PENGEMBANGAN ALGORITMA PENGOLAHAN CITRA PADA SISTEM NETRA MESIN 3D ( 3D
|
|
- Suryadi Hardja
- 7 tahun lalu
- Tontonan:
Transkripsi
1 PENGEMBANGAN ALGORITMA PENGOLAHAN CITRA PADA SISTEM NETRA MESIN 3D (3D MACHINE VISION) UNTUK ROBOT PEMETIK KELAPA SAWIT (Elaeis sp.) (A Development of Images Processing Algorithm on 3D Machine Vision System for Palm Oil (Elaeis sp.) Fruits Harvesting Robot) Muhammad Makky 1), Sam Herodian 2), I Dewa Made Subrata 2) ABSTRACT A 3D machine vision system was made using a digital camera, including its image processing Algorithm to identify the objects, to determine the maturity level and cutting point of object, to analyze object position and vertical inclining, and to calculate object dimension and distance, of palm oil fruit. The maturity level was determined trough the color analysis of palm fruit image that was captured by camera. Because of inexistence of the standard palm fruit maturity level, the fruit was being picked in less or too matured condition. A pair of stereo image was obtained by moving a camera within certain distance in horizontal direction normal to focal axis. Images of mature palm fruits were captured in stereo from different distance. The 3D coordinate information of the images was calibrated using triangular principles. The triangulation equation for camera calibration was obtained via least square error approach using specified 20 known pairs of data points in 2D image and 3D world space. The 3D world coordinate was obtained from the translation distant of both camera images with calibrated triangulation equation. From the captured images, image processing algorithm was used to identify the object that determined by the maturity level of fruits based on color analysis. Centre point, and inclines and fruits position determined by analyzing the edge of object in images. The 3D coordinate of fruits calculated based on these data. The distances of object from camera lens count using triangular principle based on centre point translation distances of object in images. Object dimension count based on ratio of object size in images at camera calibration. Cutting point position of palm fruit determined by using deduction analyze since the fruit stem were usually hidden. Result of the research shows that the 3D machine vision system could acquired stereo image of a palm oil tree, where the algorithm program could processed the images to identify the objects, to determine the maturity level and cutting point of object, to analyze object position and vertical inclining, and to calculate object dimension and distance, of palm oil fruit based on acquired stereo images in short time. Key Words: Stereo Images, Image Processing, Object Identifications, Palm Fruit, Fruits Mature Level PENDAHULUAN Indonesia adalah negara terbesar kedua dalam menghasilkan minyak sawit, yakni sebesar ± 38 % dari kebutuhan dunia. Semenjak dikeluarkan Inpres nomor 6 tahun 1998 mengenai izin PMA kelapa sawit, lahan sawit di Indonesia mengalami perkembangan dari ha (1998) menjadi ha (1999) dan menjadi ha (2001) (Ditjenbun, 2001). Total ekspor komoditas sawit pada tahun 2003 mencapai 7,5 juta ton dengan nilai US$ 2,9 miliar atau mencapai 4.1% dari total nilai ekspor indonesia
2 (BPS, 2003). Seiring dengan meningkatnya jumlah perusahaan dan areal perkebunan kelapa sawit di Indonesia, serta proyeksi kebutuhan produk minyak sawit dunia yang cukup tinggi, maka diperlukan peningkatan kualitas dan kuantitas produk kelapa sawit agar dapat bersaing di pasar global. Untuk itu dibutuhkan suatu metode proses pemanenan yang tepat dan terkendali dengan mengaplikasikan teknologi pertanian. Pemanenan yang tepat hanya dapat dilakukan bila terdapat suatu proses pemanenan yang kontinu dengan standar pemutuan buah siap panen yang baku. Perlunya diterapkan standar anlisa kematangan dari tandan buah sawit adalah agar pemanen berpengalaman maupun pemula dapat menghasilkan kualitas panen TBS yang seragam. Selain itu juga diperlukan adanya suatu proses pemanenan yang lebih mudah, sehingga baik pemanen pemula maupun yang berpengalaman dapat memanen dalam waktu singkat dengan produksi yang seragam. Untuk itu maka diperlukan suatu cara pemanenan baku dengan menggunakan bantuan sistem robotik yang dapat melakukan pemanenan seragam dengan hasil produksi yang lebih baik bila dibandingkan dengan pemanenan dengan cara tradisional. Penggunaan robot pada proses pemanenan telah dikembangkan dibeberapa negara maju, antara lain pada pemanenan tomat dan jeruk di Jepang. Namun lingkup penggunaan masih pada tahap uji laboratorium maupun aplikasi di rumah kaca. Keuntungan penggunaan robot pada proses pemanenan adalah didapatkannya keseragaman produk serta kualitas yang lebih baik bila dibandingkan dengan pemanenan oleh manusia. Machine vision atau netra mesin adalah komponen vital dari sebuah robot. Jenis sistem netra mesin yang telah dikembangkan maupun dipergunakan pada proses pemanenan dengan bantuan robot antara lain adalah sensor infra merah, kamera video, kamera CCD, ultra sonik, maupun kamera dalam konfigurasi stereo. Kelebihan penggunaan kamera stereo adalah didapatkannya suatu gambaran objek dalam bentuk tiga dimensi, oleh sebab itu, maka lebih sering disebut dengan 3D machine vision atau netra mesin 3D. Aplikasi penggunaan netra mesin 3D antara lain pada pemanenan jeruk di Jepang maupun pemanenan jeruk di Korea. Netra mesin pada robot umumnya dipergunakan untuk merekam citra atau gambar dari sebuah objek. Untuk menganalisa objek tersebut, maka citra yang dihasilkan terlebih dahulu harus diolah. Proses pengolahan suatu citra dengan menggunakan satu atau lebih parameter, sehingga didapatkan suatu data dalam bentuk angka, tabel, grafik maupun bentuk lainnya, yang dapat memberikan informasi tentang hal-hal yang dikehendaki atau ditentukan dari citra aslinya disebut dengan Imege processing atau pengolahan citra. Image processing pada sistem robot umumnya didasari dari algoritma pemrograman yang dibuat. Suatu program pengolahan citra umumnya dibuat untuk satu tujuan tertentu. Kelebihan penggunaan program pengolahan citra pada robot adalah diperolehnya informasi dari suatu citra dengan waktu yang relatif lebih singkat. Selain untuk pemanenan, pengolahan citra juga telah digunakan secara luas untuk proses sortasi maupun analisa penyakit dari suatu tanaman. Penerapan sistem robotik selama ini terutama diperuntukan pada tanaman green house serta tanaman rendah, dan belum diterapkan pada tanaman perkebunan, khususnya tanaman kelapa sawit. Latar belakang dari dilakukannya penelitian ini adalah adanya kebutuhan suatu proses otomatisasi pemanenan pada perkebunan sawit dengan menggunakan bantuan robot. Tahap pertama dari pengembangan yang dilakukan adalah penelitian pada bagian netra mesin (machine vision) yang merupakan bagian vital dari seluruh sistem robotik. Berdasarkan karakteristik yang dimiliki oleh kelapa sawit dan pertimbangan tentang keunggulannya, maka bagian netra mesin yang
3 dipergunakan adalah kamera digital dalam konfigurasi stereo (3D machine vision). Pengambilan keputusan dari netra mesin adalah algoritma pengolahan dari citra yang direkam. Oleh karena itu, penelitian ini dititik beratkan pada aplikasi penggunaan sistem netra mesin serta pengembangan algoritma pengolahan citra sebagai salah satu komponen penting dari sistem robotik pada pemanenan sawit yang akan dikembangkan pada tahap selanjutnya. Tujuan dari penelitian ini adalah mengembangkan sebuah algoritma pengolahan citra pada sistem netra mesin 3D (3D machine vision) yang dapat menentukan : Tingkat kematangan tandan buah sawit (TBS) di pohon; Titik pusat TBS di pohon; KemiringanTBS di pohon; Ukuran TBS di pohon; Jarak TBS di pohon dari lensa kamera serta Koordinat titik potong pemanenan pada TBS, berdasarkan citra pohon kelapa sawit yang direkam dalam konfigurasi stereo 3D yang kelak dapat diterapkan pada proses pemanenan sawit secara otomatis dengan menggunakan bantuan robot. METODE PENELITIAN Penelitian ini dilakukan di PT. Perkebunan Negara V, Riau dan Lab. Egotronika, Jurusan Teknik Pertanian, Fakultas Teknologi Pertanian, Institut Pertanian Bogor. Waktu pelaksanaan penelitian dilakukan mulai dari September 2003 sampai dengan September Bahan-bahan yang digunakan pada penelitian ini adalah buah kelapa sawit matang siap petik, dengan tinggi pohon minimum 3 m. Pada penelitian ini citra direkam menggunakan Kamera Digital dengan resolusi 3.1 Mpiksel ( CX6330, Kodak Easy Share,Eastman Kodak Company ) beserta tripodnya. Data kemudian ditranfer melalui hubungan USB ke komputer IBM PC (Pentium