PROPOSAL TUGAS AKHIR

RANCANG BANGUN SISTEM DETEKSI DAN REJEKSI CACAT PADA BENDA 3D MENGGUNAKAN SENSOR WEBCAM

Disusun Oleh : M. ARIF KHABIBULLOH NRP. 2408 100 073 Dosen Pembimbing : Ir. Heru Setijono, M.Sc NIP. 194901201976121001 LABORATORIUM REKAYASA FOTONIKA JURUSAN TEKNIK FISIKA FAKULTAS TEKNOLOGI INDUSTRI INSTITUT TEKNOLOGI SEPULUH NOPEMBER SURABAYA 2011

LEMBAR PENGESAHAN PROPOSAL TUGAS AKHIR JURUSAN TEKNIK FISIKA FTI-ITS

a. Judul

: Rancang Bangun Sistem Deteksi Dan Rejeksi cacat pada Benda 3D Menggunakan Sensor WEBCAM b. Bidang Studi : Rekayasa Fotonika c. Mata kuliah pilihan yang sedang dan yang telah diambil untuk mendukung tugas akhir : Sistem Komunikasi Serat Optik Instrumentasi Optik d. e. f. g. h. i. j. Nama : NRP : Jenis Kelamin : Jangka Waktu : Pembimbing : Usulan Proposal ke : I Status : M. Arif Khabibulloh 2408 100 073 Laki - Laki 4 bulan Ir. Heru Setijono, M.Sc Baru

Dosen Pembimbing

Mahasiswa

Agus Muhamad Hatta, ST., M.Si., Ph.D NIPN 194901201976121001

M. Arif Khabibulloh NRP. 2408 100 073 Surabaya, 21 Desember 2011

Mengetahui, Kepala Laboratorium Rekayasa Fotonika,

Dr. Ir. Sekartedjo, M.Sc NIPN 195004021979011001

I.

JudulSENSOR MIKROGRAM DENGAN SUMBER CAHAYA LASER

PEMANFAATAN SERAT OPTIK MULTI MODE GRADED-INDEX SEBAGAI

II.

Mata Kuliah Pilihan Bidang Minat Yang Diambil1. Pengolahan Citra 2. Laser Industri

III. IV.

Pembimbing1. Agus Muhamad Hatta, ST., M.Si., Ph.D

Latar Belakang

Dalam dunia industri, mutu dari suatu produk menjadi sorotan penting dan diupayakan untuk selalu ditingkatkan guna meningkatkan kemampuan daya saing antar produsen. Dan didukung dengan adanya perkembangan standarisasi internasional dalam hal penjaminan mutu, menjadi motivasi bagi kalangan produsen untuk selalu meningkatkan dan menjaga kualitas suatu produk supaya tidak berada di bawah standard yang telah diberlakukan terhadap produk yang bersangkutan. Aktivitas inspeksi merupakan salah satu upaya yang telah dilakukan sebagai bentuk quality control. Namun, aktivitas ini pada kebanyakan industri di Indonesia masih mengandalkan tenaga manusia. Inspeksi yang dilakukan oleh manusia memungkinkan terjadinya penurunan akurasi seiring dengan kelelahan yang dialami manusia sebagai inspektor. Teknologi machine vision merupakan sistem mesin yang dikembangkan untuk keperluan inspeksi berbasis pengolahan citra atau image processing [1] yang akhir-

akhir ini dikembangkan untuk menunjang proses inspeksi produk yang tidak lagi mengandalkan tenaga manusia. Teknologi ini digunakan untuk menggantikan sistem penglihatan manusia, meskipun sulit sekali untuk menggantikan fungsi visualisasi dan interpretasi pada penglihatan manusia tetapi teknologi ini semakin berkembang dan maju pesat. Beberapa contoh penerapan teknologi machine vision yang digunakan sebagai sistem deteksi cacat visual dalam suatu produk antara lain sistem fungsi kontrol untuk menentukan posisi lubang pada PCB, melakukan inspeksi untuk gauging bottles and cans [1], deteksi cacat outer race pada bearing menggunakan pemindai laser [2], inspeksi terhadap tekstur permukaan yang dicat sehingga dibutuhkan peralatan untuk cat ulang permukaan supaya merata [3]. Adapun dalam penelitian ini akan dirancang dan dibangun sistem deteksi dan rejeksi cacat pada objek tiga dimensi menggunakan sensor kamera CCTV.

V.

Rumusan MasalahBerdasarkan latar belakang di atas, maka dapat ditentukan permasalahan dalam penelitian ini yaitu bagaimana cara merancang dan membangun sistem deteksi dan rejeksi cacat pada benda tiga dimensi menggunakan sensor kamera CCTV. .

VI.

