KLASIFIKASI BUAH DAN SAYUR MENGGUNAKAN FITUR EKSTRAKSI HOG DAN METODE KNN

Jurnal Informatika Polinema Pub Date : 2023-11-30 DOI:10.33795/jip.v10i1.1433

Firnanda Al-Islama Achyuda Putra, A. Sulaksono, Listanto Tri Utomo, A. Khamdani

{"title":"KLASIFIKASI BUAH DAN SAYUR MENGGUNAKAN FITUR EKSTRAKSI HOG DAN METODE KNN","authors":"Firnanda Al-Islama Achyuda Putra, A. Sulaksono, Listanto Tri Utomo, A. Khamdani","doi":"10.33795/jip.v10i1.1433","DOIUrl":null,"url":null,"abstract":"Abstrak - Buah berasal dari putik tumbuhan dan cenderung berbiji, sedangkan sayuran dapat berasal dari kacang-kacangan, daun, atau biji-bijian yang dapat dimasak. Ada banyak variasi dalam bentuk, warna, dan tekstur dari buah dan sayuran, namun terkadang sulit untuk membedakan antara jenis yang memiliki kesamaan dalam hal ini. Oleh karena itu, dibutuhkan suatu sistem untuk membantu mengklasifikasikan buah dan sayuran dengan lebih mudah. Dalam penelitian ini, jenis buah dan sayuran diklasifikasikan berdasarkan hasil ekstraksi dari Histogram Oriented of Gradient. Metode yang digunakan dalam penelitian ini adalah Histogram Oriented of Gradient (HOG) dan K-Nearest Neighbor (K-NN). Proses HOG digunakan untuk ekstraksi fitur tersebut yaitu untuk mendapatkan karakteristik buah dan sayuran, sedangkan K-NN digunakan untuk proses klasifikasi citra. Setiap nilai bobot citra latih dan citra uji akan dibandingkan dengan meminimalkan nilai Euclidean. Penelitian dengan metode ini memberikan hasil pengujian dengan tingkat akurasi 76,54% untuk buah-buahan, sedangkan hasil pengujian untuk sayuran memberikan nilai akurasi sebesar 71,22%.","PeriodicalId":232501,"journal":{"name":"Jurnal Informatika Polinema","volume":"86 1","pages":""},"PeriodicalIF":0.0000,"publicationDate":"2023-11-30","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":"0","resultStr":null,"platform":"Semanticscholar","paperid":null,"PeriodicalName":"Jurnal Informatika Polinema","FirstCategoryId":"1085","ListUrlMain":"https://doi.org/10.33795/jip.v10i1.1433","RegionNum":0,"RegionCategory":null,"ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":null,"EPubDate":"","PubModel":"","JCR":"","JCRName":"","Score":null,"Total":0}

引用次数: 0

Abstract

Abstrak - Buah berasal dari putik tumbuhan dan cenderung berbiji, sedangkan sayuran dapat berasal dari kacang-kacangan, daun, atau biji-bijian yang dapat dimasak. Ada banyak variasi dalam bentuk, warna, dan tekstur dari buah dan sayuran, namun terkadang sulit untuk membedakan antara jenis yang memiliki kesamaan dalam hal ini. Oleh karena itu, dibutuhkan suatu sistem untuk membantu mengklasifikasikan buah dan sayuran dengan lebih mudah. Dalam penelitian ini, jenis buah dan sayuran diklasifikasikan berdasarkan hasil ekstraksi dari Histogram Oriented of Gradient. Metode yang digunakan dalam penelitian ini adalah Histogram Oriented of Gradient (HOG) dan K-Nearest Neighbor (K-NN). Proses HOG digunakan untuk ekstraksi fitur tersebut yaitu untuk mendapatkan karakteristik buah dan sayuran, sedangkan K-NN digunakan untuk proses klasifikasi citra. Setiap nilai bobot citra latih dan citra uji akan dibandingkan dengan meminimalkan nilai Euclidean. Penelitian dengan metode ini memberikan hasil pengujian dengan tingkat akurasi 76,54% untuk buah-buahan, sedangkan hasil pengujian untuk sayuran memberikan nilai akurasi sebesar 71,22%.

查看原文本刊更多论文

使用猪特征提取和 KNN 方法进行果蔬分类

摘要--水果来自植物的雌蕊，往往是种子，而蔬菜可以来自豆类、叶子或可以烹饪的种子。水果和蔬菜的形状、颜色和质地有很多变化，但有时很难区分在这方面相似的类型。因此，需要一个系统来帮助更容易地对水果和蔬菜进行分类。本研究根据梯度直方图的提取结果对水果和蔬菜的类型进行分类。本研究中使用的方法是梯度直方图（HOG）和 K-Nearest Neighbour（K-NN）。HOG 过程用于提取这些特征，即获得水果和蔬菜的特征，而 K-NN 则用于图像分类过程。训练图像和测试图像的每个权重值将通过最小化欧氏值进行比较。使用这种方法进行研究得出的测试结果显示，水果的准确率为 76.54%，而蔬菜的准确率为 71.22%。

本文章由计算机程序翻译，如有差异，请以英文原文为准。

求助全文

约1分钟内获得全文求助全文

来源期刊

Jurnal Informatika Polinema

自引率

0.00%

发文量