Computer Vision

152021026 Adrico Alexander
152021012 Agung Ismail
992023055 Sultan Hasibuan

Menurut saya dalam untuk mengekstraksi fitur benda elektronik rusak memakai LBP dilihat dari ciri bentuk dan tekstur alat  elektronik nya karena kalau alat elektronik rusak akan bekas dari bentuk cacat nya seperti kaca pecah, benda patah , atau lain lain lalu akan terbentuk tekstur baru seperti garis putih setelah kaca pecah atau lain lain jadi lebih baik memakai chain code untuk mendeteksi / mengekstraksi bentuk fitur nya dan LBP untuk mendeteksi tekstur dari alat elektronik rusak tersebut

Nama : Gery akbar F (152021034),MtaopikH(152021007)
menurut kelompok kami kalau alat elektronik ruksak bisa di kenali dari teksturnya maka proses yang baik untuk mendeteksi tekstur ruksak dari alat elektronik dengan LBP (Local Binary Pattern)

dengan proses :
pertama nganalisis gambar handphone yang di inputkan dan di ubah menjadi grayscale kemudian kita menggubnakan metode lbp untuk mengekstraksi fitur tekstur dari citra grayscale dengan deteksi retak pada layar handphone berdasarkan pola tekstur

Kelompok 12
Anggota:
Alma Rondeng (992023002)
Nadya Khairunisa (992023027)
Bramantio syahrul alam(152021178)
Keindra Bagas Maulana(152021229)
Muhammad Bintang Firdaus(152021162)

Menurut kami metode yang paling cocok untuk mengekstrasi citra tersebut melalui tekstur yaitu menggunakan LBP, karena LBP merupakan metode sederhana dan efektif untuk menangkap pola tekstur pada citra dengan mambandingkan nlai intensitas piksel dengan tetangga nya dan menghasilkan representasi biner berdasarkan perbandingan tersebut.

Berikut adalah Implementasi LBP terhadap citra:

dilihat dari grafik LBP dibawah:

 

Penjelasan:
Terlihat dari bin 0 ke 2 nilai frekuensi nya terlihat rendah karena nilai biner nya tidak sering muncul
akan tetapi mulai dari bin ke 5 dan 8 nilai frekuensi cenderung lebih tinggi disebabkan karena seringnya muncul nilai biner tersebut yang mengakibatkan nilai frekuensi nya meningkat

152021017 - Muhammad Aziz Firdaus
152021078 - Muhammad Fadlansyah Zikri
`152021080 - Ramzi Syuhada
992023048 -Ni Nyoman Meryanti
992023003 - Tiur Rosa Derawati Butar Butar

ciri yang dapat di ekstrak agar menemukan cacat pada benda elektronik yaitu berdasarkan warna, tekstur dan bentuk objek. Berdasarkan warna, kecacatan dapat terlihat apabila warna dari barang elektronik tersebut tidak sesuai lagi dari warna aslinya, misalkan apabila terjadi bluescreen pada barang elektronik tersebut. Sedangkan apabila menggunakan terkstur, dapat terdeteksi apabila terdapat permukaan dari benda elektronik tersebut yang tidak sesuai dengan tekstur dari barang aslinya, misalnya pada bagian layar barang elektronik tersebut terdapat retak/goresan. Untuk menggunakan bentuk objek, dapat terdeteksi dengan melihat bentuk dari objek yang ingin dideteksi, apabila ada bentuk objek yang tidak sesuai dengan objek aslinya maka objek tersebut dapat diidentifikasikan sebagai barang cacat, contohnya apabila terdapat baterai hp kembung, maka akan terlihat bahwa objek tersebut memiliki kecacatan.

Kelompok 5:
152021036 Ariq Bagus Sugiharto
152021168 Muhammad Arkan Adli
992023090 Egy Firmansyah
992023099 Riri Eriska
992023100 Syariah

Untuk dapat mengidentifikasi suatu komponen elektronik yang cacat, disini kita akan menggunakan beberapa ekstraksi ciri untuk dapat mendapatkan informasi barang tersebut akan digolongkan sebagai komponen yang cacat atau bukan. Proses yang dilakukan disini belum sampai mengklasifikasi. Proses ekstraksi yang kami gunakan :

1. Chain Code : dalam pengolahan citra dan pengenalan pola. Salah satu fungsi utama chain code adalah merepresentasikan kontur suatu objek dalam citra atau gambar. Dengan kata lain, chain code memberikan deskripsi sederhana tentang bagaimana suatu objek terbentuk. Dalam hal ini chain code nantinya akan bisa mencari faktor bentuk dari sebuah komponen yang nantinya bisa dibandingkan dengan faktor bentuk dari komponen acuan yang tidak cacat. Cara kerja chain code melibatkan langkah-langkah berikut:

Pilih Titik Awal:
Pilih satu titik awal pada kontur objek sebagai titik awal representasi chain code. Titik ini bisa dipilih secara sembarang tetapi harus berada pada kontur objek.

