PENGEMBANGAN ALGORITMA REKONSTRUKSI CITRA OBJEK 2-D 2 D
DIFFUSE OPTICAL TOMOGRAPHY
UNTUK INSPEKSI PRODUK PERTANIAN
Tim Peneliti: Deddy Kurniadi y Endang Juliastuti Vebi Nadhira
Judul Penelitian Pengembangan Algoritma Rekonstruksi Citra Objek 2 Pengembangan Algoritma Rekonstruksi Citra Objek 2‐D D Diffuse Optical Diffuse Optical
Tomography untuk Inspeksi Produk Pertanian
Objektif
Target Outcome Target Outcome
Tujuan penelitian ini mengembangkan algoritma rekonstruksi citra Tujuan penelitian ini mengembangkan algoritma rekonstruksi citra dengan pendekatan one step Gauss‐Newton dan pemodelan Elemen Hingga pada DOT untuk pemeriksaan produk pertanian. Tersedianya metoda baru untuk rekonstruksi citra DOT dengan pendekatan Gauss‐Newton dan pemodelan Elemen Hingga pada aplikasi pemeriksaan produk pertanian aplikasi pemeriksaan produk pertanian
Target Output
Makalah pada Jurnal & Seminar Internasional
2
Detektor c
Properti •Elektrik •Optik •Magnetik M tik •Akustik
3
• Teknologi Tomography Æ CT Scan MRI PET
Ionization Tidak portable
Optical Tomography Cahaya (optik) merupakan sinyal yang bersifat non‐ionizing y ( p ) p y y g g Inframerah‐dekat dapat melalui jaringan biologis dengan mudah Inframerah‐dekat mampu ditoleransi dengan baik oleh objek walaupun dengan intensitas cahaya yang kuat walaupun dengan intensitas cahaya yang kuat
N I f Near Infrared d Tomography (Diffuse Optical Tomography) h (Diff O ti l T h ) berpotensi Æ b t i Æ teknik t k ik tomografi non‐ionizing dan portable. 4
5
Koefisien penyerapan Koefisien penyerapan
Koefisien hamburan
Indeks Refraksi 6
t
Input Intensitaas
t Domain waktu
00 Intenssita s
Input
Φ Ai 00
Ao
O Output Output
waktu Domain frekuensi
Domain continuous wave
7
2 1
Detekor 1
3 Waktu ps Time (ps)
4 Pengukuran Continuous Wave
Mengukur perbedaan intensitas cahaya yang terdeteksi pada setiap detektor
5
7 6
Detektor 4
W ktTime (ps) Waktu ps
Fungsi objektif diatas batas
Proses Inversi
Asumsi Profil
objek 0.04 10
Membandingkan hasil perhitungan dengan hasil pengukuran
Perbaikan citra rekonstruksi
Fungsi objektif sesuai
Solusi objek 0.04
10
0.035
0.035
0
0.03
0.025
-10 -10
0
10
0.02
Solusi forward dengan menggunakan model penjalaran cahaya
0
Menghitung perbedaan intensitas cahaya yang terdeteksi pada setiap detektor
0.03 0.025
-10 -10
0
10
0.02
8
Dinyatakan dalam persamaan Boltzman
1 ∂Φ ( r , t ) − ∇ .D ( r )∇ Φ ( r , t ) + μ a ( r ) Φ ( r , t ) = q 0 ( r , t ) c ∂t dimana intensitas cahaya (watt/m2)
kerapatan daya cahaya (watt/m3)
nilai koefisien difusi (m)
g = koefisien anisotropy yang merepresentasikan rata‐rata cosinus sudut hamburan, dimana nilai g= 0,9 pada jaringan biologis (forward scattering)
9
node d element
Φ
Φh
Kondisi Batas DIRICHLET :
∀rb ∈ ∂Ω
Kondisi Batas ROBIN: dimana :
10
[
ˆ −M δμ = −[J J ] J M T
−1 T
] 11
Contoh : KENTANG Saat ini pengujian (inspeksi) komoditas kentang masih manual p g j ( p ) g
sehingga membutuhkan waktu yang panjang Produk Kentang yang rusak akan merugikan petani dan Konsumen Kentang merupakan produk pertanian yang mempunyai koefiseien optik sebagai berikut: koefiseien optik sebagai berikut: μs’ = 0.68 mm‐1 μa = 0.0024 mm‐1 dimana nilai koefisien ini akan berubah bila terdapat kecacatan atau kebusukan pada kentang
Akan dirancang cara pengambilan data yang optimum untuk Akan dirancang cara pengambilan data yang optimum untuk uji kualitas kentang 12
Simulasi Numerik : Objek : Kentang Objek : Kentang Koefisien Absorbsi Target (anomali) : 0.0048mm 0 0048mm‐1 (2 (2*Koefisien Koefisien Absorbsi Kentang) Absorbsi Kentang) Target (anomali)
objek
objek
13
Variasi jumlah sumber : Objek diiluminasi dengan memvariasikan jumlah Objek diiluminasi dengan memvariasikan jumlah sumber cahaya objek homogen dan objek dengan target simetrik Jumlah Sumber
Deviasi rata‐rata intensitas cahaya pada bidang batas (watt/m2)
1
0.667 x 10‐4
2
1.75 x 10‐4
4
2.33 x 10‐4
14
Variasi koefisien absorpsi pada target (anomali) Δμ = μa_t‐ μa_b
Deviasi rata2 intensitas cahaya pada bidang batas (10‐6 watt/m2)
0.01
0
0.1
0.667 x 10‐4
1
2.67 x 10‐4
10
17 x 10‐4
15
Variasi posisi target (anomali) Jarak Target ke Pusat Objek
Deviasi Rata‐2 intensitas Cahaya pada Bidang Batas (watt/m2)
0.25 * jari‐jari objek
1.58
0.4 * jari‐jari objek
2.33
16
Variasi Ukuran Target (anomali) Ukuran Target
Deviasi Rata‐2 intensitas Cahaya pada Bidang Batas (watt/m2)
0.2 * radius object * di bj
2.92
0.3 * radius object
9.08
17
Objek Simulasi
Citra Rekonstruksi -4
mua total
x 10 10
10
10
9
0
Y [mm]
5 8 0 7
-5
-10
6
-10 -10
-5
0 X [mm]
5
10
-4
mua total
x 10
10
10
0
-10
Y [mm]
10 5
9
0
8
-5
7
-10 10
6 -10
-5
0
5
10
Laser NIR
Photo Detector
Stepper motor
Perangkat Rekonstruksi 19
Pengembangan Algoritma Single Step Gauss‐Newton Waktu komputasi lebih singkat Waktu komputasi lebih singkat
Penanganan Ill‐posed Problem Menggunakan Teknik Regularisasi Menggunakan Teknik Regularisasi
Pengembangan FDOT Meningkatkan akurasi citra dengan menambahkan sumber
cahaya di dalam objek yaitu dengan bahan Fluorescence sehingga didapatkan data eksitasi dan emisi
20
21
