Pengenalan Jenis Buah Berdasarkan Citra Menggunakan Hog Dan Histogram Hsv

Indriana Fadhila Ashari, Ema Rachmawati, Febryanti Sthevanie

Abstract

Abstrak
Mengenali berbagai jenis buah merupakan salah satu kegiatan yang sering terjadi di supermarket, ketika
pegawai harus mampu mengenali tidak hanya jenis buah tertentu, tetapi juga variasinya sehingga mereka
mampu menentukan harga dari buah tersebut. Namun, telah ditemukan adanya masalah seperti pegawai
yang tidak dapat mengingat atau menghafalkan setiap kode buah dapat menyebabkan terjadinya kesalahan
pada penentuan harga. Sehingga dibutuhkan sistem yang dapat mengenali atau mengklasifikasikan jenis
buah secara otomatis melalui citra. Sistem ini dapat mengklasifikasikan 131 jenis buah dari dataset Fruits360 yang terdapat keterkaitan antar kelas, seperti: tomat dan stroberi memiliki warna yang sama meskipun
berbeda bentuk, serta apel braeburn dan apel golden dimana mereka memiliki bentuk yang hampir sama
namun memiliki perbedaan pada hal warna. Citra dari buah akan diekstraksi fiturnya menggunakan
Histogram of Oriented Gradient (HOG) dan Histogram HSV yang dipadukan dengan Random Forest (RF)
sebagai metode klasifikasinya. Proses pelatihan yang telah dilakukan dengan 67.692 citra latih, memperoleh
sebuah model yang dapat melakukan klasifikasi 131 jenis buah. Hasil prediksi yang dilakukan terhadap
22.688 citra uji dengan 131 jenis kelas berbeda ini dapat memprediksi kelas buah dengan akurasi hingga
98.11795%.
Kata Kunci: pengenalan buah, pembelajaran mesin, HOG, HSV, random forest
__________________________________________________________________________________________
Abstract
Recognizing various types of fruit is one of activities that often occur in supermarkets, where staff must be able
to recognize not only certain types of fruit, but also their variations, so they will be able to determine the price
of the fruit. However, still there is problem have been found, such as staff not being able to memorize each fruit
code, leading to errors in pricing. Therefore, it is necessary to build a system that can recognize or classify types
of fruit automatically through images. This system can classify 131 types of fruit from Fruits-360 dataset which
are related between classes, such as tomatoes and strawberries have the same color even though they are
different in shape, as well as Braeburn apples and golden apples where they have almost same shape but have
differences in color. The image of the fruit will be extracted using Histogram of Oriented Gradient (HOG) and
the HSV Histogram and combined with Random Forest (RF) as the classification method. The training process
with 67,692 training images has produced a model that can classify 131 types of fruit. The result of the
prediction made on 22,688 test images with 131 different class types can predict fruit classes with the up to
accuracy 98.11795%
Keywords: fruit recognition, machine learning, HOG, HSV, random forest

Full Text:

PDF

Refbacks

  • There are currently no refbacks.
max_upload :0