Identifikasi Arah:
Mulai dari titik awal, tentukan arah pertama menuju titik tetangga yang berada pada kontur objek. Arah ini dapat diwakili menggunakan notasi seperti utara (N), timur (E), selatan (S), atau barat (W), atau dengan menggunakan angka (misalnya, 0 untuk utara, 1 untuk timur, dll.).

Representasi dengan Kode Rantai:
Setelah menentukan arah pertama, lanjutkan untuk setiap titik tetangga pada kontur objek. Tentukan arah relatif dari titik sekarang ke titik tetangga. Ini dapat dilakukan dengan menghitung perbedaan koordinat x dan y antara titik sekarang dan tetangga.
Kode rantai dihasilkan berdasarkan arah relatif, dan dapat berupa urutan angka atau notasi arah yang didefinisikan.

Pencacahan:
Lanjutkan langkah-langkah tersebut hingga Anda kembali ke titik awal. Secara efektif, Anda mencatat arah relatif dari setiap tetangga ke tetangga berikutnya dan membuat urutan langkah yang membentuk rantai.

Rekam Kode Rantai:
Catat atau rekam urutan kode rantai yang dihasilkan. Ini akan menjadi representasi chain code dari kontur objek tersebut.

Hitung faktor bentuk dari kode rantai tersebut sehingga dapat dibandingkan dengan faktor bentuk acuan dari komponen yang tidak cacat.

2. LBP(Local Binnary Pattern) : Sebuah metode deskripsi fitur yang umum digunakan dalam pengolahan citra, khususnya dalam konteks ekstraksi informasi tekstur. Dengan kombinasi operasi biner, invariansi rotasi, dan kemampuan untuk menangkap informasi tekstur lokal, LBP telah menjadi metode yang populer dan efektif dalam pengolahan citra. Hal ini memberikan informasi pada sistem aplikasi untuk dapat membedakan tekstur dari komponen elektronik. Nanti dapat dibandingkan dengan tekstur dari komponen yang tidak cacat.

Cara Kerja LBP:

Ketika kita berbicara tentang LBP, kita berfokus pada setiap piksel dalam citra. Misalkan kita memiliki citra dan kita ingin menggambarkan teksturnya. Pertama-tama, kita memilih satu piksel sebagai pusat, dan kita melihat intensitas piksel-pixel di sekitarnya.

Jadi, langkah pertama, kita memiliki pusat piksel, lalu kita bandingkan intensitasnya dengan piksel-pixel tetangganya. Jika intensitas piksel tetangga lebih besar atau sama dengan pusat, kita beri nilai 1; jika lebih kecil, kita beri nilai 0. Dengan cara ini, kita bisa mendapatkan pola biner untuk setiap piksel.

Setelah kita memiliki pola biner ini, kita bisa mengonversinya menjadi angka desimal. Kenapa kita lakukan itu? Karena kita ingin merepresentasikan pola biner ini sebagai bilangan desimal. Misalkan kita punya pola biner '1101', kita ubah menjadi desimal, misalnya 13.

Setelah kita melakukannya untuk satu piksel, kita lanjutkan ke piksel berikutnya, dan kita terus lakukan ini untuk setiap piksel dalam citra. Akhirnya, kita bisa membuat histogram dari semua bilangan desimal yang kita dapatkan. Ini adalah histogram LBP, dan itu memberi kita gambaran tentang distribusi pola tekstur dalam citra.

Jadi, intinya, LBP membantu kita mengenali pola tekstur lokal dalam citra dengan cara yang cukup efektif. Kita bisa menggunakan histogram LBP ini sebagai fitur untuk tugas-tugas seperti pengenalan objek, deteksi wajah, atau klasifikasi citra berbasis tekstur. 

