1. BAB III
METODOLOGI KAJIAN
3.1
PENGENALAN
Bab ini membincangkan metodologi kajian pembangunan sistem pengelasan botol
plastik yang melibatkan tiga fasa yang mengandungi tiga modul utama iaitu modul
kerangka awal, modul pemprosesan dan analisis dan modul pengujian dan pengesahan
seperti yang dipapar dalam Rajah 3.1 di bawah
bawah.
mej
Rajah 3.1 Struktur metodologi kajian sistem pengelasan imej botol plastik
2. 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.
3. 24
Perkakasan untuk perisian
modul sarian vektor sifat
Kamera digital dan lampu
Botol Plastik di
atas konveyor
Botol Plastik di
atas konveyor
Pengelasan imej botol samada
jenis BUKAN-PET atau PET
Rajah 3.2 Perkakasan pengumpulan imej botol
4. 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
5. 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
6. 27
botol plastik pula ditunjukkan pada Rajah 3.5. Keterangan lengkap mengenai
penjajaran kedudukan boleh rujuk di Lampiran D.
dukan
Rajah 3.
3.4
Rajah 3.5
3.4.2
Contoh imej botol plastik bermasalah
masalah
Kedudukan imej botol plasti sebelum dan selepas penjajaran
plastik
kedudukan
Saiz
Penormalan S
Imej objek perlu dinormalkan bagi mendapatkan saiz imej yang seragam untuk
menangani masalah variasi aras dan saiz (Rosin 2000). Proses penormalan saiz
membantu dalam mengenalpasti kumpulan botol sama ada lebar ataupun kurus.
Semua imej dinormalkan kepada satu saiz seragam iaitu 320x240 seperti di Rajah 3.
3.6.
Penerangan lengkap mengenai langkah penormalan saiz boleh di rujuk di Lampiran E.
Rajah 3.6
6
Contoh imej untuk proses penjajaran saiz objek
7. 28
Jadual 3.1
Jadual perubahan imej selepas menjalani teknik pra-pemprosesan
Teknik prapemprosesan
Imej asal
Imej selepas di proses
1. Imej Skala
Kelabu
2. Imej Binari
3.Imej Kotak
Sempadan
4. Imej Pangkasan
Terpilih
5. Pengesanan
Pinggir
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 lainlain adalah proses penyarian sifat terhadap sesuatu imej. Dalam bidang pengecaman
8. 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
Teknik Sarian
Set Vektor Sifat Tersari
Kod Rantaian
Analisis 7 arah kod rantaian
Teknik Hakisan Separa
9 selang jumlah nilai piksel
Imej Kotak Sempadan
Imej Pangkasan Kawasan
Terpilih
3.5.1
Ukuran nilai purata dan sisihan
piawai
Ukuran nilai purata dan sisihan
piawai
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
9. 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, keduadua 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.
10. 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 benarbenar 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 prapemprosesan, sarian vektor sifat dan pengujian dan pengesahan. Peringkat prapemprosesan 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. Botolbotol 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.
11. 32
BAB III
METODOLOGI KAJIAN
3.1 PENGENALAN
3.2 MODUL KERANGKA AWAL
3.3 PERIHAL PANGKALAN DATA IMEJ
3.3.1
Pangkalan Data Imej Baik
3.4 MODUL PRA-PEMPROSESAN
3.4.1
Penjajaran Kedudukan
3.4.2
Penormalan Saiz
3.5 MODUL SARIAN SIFAT
3.5.1
Sarian Sifat Berasaskan Bentuk
3.5.2
Sarian Sifat Berasaskan Warna Tekstur Silau
3.6 MODUL PENGUJIAN DAN PENGESAHAN
3.7 RUMUSAN BAB
22
22
22
23
25
25
26
26
27
28
29
30
30
31
Jadual 3.1 Jadual perubahan imej selepas menjalani teknik pra-pemprosesan
Jadual 3.2 Senarai teknik sarian sifat dan set vektor fitur yang disari
28
29
Rajah 3.1 Struktur metodologi kajian sistem pengelasan imej botol plastik
Rajah 3.2 Perkakasan pengumpulan imej botol
Rajah 3.3 Imej botol PET dan BUKAN-PET yang bagus dan konsisten
Rajah 3.4
Contoh imej botol plastik bermasalah
Rajah 3.5
Kedudukan imej botol plastik sebelum dan selepas penjajaran
Rajah 3.6 Contoh imej untuk proses penjajaran saiz objek
22
24
25
27
27
27
