Perancangan dan Pembuatan Sistem Pengenalan Objek dengan Menggunakan Metode Sift

Edison, Eric (2012) Perancangan dan Pembuatan Sistem Pengenalan Objek dengan Menggunakan Metode Sift. Undergraduate thesis, Universitas Internasional Batam.

Preview	Text S-0721014-abstract_idp.pdf Download (348kB) | Preview
Preview	Text S-0721014-bibliographyp.pdf Download (350kB) | Preview
Preview	Text S-0721014-chapter1p.pdf Download (365kB) | Preview
Preview	Text S-0721014-chapter2p.pdf Download (546kB) | Preview
	Text S-0721014-chapter3p.pdf Restricted to Repository staff only Download (1MB)
	Text S-0721014-chapter4p.pdf Restricted to Repository staff only Download (1MB)
Preview	Text S-0721014-chapter5p.pdf Download (347kB) | Preview
Preview	Text S-0721014-cover_idp.pdf Download (347kB) | Preview
Preview	Text S-0721014-table_of_contentsp.pdf Download (355kB) | Preview

Abstract

Perkembangan teknologi tentang image processing telah berkembang dengan pesat. Penerapan teknologi image processing sangat banyak di aplikasikan pada berbagai bidang. Dewasa ini penggunaan image processing untuk pengenalan objek telah banyak dilakukan. Pada penelitian ini akan menggunakan sistem pengenalan objek untuk mesin konveyor dengan menggunakan kemera webcam dan metode SIFT (Scale-Invariant Feature Transform). Mesin konveyor dirancang untuk dapat mengenali 3 macam objek dengan menggunakan kamera webcam, software MATLAB dan metode SIFT (Scale-Invariant Feature Transform). Sistem kerja alat dimulai dari infrared 1 (pertama) mendeteksi adanya benda maka motor akan bergerak, ketika dideteksi oleh infrared 2 (dua) maka motor akan diam. Pada waktu motor diam benda tersebut akan di capture oleh kamera dan diolah dengan menggunakan PC, setelah diolah maka akan memberikan instruksi ke mikrokontroller sehingga motor bergerak lagi sampai terdeteksi oleh infrared 3 (tiga) kemudian motor akan diam. Dari hasil test and run sistem tersebut dapat berjalan dengan lancar, ini dapat dilihat dari tabel dari hasil test dengan menggunakan metode algoritma SIFT dapat dengan sukses mengenali objek dengan nilai keberhasilan 90%.

Actions (login required)

View Item