bab iii

3.1 PENGENALAN

Bab ini membincangkan metodologi kajian pembangunan sistem pengelasan botol

plastik yang melibatkan

kerangka awal, modul

seperti yang dipapar dalam Rajah 3.1 di bawah

Rajah 3.1 Struktur

BAB III

METODOLOGI KAJIAN

PENGENALAN

Bab ini membincangkan metodologi kajian pembangunan sistem pengelasan botol

yang melibatkan tiga fasa yang mengandungi tiga modul

kerangka awal, modul pemprosesan dan analisis dan modul pengujian dan pengesahan

seperti yang dipapar dalam Rajah 3.1 di bawah.

Struktur metodologi kajian sistem pengelasan imej

Bab ini membincangkan metodologi kajian pembangunan sistem pengelasan botol

yang mengandungi tiga modul utama iaitu modul

modul pengujian dan pengesahan

mej botol plastik

23

Modul kerangka awal melibatkan pengumpulan data dan kajian kepustakaan manakala

modul pemprosesan dan analisis melibatkan perlaksanaan algoritma pra-pemprosesan

dan sarian vektor sifat yang merupakan fokus utama kajian. Dalam modul ini, dua

pendekatan berasaskan bentuk dan warna tekstur silau dipertimbangkan untuk

menyari dan memilih vektor fitur terbaik bagi tujuan pembangunan sistem penglihatan

komputer untuk pengelasan botol plastik secara automatik. Pada asasnya, modul ini

melibatkan pengaturcaraan komputer untuk melaksanakan algoritma-algoritma yang

direkabentuk dan/atau dikenalpasti. Seterusnya, modul terakhir iaitu modul

pengesahan dan pengujian melibatkan perlaksanaan alat pengelas untuk menguji

semua vektor sifat yang disari dan memilih vektor sifat terbaik untuk mewakili imej

botol plastik dalam melaksanakan tugasan pengelasan imej botol plastik secara

automatik. Ia juga merupakan langkah untuk memasti serta mengesahkan keputusan

hasil sarian vektor sifat yang telah dilakukan di samping menjadi landasan untuk

menguji keberkesanan sistem pengecaman imej botol plastik ini.

3.2 MODUL KERANGKA AWAL

Pengumpulan data kajian dibuat dalam fasa pertama ini. Data terdiri daripada imej

pegun yang dikumpul menggunakan perkakasan minimum seperti kamera digital, tali

sawat penyampai, komputer serta lampu yang sesuai. Lampu dengan kecerahan yang

bersesuaian diperlukan kerana imej botol PET mempunyai jenis plastik yang

lutcahaya. Plastik lutcahaya menyukarkan perolehan pinggir imej yang diperlukan

dalam pemprosesan sarian sifat menggunakan algoritma hakisan separa (Lee et al.

1987). Perlaksanaan dan pembangunan aturcara semua algoritma pula menggunakan

perisian Matlab versi 7.0. Kamera digital digunakan untuk merakam imej, manakala

komputer dengan pemproses Pentium IV, 512 Mb telah digunakan dalam kajian ini.

Warna latarbelakang iaitu warna konveyor juga perlu diberi perhatian. Dalam kajian

ini, satu andaian telah dibuat iaitu warna latarbelakang imej botol adalah hitam

sepenuhnya. Botol diletakkan pada latarbelakang hitam supaya dapat memudahkan

proses pemprosesan imej dan dapat menangani masalah pantulan cahaya untuk imej

botol PET. Rajah 3.2 memaparkan perkakasan yang digunakan untuk pengumpulan

data imej kajian ini.