IV, 2200Mhz). File yang ditranfer kemudian dimasukkan dalam direktori baru dengan nama file diurutkan menggunakan indeks ( Sawit_### ), dimana file pertama dimulai dari angka 000. Selanjutnya nama citra di masukkan kedalam program secara manual. Selain itu juga dipergunakan meteran gulung, sektan, light meter, gergaji kayu, golok, arit, meja, kotak ukuran 21 x 12 cm dan kamera dock. Pengambilan Gambar Dan Kalibrasi Kamera Untuk menentukan posisi 3D dari sebuah objek diambil dua buah citra atau gambar menggunakan sebuah kamera yang digeser kedudukannya sebesar 90mm arah lateral terhadap sumbu kamera. Pergeseran sejauh 90mm dilakukan untuk mensimulasikan pandangan mata kiri dan kanan manusia yang memiliki pandangan binokuler. Objek yang digunakan pada pengambilan gambar ini adalah buah kelapa sawit yang telah matang sempurna dan siap untuk di panen (dipetik). Pengambilan Gambar dilakukan sebanyak 20 kali dengan menggeserkan posisi kamera kekiri dan kekanan serta memindahkan kedudukan kamera menjauhi dan mendekati objek sejajar sumbu kamera. Hal ini dilakukan untuk mengurangi kesalahan kalibrasi dari citra yang dipengaruhi oleh kondisi lingkungan seperti halnya pembiasan cahaya, pantulan cahaya, refleksi sinar dari objek maupun kesalahan peletakkan posisi kamera. Pendekatan geometris untuk penentuan posisi 3D objek sebaiknya dihindari karena hasil perhitungan sangat sensitif terhadap fungsi sinusoidal maupun tangensial. Kalibrasi kamera dilakukan dengan mengambil citra yang diletakkan didepan kamera pada lokasi yang berbeda-beda. Tiap posisi benda diambil citra stereonya, untuk mendapatkan grafik hubungan antara jarak benda dengan pergeseran pusat benda, atau dengan menggeser benda searah sumbu kamera
4 Teknologi pengolahan citra biasanya memiliki banyak kendala, diantaranya kecepatan pengolahan yang masih rendah, Hasil pengolahan citra yang belum sempurna, serta kesalahan pendugaan objek. Namun dengan membatasi lingkup yang dianalisa (bentuk, warna, tekstur, ukuran, dsb.) pada citra objek dapat meningkatkan effisiensi pengolahan citra.. L Xo D d L Xi Xi1 Xi2 Gambar 1. Pengambilan Gambar Stereo Beserta Penentuan Jaraknya (Kondo et al., 1998) Berdasarkan Gambar 1. besarnya nilai D merupakan jarak dari lensa kamera ke objek (buah sawit) searah sumbu kamera dapat dihitung dengan merubah posisi lateral kamera dengan jarak tertentu. Pada penelitian ini, jarak perubahan posisi lateral kamera adalah 90mm. Perubahan posisi pusat citra (buah sawit matang) dinyatakan dengan : (Xi 2 Xi 1 ). Oleh karena itu, D dapat dijabarkan sebagai berikut : D = dl / (Xi 2 Xi 1 )... ( 1) Dimana d adalah jarak dari lensa kamera ke sensor citra (Film / Negative) didalam kamera, L adalah jarak pergeseran kamera ( 90mm ), dan nilai (Xi 2 Xi 1 ) merupakan invers proporsional dari D. Pergeseran lateral dari X 0 pada sumbu lensa dapat dihitung berdasarkan: X 0 = X i D / d,... ( 2) Dimana nilai X i adalah jarak dari titik pusat sensor citra ( Film / Negativ ) ke titik pusat Objek pada citra. Perubahan vertikal pada sumbu lensa juga dapat dihitung menggunakan metode yang sama (Kondo., 1998). Algoritma Pengolahan Citra Salah satu cara yang mudah untuk menghitung nilai warna dan menafsirkan hasilnya dalam model warna RGB adalah dengan melakukan normalisasi terhadap
5 ketiga komponen warna tersebut. Normalisasi penting dilakukan terutama bila sejumlah citra ditangkap dengan penerangan yang berbeda - beda. Cara melakukan normalisasi adalah sebagai berikut: R r = R + G + B... ( 3) G g = R + G + B... ( 4) B b = R + G + B... ( 5) Pengolahan citra dengan model HSV tidak mungkin dilakukan tanpa mengkonversi model warna RGB ke model warna HSV. Untuk mendapatkan nilai Value (V) besarnya dapat dihitung secara langsung : R + G + B I =... ( 6) 3 Sedangkan untuk penentuan nilai Hue (H) dapat dihitung dengan: CosH = 2 2R G B 2 ( R G) + ( R B)( G B) Untuk nilai saturasi (S) dapat dihitung dengan persamaan :... ( 7) S 3 = 1 min( R, G B) R + G + B,... ( 8) Transformasi dari model warna RGB ke HSI digunakan untuk mengkonversi citra warna kedalam bentuk yang lebih sesuai untuk pengolahan citra (Usman., 2002) Dengan memindahkan posisi kamera searah sumbu lensa kebeberapa tempat dengan jarak tertentu, dua buah citra dari masing-masing enam tempat yang berbeda di rekam, serta koordinat citra diukur. Selanjutnya dibuat algoritma pengolahan citra seperti terlihat pada Gambar 2. Pada tahapan pertama, program akan membaca data citra meliputi ukuran citra, format piksel citra, format warna citra, nilai RGB (Red, Green, Blue) dan HSI (Hue, Saturation, Intensitas) dari tiap piksel pada citra dan letak direktori dan nama file citra. Mulai Inisialisasi sistem Treshold Pengenal an Objek Rekam citra kanan Inisialisasi citra Perhitungan titik pusat Geser kamera 90mm Citra dimasukkan ke program Penentuan jarak Rekam citra kiri Mulai Image Processing Penentuan ko ordinat potong Reset Kamera Transfer dat ke PC Selesai Gambar 2. Bagan Alir Algoritma Pengolahan Citra
6 Kemudian, dilakukan proses tresholding atau eliminasi data. Tresholding adalah proses analisa data RGB dan HSV dari tiap piksel citra terhadap nilai ambang yang ditentukan. Nilai Tresholding (nilai ambang) ditentukan menggunakan metode trial dan error. Karena sampai saat ini belum diketahui komposisi nilai RGB dan nilai HSV dari citra objek buah sawit yang matang yang telah siap panen. Penentuan titik pusat citra dilakukan dengan menghitung jumlah piksel terbanyak pada baris dan kolom, pada citra biner. Penentuan nilai ambang (tresholding) dilakukan dengan menganalisa nilai komponen RGB dan HSV dari 12 buah citra buah sawit matang yang diambil dari berbagai posisi. Analisa nilai RGB dan Hsv dari ke 12 citra tersebut, untuk mendapatkan nilai ambang yang seragam. Pengolahan citra dilakukan dengan beberapa asumsi sebagai berikut : 1. Buah memiliki bentuk cenderung bulat 2. Buah sawit memiliki warna yang cenderung seragam 3. Berondolan sawit dianggap memiliki kerapatan yang tinggi sehingga bentuk tepi buah berbentuk kurva sp-line. 4. Kemiringan buah tidak lebih dari 45 0 dari arah Vertikal. Setelah didapatkan nilai ambang, maka proses tresholding dimulai. Maka nilai komponen RGB dan HSV pada tiap piksel dari citra yang lebih kecil atau lebih besar dari nilai ambang dieliminasi. Hasil pengolahan ini akan tampak citra dengan objek buah sawit matang dengan noise (distorsi / ganguan) yang jauh lebih berkurang. Selain itu juga dapat dipisahkan antara yang objek dengan latar pada citra. Dari perhitungan selisih koordinat objek dari citra 1 dan citra 2 (kiri dan kanan), maka dapat di tentukan jarak objek terhadap kamera HASIL DAN PEMBAHASAN Hasil Grafik kalibrasi hubungan antara pergeseran pusat citra stereo dengan jarak objek terhadap pusat kamera dapat dilihat pada Gambar 3, Piksel j = 28119x R 2 = i = 19749x R 2 = Lebar Tinggi Jarak objek (cm) Luas objek (piksel 2 ) Luas = 6E+08x R 2 = Jarak objek (cm) Gambar 3. Grafik hasil pengukuran dimensi objek (kiri) & pengukuran luas objek (kanan) berdasarkan jarak perekaman citra dari lensa
7 Persamaan untuk menentukan dimensi objek berdasarkan jarak pengambilan citra adalah sebagai berikut: Lebar ( i) = x ( Exp ( x Ln ( D )))... (9) Tinggi ( j) = x ( Exp ( x Ln ( D )))... (10) D adalah jarak dari objek ke sensor pada kamera dalam satuan cm. Grafik kalibrasi hubungan antara pergeseran pusat citra stereo dengan jarak objek terhadap pusat kamera dapat dilihat pada Gambar 3. dan Gambar Jarak Objek (cm) D = (dL / Po ) R 2 = dl / Po (mm) Gambar 4. Hubungan Linier Besar Pergeseran Objek Terhadap Jarak Pengambilan Citra Dengan diketahuinya hubungan tersebut, maka jarak objek terhadap pusat kamera dapat dihitung dari pergeseran pusat citra stereo dengan rumus sebagai berikut: D = (dl/ P o ) ( 11) dl/ Po adalah jarak objek kelensa kamera dalam satuan mm Penentuan nilai ambang (Tresholding) dilakukan dengan cara Trial and Error, dimana pada tiap citra yang diambil di rubah batasan nilai dari masing-masing komponen RGB dan HSV nya sampai objek dapat teridentifikasi dengan baik, atau dengan mereduksi latar menjadi sekecil mungkin. Hasil Penentuan rata-rata nilai ambang (Tresholding) dapat dilihat pada Tabel 1. Nilai tresholding ini adalah hasil rata-rata yang diperoleh dari 75 citra yang diambil pada berbagai kondisi cahaya yang berbeda, menggunakan metode trial dan error. Nilai ambang (Tresholding) tersebut sudah cukup untuk memisahkan pusat objek dari latar belakang. Citra yang direkam oleh kamera berbentuk persegi empat dengan luasan 1600 x 1200 piksel. Format gambar citra adalah JPEG dengan resolusi warna 24bit Color.
