sintanur Mutu 1 64.29% 72.68%
Sintanur Mutu 2 60.00%
Sintanur Mutu 3 93.75%
Warna+Tekstur Sintanur Mutu 1 60.00% 68.79%
Sintanur Mutu 2 52.63%
Sintanur Mutu 3 93.75%
46
Identifikasi menggunakan JST
Beras, akurasi 74-95% (Liu et al., 2005)
Gandum, akurasi 87.22% (Pazoki dan Pazoki., 2011)
47
Jaringan Syaraf Tiruan
48
IDENTIFIKASI PADI VARIETAS CIHERANG, INPARI 10 DAN INPARI
13 BERDASARKAN ANALISIS GEOMETRI, BENTUK DAN
TEKSTUR INDIVIDU GABAH MENGGUNAKAN PENGOLAHAN
CITRA DIGITAL DAN ANALISIS DISKRIMINAN
Adnan1, Mira Landep Widiastuti2, dan Suhartini2
49
Hasil Scanner
50
Filter Mean
x1y1 X2y1 X3y1
x1y2 X2y2 X3y2
x1y3 X2y3 X3y3
51
Parameter
Geometri padi: a. Area, b. Perimeter, c. Feret maksimum, d. Feret Angle. e. Feret minimum
Analisis bentuk adalah: a. Circular, b. AR, c. Round, d. Solidity.
Analisis tekstur: a. Angular Second Moment (ASM), b. Contrast, c. Correlation d. Inverse Difference Moment (IDM), e. Entropy.
52
Threshold
53
Citra Biner
54
Circularity =
Aspect Ratio (AR) =
Roundness =
Solidity =
55
Citra Abu-abu
Gray =
56
EDA Discriminant Analysis
57
Confussion Matrix 70 Sampel
Confusion Predicted Ciherang Inpari10 Inpari13
Original 1 2 3
Ciherang 1 7 0 0
Inpari10 2 0 6 0
Inpari13 3 0 1 6
58
Confussion Matrix 300 Sampel
Confusion Predicted Ciherang Inpari10 Inpari13
Original 1 2 3
Ciherang 1 88 5 7 Inpari10 2 4 86 10 Inpari13 3 1 10 89
59
OUTLINE
I. CV
II. Sejarah
III. Teknologi Pengolahan Citra Digital
IV. Penelitian Pada Beberapa Komoditas
V. Pemanfaatan untuk padi
VI. Penutup
60
61
62
TERIMAKASIH
63