24

Rajah 3.2 Perkakasan pengumpulan imej botol

Perkakasan untuk perisian modul sarian vektor sifat

Kamera digital dan lampu

Pengelasan imej botol samada jenis BUKAN-PET atau PET

Botol Plastik di atas konveyor

Botol Plastik di atas konveyor

25

3.3 PERIHAL PANGKALAN DATA IMEJ

Untuk tujuan pengujian dan pengesahan, sejumlah 500 imej botol plastik telah

digunakan sebagai pangkalan data. Imej tersebut diasingkan kepada 5 set sampel yang

setiap satu mengandungi 100 imej. Imej yang digunakan ini imej yang terkawal

dimana skala imej, punca cahaya, warna latarbelakang adalah konsisten. Imej ini

dikategorikan sebagai imej baik.

3.3.1 Pangkalan Data Imej Baik

Contoh paparan imej yang baik ditunjukkan di dalam Rajah 3.3. Imej botol diambil

pada skala yang konsisten iaitu saiz 240x320. Sumber cahaya yang konsisten pada

setiap imej memberikan kelebihan terhadap teknik pemprosesan yang digunakan.

Warna latarbelakang yang gelap juga membantu semasa peringkat pemprosesan

terutama bagi imej botol PET.

Rajah 3.3 Imej botol PET dan BUKAN-PET yang bagus dan konsisten

Berdasarkan rajah di atas terdapat pelbagai jenis botol plastik yang boleh dikitar

semula. Namun kajian ini hanya melibatkan pengelasan botol plastik kepada dua kelas

yang utama iaitu PET dan BUKAN-PET. Saiz imej yang dirakam biasanya pada saiz

320 x 240 per piksel. Saiz ini dikecilkan sebanyak 50% bagi menyesuaikan dengan

keperluan pemprosesan algoritma kajian. Rakaman imej dibuat menggunakan kamera

digital Logitec, dirakam pada waktu siang dengan bantuan cahaya lampu serta

disimpan pangkalan data yang dibangunkan. Pangkalan data ini mengandungi imej

26

yang digunakan secara luar talian untuk tujuan analisis dan pemprosesan. Menurut

Dzuraidah et al (2006), botol plastik material PET/PETE. HDPE dan PVC dikelaskan

hanya kepada dua kelas iaitu PET dan BUKAN-PET dengan HDPE dan PVC

termasuk dalam kelas BUKAN-PET. Botol PET direkabentuk untuk penyimpanan

cecair yang boleh diminum seperti air mineral dan jus buah-buahan manakala botol

BUKAN-PET biasanya untuk penyimpanan cecair pencuci dan racun serangga. Rujuk

Lampiran B untuk penerangan lengkap setiap jenis resin plastik yang boleh dikitar

semula.

3.4 MODUL PRA-PEMPROSESAN

Pra-pemprosesan adalah prosidur atau proses untuk meningkatkan ketepatan dan

kebolehterjemahan data digital semasa pemprosesan imej. Semua imej yang

digunakan dalam kajian perlu melalui beberapa kaedah pra-pemprosesan supaya imej

yang digunakan seragam dan bermutu serta sesuai digunakan untuk fasa sarian sifat

(Gonzalez & Woods 2010). Sub-bahagian seterusnya memberi penerangan mengenai

langkah-langkah pra-pemprosesan pemprosesan yang digunakan dalam kajian ini iaitu

penjajaran kedudukan dan penormalan saiz. Kaedah pra-premprosesan yang

seterusnya dipaparkan dalam Jadual 3.1 yang menunjukkan perubahan imej selepas di

proses. Penerangan lengkap mengenai setiap langkah pra-pemprosesan tersebut boleh

di rujuk di Lampiran D dan E.

3.4.1 Penjajaran Kedudukan

Penjajaran kedudukan botol adalah perlu supaya semua imej botol berada pada

kedudukan menegak dengan tutup menghala samada ke atas atau ke bawah (Zhang et

al. 2002). Dengan cara ini, masalah perbezaan saiz botol pada kedudukan terbaring

dapat diatasi. Pemerhatian ke atas semua sampel imej botol dalam pangkalan data

menunjukkan bahagian paling bawah adalah paling sesuai kerana kebiasaannya label

menutupi bahagian tengah dan atas botol. Pada bahagian atas botol pula biasanya

terdapat tutup dari jenis plastik berbeza. Bahagian leher botol juga tidak sesuai kerana

ruang yang terhad dan kadangkala dilitupi label. Rajah 3.4 menunjukkan dua contoh

imej bermasalah seperti yang diterangkan di atas. Contoh penjajaran kedudukan imej

botol plastik pula ditunjukkan pada

penjajaran kedudukan boleh rujuk di Lampiran

Rajah 3.