8 Tabel 1. Nilai Treshold KOMPOSISI NILAI WARNA MIN MAX Merah (Red) Hijau (Green) Biru (Blue) Hue (H) 1 15 Saturasi (S) Intensitas (V) Penentuan titik pusat dilakukan dengan terlebih dahulu menghilangkan nilai RGB dan HSV tiap piksel pada gambar yang berada diluar nilai ambang (Treshold), sehingga piksel yang ditampilkan pada program hanyalah piksel dengan nilai RGB dan HSV yang berada pada nilai ambang (Tresholding). Setelah itu piksel yang ditampilkan dihitung perkolom mulai dari kolom paling kiri untuk menentukan posisi pusat citra arah tegak. Perhitungan juga dilakukan perbaris, mulai dari baris paling atas untuk menentukan posisi pusat benda. Jumlah piksel perkolom terbanyak (imax) dan jumlah piksel perbaris terbanyak (jmax) pada citra selanjutnya ditentukan sebagai titik pusat objek dengan asumsi buah sawit berbentuk bulat, berwarna seragam dan berbentuk kurva sp-line. Selisih titik pusat dari citra 1 (kiri) dan citra 2 (kanan) dihitung untuk menentukan jarak titik pusat, menggunakan persamaan: (X i2 X i1 ) = ABS (X i X j )... (12) nilai (X i2 X i1 ) yang didapatkan selanjutnya dimasukkan ke persamaan 9 sehingga didapatkan jarak objek kekamera untuk menentukan posisi ruang 3D dari objek. Hasil Running Program dapat dilihat pada Gambar 5. Titik potong tandan kelapa sawit ditentukan terlebih dulu dengan menentukan titik pusat objek, batas atas bawah dan kiri kanan objek pada citra, dan kemiringan buah. Cara ini memiliki keuntungan yaitu pemotongan tandan cukup dilakukan pada satu titik saja, tetapi areal pemotongan tergantung dari lebar alat potong yang digunakan. Selain itu juga, penentuan titik potong juga ditentukan berdasarkan dimensi buah. Cara ini diduga akan menaikkan tingkat keberhasilan pemotongan Gambar 5. Hasil Runing Program
9 Penentuan dimensi objek adalah untuk mengetahui ukuran benda sebenarnya. Parameter yang digunakan adalah tinggi dan lebar objek. Tinggi dan lebar objek ditentukan berdasarkan jarak benda, tinggi citra dan lebar citra. Persamaan yang digunakan adalah sebagai berikut : R N = (D) ( 13) L obj = ( i x ) / R N... ( 14) T obj = ( j x ) / R N... ( 15) dimana L obj dan T obj adalah lebar dan tinggi objek sebenarnya dalam satuan mm dan R N adalah rasio lebar dan rasio tinggi objek pada citra. Hasil running program pada sepasang citra stereo menggunakan treshold yang ditentukan, dapat dilihat pada Tabel 2. berikut ini: Tabel 2. Data Hasil Pengolahan Citra Citra Objek Kiri Objek Kanan Titik Pusat ( 689, 436 ) ( 898, 446 ) Jumlah Piksel piksel (matang) piksel (matang) A ( 760, 137 ) ( 911, 129) B ( 1020, 472 ) ( 1188, 495 ) Koordinat Tepi C ( 557, 797 ) ( 746, 812 ) Benda D ( 310, 535 ) ( 449, 528 ) Kemiringan o (CCW) -8.1 o (CCW) Untuk pengukuran 3D diperoleh data sebagai berikut : Pergeseran pusat objek ( P o ) : 153 piksel ( mm) Jarak lensa ke pusat objek (D c ) : 76 cm Koordinat pusat objek (P o ) : ( 11, -1, 76 ) cm Jarak pusat pandang ke pusat objek (P o -P c ) : 11 cm Dimensi objek: Lebar : 395 mm Tinggi : 427 mm Koordinat titik potong : ( 9, -19, 77 ) cm Hasil pengukuran manual pada saat pengambilan gambar adalah 75cm, dimensi buah (35.5 x 39.5 cm). Dari beberapa pengulangan didapatkan bahwa, program hanya dapat memberikan hasil yang baik bila gambar yang diambil pada jarak antara 700 sampai 4500 mm dari objek. Bila objek lebih dekat dari 700mm, maka citra yang dihasilkan akan kabur, sedangkan bila lebih dari 4500mm akan cenderung gelap. Sistem netra mesin (Machine Vision) yang dihasilkan mampu menganalisa secara keseluruhan dalam waktu 15 detik. Waktu ini terdiri dari perekaman citra dalam konfigurasi stereo selama 3 detik, Loading citra selama 2 detik, serta proses lainnya (meliputi proses thresholding, analisa kematangan, analisa titik pusat, analisa kemiringan TBS, analisa pergeseran titik pusat objek citra stereo, analisa jarak titik pusat bidang pandang kamera ke titik pusat TBS, analisa jarak titik pusat TBS ke lensa kamera, perhitungan dimensi objek, analisa koordinat titik potong panen TBS dari lensa
10 kamera) selama 10 detik. Waktu ini jauh lebih singkat dari waktu yang diperlukan oleh seorang pemanen yang belum berpengalaman untuk memanen TBS matang. Waktu proses masih dapat dikurangi dengan cara mereduksi resolusi citra. Hasil analisa waktu proses dengan reduksi resolusi citra dapat dilihat pada Gambar 6.. Dari hasil penentuan ini didapatkan titik optimum waktu proses dicapai dengan mereduksi citra menjadi dari ukuran semula, sehingga didapatkan waktu proses keseluruhan selama 4.25 detik Waktu Proses (detik) Rasio Resolusi Citra Gambar 6. Hasil penentuan optimasi reduksi resolusi citra untuk mendapatkan kecepatan waktu proses optimum SIMPULAN Pada penelitian ini telah dihasilkan sebuah algoritma pengolahan citra pada sistem netra mesin 3D (3D machine vision) yang dapat menentukan: tingkat kematangan tandan buah sawit (TBS) di pohon, titik pusat TBS di pohon, kemiringantbs di pohon, ukuran TBS di pohon, jarak TBS di pohon dari lensa kamera, dan koordinat titik potong pemanenan pada TBS berdasarkan citra pohon kelapa sawit yang direkam dalam konfigurasi stereo 3D, yang dapat diterapkan pada proses pemanenan sawit secara otomatis dengan menggunakan bantuan robot. Tingkat kematangan tandan buah sawit (TBS) di pohon ditentukan dengan menghitung jumlah piksel pada citra yang telah dithreshold. Nilai threshold ditentukan dengan menganalisa komposisi RGB dan HSI dari 20 berondolan matang. Hasil nilai threshold dari TBS matang adalah sebagai berikut; intensitas nilai merah (R) , hijau (G) , biru (B) 20-90, hue (H) 1 15, Saturasi (S) , dan Intensitas abu-abu (I) sebesar Nilai threshold tersebut sudah dapat memisahkan antara objek (TBS matang) dengan latarnya pada citra. Dalam algoritma program, TBS dianggap matang bila pada citra terdapat lebih dari 5000 piksel yang memiliki nilai RGB dan HSI dalam selang nilai threshold, dengan akurasi analisa kematangan TBS mencapai 100%. Titik pusat TBS di pohon pada algoritma program dihasilkan dengan menentukan titik tepi atas (A (i,j) ), kiri (B (i,j) ), bawah (C (i,j) ) dan kanan (D (i,j) ) dari citra objek serta perpotongan garis AC dan BD, dengan akurasi mencapai 1 mm. Penentuan titk pusat dengan cara pertama dilakukan bila kemiringan TBS kurang dari 15 o dari arah sumbu vertikal. Cara kedua digunakan bila kemiringan TBS lebih dari 15 o. Algoritma program yang dihasilkan dapat menghitung arah dan besar kemiringan dari TBS di pohon hingga 45 o dari sumbu vertikal dengan akurasi hingga 0.01 o. Tanda