TujuanTujuan dari penelitian ini adalah untuk merancang dan membangun sistem rejektor untuk mendeteksi cacat deformasi pada benda tiga dimensi sehingga rejeksi diperlukan terhadap kaleng tersebut dengan menggunakan sensor kamera sebagai langkah menuju teknologi berbasis machine vision.

VII. Batasan MasalahAdapun batasan masalah pada penelitian ini antara lain: tipe catat yang dideteksi adalah cacat deformasi, kamera yang digunakan adalah mono kamera dan gambar objek yang diambil berdimensi 320 x 240 pixel

VIII. Tinjauan Pustaka[1]

Manohar, Vasant. Digital Image Processing CAP Digital Image Processing - CAP 5400 Basic Thresholding and Smoothing.University of South Florida : Florida USA

[2]

Bobby Angga Pradana. 2011. Perancangan Prototipe Sistem Deteksi Cacat Outer Race Pada Bearing Menggunakan Pemindai Laser. Institut Teknologi Sepuluh Nopember: Surabaya.[3] Gupta,G.S, Win,T.A.2003. Defect analysis of grit-blasted or spray-painted

surface using Vision Sensing Techniques. Palmerston North : New Zealand [4] MellesGriot. Machine Vision Application. www.mellesgriot.com

IX.

Teori Penunjang9.1 Machine Vision Teknologi machine vision merupakan teknologi yang menggunakan komputer untuk menganalisa image dan membuat sebuah keputusan berdasarkan analisa tersebut. Terdapat dua jenis aplikasi yang umum dari machine vision yaitu Inspeksi dan Control [4]. Dalam aplikasi inspeksi memungkinkan machine vision pada prosesor untuk melihat obyek dengan presisi dan kemudian mengambil keputusan valid terhadap suatu produk yang dapat diteruskan atau yang mana produk tersebut harus direject. Dibawah ini merupakan langkah langkah proses dari system machine vision secara umum: Akuisisi Image

Sebuah sistem optik akan mengambil image, dilakukan pengkonversian ke format digital dan menyimpannya ke dalam memori komputer. Pemrosesan Image

Prosesor pada komputer menggunakan variasi algoritma untuk mendapatkan bagian yang spesifik dari image yang penting untuk proses. Ekstraksi Feature

Prosesor mengindentifikasi critical feature dari sebuah image (seperti posisi lubang pada PCB,orientasi dari komponen pada konveyor), dan mengirimkan data ke kontrol program Keputusan dan Kontrol Kontrol program pada prosesor akan membuat keputusan berdasarkan data.

Gambar 2.1 Sistem Machine Vision secara umum [5] Pada gambar 2.1 merupakan gambar sistem Machine Vision secara umum. Terlihat pada gambar bahwa objek inspeksi dilewatkan pada konveyor. Objek dikenakan cahaya khusu, objek ditangkap (capture) oleh kamera dan kemudian image dari objek tersebut disimpan pada harddisk dan kemudian dilakukan proses untuk mengambil keputusan, keputusan tersebut digunakan untuk menggerakkan actuator untuk menginspeksi obyek.

9.2

Stru Keuntungan Mchine Vision

Berdasarkan sumber machine vision application [4] memiliki beberapa keuntungan sebagai berikut : Presisi Vision system yang terdesain dengan baik akan memiliki kemampuan yang handal dalam mengukur dimensi dari suatu bagian tertentu dari beribu-ribu komponen dan pengukuran tersebut tidak memerlukan kontak langsung sehingga tidak menimbulkan dampak yang dapat membahayakan komponen. Konsistensi Karena sistem vision tidaklah sama dengan operasi yang dilakukan oleh manusia, operasional yang bervariasi dapat dikurangi. Biaya yang efektif Dengan harga komputer yang lebih murah, sistem machine vision menjadikannya memiliki biaya yang efektif, dimana $10,000 pada sistem machine vision dapat menggantikan inspeksi oleh manusia yang menghabiskan rata-rata $20,000 per

tahun yang bahkan lebih. Terlebih lagi biaya operasional dan perawatan machine vision adalah lebih kecil Fleksibel Sistem vision dapat digunakan pada berbagai macam pengukuran , untuk tujuan tersebut software dapat dengan mudah dimodifikasi atau diupgrade untuk kepentingan lain yang sesuai dengan kebutuhan.

