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
ppi-goettingen.de
Postharvestnotes.wordpress.com
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 1 2 3 4 5 6 7
Analisis Warna Tekstur Bentuk Warna+Tekstur Warna+Bentuk Tekstur+Bentuk Warna+Tekstur+Bentuk
Persentase Benar 29,7% 39,5% 30,8% 63,8% 52,4% 58,9% 75,7%
30
Unmature
Jeruk Mature
Defect
31
Sortasi
CITRA BERWARNA
CITRA ABU-ABU
R, G, B
ASM, IDM, ENTROPI, KORELASI, KONTRAS
CITRA BINER
AREA
32
Sortasi
Analisis
Klasifikasi
Warna+ Tekstur+ Ukuran
Matang Belum Matang Rusak
Akurasi Akurasi Rata-rata 100.00% 83.33% 100.00%
94.44%
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 Warna
Akurasi Varietas Akurasi Rata-rata
Basmati Inpari 1 Sintanur Tekstur Basmati Inpari 1 Sintanur Warna+Tekstur Basmati Inpari 1 Sintanur
46.00% 44.44% 80.00% 100.00% 97.22% 100.00% 100.00% 94.59% 100.00%
56.81%
99.07%
98.20%
42
Validasi Analisis
Warna
Varietas
Basmati Inpari 1 Sintanur Tekstur Basmati Inpari 1 Sintanur Warna+tekstur Basmati Inpari 1 Sintanur
Akurasi
52.00% 37.50% 75.00% 100.00% 100.00% 100.00% 100.00% 93.75% 100.00%
Akurasi Rata-rata 54.83%
100.00%
97.92%
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 Warna
Kelas Mutu
Sintanur Sintanur Sintanur Tekstur Sintanur Sintanur Sintanur Warna+Tekstur Sintanur Sintanur Sintanur
Mutu Mutu Mutu Mutu Mutu Mutu Mutu Mutu Mutu
Akurasi Rata-rata 36.36% 52.66% 52.38% 69.23% 64.29% 72.68% 60.00% 93.75% 60.00% 68.79% 52.63% 93.75%
Akurasi 1 2 3 1 2 3 1 2 3
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 Original Ciherang Inpari10 Inpari13
Predicted Ciherang Inpari10 Inpari13 1 2 3 1 7 0 0 2 0 6 0 3 0 1 6
58
Confussion Matrix 300 Sampel
Confusion Original Ciherang Inpari10 Inpari13
Predicted Ciherang Inpari10 Inpari13 1 2 3 1 88 5 7 2 4 86 10 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