11 negatif (-) pada hasil perhitungan kemiringan TBS menunjukkan arah kemiringan yang berlawanan dengan arah putaran jarum jam, dari sumbu vertikal. Perhitungan dimensi TBS pada algoritma program selalu lebih kecil dari ukuran sebenarnya, karena bagian tepi dari TBS berwarna lebih gelap dari buahnya, sehingga pada saat threshold tereliminasi. Perbedaan dimensi antara hasil perhitungan program dengan pengukuran sebenarnya rata-rata 5 cm. Jarak TBS dari kamera dihitung berdasarkan pergeseran titik pusat pada kedua citra stereo. Kesalahan perhitungan jarak TBS pada algoritma dapat diperkecil hingga 3 cm. Penentuan koordinat titik potong TBS dilakukan dengan pendugaan karena tidak memungkinkan dianalisa di lapang. Kesalahan penentuan koordinat diperoleh sebesar 3cm, namun masih dianggap valid mengingat dimensi TBS yang lebih dari 30cm. Algoritma program yang dihasilkan dianggap valid dengan rasio kesalahan kecil. Pada penelitian ini sistem netra mesin yang dihasilkan hanya dapat menganalisa citra satu TBS yang direkam dalam jarak pandang antara 70 cm hingga 450 cm. Hal ini disebabkan oleh keterbatasan kemampuan dari kamera yang digunakan. Secara keseluruhan, sistem ini dapat merekam dan menganalisa citra dalam waktu detik. Dengan mereduksi resolusi citra yang direkam menjadi 47.5% dari ukuran semula, didapatkan waktu optimum 4.25 detik DAFTAR PUSTAKA Ahmad,U., Teknik Dasar Pengolahan Citra Digital, 2002, Bogor Agricultural University. Bogor. Badan Pusat Statistik (BPS) Ringkasan Statistik Sem I BPS, Jakarta. DITJENBUN Statistik Perkebunan Kelapa Sawit di Indonesia. Dept. Kehutanan dan Perkebunan Negara. Indonesia. D. M. Bulanon, T. Kataoka, Y. Ota, And T. Himora An Algorithm For The Recognition Of Different Fruit Varieties Kondo N., Ting K O., Robotics for Bioproduction System. ASAE. The Society for Engineering in Agricultural, Food and Biological Systems Niles Road. USA. Si Chan Kim, et al., Identification and 3D Coordinate Extraction of Object Via Tele-Task Command. IFAC. Korea. Subrata, D., Fujiura, T., Yamada, H., Hida, M., Yukawa, T. And S. Nakao Cherry Tomato Harvesting Robot Using 3-D vision Sensor (Part-1). Journal of The JSAM, 58(4): Subrata, D., Fujiura, T., Yamada, H., Hida, M., Yukawa, T. And S. Nakao D Vision Sensor for Cherry Tomato Harvesting Robot. Journal of The JARQ. 31, Tian, L., and D. Slaughter Enviromentally Adaptive Segmentation Algorithm For Outdoor Image Segmentation. Computers and Electronics in Agriculture, 21(3): Tóth, S. J: Optimal Trajectory Planning For Robots, Msc Thesis, 1994, Budapest Technical University.
BAB IV UJI PENENTUAN POSISI TIGA DIMENSI BUAH JERUK LEMON PADA TANAMANNYA
BAB IV UJI PENENTUAN POSISI TIGA DIMENSI BUAH JERUK LEMON PADA TANAMANNYA A. Pendahuluan Latar belakang Robot selain diterapkan untuk dunia industri dapat juga diterapkan untuk dunia pertanian. Studi yang
Lebih terperinciPENGEMBANGAN SISTEM DETEKSI MENGGUNAKAN KAMERA UNTUK MANIPULATOR ROBOT PEMANEN JERUK LEMON (Citrus medica) JAROT PRIANGGONO
PENGEMBANGAN SISTEM DETEKSI MENGGUNAKAN KAMERA UNTUK MANIPULATOR ROBOT PEMANEN JERUK LEMON (Citrus medica) JAROT PRIANGGONO SEKOLAH PASCASARJANA INSTITUT PERTANIAN BOGOR BOGOR 2006 PERNYATAAN MENGENAI
Lebih terperinciBAB III KALIBRASI DAN VALIDASI SENSOR KAMERA UNTUK PENGEMBANGAN RUMUS POSISI TIGA DIMENSI OBYEK
BAB III KALIBRASI DAN VALIDASI SENSOR KAMERA UNTUK PENGEMBANGAN RUMUS POSISI TIGA DIMENSI OBYEK A. Pendahuluan Latar Belakang Perhitungan posisi tiga dimensi sebuah obyek menggunakan citra stereo telah
Lebih terperinciBAB IV PENGUJIAN SISTEM. pada PC yang dihubungkan dengan access point Robotino. Hal tersebut untuk
BAB IV PENGUJIAN SISTEM Pengujian sistem yang dilakukan merupakan pengujian terhadap Robotino dan aplikasi pada PC yang telah selesai dibuat. Dimulai dari menghubungkan koneksi ke Robotino, menggerakan
Lebih terperinciPengenalan Telur Berdasarkan Karakteristik Warna Citra Yustina Retno Wahyu Utami 2)
Pengenalan Telur Berdasarkan Karakteristik Warna Citra Yustina Retno Wahyu Utami 2) ISSN : 1693 1173 Abstrak Pengenalan obyek pada citra merupakan penelitian yang banyak dikembangkan. Salah satunya pengenalan
Lebih terperinciIII. METODOLOGI PENELITIAN
15 III. METODOLOGI PENELITIAN A. Waktu dan Tempat Penelitian ini dilaksanakan pada bulan Juli Desember 2007 di Laboratorium Teknik Pengolahan Pangan dan Hasil Pertanian, Departemen Teknik Pertanian, Fakultas
Lebih terperinciSAMPLING DAN KUANTISASI
SAMPLING DAN KUANTISASI Budi Setiyono 1 3/14/2013 Citra Suatu citra adalah fungsi intensitas 2 dimensi f(x, y), dimana x dan y adalahkoordinat spasial dan f pada titik (x, y) merupakan tingkat kecerahan
Lebih terperinciIII. METODE PENELITIAN
III. METODE PENELITIAN A. WAKTU DAN TEMPAT Penelitian ini dilaksanakan pada bulan Mei 2010 sampai dengan Oktober 2010. Perancangan alat dilaksanakan pada bulan Mei 2010 sampai Agustus 2010 di Bengkel Departemen
Lebih terperinciIV. HASIL DAN PEMBAHASAN
IV. HASIL DAN PEMBAHASAN A. DESKRIPSI ALAT Perhitungan benih ikan dengan image processing didasarkan pada luas citra benih ikan. Pengambilan citra menggunakan sebuah alat berupa wadah yang terdapat kamera
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI Pada bab ini akan dibahas teori yang berkaitan dengan pemrosesan data untuk sistem pendeteksi senyum pada skripsi ini, meliputi metode Viola Jones, konversi citra RGB ke grayscale,