9.3

Elemen pada system Machine Vision

Terdapat berbagai elemen dalam sistem machine vision. Tujuan pembuatan sistem machine vision tergantung pada lingkungan dan aplikasi. Elemen dalam sistem machine vision yang dimaksudkan meliputi : Front end optics Termasuk pencahayaan, lensa,dan kamera. Pencahayaan didesainuntuk memberikan cahaya cukup yang esensial untuk pengukuran. Frame Grabber Frame grabber merupakan komponen yang biasanya adalah bagian yang menyatu dengan motherboard pada PC, menerima input video dari kamera, mendigitalisasinya dan mengirimkannya untuk dianalisis, dengan kata lain frame grabber merupakan interface dari camera ke komputer. Beberapa frame grabber yang ada memiliki bermacam macam compatibilitas konfigurasi kamera dengan komputer seperti slot PCI,Compact PCI, ISA dan lainnya. Prosesor Prosesor dibutuhkan untuk mengontrol aplikasi dari system vision.kelas Pentium R personal komputer mempunyai kapabilitas untuk dapat digunakan dalam menjalankan aplikasi vision system tanpa membutuhkan perangkat keras khusus. Software Merupakan perangkat lunal untuk mengontrol dan mengeksekusi, pembuatan dan pengembangan dibutuhkan keahlian dan pengalaman yang lebih. 9.4 Susunan Kamera CCTV Kamera CCTV (Close Circuit Television) merupakan kamera digital yang mempunyai interfacing output video line. Sebagian besar kamera jenis ini yang

banyak digunakan menggunakan sensor CCD sehingga secara umum fungsi fungsi komponen yang digunakan hampir sama dengan kamera jenis lain seperti kamera multimedia. Berikut ini merupakan blok diagram dari CCTV yang menggunakan sensor CCD tampak seperti pada gambar 2.2 dibawah ini :

Gambar 2.2 Diagram Blok Camera [6] Lensa Merupakan komponen pemfokus cahaya yang berupa lensa biconveks. CCD Merupakan sensor yang digunakan untuk menscaning image , CCD berupa chip array photodetector yang peka terhadap photon, menjadikannya sinyal listrik.

Gambar 2.3 Chip CCD (Hewlett-Packard co) PGA Programable Gain Amplifier, berfungsi untuk automatic white

balancing. Dikendalikan oleh Gain control word untuk menswitch capasitor untuk memberikan gain atau tidak, gain diberikan bila mana pixel yang mewakili adalah gelap. A/D Converter Charge Coupled Device menghasilkan sinyal analog yang berupa aliran elektron dari tiap tiap sel photodetector dikonversikan menjadi tegangan pada rangkaian yang terintegrasi pada chip CCD , sinyal tersebut dikonversikan menjadi format sinyal digital, besar kecilnya sinyal digital menunjukkan besar intensitas cahaya yang mengenai photodetector. Interpolasi Warna Dengan menggunakan Color Filter Array maka didapatkan komponen RGB atau dengan cara lain menggunakan implementasi 3 CCD untuk mennghasilkan komponen RGB, kemudian dilakukan Color interpolation yang berfungsi untuk memperbaiki nilai RGB yang kurang susuai dalam suatu teknik neighborhood register, secara umum digunakan 3x3 register dengan koefisien tertentu sebagai interpolation filter, dengan melewatkan komponen RGB melalui filter tersebut maka akan didapatkan nilai RGB yang terinterpolasi. Koreksi Warna Digunakan untuk memberikan koreksi nilai RGB terinterpolasi dari bus rgb interpolation unit dengan mengalikan dengan matriks 3x3 yang kemudian dijumlahkan dengan nilai offset tertentu sehingga dihasilkan output RGB.

Ro Go Bo

c11 c12 c13 Rint roffset c21 c22 c23 Gint + goffset c31 c32 c33 Bint boffset

Gambar 2.4 Matriks color correction Host Interface Host interface terdiri dari read-write register sebagai jalur output sehingga data dapat diakses oleh komputer melalui digital frame grabber. 2.3 Definisi Image Digital Sebuah image digital a[m,n] yang dideskripsikan dalam ruang diskrit 2 dimensi diperoleh dari sebuah image analog a(x,y) dalam ruang kontinyu 2 dimensi yang

mengalami proses pencuplikan yang seringkali disebut sebagai digitalisasi atau kuantisasi [7]. Image digital dapat diperoleh dengan bantuan kamera digital yang menggunakan sensor image berupa CCD.

Gambar 2.5 Digitalisasi dari image continyu. Titik pixel pada koordinat [m=10, n=3] yang memiliki intensitas 110.[7] Gambar 2.5 menunjukkan image digital yang dipecah menjadi N = 16 baris dan M = 16 kolom. Nilai dari tiap - tiap pixel merupakan harga rata - rata dari tingkat kecerahan dan merupakan nilai integer terdekat untuk pixel tersebut. Proses untuk merepresentasikan amplitudo sinyal image 2 dimensi pada koordinat tertentu sebagai harga integer dengan tingkat keabuan yang berbeda disebut sebagai amplitude quantization atau simply quantization. 9.4 Teknik Obyek Centering Teknik obyek centering merupakan suatu teknik yang digunakan untuk pengambilan gambar dimana obyek benda yang akan diproses berada pada area tengah bidang gambar sehingga tidak semua gambar yang ditangkap akan diolah, teknik ini memungkinkan software mengerti tentang obyek yang akan diproses. Untuk dapat melakukan obyek centering maka algoritma yang harus dilakukan adalah sebagai berikut : Inisialisasi region of interest(ROI), ROI dinyatakan sebagai luasan daerah yang

akan ditempati obyek pada bidang gambar dengan luas panjang x lebar dari ROI tersebut. Pada setiap obyek yang tertangkap dilakukan proses grayscale, dan tresholding,

sehingga didapatkan area obyek.

