PENGEMBANGAN ALGORITMA REKONSTRUKSI CITRA OBJEK 2-DREKONSTRUKSI CITRA OBJEK 2 D DIFFUSE OPTICAL TOMOGRAPHY

UNTUK INSPEKSI PRODUK PERTANIAN

Tim Peneliti:

Deddy Kurniadiy

Endang Juliastuti

Vebi Nadhira 

Judul PenelitianPengembangan Algoritma Rekonstruksi Citra Objek 2‐D Diffuse OpticalPengembangan Algoritma Rekonstruksi Citra Objek 2 D Diffuse Optical Tomography untuk Inspeksi Produk Pertanian

ObjektifTujuan penelitian ini mengembangkan algoritma rekonstruksi citraTujuan penelitian ini mengembangkan algoritma rekonstruksi citra dengan pendekatan one step Gauss‐Newton dan pemodelan Elemen Hingga pada DOT untuk pemeriksaan produk pertanian.  

Target OutcomeTarget OutcomeTersedianya metoda baru untuk rekonstruksi citra DOT dengan pendekatan Gauss‐Newton dan pemodelan Elemen Hingga pada aplikasi pemeriksaan produk pertanianaplikasi pemeriksaan produk pertanian

Target OutputMakalah pada Jurnal & Seminar Internasional

2

Detektor

Properti

c

•Elektrik

•Optik

M tik•Magnetik

•Akustik3

Ionization• Teknologi Tomography 

CT  Scan IonizationTidak portable

CT  ScanMRIPET 

Optical TomographyCahaya (optik) merupakan sinyal yang bersifat non‐ionizingy ( p ) p y y g gInframerah‐dekat dapat melalui jaringan biologis dengan mudahInframerah‐dekat mampu ditoleransi dengan baik oleh objek walaupun dengan intensitas cahaya yang kuatwalaupun dengan intensitas cahaya yang kuat

N  I f d T h  (Diff  O ti l T h ) b t i  t k ik Near Infrared Tomography (Diffuse Optical Tomography) berpotensi  teknik tomografi  non‐ionizing dan portable.

4

5

Koefisien penyerapanKoefisien penyerapan

Koefisien hamburan

Indeks Refraksi   

6

Domain waktu

t t Input Φ

AiasDomain waktu

0000

O

Ao

Intens

ita

Input

sita

Domain frekuensi

waktuOutput

OutputIntens s

Domain continuous wave

7

Detekor  12

Mengukur perbedaan 

Time (ps)

Waktu ps

1 3

4 Mengukur perbedaan intensitas cahaya yang terdeteksi pada setiap 

detektorPengukuranContinuous Wave

Detektor  4 Time (ps)W kt  

4

56

7

Asumsi Profil

Fungsi objektif sesuai

SolusiProses Inversi

Membandingkan hasil perhitungan 

dengan hasil pengukuran

Fungsi objektif diatas batas

Detektor  4 Time (ps)Waktu ps

0

10

objek

0.03

0.035

0.04

Solusi forward dengan menggunakan model 

Perbaikan citra rekonstruksi

pengukuran

Menghitung perbedaan 0

10

objek

0.03

0.035

0.04

-10 0 10

-10

0.02

0.025

menggunakan model penjalaran cahaya intensitas cahaya yang 

terdeteksi pada setiap detektor -10 0 10

-10

0.02

0.025

8

Dinyatakan dalam persamaan Boltzman

),(),()(),()(.),(10 trqtrrtrrD

ttr

c a =Φ+Φ∇∇−∂

Φ∂ μ

dimana

tc ∂

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

dnodeelement

Φ Φh

∀rb ∈∂ΩKondisi Batas DIRICHLET :

Kondisi Batas ROBIN:

10

dimana :

[ ] [ ]1[ ] [ ]MM̂JJJ T1T −−=−

δμ

11

Contoh : KENTANGSaat ini pengujian (inspeksi) komoditas kentang masih manual p g j ( p ) gsehingga membutuhkan waktu yang panjangProduk Kentang yang rusak akan merugikan petani dan KKonsumenKentang 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 untukAkan dirancang cara pengambilan data yang optimum untuk uji kualitas kentang

12

Simulasi Numerik :Objek : KentangObjek : KentangKoefisien Absorbsi Target (anomali) : 0 0048mm‐1  (2*Koefisien Absorbsi Kentang)0.0048mm (2 Koefisien Absorbsi  Kentang)

Target (anomali)

objek

objek

13

Variasi jumlah sumber :Objek diiluminasi dengan memvariasikan jumlahObjek diiluminasi dengan memvariasikan jumlah sumber cahaya objek homogen dan objek dengantarget 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)pada bidang batas (10 watt/m )

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)

UkuranTarget Deviasi Rata‐2 intensitas 

Cahaya pada Bidang Batas Cahaya pada Bidang Batas 

(watt/m2)

 *  di   bj0.2 * radius object 2.92

0.3 * radius object 9.08

17

mua total x 10-4

Objek Simulasi Citra Rekonstruksi

0

5

10

Y [m

m] 8

9

10

0

10

-10 -5 0 5 10

-10

-5

X [mm]

Y

6

7

-10

X [mm]

1010

mua total

9

10

x 10-4

-10

0

10

-5

0

5Y

[mm

]

7

8

9

-10 -5 0 5 10

-10

6

Laser NIR Photo Detector

Stepper motor

Perangkat Rekonstruksi

19

Pengembangan Algoritma Single Step Gauss‐NewtonWaktu komputasi lebih singkatWaktu komputasi lebih singkat

Penanganan Ill‐posed ProblemMenggunakan Teknik RegularisasiMenggunakan Teknik Regularisasi

Pengembangan FDOTMeningkatkan akurasi citra dengan menambahkan sumber cahaya di dalam objek yaitu dengan bahan Fluorescence sehingga didapatkan data eksitasi dan emisi 

20

21