seminar tugas akhirdigilib.its.ac.id/public/its-undergraduate-17648-presentation-1787038.pdf ·...
TRANSCRIPT
Oleh: OKTAVIANO YUDHA N
2203.109.007
SEMINAR TUGAS AKHIRSEMINAR TUGAS AKHIRSEMINAR TUGAS AKHIRSEMINAR TUGAS AKHIR
JURUSAN TEKNIK ELEKTROFAKULTAS TEKNOLOGI INDUSTRI
INSTITUT TEKNOLOGI SEPULUH NOPEMBER SURABAYA
Dosen Pembimbing:
Dr. Ir. Djoko Purwanto M.EngDr. Tri Arief Sardjono ST.MT
� Selama ini dalam pemanenan dan penjualan hasil panen, petani jeruk nipis masih belummelakukan pemilahan mutu yang baik sehingga harga jual sangat rendah.
� Sedangkan pedagang pengumpul dan industri makanan dan obat tradisional melakukan penyortiran mutu menggunakan prosedur analisa warna kulit secara visual mata manusia dengan segala keterbatasannya.
� Berdasarkan hal tersebut maka diperlukan suatu metode yang dapat menjamin keseragaman mutu jeruk nipis.
� Tujuan umum dari penelitian ini adalah untuk menentukan mutu jeruk nipis secara non konvensional dengan pemanfaatan machine vision sebagai algoritma pengolahan citra digital.
� Pemakaian komputer vision sebagai eksekusi pengambilan jeruk nipis yang matang.
� Membuat pemprograman computer vision guna mengolah algoritma pengolahan citra digital
� Merancang alat guna memilah hasil proses pengolahan citra digital.
� Menggunakan kamera WEBCam sebagaipenangkap gambar
� Sistem yang dibangun adalah berbasis computer
� Mendeteksi kematangan jeruk nipis berdasar perubahan warna
� Memilah jeruk nipis menjadi 2 katagori, yaitu matang dan busuk
� Gambar diambil dalam posisi normal (tegak dratas kebawah)
� Pencahayaan ditempat sistem bekerja adalahtetap atau tidak berubah-ubah
� Pengerjaan dititikberatkan pada pengaplikasiancomputer vision pada sistem mekanik
�
� Jeruk nipis dalam Famili Rutaceae, Genus Citrus dan species Citrus aurantifolia Swingle. Adapun Jeruk nipis dikenal dengan nama lain, yaitu: jeruk pecel, jeruk durga dan limau asam Jeruk nipis berasal dari daerah Indo-Malaya
� Buah jeruk nipis berwarna hijau menandakan belum masak, dan akan berubah menjadi kuning kecoklat-coklatan, bentuknya bulat sampai bulat telur berdiameter ± 3 - 6 cm. Ketebalan kulit buahnya ± 0.2 - 0.5 mm dan permukaannya memiliki banyak kelenjar.
� Warna merupakan hasil persepsi dari cahaya dalam spektrum wilayah yang terlihat oleh retina mata.
� Memiliki panjang gelombang antara 400nm sampai dengan 700nm.
� Warna terdapat 2 model warna, yaitu model warna berorientasi hardware dan berorientasi software.
� Berikut ini adalah model warna yang berorientasi hardware:
- Model RGB (red, green, blue) untuk warna monitor dan warna pada kamera video.
- Model CMY (cyan, magenta, yellow) untuk model printer.
- Model YIQ , digunakan untuk standard televisi. Y berkoresponden dengan luminasi, I dan Q adalah dua komponen kromatik yang disebut inphase dan quarature .
Berikut ini adalah model warna berorientasi Software (hue, saturation,brightness) adalah manipulasi :
� 1. Model HSV (hue, saturation, value).
� 2. Model HSI (hue, saturation, intensity).
� 3. Model HLS (hue, lightness, saturation).
� Disini saya memakai model warna HSV mendefinisikan warna (Hue, Saturation dan Value).
� Keuntungan HSV adalah terdapat warna-warna yang sama dengan yang ditangkap oleh indra manusia.
� Sedangkan warna yang dibentuk model lain seperti RGB merupakan hasil campuran dari warna-warna primer.