Membandingkan antara luasan region obyek dengan region of interest dimana luas

region obyek diwakili oleh jumlah pixel hasil tresholding sedangkan luas dari region of interest adalah panjang dikalikan dengan lebar dari region of interest tersebut. Keputusan centering obyek bergantung pada nilai threshold, misal jika threshold

kurang dari 80% region of interest maka obyek yang diamati telah berada di area tengah gambar, dan proses selanjutnya dapat dilakukan.

Gambar 2.6 Contoh dari obyek centering [8]

2.5 Preprosesing dan Ekstraksi Image Diawali dengan pengambilan gambar oleh kamera, gambar tersebut tidaklah dapat langsung diproses untuk ekstraksi dan bahkan pengenalan, hal ini dikarenakan gambar yang baru dibidik oleh kamera masih terdapat noise, terdapatnya bagian obyek yang memiliki level warna yang hampir sama dengan warna latar belakangnya, untuk itu perlu dilakukan proses untuk mengeliminasi kekurangan kekurangan gambar oleh kamera tersebut. Proses awal yang dimaksudkan tersebut yang disebut dengan preprocessing, operasi yang berkaitan dengan preprocessing sangat beragam seperti dilasi, laplacian, sharpen, smoothing, median filter dan lainnya, sebagian besar proses tersebut secara komputasi banyak dilakukan dalam domain spasial yang menggunakan operator konvolusi antara pixel image asli dengan matriks operator yang berdimensi 2x2 atau juga 3x3 dan masih banyak lagi jenis matriks operator tersebut, matriks operator tersebut sering disebut sebagai kernel, operasi dalam domain spasial banyak

digunakan Smothing

dalam

komputasi

image

mengingat

kemudahannya

untuk

diimplementasikan. Smothing merupakan bagian dari preprocessing yang dapat memberikan efek blur dan dapat menghilangkan noise, operator yang biasa digunakan yaitu low pass filter. Smothing dapat dilakukan dengan cara average smoothing atau dengan mencari nilai rata rata dari pixel itu sendiri dengan 8 pixel tetangganya.a d g b e h c f i 1 1 1 1 1 1 1 1 1

.

Pers (2.1)

maka average smoothing dapat dilakukan dengan menganti nilai pixel e dengan hasil konvolusi yang telah dibagi dengan 9 sebagai faktor rata rata, sebagai berikut:

1 N i l ae i b a r= u [ a + b + c + d + e + f + g + h + i] 9... Pers(2.2)

Gambar 2.7 (a) gambar dengan noise (b) gambar setelah average smothing Dilasi Dilasi dapat dilakukan dengan operasi konvolusi oleh matriks orde 3 x 3 dengan mengambil nilai pixel terbesar diantara pixel pixel tetangganya, dengan dilasi maka bagian obyek yang pixelnya bernilai terbesar akan menggantikan pixel yang dikenakan operasi konvolusi. Threshold Threshold merupakan kaidah segmentasi yang paling sederhana, mempunyai kegunaan untuk memisahkan obyek pada bidang gambar dengan backgroundnya. Metode ini dapat dilakukan sesuai dengan kebutuhan dimana threshold dapat dilakukan untuk 2 range dan juga dapat dipecah menjadi beberapa range dengan

nilai ambang yang dikehendaki sehingga obyek memiliki region warna yang sangat tampak berbeda dengan region warna backgroundnya. Beberapa kegunaan dari image tresholding salah satunya adalah menganalisa bentuk suatu obyek atau morfologi suatu region dalam bidang gambar[9]. Secara umum persamaan untuk tresholding adalah sebagai berikut :

Pers(2.3)

a

b

Gambar 2.9 (a) gambar original (b) gambar dengan nilai threshold 127. Konsep yang sederhana dimana suatu nilai ambang/ threshold sebagai parameter brightness dipilih untuk menempati posisi koordinat image a[m,n][10], dengan algoritma sebagai berikut : if a[m,n] > threshold then a[m,n] = obyek =1 else a[m,n] < threshold then a[m,n] = background = 0 dari pernyataan algoritma diatas pixel akan menjadi putih yang ditandai dengan nilai 1 yang berarti nilai 255 mewakilinya dalam komputasi citra digital, sedangkan background akan menjadi hitam ditandai dengan nilai 0 yang mewakili 0. Inversi dapat dilakukan hanya dengan membalik algoritma tersebut sehingga obyek menjadi warna hitam dan background menjadi warna putih dan ini yang disebut dengan threshold invers [10].IX.5

