DETEKSI BUAH PADA POHON MENGGUNAKAN METODE SVM DAN FITUR TEKSTUR

Abstract

Keakuratan deteksi buah pada pohon menggunakan computer vision sangat krusial untuk membantu dalam bidang agrikultur seperti perhitungan jumlah buah dan sebagai sensor untuk robot pemanen buah otomatis. Penelitian terdahulu tentang metode deteksi buah pada pohon banyak yang menggunakan pendekatan segmentasi pengambangan (tresholding) berdasarkan warna. Akan tetapi dalam mendeteksi per buah metode segmentasi pengambangan sangat sensitif terhadap perbedaan kondisi citra seperti iluminasi, noise dan oklusi baik dari dahan, daun maupun buah yang lain. Hal ini dikarenakan metode segmentasi pengambangan hanya membertimbangkan perbedaan warna dalam tataran piksel, dan tidak memperhatikan pengetahuan tentang satu wilayah citra yang berupa objek. Oleh karena itu pada penelitian ini akan diusulkan suatu metode deteksi buah dalam pohon menggunakan metode pembelajaran mesin yaitu SVM yang diaplikasikan pada per area wilayah citra. Metode SVM pada dasarnya adalah metode klasifikasi biner dimana dalam permasalahan deteksi buah SVM dapat membedakan antara buah dan non-buah pada suatu citra. Selain itu untuk mendeskripsikan objek pada penelitian ini digunakan fitur tekstur, karena pada umumnya objek buah dan non-buah seperti daun, ranting, dan objek latar lainnya memiliki perbedaan tekstur yang sangat signifikan dibandingkan dengan warnanya. Hasil eksperimen pada beberapa citra ImageNet menunjukkan bahwa metode yang diusulkan mampu menghasilkan akurasi sebesar 76% dan tingkat kesalahan prediksi sebesar 24%.