SISTEM VISI KOMPUTER UNTUK ESTIMASI BOBOT FISIK TERNAK SAPI

Seminar Nasional Teknologi 2007 (SNT 2007) Yogyakarta, 24 November 2007

ISSN : 1978 – 9777

SISTEM VISI KOMPUTER UNTUK ESTIMASI BOBOT FISIK TERNAK SAPI

Deddy Barnabas Lasfeto Politeknik Negeri Kupang e-mail : [email protected]

ABSTRACT Weight physical of beef cattle obtainable by measuring the chest circumference and beef cattle body length, and has linear relationship. Information technology area and computing method can be applicated to assist gives alternative of solution to the problems, by using image processing to know measurement physical of beef cattle body that is visible (chest wide, and body length). Beeef cattle image input (original image) in RGB format is filtered with median filter, then be segmentated with segmentation process by using spectral segmentation method. Segmentation process in this image processing is a part real important. Image result of this segmentation continued with post process to eliminate detection of edge which is not necessarily. Segmentation result image which has been done this filtering identified to get physical measure ( body length and chest wide). This identification process is an automatic vision system. Based on result of identification, hereinafter is done beef cattle weight computing process. Core in this article present technique to obtain body length and chest wide in set of length.

Keywords : Spectral Segmentation, Automatic Vision System, Expectation Maximization, Direction Histogram

1. PENDAHULUAN Jual beli ternak sapi antara peternak dan pembeli yang sering dijumpai, masih berdasarkan perkiraan dalam menentukan bobot badan. Harga disepakati lewat tawar-menawar bukan berdasarkan bobot badan. Selain itu pada pasar-pasar hewan, fasilitas timbangan ternak sapi juga


ISSN : 1978 – 9777

tidak selalu ada. Pada ternak sapi yang diantarpulaukan, penimbangan bobot badan dilakukan di karantina. Penjualan ternak sapi yang tidak melalui penimbangan terlebih dahulu dapat menimbulkan kerugian pada peternak atau pembeli. Manfaat lain dari peternak mengetahui bobot badan seekor ternak sapi adalah untuk membantu dalam tata laksana peternakan seperti berapa banyak ransum yang diberikan kepada ternak sapi, waktu untuk ternak sapi dikawinkan dan waktu yang tepat untuk dipasarkan (Soenarjo, 1988). Penimbangan menggunakan timbangan mekanis masih memiliki kendala yang terkadang dihadapi dalam melakukan pembobotan fisik ternak sapi, yakni : -

Perlu peneraan alat ukur yang tepat sehingga dapat mengetahui bobot ternak sapi yang sebenarnya

-

Bila ternak sapi dipaksakan untuk menaiki timbangan maka kondisi stress sapi juga dapat mempengaruhi , dimana ternak sapi yang menaiki timbangan dan tidak berada pada posisi yang tetap juga dapat mempengaruhi pembacaan nilai sebenarnya dari penunjukan alat ukur

-

Perlu mengarahkan ternak sapi untuk menaiki timbangan yang disediakan, hal ini juga memerlukan bantuan manusia yang cukup besar.

-

Penimbangan ternak sapi yang dilakukan secara mekanis, umumnya mengakibatkan ternak sapi mengalami stress, yang dapat menurunkan berat badan ternak sapi (± 2%), disamping faktor lain, seperti kemungkinan luka-luka akibat gesekan pembatas kandang.