Rajah 3.5 Kedudukan imej botol plasti kedudukan

3.4.2 Penormalan S

Imej objek perlu dinormalkan

menangani masalah variasi

membantu dalam mengenalpasti kumpulan botol sama ada lebar

Semua imej dinormalkan kepada satu

Penerangan lengkap mengenai langkah penormalan saiz boleh di rujuk di Lampiran

Rajah 3.6

botol plastik pula ditunjukkan pada Rajah 3.5. Keterangan lengkap mengenai

dukan boleh rujuk di Lampiran D.

Rajah 3.4 Contoh imej botol plastik bermasalah

Kedudukan imej botol plastik sebelum dan selepas penjajarankedudukan

Saiz

dinormalkan bagi mendapatkan saiz imej yang

variasi aras dan saiz (Rosin 2000). Proses

membantu dalam mengenalpasti kumpulan botol sama ada lebar

Semua imej dinormalkan kepada satu saiz seragam iaitu 320x240 seperti di Rajah 3.

Penerangan lengkap mengenai langkah penormalan saiz boleh di rujuk di Lampiran

6 Contoh imej untuk proses penjajaran saiz objek

27

Keterangan lengkap mengenai

masalah

penjajaran

mendapatkan saiz imej yang seragam untuk

Proses penormalan saiz

membantu dalam mengenalpasti kumpulan botol sama ada lebar ataupun kurus.

seperti di Rajah 3.6.

Penerangan lengkap mengenai langkah penormalan saiz boleh di rujuk di Lampiran E.

Contoh imej untuk proses penjajaran saiz objek

28

Teknik pra-pemprosesan

Imej asal Imej selepas di proses

1. Imej Skala Kelabu

2. Imej Binari

3.Imej Kotak Sempadan

4. Imej Pangkasan Terpilih

5. Pengesanan Pinggir

Jadual 3.1 Jadual perubahan imej selepas menjalani teknik pra-pemprosesan

3.5 MODUL SARIAN SIFAT

Menurut Gonzales dan Wood (2010), konsep pemprosesan imej secara keseluruhan

melibatkan proses segmentasi yang menyumbang maklumat kepada pengkalan

pengetahuan. Segmentasi dilakukan ke atas imej untuk tujuan deskripsi dan ia

menyumbang kepada pangkalan data. Seterusnya, maklumat yang diperolehi menerusi

proses segmentasi tadi digunakan untuk tujuan pengecaman mahupun penterjemahan

terhadap objek untuk mendapatkan hasil akhir yang dikehendaki. Nixon dan Aguardo

(2002) pula menganggap bahawa konsep pemprosesan imej pada peringkat ini sebagai

proses sarian sifat di mana teknik-teknik yang digunakan seperti histogram dan lain-

lain adalah proses penyarian sifat terhadap sesuatu imej. Dalam bidang pengecaman

29

dan pemprosesan imej, sarian sifat merupakan langkah pengurangan dimensi. Apabila

data masukan terlalu besar untuk diproses dan dijangka bertindan atau berulang iaitu

keadaan bila mana terdapat banyak data tetapi maklumat sedikit, data tersebut perlu

diubah ke bentuk perwakilan set yang lebih ringkas atau padat yang dipanggil vektor

sifat. Sekiranya sifat disari dengan tepat, set sifat dapat menyari maklumat berguna

dari data masukan bagi melaksanakan tugas dikehendaki mengunakan perwakilan data

yang lebih padat dan unik berbanding saiz masukan sepenuhnya.

