使用Python 2.7和树莓基于ochai Pi 3进行数字图像处理的肉类识别工具

Kris Sivam
{"title":"使用Python 2.7和树莓基于ochai Pi 3进行数字图像处理的肉类识别工具","authors":"Kris Sivam","doi":"10.31940/matrix.v9i2.1229","DOIUrl":null,"url":null,"abstract":"Proses identifikasi jenis daging konsumsi di masyarakat umum masih dilakukan dengan cara manual. Penelitian ini dapat mengidentifikasi jenis daging secara otomatis dengan teknologi pengolahan citra digital. \nProses pengolahan citra daging dilakukan pada mikrokomputer Raspberry Pi 3 menggunakan perangkat lunak Python 2.7 dan didukung dengan library OpenCV, sedangkan untuk pengambilan citra dengan menggunakan Raspberry Pi Camera Module V2. Proses identifikasi jenis daging menggunakan nilai persentase komponen warna RGB dan hasilnya akan ditampilkan pada LCD. \nHasil penelitian ini memperoleh nilai persentase komponen warna Red (R) untuk daging Babi 42,35% – 44,12%; daging Celeng 45,21% – 48,87%; daging Sapi 44,03% – 45,76%; dan daging Kambing 45,08% – 46,60%. Nilai persentase komponen warna Green (G) untuk daging Babi 28,43% – 29,13%; daging Celeng 24,71% – 26,54%; daging Sapi 26,34% – 27,15%; dan daging Kambing 27,05% – 27,75%. Nilai persentase komponen warna Blue (B) untuk daging Babi 27,41% – 28,55%; daging Celeng 26,39% – 28,27%; daging Sapi 27,86% – 28,87%; dan daging Kambing 26,31% – 27,21%. \nKata kunci: daging, Raspberry Pi 3, Python 2.7, OpenCV, RGB.","PeriodicalId":31964,"journal":{"name":"Matrix Jurnal Manajemen Teknologi dan Informatika","volume":"152 1","pages":""},"PeriodicalIF":0.0000,"publicationDate":"2018-06-07","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":"2","resultStr":"{\"title\":\"Alat Identifikasi Jenis Daging dengan Pengolahan Citra Digital Menggunakan Python 2.7 dan OpenCV Berbasis Raspberry Pi 3\",\"authors\":\"Kris Sivam\",\"doi\":\"10.31940/matrix.v9i2.1229\",\"DOIUrl\":null,\"url\":null,\"abstract\":\"Proses identifikasi jenis daging konsumsi di masyarakat umum masih dilakukan dengan cara manual. Penelitian ini dapat mengidentifikasi jenis daging secara otomatis dengan teknologi pengolahan citra digital. \\nProses pengolahan citra daging dilakukan pada mikrokomputer Raspberry Pi 3 menggunakan perangkat lunak Python 2.7 dan didukung dengan library OpenCV, sedangkan untuk pengambilan citra dengan menggunakan Raspberry Pi Camera Module V2. Proses identifikasi jenis daging menggunakan nilai persentase komponen warna RGB dan hasilnya akan ditampilkan pada LCD. \\nHasil penelitian ini memperoleh nilai persentase komponen warna Red (R) untuk daging Babi 42,35% – 44,12%; daging Celeng 45,21% – 48,87%; daging Sapi 44,03% – 45,76%; dan daging Kambing 45,08% – 46,60%. Nilai persentase komponen warna Green (G) untuk daging Babi 28,43% – 29,13%; daging Celeng 24,71% – 26,54%; daging Sapi 26,34% – 27,15%; dan daging Kambing 27,05% – 27,75%. Nilai persentase komponen warna Blue (B) untuk daging Babi 27,41% – 28,55%; daging Celeng 26,39% – 28,27%; daging Sapi 27,86% – 28,87%; dan daging Kambing 26,31% – 27,21%. \\nKata kunci: daging, Raspberry Pi 3, Python 2.7, OpenCV, RGB.\",\"PeriodicalId\":31964,\"journal\":{\"name\":\"Matrix Jurnal Manajemen Teknologi dan Informatika\",\"volume\":\"152 1\",\"pages\":\"\"},\"PeriodicalIF\":0.0000,\"publicationDate\":\"2018-06-07\",\"publicationTypes\":\"Journal Article\",\"fieldsOfStudy\":null,\"isOpenAccess\":false,\"openAccessPdf\":\"\",\"citationCount\":\"2\",\"resultStr\":null,\"platform\":\"Semanticscholar\",\"paperid\":null,\"PeriodicalName\":\"Matrix Jurnal Manajemen Teknologi dan Informatika\",\"FirstCategoryId\":\"1085\",\"ListUrlMain\":\"https://doi.org/10.31940/matrix.v9i2.1229\",\"RegionNum\":0,\"RegionCategory\":null,\"ArticlePicture\":[],\"TitleCN\":null,\"AbstractTextCN\":null,\"PMCID\":null,\"EPubDate\":\"\",\"PubModel\":\"\",\"JCR\":\"\",\"JCRName\":\"\",\"Score\":null,\"Total\":0}","platform":"Semanticscholar","paperid":null,"PeriodicalName":"Matrix Jurnal Manajemen Teknologi dan Informatika","FirstCategoryId":"1085","ListUrlMain":"https://doi.org/10.31940/matrix.v9i2.1229","RegionNum":0,"RegionCategory":null,"ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":null,"EPubDate":"","PubModel":"","JCR":"","JCRName":"","Score":null,"Total":0}
引用次数: 2