Bobot badan ternak sapi dapat diperoleh dengan cara mengukur lingkar dada dan panjang badan ternak sapi tersebut, dan mempunyai hubungan yang linear. Antara besar lingkar dada dengan bobot badan ternak sapi terdapat korelasi yang positif. Selain itu, penentuan bobot fisik tubuh ternak sapi juga dapat digunakan untuk mengkalkulasi berat karkas pada ternak sapi (Sosroamidjojo dan Soeradji, 1978). Bidang Teknologi Informasi dan Komputasi dapat diaplikasikan untuk membantu memberikan alternatif solusi atas permasalahan tersebut, dengan menggunakan pengolahan citra untuk mengetahui ukuran fisik tubuh ternak sapi yang tampak (lingkar dada, dan panjang badan). Penelitian bidang pengolahan citra ini dikombinasikan dengan bidang peternakan yang menemukan hubungan antara ukuran-ukuran fisik tubuh ternak sapi yang tampak dengan bobot badan ternak sapi. Dalam tulisan ini, akan diberikan metoda dan teknik pengolahan citra untuk mendapatkan ukuran panjang badan dan lebar dada dalam satuan panjang tertentu.

2. Dasar Pengukuran Bobot Ternak Sapi Dan Teknik Pengolahan Citra

Beberapa hasil penelitian di bidang peternakan khususnya pada peternakan sapi potong merumuskan bahwa penentuan bobot badan ternak dapat dilakukan dengan cara mengukur lingkar dada dan panjang badan ternak tersebut. Antara panjang badan, lingkar dada dan bobot badan ternak mempunyai hubungan yang linear [3].


ISSN : 1978 – 9777

Antara besar lingkar dada dan bobot badan ternak terdapat korelasi yang positif. Hal ini menunjukkan bahwa bila telah mengetahui ukuran-ukuran tubuh ternak maka dapat dibuat suatu persamaan yang menggambarkan hubungan antara masing-masing ukuran linear tubuh dengan bobot badannya. Dengan menyelidiki bentuk tubuh yang nampak dari luar, dapat diduga kemampuan untuk menghasilkan sesuatu dari ternak yang diteliti, misalnya produksi daging dan produksi susunya (Nitt, 1974). Dari hasil penelitian, telah ditemukan rumus untuk menduga bobot badan seekor ternak dengan mengukur panjang badan dan lingkar dadanya. Cara penentuan bobot badan sapi potong, yakni : 1.

Mengukur lebar dada, dari titik di belakang tulang belikat, ke bawah melingkari bawah tubuh, di belakang siku.

2.

Mengukur panjang badan, yakni panjang dari titik bahu ke tulang duduk (pin bone).

3.

Rumus untuk mengkonversikan panjang badan, dan lebar dada ke dalam berat badan ternak sapi adalah : BB = ((LD)2 x PB) / 300 BB = Berat badan ternak sapi potong (pound) LD = Lebar dada ternak sapi potong (inchi) PB = Pajang badan ternak sapi potong (inchi)

Pengukuran lebar dada pada gambar berikut ditunjukkan oleh titik c (lingkaran dengan titik awal dan akhir adalah c), sedangkan panjang badan adalah panjang antara titik a dan b (Ensminger dan Olentine, 1980).

Gambar 1. Gambar 1. Pengukuran panjang badan dan lebar dada ternak sapi


ISSN : 1978 – 9777

Dengan informasi ini, untuk memperoleh ciri fisik tubuh ternak sapi yang diperlukan maka teknik pengolahan citra yang sangat diperhatikan yakni teknik segmentasi citra. Segmentasi citra membagi suatu citra ke dalam bagian-bagian atau objek-objek. Sampai sejauh mana pembagian tersebut dilakukan tergantung pada masalah yang dihadapi. Idealnya, langkah segmentasi tersebut dihentikan pada saat objek yang diinginkan sudah berhasil dipisahkan (Jain, 1989) . Pada umumnya segmentasi secara otomatis adalah salah satu pekerjaan yang sulit dalam pengolahan citra. Langkah ini akan menentukan berhasil atau tidaknya proses analisa citra. Namun dengan segmentasi yang efektif, kemungkinan besar akan didapatkan hasil yang baik. Algoritma segmentasi untuk citra monochrome biasanya berdasarkan pada satu dari dua sifat nilai gray-level: diskontinuitas dan similaritas. Pada diskontinuitas, pendekatan yang dilakukan adalah memisahkan citra berdasarkan terjadinya perubahan nilai graylevel yang drastis. Sedangkan pada similaritas, pendekatan dilakukan berdasarkan thresholding, region growing, region splitting, dan merging. Semakin tepat objek terambil maka teknik segmentasi yang digunakan akan semakin baik. Yang paling aman untuk pra proses adalah median filter. Pada kegiatan segmentasi citra, teknik segmentasi yang dipilih disesaikan dengan karakteristik citra, sehingga diperlukan pengetahuan praktis untuk menentukan kriteria dan teknik segmenasi yang tepat. Untuk segementasi citra warna, kriteria yang dapat digunakan adalah perbedaan warna, dengan demikian ada dua teknik segmentasi yang dapat digunakan yaitu teknik perambangan amplitude dan deteksi tepi (Tao, dan Huang, 1997). 3. Metoda Pengolahan Citra Alur pengolahan citra ternak sapi untuk mendapatkan bobot fisik ternak sapi tersebut adalah sebagai berikut :