� Pada format warna RGB 24 bit, maka nilai R, G dan B masing-masing 0-255
Warna R G B
Hitam 0 0 0
Merah 255 0 0
Hijau 0 255 0
Biru 0 0 255
Kuning 255 255 0
Magenta 255 0 255
Cyan 0 255 255
Putih 255 255 255
Abu-Abu 127 127 127
Orange 255 110 0
Ungu 128 0 255
Coklat 128 25 0
Pink 255 190 220
Navy 0 0 120
HSV merupakan kependekan dari Hue, Saturation, dan Value. Dimana karakteristikpokok dari warna tersebut adalah:
� Hue: menyatakan warna sebenarnya, sepertimerah, violet, dan kuning dan digunakanmenentukan kemerahan (redness), kehijauan(greeness), dsb.
� Saturation: kadang disebut chroma, adalahkemurnian atau kekuatan warna.
� Value : kecerahan dari warna. Nilainya berkisarantara 0-100 %. Apabila nilainya 0 makawarnanya akan menjadi hitam, semakin besarnilai maka semakin cerah dan muncul variasi-variasi baru dari warna tersebut.
Web Cam
Jeruk nipis
PC Driver Motor
Conveyor dan Pemilah Jeruk
Pasar
warna
Sistem
12
JP4
HEADER 2
+12VD10
DIO DE
Vin1
GN
D2
+5V 3
U14LM7805CT
+ C2+ C1
+12V R1
RES1LED 1LED
VCC
11421531641751861972082192210231124122513
J1
DB25
C1
D1
C2
D2
C3
D3
A15
B14
C13
D12
01
12
23
34
45
56
67
79
810
911
VCC16
GND8
U5
SN74LS42
1 2
VC
C14
GN
D7
U9A
SN74LS04
3 4
U9B
SN74L S04
5 6
U9C
SN74L S04
9 8
U9D
SN74L S04
CTE N4
D/U5
CLK14
LOAD11
MAX/MIN12
RCO13
A15
QA3
B1
QB2
C10 QC
6
D9
QD7
VCC16
GND8
U1
SN74LS191VCC
VCC
D1C1
E nable
VCC
VCC
123456
JP1
HEADER 6
+12 V
D6DIO DE
D8DIO DE
D9DIODE
D7DIODE
Q10IRF5 40N
Q5IRF540N
Q7IRF5 40N
Q4IRF540N
R2
RES1
Enable
123
JP?
HEADER 3
VCC
Sistem
Terminal
Supply
Regulator
Rangkaian driver motor stepper
Parallel port
IC Updown counter, decoder, inverter dan FET
Jumper enable
� Software yang digunakan adalah Microsoft visual Studio 2008 dengan fasiltas Emgu CV yang ada. Metode RGB & HSV yang digunakan adalah menggunakan fasilitas dari Emgu CV
� Gambar HSV bisa didapatkan dari merubah dari gambar RGB menjadi gambar metode HSV. Dimana dari HSV ini dapat diambil nilai Hue-nya saja. Dimana nilai Hue-nya dapat menunjukkan nilai intensitas warna dan dipengaruhi dari intensitas cahaya.
saat mendeteksi buah matang saat mendeteksi buah busuk
KondisiKondisiKondisiKondisi BuahBuahBuahBuah JumlahJumlahJumlahJumlah BuahBuahBuahBuahSampleSampleSampleSample
AnalisaAnalisaAnalisaAnalisa KeberhasialanKeberhasialanKeberhasialanKeberhasialanpengenalanpengenalanpengenalanpengenalan
Matang 10 8 buah dikenalimatang
80%
Busuk 10 7 buah dikenalibusuk
70%
Random(matang+busuk)
5 matang + 5 busuk
4 buah dikenalimatang+4 buahdikenali busuk
80%
� Updown counter
Decoder
� Inverter
� Dari hasil percobaan didapat keberhasilan mengenali buah matang sebesar 80%
� Dari hasil percobaan didapet keberhasilan mengenali buah busuk sebesar 70%
� Perlu didukung dengan pengaturan pencahayaan ruangan yang dijaga konstan.
Terima kasihTerima kasihTerima kasihTerima kasih