Stone, Alam Ar Raad (2018) Segmentasi Citra pada Robot Sepak Bola Beroda Menggunakan Multilayer Neural Network dan Fitur Warna HSV. Undergraduate thesis, Institut Teknologi Sepuluh Nopember.
Preview |
Text
05111440007001-Undergraduate_Theses.pdf - Accepted Version Download (1MB) | Preview |
Abstract
Robot sepak bola beroda merupakan robot beroda yang dikembangkan untuk bermain sepak bola secara full autonomous. Robot bertanding secara tim melawan tim lain pada lapangan indoor yang telah disesuaikan ukurannya. Selama pertandingan, tidak diperbolehkan adanya campur tangan manusia. Pada robot, telah di pasang sebuah kamera dengan tujuan untuk menemukan di mana objek penting berada.
Salah satu tahapan sebelum mendeteksi objek adalah segmentasi. Segmentasi citra bertujuan untuk memisahkan objek dengan latar belakang atau membagi citra ke dalam beberapa daerah dengan setiap daerah memiliki kemiripan atribut. Salah satu cara untuk melakukan segmentasi citra adalah dengan mengklasifikasikan tiap piksel pada citra sebagai objek tertentu maupun latar belakang. Pada tugas akhir ini, dilakukan klasifikasi tiap piksel pada ruang warna HSV menjadi 6 kelas. Yaitu: kawan (cyan), lawan (magenta), lapangan (hijau), garis lapangan (putih), bola (orange), dan objek lain (hitam). Proses klasifikasi dilakukan dengan menerapkan model Multilayer Neural Network. Kemudian hasil klasifikasi tersebut digunakan untuk membangun lookup table yang akan digunakan untuk klasifikasi tiap piksel warna secara cepat pada komputer robot.
Dari hasil uji coba dan fine tuning terhadap hyperparameter dan arsitektur pada multilayer neural network, didapatkan nilai error rata-rata terkecil yaitu 0,16%. Kemudian dari evaluasi hasil segmentasi, diperoleh error rata-rata sebesar 19,37%.
============================================================
The wheeled soccer robot is a wheeled robot developed to play football in full autonomous. Robots compete in teams against other teams on an adjusted indoor field. During the game, no human intervention is allowed. In robots, a camera has been installed in order to find where the important object is.
One of the stages before detecting the object is segmentation. Image segmentation aims to separate objects against a background or divide the image into several areas with each region having similar attributes. One way to segment an image is to classify each pixel in the image as a particular object or background. In this final project, segmentation is done by classifying each pixel on the HSV color space into 6 classes. Namely: friend (cyan), opponent (magenta), field (green), field line (white), ball (orange), and other objects (black). The process of classification is done by applying Multilayer Neural Network model. Then the classification results are used to build a lookup table that will be used for the classification of each color pixel quickly on the robot computer.
From test result and fine tuning to hyperparameter and architecture on multilayer neural network, got the smallest average error value that is 0.16%. Then from the evaluation of the results of segmentation, obtained an average error of 19.37%.
| Item Type: | Thesis (Undergraduate) |
|---|---|
| Uncontrolled Keywords: | Lookup Table, Neural Network, Segmentasi Citra |
| Subjects: | Q Science |
| Divisions: | Faculty of Information and Communication Technology > Informatics > 55201-(S1) Undergraduate Thesis |
| Depositing User: | Alam Ar Raad Stone |
| Date Deposited: | 24 Jun 2021 01:07 |
| Last Modified: | 24 Jun 2021 01:07 |
| URI: | http://repository.its.ac.id/id/eprint/54989 |
Actions (login required)
 |
View Item |