Lebih terperinci4 HASIL DAN PEMBAHASAN
29 4 HASIL DAN PEMBAHASAN Penelitian Pendahuluan Pada penelitian pendahuluan ini dilakukan beberapa percobaan yang terkait dengan sensor yang akan digunakan. Untuk pemilihan sensor sinar laser yang tepat,
Lebih terperinciBAB 2 LANDASAN TEORI. dari sudut pandang matematis, citra merupakan fungsi kontinyu dari intensitas cahaya
5 BAB 2 LANDASAN TEORI 2.1 Citra Secara harfiah citra atau image adalah gambar pada bidang dua dimensi. Ditinjau dari sudut pandang matematis, citra merupakan fungsi kontinyu dari intensitas cahaya pada
Lebih terperinciBAB III PERANCANGAN SISTEM. Pada dewasa sekarang ini sangat banyak terdapat sistem dimana sistem tersebut
BAB III PERANCANGAN SISTEM 3.1 Definisi Masalah Pada dewasa sekarang ini sangat banyak terdapat sistem dimana sistem tersebut sudah terintegrasi dengan komputer, dengan terintegrasinya sistem tersebut
Lebih terperinciBAB V PEMBAHASAN UMUM
BAB V PEMBAHASAN UMUM Penelitian ini pada prinsipnya bertujuan untuk menghasilkan sebuah metode dan algoritma yang dapat digunakan untuk menentukan posisi tiga dimensi dari obyek pertanian, yaitu jeruk
Lebih terperinciIV. HASIL DAN PEMBAHASAN
26 IV. HASIL DAN PEMBAHASAN A. Pengukuran Parameter Mutu Jeruk Pontianak Secara Langsung Dari Hasil Pemutuan Manual Pemutuan jeruk pontianak secara manual dilakukan oleh pedagang besar dengan melihat diameter
Lebih terperinciSKRIPSI. PEMUTUAN BUAH JERUK MANIS (Citrus sinensis (L) Osbeck) MENGGUNAKAN ALGORITMA PENGOLAHAN CITRA. Oleh: MARIA YUSTINA TAMPUBOLON F
SKRIPSI PEMUTUAN BUAH JERUK MANIS (Citrus sinensis (L) Osbeck) MENGGUNAKAN ALGORITMA PENGOLAHAN CITRA Oleh: MARIA YUSTINA TAMPUBOLON F14101109 DEPARTEMEN TEKNIK PERTANIAN FAKULTAS TEKNOLOGI PERTANIAN INSTITUT
Lebih terperinciBAB II LANDASAN TEORI. Pengolahan Citra adalah pemrosesan citra, khususnya dengan menggunakan
BAB II LANDASAN TEORI 2.1. Citra Citra adalah gambar pada bidang dwimatra (dua dimensi). Ditinjau dari sudut pandang matematis, citra merupakan fungsi menerus dan intensitas cahaya pada bidang dwimatra
Lebih terperinciBAB 4 HASIL DAN ANALISA
BAB 4 HASIL DAN ANALISA 4. Analisa Hasil Pengukuran Profil Permukaan Penelitian dilakukan terhadap (sepuluh) sampel uji berdiameter mm, panjang mm dan daerah yang dibubut sepanjang 5 mm. Parameter pemesinan
Lebih terperinciBAB III METODOLOGI PENELITIAN
BAB III METODOLOGI PENELITIAN 3.1 Waktu dan Tempat Penelitian dilaksanakan selama bulan Maret hingga Juli 2011, bertempat di Laboratorium Teknik Pengolahan Pangan dan Hasil Pertanian (TPPHP), Departemen
Lebih terperinciIII. METODOLOGI PENELITIAN
III. METODOLOGI PENELITIAN A. TEMPAT DAN WAKTU Kegiatan penelitian dilakukan di Laboratorium Teknik Pengolahan Pangan dan Hasil Pertanian (TPPHP), Departemen Teknik Pertanian, Fakultas Teknologi Pertanian,
Lebih terperinci5. IDENTIFIKASI JENIS TANAMAN. Pendahuluan
5. IDENTIFIKASI JENIS TANAMAN Pendahuluan Tujuan aplikasi berbasis sensor adalah melakukan penyemprotan dengan presisi tinggi berdasarkan pengamatan real time, menjaga mutu produk dari kontaminasi obat-obatan
Lebih terperinciBAB VI HASIL DAN PEMBAHASAN
BAB VI HASIL DAN PEMBAHASAN 4.1 Program Pengolahan Citra untuk Pengukuran Warna pada Produk Hortikultura Pengembangan metode pengukuran warna dengan menggunakan kamera CCD dan image processing adalah dengan
Lebih terperinciBAB 2 LANDASAN TEORI
7 BAB 2 LANDASAN TEORI 2.1 Citra Digital Citra digital merupakan sebuah fungsi intensitas cahaya, dimana harga x dan y merupakan koordinat spasial dan harga fungsi f tersebut pada setiap titik merupakan
Lebih terperinciIV. HASIL DAN PEMBAHASAN
IV. HASIL DAN PEMBAHASAN 4.1. Deteksi Dari citra setting yang telah direkam, dengan menggunakan software Paint Shop Pro v.6, diketahui nilai RGB dari tiap laser yang terekam oleh kamera CCD. RGB yang dicantumkan
Lebih terperinciDETEKSI DAN SEGMENTASI OTOMATIS DERET PADA CITRA METERAN AIR
DETEKSI DAN SEGMENTASI OTOMATIS DERET PADA CITRA METERAN AIR Naser Jawas STIKOM Bali Jl. Raya Puputan, No.86, Renon, Denpasar, Bali Email: naser.jawas@gmail.com ABSTRAK Meter air adalah sebuah alat yang
Lebih terperinciBAB II SISTEM PENENTU AXIS Z ZERO SETTER
BAB II SISTEM PENENTU AXIS Z ZERO SETTER 2.1 Gambaran Umum Berdasarkan latar belakang masalah yang telah dipaparkan pada Bab I, tujuan skripsi ini adalah merancang suatu penentu axis Z Zero Setter menggunakan
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1. Pengertian Citra Digital Citra digital merupakan sebuah fungsi intensitas cahaya f(x,y), dimana harga x dan y merupakan koordinat spasial dan harga fungsi f tersebut pada setiap
Lebih terperinciOperasi-operasi Dasar Pengolahan Citra Digital
Operasi-operasi Dasar Pengolahan Citra Digital Pendahuluan Citra digital direpresentasikan dengan matriks. Operasi pada citra digital pada dasarnya adalah memanipulasi elemen- elemen matriks. Elemen matriks
Lebih terperinciBAB I PENDAHULUAN. penting di Indonesia. Buah-buahan memiliki tingkat permintaan yang tinggi.
BAB I PENDAHULUAN A. LATAR BELAKANG Buah-buahan merupakan salah satu kelompok komoditas pertanian yang penting di Indonesia. Buah-buahan memiliki tingkat permintaan yang tinggi. Permintaan domestik terhadap
Lebih terperinciMuhammad Zidny Naf an, M.Kom. Gasal 2015/2016
MKB3383 - Teknik Pengolahan Citra Pengolahan Citra Digital Muhammad Zidny Naf an, M.Kom. Gasal 2015/2016 CITRA Citra (image) = gambar pada bidang 2 dimensi. Citra (ditinjau dari sudut pandang matematis)
Lebih terperinci3 METODE. Waktu dan Tempat Penelitian
18 Gambar 17 Pegujian sistem navigasi: (a) lintasan lurus tanpa simpangan, (b)lintasan lurus dengan penggunaan simpangan awal, (c) lintasan persegi panjang, (d) pengolahan tanah menggunakan rotary harrower
Lebih terperinciSuatu proses untuk mengubah sebuah citra menjadi citra baru sesuai dengan kebutuhan melalui berbagai cara.
