MODUL 12 Aplikasi Pengenalan Kematangan Tomat (Fitur Warna)

Slides:



Advertisements
Presentasi serupa
PENGENALAN POLA Dr. Kusrini, M.Kom.
Advertisements

Daniel Richard Andriessen S1 Sistem Komputer
Interaksi Manusia dan Komputer - part 2 Danny Kriestanto, S.Kom., M.Eng.
COLOR SPACE Achmad Basuki Politeknik Elektronika Negeri Surabaya.
Pengantar Kuliah: Grafika Komputer
Artificial Intelegent
Image color feature Achmad Basuki
Konsep dasar Pengolahan citra digital
Copy right  Mediane Matematika
07 Urutan. Komponen algoritma yang: paling dasar paling sederhana paling diremehkan …  paling banyak memberi kontribusi menghasilkan solusi yang “melenceng”
RANCANG BANGUN SISTEM ANTRIAN BERBASIS PERANGKAT LUNAK DENGAN REAL TIME MONITORING PADA PELAYANAN CUSTOMER I Gede Marta Wiguna
“Image Retrieval” Shinta P.
Ciri Bentuk Pada Citra.
PENGOLAHAN CITRA DIGITAL
Pengolahan Citra (TIF05)
Create By: Ismuhar dwi putra
VISION.
Pengolah Citra Digital 2
MATA KULIAH PENGANTAR APLIKASI KOMPUTER
Kelompok 5 : Asdin Ines Lestari Neng Susanti Siti Robiahtul Adawiyah Vena Senja Maba SOFTWARE REQUIREMENTS.
PERANCANGAN DAN ANALISIS SISTEM PENGENALAN WAJAH BERBASIS ALGORITMA PRINCIPAL COMPONENT ANALYSIS (PCA) Oleh Krisna Gunawan JURUSAN TEKNIK KOMPUTER.
W A R N A 4/14/2017.
Pengolahan Citra Digital Materi 6
1. Pendahuluan Image Processing 1. Content: 1.Aplikasi Citra 2.Pengertian Citra Digital 3.Pengertian Piksel 4.Sampling 5.Kuantisasi 6.Jenis Citra 7.RGB.
PENGOLAHAN WARNA CITRA
MODUL KULIAH 10 Ekstraksi Fitur Bentuk
Modul 1 PENGANTAR PENGOLAHAN CITRA
MODUL 3 PERBAIKAN KUALITAS CITRA
Anggota : Nama Nim Wahyu Septi Anjar Patria Adhyaksa Dian Restiani
Modul 1 PENGANTAR PENGOLAHAN CITRA
2 Pengolahan Citra Digital
MODUL KULIAH 2 FORMASI CITRA
Pertemuan 1 Introduction
Image Segmentation.
MODUL14 Segmentasi Citra
Sistem Temu Balik Informasi Multimedia
Image Processing 1. Pendahuluan.
MODUL 9 Ekstraksi Fitur Warna
MODUL 4 PERBAIKAN KUALITAS CITRA (2)
MODUL 6 Noise dan Reduksi Noise
EDY WINARNO fti-unisbank-smg 31 maret 2009
Mengenal nama dan lambang bilangan.
Belajar Praktis: Pengenalan Pendeteksian Objek (OpenCV dan Python)
MODUL16 Aplikasi Fitur Bentuk
3.1 Operasi Dasar Citra : Global
Teori Warna Grafik Komputer 2.
PERTEMUAN 11 Morfologi Citra
Computer Vision Materi 7
Dasar Pemrosesan Citra Digital
PERTEMUAN 14 EKSTRAKSI FEATURE LOCAL TERNARY PATTERN
Nana Ramadijanti, Ahmad Basuki, Hero Yudo Martono
TINGKAT KEABUAN DAN WARNA CITRA
Digital Image Processing
Disusun Oleh : DESI RACHMAWATI
Digital Image Processing
FACE RECOGNITION SISTEM CERDAS ANGGOTA: 1.ELIN SAFITRI ( )
Operasi Pixel dan Histogram
BAB I PENDAHULUAN 1.1 LATAR BELAKANG
IMPLEMENTASI PERBAIKAN CITRA METODE CONTRAST STRETCHING PADA KAMERA CMUCAM3 DAN HISTOGRAM EQUALIZATION PADA GROUND STATION UNTUK KOMURINDO 2012 Oleh: Dede.
EDGE DETECTION.
PENGOLAHAN CITRA DIGITAL. URAIAN MATERI PCD Pemberian Evek Pada Gambar Vektor dan Bitmap Penggabungan Teks & Citra Bitmap Penggabungan Teks & Citra Vektor.
KONSEP DASAR CITRA DIGITAL (2) dan SISTEM PEREKAMAN CITRA
Bekerja dengan Warna.
Pertemuan 6 Mata Kuliah Pengolahan Citra
Pemrograman Terstruktur
PERANCANGAN APLIKASI PENGENALAN BAHASA INGGRIS BERBASIS MOBILE (STUDI KASUS SEKOLAH DASAR NEGERI IV DUREN KARAWANG) Disusun oleh : Melfin Richard Sakul.
Segmentasi Citra Materi 6
REKOGNISI CITRA Konsep Dasar Rekognisi
MEMBANGUN APLIKASI ……. OLEH:.
Pemrosesan Bukan Teks (Citra)
Transcript presentasi:

MODUL 12 Aplikasi Pengenalan Kematangan Tomat (Fitur Warna) Nana Ramadijanti, Ahmad Basuki, Hero Yudo Martono

Materi Kuliah Pengenalan Kematangan Buah Tomat Pengenalan Nilai Nominal Uang Kertas Rupiah Pengenalan Bunga Indonesia

Blok Diagram Sistem

Fitur Histogram Hue Index dari Buah Tomat Histogram Hue Index belum dapat menunjukkan perbedaan signifikan dari ketiga fase di atas, karena adanya background.

