DETEKSI OBJEK DENGAN METODE COLOR FILTERING HSV DAN BLOB DETECTION PADA ROBOT VERTICAL TAKE OFF AND LANDING

Arifin Yusuf Yusuf

Abstract


Pada Kontes Robot Terbang Indonesia 2018, divisi VTOL, setiap tim memiliki misi mengirimkan LOG (Logistik) dan MP (Muatan PICK) Survival Kits berupa objek berwarna orange dan berbentuk lingkaran ke Lokasi-lokasi yang telah ditentukan. Terbatasnya sumber tenaga yang mampu diangkat oleh wahana membuat wahana memiliki batas waktu yang tidak lama ketika berada di udara. Selain itu, kebutuhan pemrosesan citra secara realtime mengharuskan wahana dapat mendeteksi objek dengan cepat dan tepat. Masalah lain adalah kondisi lingkungan yang tidak bisa dipredisksi. Salah satu metode yang populer digunakan untuk mendeteksi objek adalah learning. Metode learning akan menciptakan algoritma yang dapat mendeteksi objek berdasarkan sampel yang diberikan saat proses learning sehingga metode ini memiliki tingkat akurasi yang tinggi, namun memiliki beban kerja yang berat. Selain learning, color filtering juga dapat digunakan untuk mendeteksi objek, namun metode ini memiliki kelemahan karena hanya melakukan sekali filter sehingga belum mampu sepenuhnya mengeliminasi noise jika ada objek lain yang memiliki warna serupa dengan objek deteksi. Karena itu digunakanlah Blob detection setelah dilakukan filter warna. Blob detection mendeteksi kumpulan pixel yang memiliki perbedaan warna (lebih terang atau lebih gelap). Dari hasil pengujian didapatkan bahwa metode ini mampu mendeteksi objek hingga jarak x meter. Selain itu, metode ini juga mampu mengeliminasi noise dari objek lain dengan warna serupa maupun noise getaran.


Full Text:

PDF

References


Deswal, M. and Sharma, N. (2014) ‘A Simplified Review on Fast HSV Image Color and Texture Detection and Image Conversion Algorithm’, 3(5), pp. 1216–1222.

Dhiemas, R. Y. . (2011) ‘Pencarian Posisi Robot: Studi Kasus Pencarian Sumber Kebocoran Gas’, Fakultas Ilmu Komputer, Universitas Indonesia.

Kusumanto, R. D. et al. (2011) ‘Klasifikasi Warna Menggunakan Pengolahan Model Warna HSV’, 2(2), pp. 83–87.

Lintz, J. J. and Simonett (1976) ‘Remote Sensing and Environtment’, Addison Wesley Publishing Company London.

Nana, A., Ichwan, M. and Santika Putra, I. M. (2012) ‘Segmentasi citra untuk deteksi objek warna pada aplikasi pengambilan bentuk citra rectangle’, Itenas, pp. 1–10.

Pamungkas, E. M., Sumbodo, B. A. A. and Candradewi, I. (2017) ‘Sistem Pendeteksi dan Pelacakan Bola dengan Metode Hough Circle Transform, Blob Detection, dan Camshift Menggunakan AR.Drone’, IJEIS (Indonesian Journal of Electronics and Instrumentation Systems), 7(1), p. 1. doi: 10.22146/ijeis.15405.

Prayitno, Y. . (2012) ‘Rancang Bangun Aplikasi Pendeteksi Bentuk Dan Warna Benda Pada Mobile Robot Berbasis Webcam’, Jurnal stikom.edu, 1.

Stokman, H. (2006) ‘Color Feature Detection THEO’, Color Image Processing: Emerging Applications, 20065568, pp. 203–225. doi: 10.1201/9781420009781.ch9.

Sudarisman, D. et al. (2015) ‘Strategi Deteksi Bola pada Tim Krakatau’, Isrsc 2015.

A. Mulyanto, R. I. Borman, P. Prasetyawan, W. Jatmiko and P. Mursanto, "Real-Time Human Detection and Tracking Using Two Sequential Frames for Advanced Driver Assistance System," 2019 3rd International Conference on Informatics and Computational Sciences (ICICoS), Semarang, Indonesia, 2019, pp. 1-5, doi: 10.1109/ICICoS48119.2019.8982396.

Mulyanto, Agus & Indra, Rohmat & Prasetyawan, Purwono & Sumarudin, Ahmad. (2020). Implementation 2D Lidar and Camera for detection object and distance based on RoS. JOIV : International Journal on Informatics Visualization. 4. 10.30630/joiv.4.4.466.

Mulyanto, Agus & Indra, Rohmat & Prasetyawan, Purwono & Jatmiko, Wisnu & Mursanto, Petrus & Sinaga, Aprian. (2020). Indonesian Traffic Sign Recognition For Advanced Driver Assistent (ADAS) Using YOLOv4. 520-524. 10.1109/ISRITI51436.2020.9315368.

Neneng and Fernando, Y. (2017) ‘Klasifikasi Jenis Daging Berdasarkan Analisis Citra Tekstur Gray Level Co-Occurrence Matrices ( Glcm ) Dan Warna’, Seminar Nasional Sains dan Teknologi 2017, (November), pp. 1–7.

Neneng, Neneng & Adi, Kusworo & Isnanto, Rizal. (2016). Support Vector Machine Untuk Klasifikasi Citra Jenis Daging Berdasarkan Tekstur Menggunakan Ekstraksi Ciri Gray Level Co-Occurrence Matrices (GLCM). JURNAL SISTEM INFORMASI BISNIS. 6. 1. 10.21456/vol6iss1pp1-10.




DOI: https://doi.org/10.33365/jecsit.v1i1.2

Refbacks

  • There are currently no refbacks.


Copyright (c) 2021 Arifin Yusuf Yusuf


Journal of Engineering, Computer Science and Information Technology (JECSIT)
Published by Universitas Teknokrat Indonesia
Organized by Faculty of Engineering and Computer Science
Web: http://jurnal.teknokrat.ac.id/index.php/JECSIT/index
Email : jurnal.jecsit@teknokrat.ac.id.
Jl. Zainal Abidin Pagaralam, No.9-11, Labuhan Ratu, Bandarlampung
Telepon : 0721 70 20 22