Image Enhancement Suatu proses untuk mengubah sebuah citra menjadi citra baru sesuai dengan kebutuhan melalui berbagai cara. Cara-cara yang bisa dilakukan misalnya dengan fungsi transformasi, operasi matematis,
Lebih terperinciBAB I PENDAHULUAN Latar Belakang
BAB I PENDAHULUAN A. Latar Belakang Potensi buah jeruk termasuk jeruk lemon secara nasional amat besar. Rukmana dan Oesman (2001) menyatakan sebelum tahun 1970 Indonesia pernah berjaya sebagai produsen
Lebih terperinciBAB 4 HASIL DAN BAHASAN. Percobaan dilakukan dengan menggunakan dua buah objek berbeda, seperti
BAB 4 HASIL DAN BAHASAN 4.1 Kerangka Percobaan Percobaan dilakukan dengan menggunakan dua buah objek berbeda, seperti yang telah dijelaskan pada bab 3. Berikut ini adalah kerangka dari percobaan yang dilakukan
Lebih terperinciBAB 3 PERANCANGAN SISTEM
BAB 3 PERANCANGAN SISTEM 3.1 Metode Perancangan Perancangan sistem didasarkan pada teknologi computer vision yang menjadi salah satu faktor penunjang dalam perkembangan dunia pengetahuan dan teknologi,
Lebih terperinciBAB II TINJAUAN PUSTAKA. menggunakan PCA, kemudian penelitian yang menggunakan algoritma Fuzzy C-
8 BAB II TINJAUAN PUSTAKA 2.1 Studi Pendahuluan Sebelumnya telah ada penelitian tentang sistem pengenalan wajah 2D menggunakan PCA, kemudian penelitian yang menggunakan algoritma Fuzzy C- Means dan jaringan
Lebih terperinciDETEKSI KEBAKARAN BERBASIS WEBCAM SECARA REALTIME DENGAN PENGOLAHAN CITRA DIGITAL
DETEKSI KEBAKARAN BERBASIS WEBCAM SECARA REALTIME DENGAN PENGOLAHAN CITRA DIGITAL Ari Sutrisna Permana 1, Koredianto Usman 2, M. Ary Murti 3 Jurusan Teknik Elektro - Institut Teknologi Telkom - Bandung
Lebih terperinciPengembangan Sistem Konversi Citra ke G-Code untuk Aplikasi Manufaktur
Pengembangan Sistem Konversi Citra ke G-Code untuk Aplikasi Manufaktur Retno Tri Wahyuni, Djoko Purwanto, Tri Arief Sardjono Program Studi Teknik Elektro, Program Pascasarjana ITS Kampus ITS, Sukolilo,
Lebih terperinciBab II Teori Dasar 2.1 Representasi Citra
Bab II Teori Dasar 2.1 Representasi Citra Citra dapat direpresentasikan sebagai kumpulan picture element (pixel) pada sebuah fungsi analog dua dimensi f(x,y) yang menyatakan intensitas cahaya yang terpantul
Lebih terperinciPENGEMBANGAN METODA DETEKSI RINTANGAN MENGGUNAKAN KAMERA CCD UNTUK TRAKTOR TANPA AWAK
Seminar Nasional PERTETA, Bandung 6-8 Desember 0 PENGEMBANGAN METODA DETEKSI RINTANGAN MENGGUNAKAN KAMERA CCD UNTUK TRAKTOR TANPA AWAK Usman Ahmad, Desrial, Mudho Saksono Dosen pada Departemen Teknik Mesin
Lebih terperinciPertemuan 2 Representasi Citra
/29/23 FAKULTAS TEKNIK INFORMATIKA PENGOLAHAN CITRA DIGITAL ( DIGITAL IMAGE PROCESSING ) Pertemuan 2 Representasi Citra Representasi Citra citra Citra analog Citra digital Matrik dua dimensi yang terdiri
Lebih terperinciGLOSARIUM Adaptive thresholding Peng-ambangan adaptif Additive noise Derau tambahan Algoritma Moore Array Binary image Citra biner Brightness
753 GLOSARIUM Adaptive thresholding (lihat Peng-ambangan adaptif). Additive noise (lihat Derau tambahan). Algoritma Moore : Algoritma untuk memperoleh kontur internal. Array. Suatu wadah yang dapat digunakan
Lebih terperinciBAB IV HASIL PENELITIAN DAN PEMBAHASAN. 4.1 Pengembangan Sistem Pengenalan Wajah 2D
30 BAB IV HASIL PENELITIAN DAN PEMBAHASAN 4.1 Pengembangan Sistem Pengenalan Wajah 2D Penelitian ini mengembangkan model sistem pengenalan wajah dua dimensi pada citra wajah yang telah disiapkan dalam
Lebih terperinciPENDETEKSI TEMPAT PARKIR MOBIL KOSONG MENGGUNAKAN METODE CANNY
PENDETEKSI TEMPAT PARKIR MOBIL KOSONG MENGGUNAKAN METODE CANNY Minati Yulianti 1, Cucu Suhery 2, Ikhwan Ruslianto 3 [1] [2] [3] Jurusan Sistem Komputer, Fakultas MIPA Universitas Tanjungpura Jl. Prof.
Lebih terperinciCOMPUTER VISION UNTUK PENGHITUNGAN JARAK OBYEK TERHADAP KAMERA
Seminar Nasional Teknologi Terapan SNTT 2013 (26/10/2013) COMPUTER VISION UNTUK PENGHITUNGAN JARAK OBYEK TERHADAP KAMERA Isnan Nur Rifai *1 Budi Sumanto *2 Program Diploma Elektronika & Instrumentasi Sekolah
Lebih terperinciBAB II TEORI PENUNJANG
BAB II TEORI PENUNJANG 2.1 Computer Vision Komputerisasi memiliki ketelitian yang jauh lebih tinggi bila dibandingkan dengan cara manual yang dilakukan oleh mata manusia, komputer dapat melakukan berbagai
Lebih terperinciBAB 2 TINJAUAN TEORETIS
BAB 2 TINJAUAN TEORETIS 2. Citra Digital Menurut kamus Webster, citra adalah suatu representasi, kemiripan, atau imitasi dari suatu objek atau benda. Citra digital adalah representasi dari citra dua dimensi
Lebih terperinciBAB III PROSEDUR DAN METODOLOGI
BAB III PROSEDUR DAN METODOLOGI 3.1 Analisis Masalah Dewasa ini keberadaan robot sebagai mesin yang menggantikan manusia dalam melakukan berbagai pekerjaan semakin diperlukan. Oleh karena itu robot dituntut
Lebih terperinciAnalisis Kesalahan Pengukuran Kecepatan Akibat Distorsi Lensa
JURNAL TEKNIK ITS Vol. 5, No. 2, (21) ISSN: 2337-3539 (231-9271 Print) A9 Analisis Kesalahan Pengukuran Akibat Distorsi Lensa Yudha Hardhiyana Putra dan Yusuf Kaelani Jurusan Teknik Mesin, Fakultas Teknologi
Lebih terperinciIV. HASIL DAN PEMBAHASAN
IV. HASIL DAN PEMBAHASAN A. PROGRAM PENGOLAHAN CITRA BIJI KOPI Citra biji kopi direkam dengan menggunakan kamera CCD dengan resolusi 640 x 480 piksel. Citra biji kopi kemudian disimpan dalam file dengan
Lebih terperinciIDENTIFIKASI FOKUS MIKROSKOP DIGITAL MENGGUNAKAN METODE OTSU
Berkala Fisika ISSN : 1410-9662 Vol. 17, No.4, Oktober 2014, hal 139-144 IDENTIFIKASI FOKUS MIKROSKOP DIGITAL MENGGUNAKAN METODE OTSU Ari Bawono *, Kusworo Adi dan Rahmat Gernowo Jurusan Fisika, Universitas
Lebih terperinciPembentukan Citra. Bab Model Citra
Bab 2 Pembentukan Citra C itra ada dua macam: citra kontinu dan citra diskrit. Citra kontinu dihasilkan dari sistem optik yang menerima sinyal analog, misalnya mata manusia dan kamera analog. Citra diskrit
Lebih terperinciLaporan Akhir Praktikum Mempelajari Karakterisitk Visual Citra Tomat Menggunakan Image Processing. Avicienna Ulhaq Muqodas F
Laporan Akhir Praktikum Mempelajari Karakterisitk Visual Citra Tomat Menggunakan Image Processing Avicienna Ulhaq Muqodas F14110108 DEPARTEMEN TEKNIK MESIN DAN BIOSISTEM FAKULTAS TEKNOLOGI PERTANIAN INSTITUT
Lebih terperinciRancang Bangun Sistem Pengujian Distorsi Menggunakan Concentric Circle Method Pada Kaca Spion Kendaraan Bermotor Kategori L3 Berbasis Edge Detection
JURNAL TEKNIK POMITS Vol., No., (22) -6 Rancang Bangun Sistem Pengujian Distorsi Menggunakan Concentric Circle Method Pada Kaca Spion Kendaraan Bermotor Kategori L3 Berbasis Edge Detection Muji Tri Nurismu
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1. Citra Citra (image) sebagai salah satu komponen multimedia memegang peranan sangat penting sebagai bentuk informasi visual. Citra mempunyai karakteristik yang tidak dimiliki oleh
Lebih terperinciKLASIFIKASI TINGKAT KEMATANGAN BUAH PEPAYA (CARICA PAPAYA L) CALIFORNIA (CALLINA-IPB 9) DALAM RUANG WARNA HSV DAN ALGORITMA K-NEAREST NEIGHBORS
KLASIFIKASI TINGKAT KEMATANGAN BUAH PEPAYA (CARICA PAPAYA L) CALIFORNIA (CALLINA-IPB 9) DALAM RUANG WARNA HSV DAN ALGORITMA K-NEAREST NEIGHBORS Sigit Sugiyanto*, Feri Wibowo Program Studi Teknik Informatika
Lebih terperinciGambar 4.1 Diagram Percobaan
BAB 4 HASIL DAN PEMBAHASAN 4.1 Kerangka Percobaan Pada bab ini dilakukan pembahasan dari implementasi terhadap sistem yang telah dirancang, berupa cara kerja sistem dan pembahasan data-data percobaan yang
Lebih terperinciDrawing, Viewport, dan Transformasi. Pertemuan - 02
Drawing, Viewport, dan Transformasi Pertemuan - 02 Ruang Lingkup Definisi Drawing Viewport Transfomasi Definisi Bagian dari grafik komputer meliputi: 1. Citra (Imaging) : mempelajari cara pengambilan dan
Lebih terperinciDAFTAR ISI ABSTRAK... 7 KATA PENGANTAR... 8 DAFTAR ISI DAFTAR TABEL DAFTAR GAMBAR DAFTAR LAMPIRAN BAB I PENDAHULUAN...