Citra Asli :

Hasil LBP :

 

Martin Halawa - 152021231
Muhammad Rizky Herdian - 152021006

Rendi Septia Rahman - 992023098
Fadhil Arrijal - 992023094
Kemal Farabi Habidillah - 992023096

Disini kami menggunakan citra berupa Gulungan tembaga pada dinamo dimana kita melakukan ekstraksi fitur yaitu tekstur dan bentuk , menggunakan LBP dan Chain Code. Alasan nya adalah untuk mendapatkan kabel mana yang rusak maka harus di lihat terlebih dahulu dengan extracksi bentuk untuk melihat apakah ada kerusakan atau tidak, untuk extraksi texture digunakan untuk melihat texture kabel ini apakah sudah benar sesuai procedure atau tidak. 

ciri khas gulungan tembaga dinamo adalah :

normalnya berbentuk melingkar dengan susunan alur yang terjaga dengan pola tertentu, sehingga gampang untuk membedakan jika gulugan tersebut tidak sesuai prosedur atau rusak

Cara kerja nya adalah penggunaan chain code dia akan melihat jumlah pixel pada citra agar busa di presentasikan sebagai urutan vector yang menggambar kan perubahaan posisi object, kalau lbp akan melihat texture dengan membandingkan pixel pixel terdekat sehingga membentuk pola biner lokal

152021004 - FIrhan Hafiansyah

152021028- Tegar Ferdinansyach

152021030 - Dhevan Fasya R

152021021 - Taufiqur Rahman

152023600 - Rizki Maulana

 

Berdasarkan gambar, ciri-ciri yang dapat diidentifikasi adalah sebagai berikut:

Warna:
Komponen elektronik berwarna abu-abu dengan garis putih memanjang.
Area yang berwarna lebih gelap menunjukkan cacat.

Tekstur:
Cacat retakan memiliki tekstur yang lebih kasar daripada komponen yang normal.


Berdasarkan ciri-ciri di atas, dapat disimpulkan bahwa komponen elektronik tersebut memiliki dua jenis cacat, yaitu retakan dan noda. Cacat retakan ditandai dengan garis putih memanjang, sedangkan cacat noda ditandai dengan area yang berwarna lebih gelap.

Penjelasan

Cacat retakan
Garis abu-abu memanjang pada komponen elektronik menunjukkan bahwa terdapat retakan pada permukaan komponen tersebut. Retakan tersebut dapat disebabkan oleh berbagai faktor, seperti benturan, tekanan, atau korosi.

152021024 - Muhammad Ilyas
152021029 - Raden Nuralif
152021031 - Ajri Inda Robby
992023091 - Ellyn Pramesti
992023089 - Dikna Dwi

Dalam konteks meningkatkan kontrol kualitas produk di pabrik elektronik menggunakan sistem pengolahan citra digital, ada beberapa ciri yang dapat digunakan untuk mengekstraksi informasi tentang cacat pada komponen elektronik. Beberapa ciri yang mungkin relevan termasuk:
Tekstur:
Ciri tekstur dapat digunakan untuk mengidentifikasi pola atau perubahan yang tidak semestinya pada permukaan komponen.
Bentuk:
Ciri bentuk dapat digunakan untuk memastikan bahwa komponen memiliki bentuk yang benar dan tidak mengalami distorsi.

KELOMPOK 2
152021013 DAFFA ARHAMA SIDQI
152021035 ARIB ARKAAN FADHULLAH
992023093 EUIS SITI ZUERIYAH
992023092 ENAD NADIROH
992023095 FARHAN FAUZAN

berdasarkan gambar diatas. penggunakan LBP dengan chain Code menghasilkan ciri teksture pada alat elektronik yang khas. bisa dilihat penggunaan LBP yang terjadi pada alat elektronik berfokus pada perubahan teksture. kemudian chain code memberikan bentuk dan kontur objek. dengan menggunakan dua metode ini, deteksi alat elektronik cacat bisa lebih akurat.

seperti contoh pada gambar, garis garis kecil yang memanjang mengindikasikan adanya cacat pada alat elektronik

Pada LCD rusak pada handphone di atas, terlihat bahwa bentuknya.

 

Kita menggunakan ekstrasi Histogram of Oriented Gradients untuk mendeteksi bentuk dari LCD rusak pada handphone. Metode ini menurut kami akan membentuk orientasi dan mengikuti bentukan kerusakan pada LCD.