Dalam kajian ini, tiga teknik sarian sifat iaitu teknik kod rantaian dan teknik

hakisan separa bagi sarian sifat berasaskan bentuk imej botol dan satu teknik sarian

sifat histogram intensiti imej bagi teknik berasaskan warna tekstur telah

dipertimbangkan. Penerangan terperinci mengenai teknik sarian sifat dibincangkan

dalam bab IV. Penggunaan teknik-teknik sarian sifat untuk menghasilkan perwakilan

vektor sifat yang tepat, padat dan unik adalah penting supaya keputusan yang

diperolehi pada peringkat pengelasan memberikan peratus ketepatan yang tinggi.

Jadual 3.2 menyenaraikan teknik sarian yang digunakan serta hasil set vektor yang

tersari. Penerangan mengenai teknik sarian sifat adalah seperti berikut.

Jadual 3.2 Senarai teknik sarian sifat dan set vektor fitur yang disari

3.5.1 Sarian Sifat Berasaskan Bentuk

Berdasarkan Jadual 3.2, teknik sarian sifat berasaskan bentuk terdiri dari algoritma

kod rantaian dan algoritma hakisan separa. Algoritma kod rantaian menjana vektor

sifat 7 arah kod rantaian. Vektor sifat ini seterusnya dianalisa secara statistik dengan

mencari sisihan piawai di antara ke tujuh-tujuh vektor sifat arah kod rantaian tersebut.

Perbandingan dilakukan dengan nilai sisihan piawai 7 arah kod rantaian dengan 4 arah

Teknik Sarian Set Vektor Sifat Tersari

Kod Rantaian Analisis 7 arah kod rantaian

Teknik Hakisan Separa 9 selang jumlah nilai piksel

Imej Kotak Sempadan Ukuran nilai purata dan sisihan piawai

Imej Pangkasan Kawasan Terpilih

Ukuran nilai purata dan sisihan piawai

30

bermakna sahaja iaitu arah 0, 2, 4 dan 6. Bagi algoritma hakisan separa, vektor sarian

sifat terdiri dari 9 selang jumlah nilai piksel. Pemilihan vektor sifat juga dilakukan

secara analisis statistik bagi memilih vektor sifat paling optimal di kalangan semua

parameter yang dilaksanakan.

3.5.2 Sarian Sifat Berasaskan Warna Tekstur Silau

Teknik sarian sifat berasaskan warna tekstur melibatkan sarian dua jenis imej iaitu

sarian sifat imej kotak sempadan dan imej pangkasan kawasan terpilih. Pembahagian

dilakukan kerana sebuah botol plastik kebanyakannya dilitupi oleh label dan

mempunyai penutup dari jenis plastik berbeza dengan badan botol. Oleh itu, kedua-

dua algoritma sarian sifat menggunakan imej kotak sempadan dan pangkasan kawasan

dilaksanakan sebagai perbandingan bagi memilih perwakilan vektor sifat terbaik

sebagai input semasa fasa pengelasan. Sarian sifat ke atas imej kotak sempadan dan

imej pangkasan terpilih menghasilkan dua pembolehubah yang seterusnya dianalisa

secara statistik untuk mendapatkan nilai purata dan sisihan piawai. Analisis statistik

dilakukan bagi mendapatkan sifat tepat dan unik untuk mewakili imej botol plastik. Ia

juga bertindak sebagai langkah pengurangan dimensi data seperti yang dilakukan oleh

Nixon dan Aguardo (2002). Penerangan lengkap mengenai algoritma sarian sifat

dipersembahkan dalam Bab IV.

