Upload
duongkhanh
View
249
Download
14
Embed Size (px)
Citation preview
PENDETEKSI CACAT PADA
SELONGSONG PELURU BERBASIS
CITRA MENGGUNAKAN GABOR FILTER BULLET CASE DEFECT DETECTOR BASED ON
IMAGE USING GABOR FILTER
Seminar Proposal Tugas Akhir
Matematika FMIPA ITS 2013
Oleh :
M. Khairul Fahmi
1210 100 702
Dosen Pembimbing:
Dr. Dwi Ratna Sulistyaningrum S.Si, MT
I. Pendahuluan
Sebuah citra dari peluru cacat akan
memliki fitur vektor yang sangat berbeda
dengan citra dari peluru baik.
Semakin jelas bentuk kecacatan sebuah
peluru maka akan semakin besar
perbedaan vektor fiturnya.
Semakin jelas bentuk kecacatan sebuah
peluru maka akan semakin besar
perbedaan vektor fiturnya.
Rumusan Masalah
Bagaimana menerapkan metode Gabor
filter untuk mendeteksi kecacatan produk
pada peluru?
Bagaimana tingkat akurasisistem dalam
mendeteksi kecacatan peluru?
Batasan Masalah
Input berupa citra gambar peluru.
Dalam satu buah citra, baik sebagai input ataupun acuan hanya terdapat satu buah peluru.
Kecacatan yang dideteksi hanya pada bagian cartridge atau selongsong peluru saja.
Kecacatan yang dideteksi hanya pada bagian yang tampak pada citra.
Citra input memiliki ukuran yang sama.
Latar belakang (background) citra berwarna hijau.
Tujuan
Tujuan yang ingin dicapai dalam tugas akhir
ini adalah menerapkan metode Gabor filter
dalam mengekstraksi fitur sebagai bagian
penting dalam proses deteksi kecacatan
peluru, khususnya pada bagian
cartridge/selongsong peluru.
Manfaat
Membantu perusahaan senjata dalam
mendeteksi kecacatan peluru.
Dapat digunakan sebagai referensi dalam
penelitian sistem deteksi kecacatan
produksi peluru ataupun produksi yang
lain selanjutnya yang lebih sempurna.
Dasar Teori
Peluru 1. Peluru, yaitu bagian yang
ditembakkan dengan kecepatan tinggi dan berpisah dari bagian lain.
2. Selongsong, bagian yang menjadi wadah proyektil peluru dan propelan.
3. Propelan, yaitu bahan peledak yang akan menjadi sumber energi misalnya mesiu atau cordite.
4. Rim, bagian bawah dari selongsong.
5. Primer, bagian yang akan menyulut mesiu dengan membuat percikan api gunak meledakkan atau menembakkan proyektil.
Jenis-Jenis Kecacatan Peluru (1)
No. Jenis Kecacatan Gambar Ilustrasi
1. Corroded (Berkarat)
2. Smeared
Jenis-Jenis Kecacatan Peluru (II)
No. Jenis Kecacatan Gambar Ilustrasi
3. Dent (lekukan)
4. Perforated (Berlubang)
Jenis-Jenis Kecacatan Peluru (III)
No. Jenis Kecacatan Gambar Ilustrasi
5. Scaly (Bersisik)
6. Scratch (Goresan)
Citra Digital (1)
Citra digital terdiri dari kumpulan piksel-piksel yang disusun dalam sebuah matriks dua dimensi.
Piksel adalah bagian terkecil dari suatu citra.
Setiap piksel diwakili oleh sebuah nilai yang mendefinisikan suatu ukuran intensitas cahaya pada titik tersebut.
setiap piksel memiliki indeks baris dan kolom.
Citra Digital (1I)
Macam-macam citra digital:
Citra berwarna : 8 bit, 16 bit, 24 bit.
Citra Digital (1I)
Citra grayscale
Citra Digital (1I)
Citra biner
1. Cropping
Pemotongan dilakukan dengan mengambil
citra green dari citra RGB.
Diambil koordinat piksel-piksel yang memiliki
nilai green lebih kecil dari treshold.
Ambil koordinat minimum dan maksimum
dalam arah vertikal dan horizontal.
Lakukan pemotongan berdasarkan korrdinat-
koordinat terpilih yang diterapkan pada citra
asli, sehingga didapat citra segiempat terkecil
yang memuat citra peluru.