ISSN : 1978 – 9777

Gambar 2. Diagram Alir Pengolahan Citra Ternak Sapi Gambar 3. Diagram Alir Proses Segmentasi S ta r t

Start

In p u t C itr a R G B

Input Citra

P ilih

S u a tu w ila y a h P a d a C itr a

H itu n g S D d a n M a tr ik s C o v a r ia n c e

T e ta p k a n p a r a m e te r r e fe r e n s i m

Pra proses

Segm entasi

Post proses

H itu n g

s im

s im

A m

ila r ita s

P e ta ila r ita s

b a n g k a n

T a m p ila n h a s il s e g m e n ta s i

E n d

Identifikasi

Kom putasi Bobot

Tam pilan Hasil

End


ISSN : 1978 – 9777

4. PEMBAHASAN Input citra RGB, dilakukan praproses menggunakan median filter 3x3 dengan tujuan untuk menghilangkan noise di setiap bidang warna. Segmentasi diawali dengan menggunakan konvolusi kedok gradien ke masing-masing bidang warna. Gradien terbesar dari semua bidang warna dipilih sebagai gradien yang mewakili piksel pada posisi dimaksud. Dengan demikian hasil kedok gradien adalah citra peta gradien maksimum dari seluruh bidang warna. Peta gradien tersebut diambangkan dengan nilai T > 10% piksel dan diperoleh peta tepi. Peta tepi merupakan hasil segmentasi yang akan diidentifikasi. Untuk menghilangkan titik tepi yang tidak relevan dari proses pengambangan maka dipandang perlu untuk melakukan tapis median pada citra peta tepi dengan ukuran yang relatif besar sekaligus untuk memastikan hanya tepi terkuat yang dianggap sebagai tepi objek, sedangkan yang lain dihilangkan. Tahap identifikasi dimulai dari memproyeksikan titik tepi pada arah horisontal dan vertikal. Pada masing-masing arah dihitung histogram hasil proyeksi titik tepi sedemikian sehingga diperoleh histogram titik tepi pada arah horisontal dan vertikal dan sistem telah siap diautomatisasi dalam rangka perhitungan jarak (dalam piksel). Dalam rangka automatisasi perhitungan jarak dalam unit piksel dimaksud, menggunakan histogram arah vertikal dan horisontal maka diterapkan perhitungan maksimisasi ekspektasi. Perhitungan ini dimulai dengan membagi histogram menjadi n = 8 interval yang sama dan pada setiap interval digambarkan rumusan standar gausian sebanyak 8 kurva gausian yang saling berinterpolasi membentuk histogram asal. Hasil pembandingan kurva interpolasi dan kurva histogram asli diperoleh informasi tentang ke mana arah kurva gausian harus diperbaiki. Selanjutnya kurva gausian yang baru akan digunakan pada iterasi berikutnya dan seterusnya sampai diperoleh pergeseran kurva gausian yang sedemikian kecil dan dapat dikatakan interpolasi antarkurva gausian telah memberikan ekspektasi yang maksimum terhadap histogram peta tepi pada arah vertikal dan horisontal. Kurva ekspektasi maksimum yang diperoleh terdefinisi dalam μ sebagai titik puncak dan varians sebagai lebar puncak. Menggunakan kedua parameter ini dapat diketahui secara persis pertemuan antarkurva gausian yang bermakna jarak atau ukuran suatu objek diidentifikasi secara kuantitatif dan memenuhi persyaratan ekspektasi maksimum. Patut dicatat bahwa langkah dari awal sampai akhir pada proses pengolahan citra ternak sapi ini dilakukan secara otomatis. Dengan mendapatkan ukuran panjang dan lebar yang dilakukan secara otomatis (automatic system vision) maka proses untuk komputasi bobot sudah dapat dilakukan dengan mengkonversikan ke ukuran berat berdasarkan rumus konversi yang ada.