Ekstraksi Image Ekstraksi image merupakan langkah untuk menampilkan obyek yang

dikehendaki dengan memisahkannya dari latar belakang obyek, teknik yang sederhana untuk digunakan yaitu threshold. IX.6 Subtraksi Image

Proses pengambilan keputusan untuk menentukan apakah suatu obyek memenuhi syarat reject ataukah tidak maka digunakan teknik image subtraction berdasarkan prinsip dari pendeteksian gerak dan sesuai dengan persamaan dibawah ini [11] :motion = frame 1 frame 2

Pers.2.4

Persamaan tersebut menjelaskan bahwa pendeteksian gerak dari suatu obyek dapat diamati jika terdapat perbedaan antara frame sebelumnya dan frame saat ini, jika antara kedua frame tidak ada perbedaan/tidak ada gerakan maka hasilnya adalah 0 atau image hasil adalah hitam.

Gambar 2.10 metode pendeteksian gerak dengan substraksi image [11] IX.7 Interfacing dengan Paralel Port Terdapat beberapa nama untuk port printer yaitu LPT1 dan LPT2 dan masing masing dari port tersebut memiliki alamat sendiri. Tabel 2.1 Alamat port printer Paralel port LPT 0 LPT 1 LPT 2 Alamat port printer Alamat dasar $3BC $378 $278

Pada kolom alamat terdapat tanda $ yang menunjukkan bahwa bilangan bertipe heksadesimal pada pemrograman berbasis Delphi. Tabel 2.2 Tabel Register Port Printer Alamat port printer Paralel port Alamat dasar Register Data +0 Register Status +1 Register Kontrol +2

Pada table 2.2 diatas alamat register ditentukan berdasarkan alamat dasarnya, jika port printer yang digunakan adalah LPT 2 dengan alamat dasar $278 maka port data port status dan port control berurutan adalah $278 + 0, $278 +1, $278 + 2 atau $278, $279, $279, register data sering disebut sebagai port data, register status sering juga disebut sebagai port status, register kontrol sering disebut port kontrol. Sisa dari pin yang belum disebutkan yaitu pin 18 hingga pin 25 berfungsi sebagai ground. Wujud fisik dari port printer berupa konektor DB 25 tipe female atau male. Tabel 2.3 Definisi Bit Port Data Definisi Bit Port Data Bit 7 6 5 4 3 2 1 0 No Pin 9 8 7 6 5 4 3 2 Sifat Normal Normal Normal Normal Normal Normal Normal Normal

Tabel 2.4 Definisi Bit Port Data Definisi Bit Port Data Bit No Pin 7 (MSB) 11 6 10 5 12 4 13 3 15 2 1 0 9.8 Akses Paralel Port dengan Delphi 7 Sifat Normal Normal Normal Normal Normal -

Untuk membaca isi dari sebuah port maka harus dibuat fungsi khusus untuk membaca port, listing program adalah sebagai berikut : Function bacaport (Alamat : word) : byte ; var Temp : byte ; begin asm mov dx,Alamat ; in ax,dx; mov temp,al; end; bacaport := temp; end; Sedangkan untuk dapat menulis pada port maka kita harus membuat procedure sebagai berikut : procedure bacaport (Alamat : Word; Data : byte ); var Temp : byte ; begin asm mov dx,Alamat ; mov al,Data; out temp,al; end; end; function dan procedure hanya dapat digunakan pada windows 95 dan windows 98, sedangkan untuk windows NT, 2000 dan windows XP harus digunakan driver input output parallel port yang berupa file dll, file tersebut inpout32.dll yang dapat ditempatkan pada windows system 32 dan ditempatkan pada satu folder dengan program interfacing yang akan dibuat, file driver tersebut dapat didownload pada www.logix4u.net dengan nama file inpout32.dll

X. Metodologi Penelitian

Penelitian ini bertujuan untuk mendeteksi benda tiga dimensi yang mengalami cacat berupa deformasi, setelah deteksi dilakukan maka diambil keputusan terhadap informasi hasil deteksi yang dilakukan apakah benda direject atau tidak reject. Untuk mewujudkan tujuan tersebut maka perlu dilakukan langkah - langkah yang tepat dan sistematis sehingga hasil yang diperoleh sesuai dengan yang diharapkan. 3.1 Garis Besar Sistem Rejektor Pada sistem rejektor ini dibuat sesuai dengan diagram blok seperti berikut :

CentralKamera/ Benda 3D Sensing Element Processing Unit Monitor Actuator / Rejektor benda