2. Normalisasi
Proses normalisasi bertujuan untuk
mengurangi kesalahan akibat ketidak
seragaman pencahayaan pada saat
pengambilan citra. Berikut ini rumus yang
digunakan:
𝐼′ = ∅𝑑 + 𝜆 𝑖𝑓 𝐼 𝑥, 𝑦 > ∅∅𝑑 − 𝜆 𝑜𝑡ℎ𝑒𝑟𝑤𝑖𝑠𝑒
Dengan,
𝜆 =𝜌𝑑*𝐼 𝑥,𝑦 −∅+2
𝜌
I dan I’ berturut-turut menyatakan citra
grayscale dan hasil normalisasi, ∅ dan 𝜌
menyatakan nilai mean dan variance dari
citra asli, ∅𝑑 dan 𝜌𝑑 merupakan nilai mean
dan variance yang diharapkan. Semua
percobaan dalam penelitian ini
menggunakan ∅𝑑 = 100 dan 𝜌𝑑 = 500.
Nilai ini didapat setelah dilakukan beberapa
percobaan.
3. Scalling
Scalling bertujuan untuk menyeragamkan
ukuran gambar sehingga ukuran yang
diperoleh selalu sama. Pada penelitian ini
semua citra, baik citra acuan dan citra input,
di-scalling manjadi berukuran 64x64 piksel.
Pada proses ini digunakan fungsi yang telah
tersedia di matlab yaitu fungsi imresize.
4. Ekstraksi fitur
Bentuk umum filter Gabor 2D:
𝐺 𝑥, 𝑦, 𝜃, 𝑢, 𝜍 =1
2. 𝜋. 𝜍2 exp*−𝑥2 + 𝑦2
2. 𝜍2 +exp*2. 𝜋. 𝑖. 𝑢(𝑥. cos 𝜃 + 𝑦. sin 𝜃)+
Dengan, 𝑖 = −1 , u merupakan frekuensi dari gelombang sinusoidal, 𝜃 merupakan sudut pengendalian terhadap orientasi dari fungsi Gabor, 𝜍 adalah standar deviasi dari Gausian envelop, dan (x, y) menyatakan koordinat filter.
Filter Gabor ternormalisasi terhadap
ukuran filter dinyatakan pada persamaan
[4]:
𝐺 𝑥, 𝑦, 𝜃, 𝑢, 𝜍 = 𝐺 𝑥, 𝑦, 𝜃, 𝑢, 𝜍 − 𝐺,𝑖, 𝑗, 𝜃, 𝑢, 𝜍-𝑛
𝑗=−𝑛𝑛𝑖=−𝑛
(2𝑛 + 1)2
dengan (2𝑛 + 1)2 adalah ukuran filter
Gabor yang pada umumnya berukuran
ganjil
Vektor fitur merupakan sederetan kode
biner yang diturunkan dari bagian real dan
imajiner dengan rumus :
𝐼𝑟 = 1 jika Re(𝐺 𝑥, 𝑦, 𝜃, 𝑢, 𝜍 ∗ 𝐼)>0
𝐼𝑟 = 0 jika Re(𝐺 𝑥, 𝑦, 𝜃, 𝑢, 𝜍 ∗ 𝐼)<0
𝐼𝑖 = 1 jika Im(𝐺 𝑥, 𝑦, 𝜃, 𝑢, 𝜍 ∗ 𝐼)>0
𝐼𝑖 = 0 jika Im(𝐺 𝑥, 𝑦, 𝜃, 𝑢, 𝜍 ∗ 𝐼)<0
5. Pencocokan Vektor Fitur
hamming distance antara dua vektor fitur P
dan Q dapat dihitung dengan rumus:
𝐷𝑜 = (𝑃𝑅 𝑖,𝑗 ⊗𝑄𝑅 𝑖,𝑗 +𝑃𝐼 𝑖,𝑗 ⊗𝑄𝐼 𝑖,𝑗 )𝑁
𝑗=1𝑁𝑖=1
2𝑁2
𝑃𝑅 dan 𝑄𝑅 menyatakan bagian real dari fitur P dan Q, 𝑃𝐼
dan 𝑄𝐼 menyatakan bagian imaginer dari fitur P dan Q.
Hasil operator boolean (⊗) akan menghasilkan nol jika
dan hanya jika bit 𝑃𝑅 𝐼 𝑖, 𝑗 = 𝑄𝑅 𝐼 (𝑖, 𝑗).
Untuk mengatasi ketidak sempurnaan
dalam akuisisi maupun praprocessing citra
maka dalam preoses penghitungan hamming
distance salah satu vektor fitur bisa
ditranslasi beberapa piksel baik dalam arah
vertikal maupun horizontal
Perancangan Sistem
Diagram Alir
Sistem ini terdiri dari 3 tahap, yaitu tahap preprocessing, tahap ekstraksi fitur, dan tahap pencocokan atau identifikasi.