3.6 MODUL PENGUJIAN DAN PENGESAHAN

Penggunaan pengelas adalah bagi tujuan pengujian dan pengesahan set vektor fitur

tersari dan ia merupakan fasa terakhir kajian. Pengelas asas iaitu pengelas persamaan

lelurus digunakan untuk tujuan pengujian dan pengesahan keberkesanan perwakilan

vektor sifat tersari imej botol plastik. Seterusnya, untuk mengukuhkan lagi dapatan

kajian, satu lagi pengelas iaitu pengelas rangkaian neural tiruan turut digunakan

supaya keberkesanan dapatan kajian iaitu perwakilan vektor sifat tersari untuk imej

botol plastik dapat dibukti dan disahkan.

31

3.7 RUMUSAN BAB

Fokus kajian ini ialah membangunkan teknik sarian sifat untuk menghasilkan vektor

sifat yang dapat mewakilkan imej botol secara jitu, padat dan unik untuk tujuan

pengelasan imej botol plastik kepada jenisnya iaitu PET dan BUKAN-PET. Bagi

memastikan pengelasan yang tinggi peratus pencapaiannya, vektor sifat yang benar-

benar mewakili imej botol plastik perlu diperolehi. Oleh itu, bab ini membincangkan

berkenaan metodologi kajian yang dilakukan serta secara ringkas fasa-fasa

pembangunan sistem pengecaman bentuk dan pengasingan botol plastik iaitu pra-

pemprosesan, sarian vektor sifat dan pengujian dan pengesahan. Peringkat pra-

pemprosesan melibatkan penukaran imej digital RGB kepada binari, pengesanan

pinggir imej, penjajaran kedudukan dan saiz imej. Sumbangan utama adalah

diperingkat sarian vektor sifat yang tertumpu kepada pembangunan tiga algoritma

utama dengan dua algoritma berasaskan bentuk sementara satu algoritma berasaskan

warna tekstur silau. Pemilihan vektor sifat secara analisa statistik dilakukan bagi

mendapatkan peratus pengelasan tepat yang tinggi. Seterusnya peringkat pengelasan

membincangkan teknik pengelasan yang diguna bagi mengelaskan bentuk botol iaitu

rangkaian neural dan pendiskriminan lelurus menggunakan fungsi pembeza. Botol-

botol yang telah ditentukan kelas menerusi bentuk dan warna tekstur sekali lagi

melalui peringkat pengelasan dengan menggunakan kaedah perlakuran vektor sifat

untuk penentuan jenis botol sama ada PET atau BUKAN-PET. Penerangan yang

lebih lengkap mengenai setiap satu fasa kerja diterangkan di bab seterusnya.

32

BAB III 22

METODOLOGI KAJIAN 22

3.1 PENGENALAN 22

3.2 MODUL KERANGKA AWAL 23

3.3 PERIHAL PANGKALAN DATA IMEJ 25

3.3.1 Pangkalan Data Imej Baik 25

3.4 MODUL PRA-PEMPROSESAN 26

3.4.1 Penjajaran Kedudukan 26

3.4.2 Penormalan Saiz 27

3.5 MODUL SARIAN SIFAT 28

3.5.1 Sarian Sifat Berasaskan Bentuk 29

3.5.2 Sarian Sifat Berasaskan Warna Tekstur Silau 30

3.6 MODUL PENGUJIAN DAN PENGESAHAN 30

3.7 RUMUSAN BAB 31

Jadual 3.1 Jadual perubahan imej selepas menjalani teknik pra-pemprosesan 28

Jadual 3.2 Senarai teknik sarian sifat dan set vektor fitur yang disari 29

Rajah 3.1 Struktur metodologi kajian sistem pengelasan imej botol plastik 22

Rajah 3.2 Perkakasan pengumpulan imej botol 24

Rajah 3.3 Imej botol PET dan BUKAN-PET yang bagus dan konsisten 25

Rajah 3.4 Contoh imej botol plastik bermasalah 27

Rajah 3.5 Kedudukan imej botol plastik sebelum dan selepas penjajaran 27

Rajah 3.6 Contoh imej untuk proses penjajaran saiz objek 27

33