Gambar 3.1 Diagram Blok Sistem Rejektor Secara Umum Gambar 3.1 merupakan digram blok sistem rejektor secara umum. Benda 3D ditangkap (capture) oleh kamera (sensing element) untuk diubah ke dalam bentuk citra digital. Citra digital ini dikirim ke CPU (Cenral Processing Unit) untuk dilakukan pemrosesan image. Citra yang telah diproses dan dianalisa dijadikan bahan pertimbangan untuk membuat keputusan apakan benda 3D mengalami deformasi sehingga harus direjek ataukah benda 3D normal sehingga tidak perlu direjek. Pada penelitian ini ada beberapa peralatan yang akan digunakan yaitu : 1. Kamera CCTV 2. TV Tuner

3. Personal Komputer 4. Conveyor 5. Kaleng Uji 6. Rejektor

3.1.1

Kamera CCTV Kamera ini berfungsi untuk mengambil gambar benda yang akan di analisa dengan

bantuan sensor CCD ( Charge Coupled Device ), berupa sensor cahaya yang tersusun secara matriks. Pada CCD tersebut cahaya ditransformasikan menjadi sinyal listrik yang besarnya berubah sesuai dengan besar intensitas cahaya yang mengenai elemen CCD. Untuk penelitian ini kamera yang digunakan adalah jenis CCTV yang memiliki spesifikasi sebagai berikut : Frame rate 50 fps CCD 1/3 Inc 8 mm Lens Resolusi 510 x 492 pixel

3.1.2 TV Tuner Data yang diperoleh oleh CCTV mempunyai jalur output (interface) video. Agar informasi dari CCTV tersebut dapat diterima oleh komputer maka harus ada komunikasi antara komputer dan CCTV sehingga dibutuhkan suatu interfacing card. Interfacing card tersebut dapat menggunakan TV Tuner atau juga dapat menggunakan card khusus yang dapat menterjemahkan sinyal video dari CCTV ke komputer yang sering disebut Video Grabber Card.Spesifikasi TV Tuner yang digunakan adalah : TV Tuner PCI Compatible Bekerja pada windows 98SE, XP

3.1.3 Personal Computer (PC)

Personal Computer merupakan otak terjadinya proses secara komputerisasi. Dimana image benda yang ditangkap oleh CCTV harus dikirim ke CPU menjadi data matriks. Pemrosesan image digital baik berupa perbaikan image itu sendiri ataupun untuk tujuan ekstraksi image sehingga dihasilkan suatu keputusan melalui pemrograman image yang sesuai dengan kebutuhan. Komputer yang digunakan dalam pengerjaan penelitian ini memiliki spesifikasi sebagai berikut : Processor Intel Pentium 4 2.00 GHz Memori SDR RAM 128 MB Video Graphic Adapter Card 16 MB Riva TNT 2 Pro

3.1.4 Conveyor Untuk sistem yang dilakukan secara online maka dibutuhkan conveyor yang dapat melewatkan benda. Benda yang bergerak tersebut akan ditangkap secara langsung oleh CCTV, image yang diambil akan disimpan sementara dalam format Bmp pada CPU.

Gambar 3.2 Bentuk konveyor dalam eksperimen 3.1.5 Benda Uji Benda Uji berupa kaleng minuman ringan/softdrink 3.1.6 Rejektor Berupa alat untuk merejek benda yang telah diputuskan mengalami deformasi. Alat tersebut menggunakan motor dc yang dapat bergerak ke kanan dan kekiri dengan menggunakan rangkaian motor driver. Motor driver tersebut mendapatkan input dari paralel port komputer untuk dapat bergerak.

3.2 Garis Besar Software Software sistem rejeksi ini memiliki alur kerja sebagai berikut ini : 3.2.1 Pengambilan image acuan dan image sampling Terdapat dua proses pada program ini dimana proses tersebut antara lain :

Mengambil image acuan secara manual Diambil image acuan dengan menempatkan kaleng acuan pada belt konveyor yang diam, dilakukan segmentasi yaitu dengan cara preprocessing dan ekstraksi yang langsung ditampilkan pada segmentasi image acuan, preprocessing tersebut yaitu gray image dan mengekstraksi image dengan binary image sehingga akan dihitung banyak pixel kaleng acuan.

Mengambil image sampling Program akan memulai pekerjaannya dengan menangkap obyek secara terus menerus dan menyimpannya menjadi obyek bitmap dengan nama uji.bmp. Proses tersebut dilanjutkan dengan prosedur image centering yang bertujuan untuk menentukan kemungkianan kaleng berada di tengah gambar. Ketika kaleng berada pada daerah tengah gambar maka gambar tersebutlah yang akan dilakukan proses image preprocessing. Image preprocessing tersebut telah dilakukan ketika image centering berlangsung yaitu proses gray image yang mengubah gambar berwarna bitmap menjadi gambar keabuan bitmap yang selanjutnya dilakukan image tresholding yang mengubah grayimage menjadi binaryimage yaitu image dengan pixel yang berwarna putih (1) atau image warna hitam (0). Setelah itu dilakukan proses pengurangan antara image acuan dengan image sampling sebagai algoritma

untuk menentukan perbedaan di antara keduanya dengan faktor toleransi tertentu yang dicari berdasarkan eksperimen. Pengurangan tersebut dilakukan dengan menghitung jumlah pixel kaleng acuan dan dikurangi dengan jumlah pixel kaleng sampling, ketika terdapat selisih maka akan dilakukan proses rejeksi, prinsip ini menyatakan bahwa selisih menyatakan kaleng sampling memiliki deformasi bentuk sehingga pixel totalnya terkurangi oleh bagian pixel yang terdeformasi.

