Prapemrosesan Citra Candling Menggunakan Morphological Component Analysis Dan Shape Knowledge Extraction Pada Identifikasi Kesuburan Telur Ayam Kampung

Dijaya, Rohman (2016) Prapemrosesan Citra Candling Menggunakan Morphological Component Analysis Dan Shape Knowledge Extraction Pada Identifikasi Kesuburan Telur Ayam Kampung. Masters thesis, Institut Teknologi Sepuluh Nopember.

Text 5114201014-Master_Thesis.pdf - Accepted Version Download (3MB)

Abstract

Pada industri penetasan telur ayam (doc) efisiensi penetasan telur ayam didapatkan dengan melakukan candling (peneropongan telur) pada waktu sebelum proses inkubasi menggunakan mesin tetas. Identifikasi kesuburan dengan dataset citra candling yang didapat melalui proses candling ketika sebelum inkubasi tidak dapat dilakukan secara manual. Perlu adanya prapemrosesan untuk mendapatkan area telur dan kuning telur sebelum dilakukan proses ekstraksi fitur bentuk dan warna dari kuning telur. Pada penelitian sebelumnya, dilakukan identifikasi kesuburan pada telur putih menggunakan citra candling untuk mengklasifikasikan telur fertile dengan telur infertile berdasarkan fitur bentuk telur dan warna kuning telur, dan didapatkan akurasi yang cukup bagus. Dataset citra candling pada telur putih lebih seragam dibanding dataset citra candling pada telur ayam kampung. Citra candling telur ayam kampung memiliki noise yang lebih banyak dan memiliki batas yang samar antara kuning telur dengan telur. Tujuan dari penelitian ini adalah mengembangkan sistem pemisahan area kuning telur pada citra candling baru menggunakan metode Morphological Component Analysis (MCA) dan Shape Knowledge Extraction (SKE) untuk identifikasi kesuburan telur ayam kampung sebelum inkubasi. Metode MCA mereduksi noise random dari citra candling pada domain frekuensi dan metode SKE menyesuaikan bentuk dari area kuning telur pada identifikasi kesuburan telur ayam kampung sebelum inkubasi. Akurasi klasifikasi citra candling telur ayam kampung yang diperoleh ketika menambahkan metode ini mencapai 91% dengan fitur bentuk telur dan kuning telur. Performa akurasi ketika menambah metode ini pada fitur bentuk meningkat sekitar 1-15% dari metode sebelumnya
=================================================================================================================================
In the industrial chicken hatcheries (doc) efficiency hatching chicken eggs obtained by candling (observation of eggs) at a time before the process of incubation or hatching uses hatching machine.Identification of fertility by candling image dataset obtained through the candling process as before incubation can not be done manually.This is need a preprocessing to obtain eggs and egg yolks area prior to feature extraction process to obtain the features of shapes and colors. The previous reaserch was able to identification white eggs using candling imagery to classify fertile and infertile eggs based features of egg shape, form and color of egg yolk with good accuracy. In the previous research, the identification of fertility in the egg white using white egg candling image dataset to classify fertile eggs to infertile egg based features egg shape, form and color of egg yolk egg yolk, and obtained good enough accuracy. Dataset candling of egg white image is more uniform than dataset candling image of kampong chicken egg. Candling image of kampong chicken eggs have a lot more noise and have a vague boundary between the egg yolk. The goal of this research is develop new yolk area separation system of candling image using Morphological Component Analysis (MCA) and Shape Knowledge Extraction (SKE) on identification of kampong eggs fertility prior to incubation. In this research proposed preprocessing metodh on candling image of kampong chicken using MCA and SKE metodh to get yolk area on identification fertility of kampong eggs prior to incubation. Image classification accuracy chicken egg candling obtained when adding these methods to reach 91% with the features and form egg yolk (Eva and Circularity Ratio). Performance accuracy when this method add on features form increased by about 1-15% from the previous method

Item Type:	Thesis (Masters)
Additional Information:	RTIf 006.42 Dij p
Uncontrolled Keywords:	citra candling, identifikasi, prapemrosesan, Morphological Component Analysis, Shape Knowledge Extraction.
Subjects:	Q Science > Q Science (General)
Divisions:	Faculty of Intelligent Electrical and Informatics Technology (ELECTICS) > Informatics Engineering > 55101-(S2) Master Thesis
Depositing User:	Mr. Tondo Indra Nyata
Date Deposited:	26 Sep 2023 08:17
Last Modified:	06 May 2024 06:40
URI:	http://repository.its.ac.id/id/eprint/104962

Actions (login required)

View Item