Fitur General Histogram Hue Index Fitur general hasil dari histogram interseksi Fitur general adalah fitur yang ada di semua gambar (seperti background), ini tidak baik untuk identifikasi. Untuk identifikasi dipakai fitur spesifik setiap gambar.

Fitur Spesifik Histogram Hue Index Fitur spesifik F=H-G dapat menunjukkan perbedaan yang signifikan dari ketiga fase kematangan buah tomat,

Hasil Identifikasi Buah Tomat Warna Campur

Hasil Identifikasi Buah Tomat Warna Hijau

Hasil Identifikasi Buah Tomat Warna Merah

Hasil Identifikasi Kematangan Buah Tomat

Pengenalan Nilai Nominal Uang Kertas Rupiah Ide membuat aplikasi yang bisa membantu orang buta untuk mengenali nilai nominal uang kertas rupiah. Uang kertas rupiah belum semuanya dirancang untuk orang buta dengan kode-kode yang dikenali dengan cara meraba. Uang kertas rupiah mempunyai warna yang berbeda pada setiap nominalnya, sehingga sistem ini menggunakan fitur warna untuk mengenali uang kertas rupiah.

Pengenalan Nilai Nominal Uang Kertas Rupiah Nominal uang kertas rupiah terdapat 7 macam yaitu : 1000 (seribu), 2000 (dua ribu), 5000 (lima ribu), 10000 (sepuluh ribu), 20000 (dua puluh ribu), 50000 (lima puluh ribu) dan 100000 (seratus ribu) Gambar Uang Kertas Rupiah

Pengenalan Nilai Nominal Uang Kertas Rupiah Blok Diagram Sistem Data training Pre-Processing Gambar dari kamera Ekstraksi Fitur Warna Metadata fitur warna Matching Suara nominal uang

Pengenalan Nilai Nominal Uang Kertas Rupiah : Data Training Fitur warna yang digunakan untuk mewakili masing-masing pola warna uang kertas adalah histogram Hue-index. Histogram hue-index adalah sebuah histogram yang menyatakan kemunculan setiap warna yang dinyarakan dalam indeks hue

Pengenalan Nilai Nominal Uang Kertas Rupiah : Auto Level Gb. Perubahan nilai histogram sebelum dan sesudah auto level Gambar hasil autolevel pada nilai uang 5ribu-an, 20ribu-an dan 100ribu-an, terlihat berbeda

Pengenalan Nilai Nominal Uang Kertas Rupiah : Hasil Percobaan Hasil percobaan tanpa pada gb tanpa autolevel terdapat 9 gambar yang dikenali salah. Kesalahan yang paling banyak ada di uang 2000 dan 5000 Hasil percobaan menggunakan autolevel 40 gb tidak menunjukkan kesalahan hasil pengenalan Gb Hasil percobaan tanpa autolevel Gb Hasil percobaan dengan autolevel

Pengenalan Bunga Indonesia Indonesia adalah negara yang memiliki kekayaan alam yang cukup besar di dunia termasuk kekayaan alam berupa flora endemik Indonesia. Untuk memudahkan mengetahui informasi tentang bunga yang ada di Indonesia, dibuat aplikasi pengenalan flora Indonesia Pada aplikasi ini terdapat dua cara identifikasi objek bunga, yaitu dengan cara : Input teks (nama bunga) yang akan dicari Input citra melalui kamera maupun file citra yang sudah ada. dan hasilnya berupa tampilan gambar dari objek (bunga) beserta informasi pendukung,

Pengenalan Bunga Indonesia Blok Diagram Sistem : Blok Diagram Ekstraksi Fitur Warna : Input Gambar Konversi Warna RGB ke HSV Histogram Hue-Index Normalisasi Vektor Fitur Warna Blok Diagram Ekstraksi Fitur Bentuk : Input Gambar Deteksi Tepi Sobel Metode CCD Histogram Sudut Normalisasi Vektor Fitur Bentuk

Pengenalan Bunga Indonesia : Hasil Pencarian Pegujian dengan kombinasi fitur warna dan fitur bentuk menghasilkan tingkat kemiripan yang lebih tinggi. Identifikasi bunga dengan menggunakan fitur warna dan fitur bentuk telah meningkatkan nilai kemiripan dari 93.18% menjadi 97.72%. Gb Hasil Pencarian 5 citra bunga peringkat atas

Soal-Soal Latihan Buatlah implementasi dari pengenalan kematangan buah tomat dengan fitur warna ! Buatlah implementasi dari pengenalan nilai nominal mata uang kertas rupiah dengan fitur warna ! Buatlah implementasi dari pengenalan bunga indonesia dengan fitur warna dan fitur bentuk !

Terima Kasih