Mulai Flowcart software deteksi cacat deformasi adalah sebagai berikut : Capture

Image centering

CenterTidakYa

Citra grayscaling

Segmentasi

Operasi Pengurangan Pixel

Pixel selisih < toleransiTidak

Tidak Reject

Reject

Selesai

Gambar 3.4 Flowcart software

Sedangkan untuk proses obyek centering yang digunakan untuk melakukan satu kali pengambilan gambar flowcart nya adalah sebagai berikut : Mulai

Image preview

Grayscale

Segmentasi biner

Center Algoritma Ratio = Image Region/ RegionOfInterest

Ratio>0.8Ya Tidak

Selesai

Gambar 3.5 Flowcart Image Centering 3.2.2 Obyek Centering Sedangkan untuk melakukan proses obyek centering tersebut maka dilakukan beberapa langkah sebagai berikut : GrayImage

Algoritma ini bertujuan untuk mengubah gambar berwarna menjadi gambar keabuan, algoritma pemrogramannya adalah sebagai berikut : For y:=0 to ABitmap.Height-1 do begin WBarisIN := ABitmap.ScanLine[y]; WBarisOUT := Result.ScanLine[y]; For x:=0 to ABitmap.Width do begin R := WBarisIN[x].rgbtRed ; G := WBarisIN[x].rgbtGreen; B := WBarisIN[x].rgbtBlue; Grayscale := R+G+B div 3 ; Penjelasan dari program tersebut yaitu grayimage yang merupakan image dalam skala keabuan didapatkan dari nilai rata rata yaitu penjumlahan nilai R+G+B yang dibagi dengan 3, proses ini tidak disimpan dalam bitmap ataupun ditampilkan secara visual pada software yang bertujuan untuk mengurangi proses yang sedang berlangsung sehingga akan mengurangi kompleksitas program. Tresholding Tresholding merupakan teknik untuk membuat batas ambang sehingga nilai pixel berada pada nilai diatas dan dibawah ambang, jika diatas ambang diwakili warna putih maka yang dibawah akan diwakili oleh warna hitam, sedangkan algoritma untuk tresholding tersebut adalah sebagai berikut : For y:=0 to ABitmap.Height-1 do begin WBarisIN := ABitmap.ScanLine[y]; WBarisOUT := Result.ScanLine[y]; For x:=0 to ABitmap.Width do begin R := WBarisIN[x].rgbtRed ; G := WBarisIN[x].rgbtGreen; B := WBarisIN[x].rgbtBlue; Grayscale := R+G+B div 3 ; if Grayscale >= Ambang then WBarisOUT[x]:= WBlack else begin WBarisOUT[x]:= WWhite; c1:=c1+1 end;

Penjelasannya adalah nilai grayscale yang didapatkan akan disegmentasikan secara sederhana kedalam dua kemungkinan nilai pixel yaitu hitam (0) dan putih(1) dengan ambang memberikan nilai ambang, yaitu jika nilai grayscale lebih besar dari nilai tersebut maka ia akan bernilai 1 (pixel berwarna putih) dan jika grayscale

berada dibawah nilai ambang maka ia bernilai 0 (pixel berwarna hitam) Menentukan kotak area tengah Kotak area tengah bertujuan untuk membatasi daerah yang akan ditempati kaleng sehingga kaleng akan berada di tengah area gambar, kaleng akan menempati daerah sebesar area kaleng sedangkan kotak area tengah akan menempati daerah sebesar luasan kotak itu sendiri, sehingga ketika daerah kotak area tengah ditempati oleh kaleng maka saat itu akan terjadi peristiwa obyek centering dan proses selanjutnya memperbolehkan adanya pemrosesan pengurangan pixel image pada gambar tersebut. 3.2.3 Komponen pembantu perangkat lunak Untuk mengakses TV Tuner dengan menggunakan Delphi 7 maka digunakan komponen TVideoGrabber yang dibuat oleh Datastead, dalam penelitian ini digunakan versi freeware 6.7, dan untuk pengaturan timer digunakan komponen TreadedTimer yang dapat membedakan waktu hingga 1 milisekon. 3.3 Kalibrasi Kecepatan Konveyor Kalibrasi adalah faktor yang sangat penting untuk menjustifikasi nilai nilai yang akan kita gunakan. Dalam eksperimen ini kalibrasi dilakukan pada kecepatan konveyor. Hal tersebut mengarah pada penentuan 3 variasi kecepatan yaitu rendah, sedang dan tinggi dalam satuan cm/s yang nantinya digunakan untuk pengoperasian konveyor. Metode untuk mengukur kecepatan dibutuhkan beberapa variable yaitu waktu tempuh dan jarak lintasan tempuh, jarak lintasan tempuh telah ditentukan sebesar 74 cm yang merupakan jarak awal dan jarak akhir dari kaleng yang bergerak : Perhitungan kecepatan konveyor menggunakan persamaan sebagai berikut :