DAFTAR ISI Penulis Halaman ABSTRAK..... 7 KATA PENGANTAR... 8 DAFTAR ISI.... 10 DAFTAR TABEL... 15 DAFTAR GAMBAR... 16 DAFTAR LAMPIRAN... 18 BAB I PENDAHULUAN... 2 1.1 Latar Belakang Masalah... 2 1.2 Perumusan
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Pengenalan Citra Citra adalah suatu representasi (gambaran), kemiripan atau imitasi dari suatu objek. Citra sebagai keluaran suatu sistem perekaman data dapat bersifat optik berupa
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI Pada bab landasan teori ini akan diuraikan mengenai teori-teori yang terkait dengan Content Based Image Retrieval, ekstraksi fitur, Operator Sobel, deteksi warna HSV, precision dan
Lebih terperinciPENGUKURAN GETARAN PADA POROS MODEL VERTICAL AXIS OCEAN CURRENT TURBINE (VAOCT) DENGAN METODE DIGITAL IMAGE PROCESSING
PRESENTASI TESIS (P3) PENGUKURAN GETARAN PADA POROS MODEL VERTICAL AXIS OCEAN CURRENT TURBINE (VAOCT) DENGAN METODE DIGITAL IMAGE PROCESSING HEROE POERNOMO 4108204006 LATAR BELAKANG Pengaruh getaran terhadap
Lebih terperinciIndarto 1, Murinto 2, I. PENDAHULUAN. Kampus III UAD Jl.Dr.Soepomo, Janturan, Yogyakarta
Deteksi Kematangan Buah Pisang Berdasarkan Fitur Warna Citra Kulit Pisang Menggunakan Metode Transformasi Ruang Warna HIS (Banana Fruit Detection Based on Banana Skin Image Features Using HSI Color Space
Lebih terperinciMETODE STEREO VISION DENGAN KAMERA CMOS UNTUK PENGUKURAN JARAK. Asmar Finali 1 ABSTRACT
METODE STEREO VISION DENGAN KAMERA CMOS UNTUK PENGUKURAN JARAK Asmar Finali 1 1 Staf Pengajar Jurusan Teknik Mesin Fakultas Teknik Universitas Muhammadiyah Jember Jl. Karimata no.49 Jember 681 Email :
Lebih terperinciPENGEMBANGAN MOTION CAPTURE SYSTEM UNTUK TRAJECTORY PLANNING
PENGEMBANGAN MOTION CAPTURE SYSTEM UNTUK TRAJECTORY PLANNING ELVA SUSIANTI 2209204802 Pembimbing: 1. ACHMAD ARIFIN, ST., M. Eng., Ph.D 2. Ir. DJOKO PURWANTO, M. Eng., Ph.D. Bidang Keahlian Teknik Elektronika
Lebih terperinci6. PENDETEKSIAN SERANGAN GULMA. Pendahuluan
6. PENDETEKSIAN SERANGAN GULMA Pendahuluan Praktek pengendalian gulma yang biasa dilakukan pada pertanian tanaman pangan adalah pengendalian praolah dan pascatumbuh. Aplikasi kegiatan Praolah dilakukan
Lebih terperinciBAB 3 IMPLEMENTASI SISTEM
BAB 3 IMPLEMENTASI SISTEM Bab ini akan membahas mengenai proses implementasi dari metode pendeteksian paranodus yang digunakan dalam penelitian ini. Bab ini terbagai menjadi empat bagian, bagian 3.1 menjelaskan
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Pengertian Citra Citra adalah suatu representasi (gambaran), kemiripan, atau imitasi suatu objek. Citra sebagai keluaran suatu sistem perekaman data dapat bersifat optik berupa
Lebih terperinciBAB III PERANCANGAN ALAT
BAB III PERANCANGAN ALAT Pada bab ini akan dibahas mengenai perancangan dan realisasi sistem yang telah dibuat dalam skripsi ini yaitu perancangan sebuah mesin yang menyerupai bor duduk pada umumnya. Di
Lebih terperinciBAB III METODE PENELITIAN. tracking obyek. Pada penelitian tugas akhir ini, terdapat obyek berupa bola. Gambar 3.1. Blok Diagram Penelitian
BAB III METODE PENELITIAN 3.1 Metode Penelitian Metode penelitian yang digunakan dalam pengerjaan Tugas Akhir ini adalah studi literatur, pembuatan program serta melakukan deteksi dan tracking obyek. Pada
Lebih terperinciSistem Deteksi Bola Berdasarkan Warna Bola Dan Background Warna Lapangan Pada Robot Barelang FC
Sistem Deteksi Bola Berdasarkan Warna Bola Dan Background Warna Lapangan Pada Robot Barelang FC Hanjaya Mandala (1).EkoRudiawan,S.ST (2).HendawanSoebhakti,ST.,MT (3). (1) (2) (3) Politeknik Negeri Batam
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI 2.1. Citra Digital Istilah citra biasanya digunakan dalam bidang pengolahan citra yang berarti gambar. Suatu citra dapat didefinisikan sebagai fungsi dua dimensi, di mana dan adalah
Lebih terperinciPeningkatan Kualitas Citra Digital Berbasis Color Constancy Menggunakan Gray World
Peningkatan Kualitas Citra Digital Berbasis Color Constancy Menggunakan Heri Priya Waspada, *, Supeno Mardi Susiki Nugroho, Eko Mulyanto Yuniarno S Teknik Elektro, Fakultas Teknologi Industri, ITS Surabaya
Lebih terperinciANALISIS PERBANDINGAN METODE PREWITT DAN CANNY UNTUK IDENTIFIKASI IKAN AIR TAWAR
ANALISIS PERBANDINGAN METODE PREWITT DAN CANNY UNTUK IDENTIFIKASI IKAN AIR TAWAR Gibtha Fitri Laxmi 1, Puspa Eosina 2, Fety Fatimah 3 1,2,3 Program Studi Teknik Informatika, Fakultas Teknik, Universitas
Lebih terperinciKonsep Dasar Pengolahan Citra. Pertemuan ke-2 Boldson H. Situmorang, S.Kom., MMSI
Konsep Dasar Pengolahan Citra Pertemuan ke-2 Boldson H. Situmorang, S.Kom., MMSI Definisi Citra digital: kumpulan piksel-piksel yang disusun dalam larik (array) dua-dimensi yang berisi nilai-nilai real
Lebih terperinciDETEKSI NOMINAL MATA UANG DENGAN JARAK EUCLIDEAN DAN KOEFISIEN KORELASI
DETEKSI NOMINAL MATA UANG DENGAN JARAK EUCLIDEAN DAN KOEFISIEN KORELASI Marina Gracecia1, ShintaEstriWahyuningrum2 Program Studi Teknik Informatika Universitas Katolik Soegijapranata 1 esthergracecia@gmail.com,
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI 2.1 Citra Citra merupakan salah satu komponen multimedia yang memegang peranan sangat penting sebagai bentuk informasi visual. Meskipun sebuah citra kaya akan informasi, namun sering
Lebih terperinciPENGENDALIAN MANIPULATOR ROBOT PEMANEN BUAH DALAM GREENHOUSE MENGGUNAKAN LABVIEW Setya Permana Sutisna 1, I Dewa Made Subrata 2
PENGENDALIAN MANIPULATOR ROBOT PEMANEN BUAH DALAM GREENHOUSE MENGGUNAKAN LABVIEW Setya Permana Sutisna 1, I Dewa Made Subrata 2 1 Program Studi Teknik Mesin, Fakultas Teknik, Universitas Ibn Khaldun Bogor
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI 2.1. Uang Kertas Rupiah Uang Rupiah Kertas adalah Uang Rupiah dalam bentuk lembaran yang terbuat dari Kertas Uang yang dikeluarkan oleh Bank Indonesia, dimana penggunaannya dilindungi
