Identification of Egg Fertility Using Gray Level Co-Occurrence Matrix and Backpropagation

2020

Sinergi

Self Cite

This research discusses the detection of embryonic eggs using the k-means clustering method based on statistical feature extraction. The processes that occur in detection are image acquisition, image enhancement, feature extraction, and identification/detection. The data used consisted of 200 egg image data, consisting of 100 test data and 100 new test data. The acquisition process uses a smartphone camera by capturing candled egg objects. The results of image acquisition become a reference in the process of image enhancement and feature extraction using Statistical Feature Extraction. The statistical feature extraction applied is the Gray Level Co-occurrence Matrix (GLCM) method, which consists of 6 features, namely Energy, Contrast, Entropy, Variance, Correlation, and Homogeneity. The results of feature extraction (6 features) are grouped by the K-means Clustering method. The clustering process uses Euclidean distance calculations to determine the proximity of features. The results of grouping and testing give the best average results with an accuracy of ≈ 74% from several test samples.

Section: Resultsmentioning

confidence: 98%

Section: Statistical Feature Extractionmentioning

confidence: 99%

Section: Introductionmentioning

confidence: 99%

See 1 more Smart Citation

K-Means Clustering for Egg Embryo's Detection Based-on Statistical Feature Extraction Approach of Candling Eggs Image

2020

Sinergi

Self Cite

“…Proses identifikasi citra telur diproses dengan berbagai cara mulai dari pengenalan fisik maupun embrio telur [24]. Proses identifikasi telah dilakukan dalam beberapa penelitian diantaranya yaitu identifikasi fertilitas telur ayam berdasarkan ektrasksi ciri GLCM dengan Backpropagatoin dan K-Means Clustering [25].…”

Section: Pendahuluanunclassified

Segmentasi Citra Menggunakan Metode Watershed Transform Berdasarkan Image Enhancement Dalam Mendeteksi Embrio Telur

2020

SYSTEMIC

Self Cite

Image processing dapat diterapkan dalam proses deteksi embrio telur. Proses deteksi embrio telur dilakukan dengan menggunakan proses segmentasi, yang membagi citra sesuai dengan daerah yang dibagi. Proses ini memerlukan perbaikan citra yang diproses untuk memperoleh hasil optimal. Penelitian ini akan menganalisis deteksi embrio telur berdasarkan image processing dengan image enhancement dan konsep segmentasi menggunakan metode watershed transform. Image enhacement pada preprocessing dalam perbaikan citra menggunakan kombinasi metode Contrast Limited Adaptive Histogram Equalization (CLAHE) dan Histogram Equalization (HE). Citra grayscale telur diperbaiki dengan menggunakan metode CLAHE, dan hasilnya diproses kembali dengan menggunakan HE. Hasil perbaikan citra menunjukkan bahwa metode kombinasi CLAHE-HE memberikan gambar secara jelas daerah objek citra telur yang memiliki embrio. Proses segmentasi dengan menggunakan konversi citra ke citra hitam putih dan segmentasi watershed mampu menunjukkan secara jelas objek telur ayam yang memiliki embrio. Hasil segmentasi mampu membagi daerah telur memiliki embrio secara nyata dan akurat dengan persentase sebesar » 98%.

“…Selain penggunaan metode HSV, segmentasi dan buffer regresi linier dapat mengklasifikasikan jenis telur dan melakukan prediksi bobot dengan keakuratan 42% dari 36 sampel telur [5]. Selain itu, ekstraksi fitur statistik orde 1 dan orde 2, serta k-nearest neighbor (k- [14], proses segmentasi citra telur dengan watermarking [15], identifikasi telur dengan ekstraksi fitur GLCM [16] dan Backpropagation (BP) [17], dan identifikasi fertilitas telur dengan perbandingan BP dan K-means berdasarkan fitur GLCM [18].…”

unclassified

Analisis Perbandingan He Dan Clahe Pada Image Enhancement Dalam Proses Segmenasi Citra Untuk Deteksi Fertilitas Telur

j. nas. pendidik. teknik. inform.

2020

Self Cite

Perkembangan teknologi di bidang peternakan mampu memberikan kemudahan dalam proses penetasan ayam. Namun, proses deteksi fertilitas telur telah diperiksa secara manual oleh pekerja yang menyortir telur yang fertil dan infertil. Penelitian ini bertujuan untuk mempermudah proses pendeteksian gambar fertilitas telur menggunakan sistem komputerisasi secara otomatis. Deteksi fertilitas telur dilakukan preprocessing dengan metode Image Enhancement. Dalam metode ini, metode Histogram Equalization (HE) dan metode Contrast Limited Adaptive Histogram Equalization (CLAHE) dibandingkan satu sama lain pada proses peningkatan citra (Image Enhancement). HE memberikan hasil yang dapat mengidentifikasi fertilitas telur. Namun, ada satu faktor penting dalam pemrosesan gambar, yaitu pengambilan telur (proses akuisisi). Proses deteksi fertilitas telur menggunakan segmentasi dengan metode morfologi. Proses pengujian yang dilakukan menggunakan metode kekauratan pada metode HE dan CLAHE yang masing-masing adalah sebesar 96% dan 79%. Hasil menunjukkan bahwa hasil HE lebih jelas terlihat dibandingkan dengan CLAHE.