W a k t ur a t a r a t a =

T o ta lw a k t u B a n y a e k s p e r im e n k ................Pers 3.1

J a L ir na a tsTk a e n m p u h K e cK e op = na vt ae yN o r .Pers 3.2 w ar ak r t a ua t a3.4 Akuisisi Image Akuisisi image merupakan hal yang sangat berpengaruh dalam perhitungan, dikarenakan hal ini dapat mempengaruhi perhitungan yang nantinya juga berperan dalam pengambilan keputusan. Akuisisi tersebut antara lain melibatkan beberapa faktor sebagai berikut : Pengambilan image yaitu jarak antar camera dan obyek kaleng 28 cm Pada Jarak 28 cm diambil sample kaleng pada keadaan bergerak untuk menentukan besar pixel yang mewakili obyek kaleng, untuk tiap pengambilan didapatkan nilai pixel yang berfluktuasi, sehingga dari beberapa kali percobaan akan diambil nilai rata rata pixel Nilai minimum dan maximum pixel untuk mendapatkan range pixel untuk kaleng referensi, range tersebut digunakan sebagai nilai toleransi dalam perhitungan. 3.5 Tampilan Software

Gambar 3.6 Tampilan Software

Studi literatur dan Tinjauan lapangan Studi literatur bertujuan untuk memperoleh teori teori yang mendasari dan menunjang dalam pembuatan alat dan pemecahan masalah yang dihadapi selama pembuatan alat ini. Litelatus yang dapat dijadikan acuan berupa buku, jurnal ilmiah maupun website. Dengan studi litelatur ini maka semakin mempermudah dalam pembuatan alat karena kita sudah memiliki dasar yang yang jelas sehingga dapat dijadikan acuan untuk pengambilan langkah langkah pembuatan tugas akhir ini. . 1. Perancangan alat Perancangan alat ini meliputi gambar konstruksi dan plan sistem sensor mikrogeser. Perancangan juga memperhitungkan pemasangan fiber optik, pengukuran, dan interface alat. .

2. Pembuatan alat Pembuatan alat dilakukan dengan Langkah yaitu melakukan pemasangan fiber optik sehingga ketika perdapat tekanan berat dari luar berakibat berubahnya tegangan yang berada pada serat optik ,melakukan pemasangan laser sebagai sumber cahanya termodulasi serta pembuatan interfacing alat sampai alat tersebut siap untuk diaplikasikan. 3. Pengujian alat Pengujian ini dimaksudkan untuk memastikan bahwa kinerja alat yang telah dibuat dapat berfungsi sesuai dengan yang diharapkan. Untuk proses pengujian alat dilakukan melalui percobaan langsung dengan cara menimbang sebuah benda yang sebelumnya sudah diketahui beratnya, jika hasil yang ditunjukkan berupa nilai yang sama dengan dengan nilai yang sebenarnya maka dapat dilanjutkan ketahap analisa alat jika tidak maka kembali lagi ke tahap awal yaitu studi litelatur. Analisa alat Analisa alat dilakukan dengan cara menguji untuk mengetahui letak kelebihan dan kekurangannya, agar teknologi ini nantinya dapat diterapkan dengan baik dan dapat memberi manfaat kepada masyarakat luas. 6. Pembuatan Laporan 4.

Pembutan laporan dilaksanakan setelah semua langkah-langkah terselesaikan sehingga hasil yang diperoleh dari pembuatan sistem dapat dijelaskan secara rinci sesusi dengan data-data yang diperoleh.

XI. Jadwal KegiatanSecara umum waktu pelaksanaan tugas akhir ini adalah selama 4 bulan terhitung mulai masa perkuliahan semester gasal September 2012 hingga Desember 2012. Rincian pelaksanaannya dijelaskan pada tabel dibawah ini :

No. Kegiatan

Tabel 1. Jadwal Kegiatan Tugas Akhir Bulan ke1 2 3 4 5 6 7 8 9 10

1.

Pemanfaatan metode image processing untuk identifikasi benda

2.

Pengembangan metode image processing untuk identifikasi benda 3-D yang akurat

3. 4.

Perbaikan metode Pembuatan prototipe sistem deteksi dan rejektor beserta softwarenya secara GUI

5

Pembuatan publikasi Internasional

makalah di

untuk Jurnal

6.

Pembuatan Laporan