Berikut diagram alir sistem pendeteksi kecacatan peluru:
Pengujian dan Hasil
Data yang digunakan dalam menguji sistem deteksi cacat peluru ini terdiri 3 jenis peluru:
Peluru tipe I: peluru dengan kategori baik.
Peluru tipe II: peluru dengan kategori cacat namun sulit terlihat secara kasat mata.
Peluru tipe III: peluru dengan kategori cacat yang terlihat secara kasat mata
Data Yang Digunakan
A. Pengujian Tahap Praprocessing
Citra Asli Hasil Cropping
1. Pengujian Proses cropping
2. Pengujian Proses normalisasi
dan scalling
Citra Grayscale Scalling Normalisasi
1. Pengujian Proses Konvolusi
Gabor
Ektraksi Fitur dengan ukuran Citra 64x64, filter 9x9, dan
𝜃 = 0
Bagian Real Bagian Imaginer
B. Pengujian Ektraksi Fitur
2. Pengujian Proses Penggabungan
Hasil penggabungan fitur dengan ukuran Citra 64x64, dan
ukuan filter 9x9 dari sudut 0𝑜, 45𝑜, 90𝑜 dan 135𝑜
Bagian Real Bagian Imaginer
3. Pengujian Proses Tresholding
Hasil penggabungan fitur dengan ukuran Citra 64x64, dan
ukuan filter 9x9 dari sudut 0𝑜, 45𝑜, 90𝑜 dan 135𝑜
Bagian Real Bagian Imaginer
1. Hamming Distance
A. Hasil perhitungan hamming distance peluru Tipe I
2. Pengujian Proses Penggabungan
Kode
Peluru
64x64 128x128
9x9 17x17 9x9 17x17 B_001.JPG 0.13542 0.080676 0.20672 0.14122 B_002.JPG 0.13597 0.088329 0.22278 0.14191 B_003.JPG 0.15472 0.084024 0.21342 0.15976 B_004.JPG 0.16014 0.085140 0.22021 0.16212 B_005.JPG 0.15472 0.082908 0.22021 0.15788 B_006JPG 0.14069 0.080995 0.21013 0.14316 B_007.JPG 0.15306 0.079879 0.20730 0.14615 B_008.JPG 0.14917 0.072864 0.20093 0.14826 B_009.JPG 0.13583 0.082270 0.20942 0.13392 B_010.JPG 0.14097 0.079879 0.21397 0.13889 B_011.JPG 0.12889 0.085300 0.20308 0.12958 B_012.JPG 0.14681 0.079560 0.21989 0.14774 B_013.JPG 0.14125 0.069675 0.20851 0.14632 B_014.JPG 0.15083 0.078922 0.21706 0.15014 B_015.JPG 0.14292 0.077966 0.21088 0.13872 B_016.JPG 0.15681 0.079719 0.21325 0.15424 B_017.JPG 0.14958 0.082111 0.22301 0.15667 B_018.JPG 0.16306 0.083705 0.22851 0.16139
B. Hasil perhitungan hamming distance peluru tipe II
Kode
Peluru
64x64 128x128
9x9 17x17 9x9 17x17 CTT
_001.JPG 0.17986 0.11496 0.22363 0.17917
CTT
_002.JPG 0.15181 0.12707 0.21130 0.15434
CTT
_003.JPG 0.15556 0.11448 0.22177 0.16208
CTT
_004.JPG 0.16097 0.12325 0.23400 0.16184
CTT
_005.JPG 0.20097 0.14509 0.27481 0.22288
CTT
_006.JPG 0.15278 0.12197 0.20880 0.15722
CTT
_007.JPG 0.17431 0.12181 0.22187 0.17486
CTT
_008.JPG 0.15583 0.11655 0.21872 0.15931
CTT
_009.JPG 0.17069 0.12229 0.23182 0.16701
C. Hasil perhitungan hamming distance peluru tipe III
Kode
Peluru
64x64 128x128
9x9 17x17 9x9 17x17 CT_001.J
PG 0.16681 0.11974 0.24834 0.17844
CT_002.J
PG 0.21472 0.14700 0.26489 0.21604
CT
_003.JPG 0.18417 0.11639 0.24974 0.16208
CT
_004.JPG 0.15778 0.11814 0.22265 0.16111
CT
_005.JPG 0.16819 0.11480 0.22382 0.16920
CT
_006.JPG 0.18167 0.11272 0.23280 0.19340
CT
_007.JPG 0.17181 0.12101 0.22415 0.17503
CT