5. Hasil Pengolahan Citra

Citra Input :

D ‐ 6


Gambar 4. Contoh citra input

Tapis median 3x3: untuk menghilangkan noise per bidang warna :

Gambar 5. Hasil Tapis median 3x3

Segmentasi bidang warna: menggunakan kedok gradien sobel :

Gambar 6. Segmentasi bidang warna D ‐ 7

ISSN : 1978 – 9777


ISSN : 1978 – 9777

Tapis median 7x7: untuk menghilangkan titik tepi yang tidak relevan :

Gambar 7. Hasil tapis median 7x7 Dari hasil tapis median 7x7 ini, digambarkan Histogram proyeksi tepi pada arah horisontal (arah baris), dan dilakukan maksimisasi histogram terharap untuk automatisasi segmentasi dan pengukuran bobot, dengan masukan cacah kelas yang akan disegmentasi. Gambar berikut adalah maksimisasi histogram untuk 8 kelas pada proyeksi baris. Maksimisasi ekspektasi :

Gambar 7. Histogram Maksimisasi ekspektasi pada arah baris

Proyeksi histogram citra pada arah baris atau horisontal ini yang digunakan untuk menentukan lebar dada secara otomatis dari ternak sapi dengan didefinisikan pada titik – titik pertemuan kurvanya.

Maksimisasi ekspektasi pada arah kolom adalah sebagai berikut :

D ‐ 8


ISSN : 1978 – 9777

Gambar 7. Histogram Maksimisasi ekspektasi pada arah kolom Proyeksi histogram citra pada arah kolom atau vertikal ini yang digunakan untuk menentukan panjang badan secara otomatis dari ternak sapi dengan didefinisikan pada titik – titik pertemuan kurvanya. 6. KESIMPULAN

Sistem yang telah dibangun adalah sistem vision otomatis (automatic vision system) yang masukannya adalah citra sapi dan keluarannya adalah ukuran panjang badan dan lebar dada dalam unit satuan panjang.

7. DAFTAR PUSTAKA Ensminger E.M. and Olentine G.C. (1980). Feeds & Nutrition – Complete. California : The Ensminger Publishing Company. Jain Anil K. (1989). Fundamental of Digital Image Processing. Prentice – Hall International Inc. Nitt, Mc J.I. (1974). Livestock Husbandry Techniques. Suffolk : The Caucher Press. Soenarjo Ch. (1988). Pegangan Kuliah Ilmu Tilik Ternak. Jakarta : CV. Baru. Sosroamidjojo M.S., and Soeradji S.M. (1978). Ilmu Peternakan Umum. Jakarta : CV Yasaguma. Tao Hai, and Huang T.S. (1997). Color Image Edge Detection Using Cluster Analysis. Proceedings of the 1997 International Conference on Image Processing, IEEE.

D ‐ 9

SISTEM VISI KOMPUTER UNTUK ESTIMASI BOBOT FISIK TERNAK SAPI

Recommend Documents