Lebih terperinciAPLIKASI PENGENALAN DAUN UBI JALAR UNTUK JENIS UBI JALAR UNGU, MERAH, PUTIH DAN KUNING MENGGUNAKAN METODE PRINCIPAL COMPONENT ANALYSIS
APLIKASI PENGENALAN DAUN UBI JALAR UNTUK JENIS UBI JALAR UNGU, MERAH, PUTIH DAN KUNING MENGGUNAKAN METODE PRINCIPAL COMPONENT ANALYSIS SKRIPSI Diajukan Untuk Penulisan Skripsi Guna Memenuhi Salah Satu
Lebih terperinciPengembangan Metoda Deteksi Rintangan untuk Traktor Tanpa Awak Menggunakan Kamera CCD
Technical Paper Pengembangan Metoda Deteksi Rintangan untuk Traktor Tanpa Awak Menggunakan Kamera CCD Development of Obstacle Detection Method for Unmanned Tractor using CCD Camera Usman Ahmad 1, Desrial
Lebih terperincioleh: M BAHARUDIN GHANIY NRP
oleh: M BAHARUDIN GHANIY NRP. 1202 109 022 Teknologi fotografi pada era sekarang ini berkembang sangat pesat. Hal ini terbukti dengan adanya kamera digital. Bentuk dari kamera digital pada umumnya kecil,
Lebih terperinciPengembangan Algoritma Pengolahan Citra untuk Menghindari Rintangan pada Traktor Tanpa Awak
Technical Paper Pengembangan Algoritma Pengolahan Citra untuk Menghindari Rintangan pada Traktor Tanpa Awak Development of Image Processing Algorithms for Obstacle Avoidance on Unmanned Tractor Usman Ahmad
Lebih terperinciPELACAKAN LEVEL KETINGGIAN AIR BERDASARKAN WARNA DENGAN BACKGROUND SUBSTRACTION
PELACAKAN LEVEL KETINGGIAN AIR BERDASARKAN WARNA DENGAN BACKGROUND SUBSTRACTION Adhadi Kurniawan 1), I Wayan Mustika 2), dan Sri Suning Kusumawardani 3) 1),2), 3) Laboratorium Sistem Elektronis, Jurusan
Lebih terperinciImplementasi Algoritma Kompresi Shannon Fano pada Citra Digital
Implementasi Algoritma Kompresi Shannon Fano pada Citra Digital Muhammad Khoiruddin Harahap Politeknik Ganesha Medan choir.harahap@yahoo.com Abstrak Algoritma kompresi Shannon-Fano merupakan salah satu
Lebih terperinciPengolahan citra. Materi 3
Pengolahan citra Materi 3 Citra biner, citra grayscale dan citra warna Citra warna berindeks Subject Elemen-elemen Citra Digital reflectance MODEL WARNA Citra Biner Citra Biner Banyaknya warna hanya 2
Lebih terperinciDosen Program Studi Ilmu Komputer Universitas Pakuan Bogor
PENGENALAN KADAR TOTAL PADAT TERLARUT PADA BUAH BELIMBING BERDASAR CITRA RED-GREEN-BLUE MENGGUNAKAN PRINCIPLE COMPONENT ANALYSIS (PCA) SEBAGAI EKSTRAKSI CIRI DAN KLASIFIKASI K-NEAREST NEIGHBORHOOD (KNN)
Lebih terperinciBAB 2 TINJAUAN PUSTAKA
BAB 2 TINJAUAN PUSTAKA 2.1 Citra Citra menurut kamus Webster adalah suatu representasi atau gambaran, kemiripan, atau imitasi dari suatu objek atau benda, contohnya yaitu foto seseorang dari kamera yang
Lebih terperinciPENGOLAHAN CITRA DIGITAL
PENGOLAHAN CITRA DIGITAL Aditya Wikan Mahastama mahas@ukdw.ac.id Sistem Optik dan Proses Akuisisi Citra Digital 2 UNIV KRISTEN DUTA WACANA GENAP 1213 v2 Bisa dilihat pada slide berikut. SISTEM OPTIK MANUSIA
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1. Citra Digital Citra digital adalah citra yang bersifat diskrit yang dapat diolah oleh computer. Citra ini dapat dihasilkan melalui kamera digital dan scanner ataupun citra yang
Lebih terperinciLANDASAN TEORI. 2.1 Citra Digital Pengertian Citra Digital
LANDASAN TEORI 2.1 Citra Digital 2.1.1 Pengertian Citra Digital Citra dapat didefinisikan sebagai sebuah fungsi dua dimensi, f(x,y) dimana x dan y merupakan koordinat bidang datar, dan harga fungsi f disetiap
Lebih terperinciLAPORAN PRAKTIKUM METROLOGI INDUSTRI MODUL 5 : PROFIL PROYEKTOR. Disusun Oleh : JOSSY KOLATA ( ) KELOMPOK 5
LAPORAN PRAKTIKUM METROLOGI INDUSTRI MODUL 5 : PROFIL PROYEKTOR Disusun Oleh : JOSSY KOLATA (1007121681) KELOMPOK 5 LABORATORIUM PENGUKURAN PROGRAM STUDI SARJANA JURUSAN TEKNIK MESIN FAKULTAS TEKNIK UNIVERSITAS
Lebih terperinciBAB II Tinjauan Pustaka
23 BAB II Tinjauan Pustaka II.1. Pengolahan Citra Digital Citra yang diperoleh dari lingkungan masih terdiri dari warna yang sangat komplek sehingga masih diperlukan proses lebih lanjut agar image tersebut
Lebih terperinciRANCANG BANGGUN ALAT DETEKSI RINTANGAN PADA LINTASAN KERJA TRAKTOR BERBASIS PENGOLAHAN CITRA
RANCANG BANGGUN ALAT DETEKSI RINTANGAN PADA LINTASAN KERJA TRAKTOR BERBASIS PENGOLAHAN CITRA Irriwad Putri 1, Usman Ahmad 2, dan Desrial 2 1 Jurusan Teknik Pertanian, Fakultas Teknologi Pertanian, Universitas
Lebih terperinciBab III Perangkat Pengujian
Bab III Perangkat Pengujian Persoalan utama dalam tugas akhir ini adalah bagaimana mengimplementasikan metode pengukuran jarak menggunakan pengolahan citra tunggal dengan bantuan laser pointer dalam suatu
Lebih terperinciBAB IV ANALISIS. Ditorsi radial jarak radial (r)
BAB IV ANALISIS 4.1. Analisis Kalibrasi Kamera Analisis kalibrasi kamera didasarkan dari hasil percobaan di laboratorium dan hasil percobaan di lapangan. 4.1.1. Laboratorium Dalam penelitian ini telah
Lebih terperinciSISTEM KONTROL GERAK SEDERHANA PADA ROBOT PENGHINDAR HALANGAN BERBASIS KAMERA DAN PENGOLAHAN CITRA
SISTEM KONTROL GERAK SEDERHANA PADA ROBOT PENGHINDAR HALANGAN BERBASIS KAMERA DAN PENGOLAHAN CITRA Dirvi Eko Juliando Sudirman 1) 1) Teknik Komputer Kontrol Politeknik Negeri Madiun Jl Serayu No. 84, Madiun,
Lebih terperinciDETEKSI CITRA PORNOGRAFI MENGGUNAKAN TSL COLOR SPACE DAN NUDITY DETECTION ALGORITHM
DETEKSI CITRA PORNOGRAFI MENGGUNAKAN TSL COLOR SPACE DAN NUDITY DETECTION ALGORITHM Sani Muhamad Isa 1), Febri Mariana 2) Fakultas Teknologi Informasi, Universitas Tarumanagara 1,2) Jl. Letjen S. Parman
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI 2.1 Pengenalan Marka Jalan Marka jalan merupakan suatu penanda bagi para pengguna jalan untuk membantu kelancaran jalan dan menghindari adanya kecelakaan. Pada umumnya marka jalan
Lebih terperinci