_008.JPG 0.17847 0.10443 0.24034 0.18698
CT
_009.JPG 0.16556 0.10204 0.22769 0.17222
Berdasarkan penghitungan Hamming Distance maka persentase
keberhasilan Sistem dalam mengidentifikasi peluru berdasarkan 5
buah treshold disajikan dalam tabel berikut:
Nilai
Treshold
64x64 128x128
9x9 17x17 9x9 17x17 0,05 50,00% 50,00% 50,00% 50,00% 0,06 50,00% 50,00% 50,00% 50,00% 0,07 50,00% 52,78% 50,00% 50,00% 0,08 50,00% 72,22% 50,00% 50,00% 0,09 50,00% 100,00% 50,00% 50,00% 0,10 50,00% 100,00% 50,00% 50,00% 0,11 50,00% 94,44% 50,00% 50,00% 0,12 50,00% 72,22% 50,00% 50,00% 0,13 52,78% 55,56% 50,00% 52,78% 0,14 61,11% 55,56% 50,00% 61,11% 0,15 80,56% 50,00% 50,00% 80,56% 0,16 80,56% 50,00% 50,00% 86,11% 0,17 72,22% 50,00% 50,00% 75,00% 0,18 63,89% 50,00% 50,00% 61,11% 0,19 55,56% 50,00% 50,00% 58,33% 0,20 55,56% 50,00% 50,00% 55,56% 0,21 50,00% 50,00% 63,89% 55,56% 0,22 50,00% 50,00% 77,78% 52,78% 0,23 50,00% 50,00% 72,22% 50,00% 0,24 50,00% 50,00% 63,89% 50,00% 0,25 50,00% 50,00% 55,56% 50,00% 0,26 50,00% 50,00% 55,56% 50,00% 0,27 50,00% 50,00% 52,78% 50,00% 0,28 50,00% 50,00% 50,00% 50,00% 0,29 50,00% 50,00% 50,00% 50,00% 0,30 50,00% 50,00% 50,00% 50,00%
Keberhasilan Sistem dalam mengidentifikasi peluru
berukuran 64x64 berdasarkan 5 buah treshold disajikan
dalam bentuk grafik sebagai berikut:
Kesimpulan
Program telah berhasil melakukan deteksi cacat pada
selongsong peluru menggunakan metode filter Gabor
dengan 3 tahapan utama antara lain preprocessing,
ekstraksi fitur, dan pencocokan.
Berdasarkan hasil uji coba yang telah dilakukan dengan
menggunakan 36 citra uji yang terdiri dari 18 citra
peluru baik dan 18 citra peluru cacat (sembilan cacat
telihat dan sembilan cacat tidak telihat) prosentase
keberhasilan program mencapai 100%. Hasil ini dicapai
dengan menggunakan ukan citra dan filter Gabor
masing-masing 64x64 dan 17x17 dengan nilai treshold
0.09 dan 0.10
Daftar Pustaka [1] Ahmad, Usman. 2005. “Pengolahan Citra Digital Dan Tehnik Pemrogramannya”.
Yogyakarta: Graha Ilmu.
[2] Andrianto,Titus. 2011. “Pendeteksi Cacat Produksi Pada Produk Botol Berbahan Gelas
Menggunakan Metode Gabor Filter”. Surabaya : Institut Teknologi Sepuluh Nopember.
[3] Putra, Darma. 2010. “Pengolahan Citra Digital”. Yogyakarta: ANDI OFFSET.
[4] Arisandi, Melly. Isnanto, R. Rizal, Zahra, Ajub Ajulian. 2011. “Sistem Pengenalan
Berdasarkan Ciri Garis Telapak Tangan Menggunakan Metode Jaringan Saraf Tiruan
Perambatan Balik “. Searang: Universitas Diponegoro
[5] Arhani, Muhammad, Desiani, Anita. 2005. “Pemrograman Matlab”. Yogyakarta: Andi.
[6] Department of Defense USA. 1958. “Visual Inpection Standards for Small Arms
Ammunition Through Caliber .50”. United States of America: Department of Defence.
[7] Widodo, Agung. 2011. “Deteksi dan klasifikasi cacat glass menggunakan segmentasi
teksture berbasis gabor filter”. Surabaya: Institut Teknologi Sepuluh Nopember.
Sekian
dan
Terima Kasih