摘要

公众消费肉类种类的识别过程仍然是手工进行的。这项研究可以通过数字图像处理技术自动识别肉类类型。在一台覆盆子微计算机上处理肉类图像的过程是使用Python的2.7软件进行的,并支持库osorv,而使用覆盆子Pi摄像机模块进行图像提取。肉类种类识别过程使用RGB色彩成分的比例值,结果将显示在液晶显示器上。这项研究的结果为猪肉中42.35%—44.12%的色彩成分获得了红色成分(R)的比例;切肉45.21%——48.87%;牛肉44.03% - 45.76%;羊肉45.08%——46.60%。猪肉中绿色成分的比例为2843%——29.13%;肉24 71%——26.54%;牛肉26.34%——27.15%;羊肉是27.05%——27.75%。猪肉中蓝色成分的百分比为27.41%——2855%;凉肉26.39%——2827%;牛肉27.86%——287%;山羊肉2631%,27.21%。关键词:肉类,覆盆子Pi 3, Python 2.7, otap, RGB。
本文章由计算机程序翻译,如有差异,请以英文原文为准。
查看原文
分享 分享
微信好友 朋友圈 QQ好友 复制链接
本刊更多论文
Alat Identifikasi Jenis Daging dengan Pengolahan Citra Digital Menggunakan Python 2.7 dan OpenCV Berbasis Raspberry Pi 3
Proses identifikasi jenis daging konsumsi di masyarakat umum masih dilakukan dengan cara manual. Penelitian ini dapat mengidentifikasi jenis daging secara otomatis dengan teknologi pengolahan citra digital. Proses pengolahan citra daging dilakukan pada mikrokomputer Raspberry Pi 3 menggunakan perangkat lunak Python 2.7 dan didukung dengan library OpenCV, sedangkan untuk pengambilan citra dengan menggunakan Raspberry Pi Camera Module V2. Proses identifikasi jenis daging menggunakan nilai persentase komponen warna RGB dan hasilnya akan ditampilkan pada LCD. Hasil penelitian ini memperoleh nilai persentase komponen warna Red (R) untuk daging Babi 42,35% – 44,12%; daging Celeng 45,21% – 48,87%; daging Sapi 44,03% – 45,76%; dan daging Kambing 45,08% – 46,60%. Nilai persentase komponen warna Green (G) untuk daging Babi 28,43% – 29,13%; daging Celeng 24,71% – 26,54%; daging Sapi 26,34% – 27,15%; dan daging Kambing 27,05% – 27,75%. Nilai persentase komponen warna Blue (B) untuk daging Babi 27,41% – 28,55%; daging Celeng 26,39% – 28,27%; daging Sapi 27,86% – 28,87%; dan daging Kambing 26,31% – 27,21%. Kata kunci: daging, Raspberry Pi 3, Python 2.7, OpenCV, RGB.
求助全文
通过发布文献求助,成功后即可免费获取论文全文。 去求助
来源期刊
自引率
0.00%
发文量
13
审稿时长
24 weeks
期刊最新文献
Optimizing transaction data performance in database management systems Library apps to improve the digitization of Sekolah Penggerak Program Literature review: visible light communication system business model scheme for telecommunication business in Indonesia Determination of the best rule-based analysis results from the comparison of the Fp-Growth, Apriori, and TPQ-Apriori Algorithms for recommendation systems The empirical study of Joomla CMS map extension and location performance
×
引用
GB/T 7714-2015
复制
MLA
复制
APA
复制
导出至
BibTeX EndNote RefMan NoteFirst NoteExpress
×
×
提示
您的信息不完整,为了账户安全,请先补充。
现在去补充
×
提示
您因"违规操作"
具体请查看互助需知
我知道了
×
提示
现在去查看 取消
×
提示
确定
0
微信
客服QQ
Book学术公众号 扫码关注我们
反馈
×
意见反馈
请填写您的意见或建议
请填写您的手机或邮箱
已复制链接
已复制链接
快去分享给好友吧!
我知道了
×
扫码分享
扫码分享
Book学术官方微信
Book学术文献互助
Book学术文献互助群
群 号:481959085
Book学术
文献互助 智能选刊 最新文献 互助须知 联系我们:info@booksci.cn
Book学术提供免费学术资源搜索服务,方便国内外学者检索中英文文献。致力于提供最便捷和优质的服务体验。
Copyright © 2023 Book学术 All rights reserved.
ghs 京公网安备 11010802042870号 京ICP备2023020795号-1