木上的缺陷标识使用SVM方法的GLCM特性

Muhammad Azwar Tsar Siregar, Gasim Gasim
{"title":"木上的缺陷标识使用SVM方法的GLCM特性","authors":"Muhammad Azwar Tsar Siregar, Gasim Gasim","doi":"10.35957/algoritme.v3i1.2970","DOIUrl":null,"url":null,"abstract":"Kayu adalah bagian batang atau ranting tumbuhan yang mengeras akibat proses lignifikasi secara alami. Kayu memiliki sifat yang tidak dapat ditiru dengan bahan lain. Sifat kayu adalah tahan lama, kuat dan tidak korosif. Kelemahan kayu, yaitu kekurangan alamiah yang terdapat di dalamnya seperti cacat mata kayu, cacat rapuh hati dan cacat lubang penggerek. Penelitian ini menggunakan metode SVM (Support Vector Machine) untuk mendapatkan akurasi terhadap cacat pada kayu dengan menggunakan ekstraksi GLCM (Gray Level Co-occurence Matrix). Dataset yang digunakan terdapat 160 citra kemudian dipisahkan menjadi 112 data train dan 48 data test. Identifikasi yang dilakukan pada kernel Gaussian mendapatkan akurasi tertinggi sebesar 27,08% daripada menggunakan kernel Linear dengan akurasi lebih kecil yakni 16,67%.","PeriodicalId":447117,"journal":{"name":"Jurnal Algoritme","volume":"40 1","pages":"0"},"PeriodicalIF":0.0000,"publicationDate":"2022-10-05","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":"0","resultStr":"{\"title\":\"IDENTIFIKASI CACAT PADA KAYU MENGGUNAKAN FITUR GLCM DENGAN METODE SVM\",\"authors\":\"Muhammad Azwar Tsar Siregar, Gasim Gasim\",\"doi\":\"10.35957/algoritme.v3i1.2970\",\"DOIUrl\":null,\"url\":null,\"abstract\":\"Kayu adalah bagian batang atau ranting tumbuhan yang mengeras akibat proses lignifikasi secara alami. Kayu memiliki sifat yang tidak dapat ditiru dengan bahan lain. Sifat kayu adalah tahan lama, kuat dan tidak korosif. Kelemahan kayu, yaitu kekurangan alamiah yang terdapat di dalamnya seperti cacat mata kayu, cacat rapuh hati dan cacat lubang penggerek. Penelitian ini menggunakan metode SVM (Support Vector Machine) untuk mendapatkan akurasi terhadap cacat pada kayu dengan menggunakan ekstraksi GLCM (Gray Level Co-occurence Matrix). Dataset yang digunakan terdapat 160 citra kemudian dipisahkan menjadi 112 data train dan 48 data test. Identifikasi yang dilakukan pada kernel Gaussian mendapatkan akurasi tertinggi sebesar 27,08% daripada menggunakan kernel Linear dengan akurasi lebih kecil yakni 16,67%.\",\"PeriodicalId\":447117,\"journal\":{\"name\":\"Jurnal Algoritme\",\"volume\":\"40 1\",\"pages\":\"0\"},\"PeriodicalIF\":0.0000,\"publicationDate\":\"2022-10-05\",\"publicationTypes\":\"Journal Article\",\"fieldsOfStudy\":null,\"isOpenAccess\":false,\"openAccessPdf\":\"\",\"citationCount\":\"0\",\"resultStr\":null,\"platform\":\"Semanticscholar\",\"paperid\":null,\"PeriodicalName\":\"Jurnal Algoritme\",\"FirstCategoryId\":\"1085\",\"ListUrlMain\":\"https://doi.org/10.35957/algoritme.v3i1.2970\",\"RegionNum\":0,\"RegionCategory\":null,\"ArticlePicture\":[],\"TitleCN\":null,\"AbstractTextCN\":null,\"PMCID\":null,\"EPubDate\":\"\",\"PubModel\":\"\",\"JCR\":\"\",\"JCRName\":\"\",\"Score\":null,\"Total\":0}","platform":"Semanticscholar","paperid":null,"PeriodicalName":"Jurnal Algoritme","FirstCategoryId":"1085","ListUrlMain":"https://doi.org/10.35957/algoritme.v3i1.2970","RegionNum":0,"RegionCategory":null,"ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":null,"EPubDate":"","PubModel":"","JCR":"","JCRName":"","Score":null,"Total":0}
引用次数: 0

摘要

木材是由自然消耗过程制成的坚硬的植物茎或枝的一部分。木材具有其他材料无法复制的特性。木材的特性是耐用、坚固、无腐蚀性。木的弱点,如木眼的缺陷、易碎的心和洞窟的缺陷,都存在于其本质上。该研究采用SVM方法通过提取GLCM(共同occurence Matrix)来准确定位木材中的缺陷。使用的数据集有160个图像,然后将其分割成112列火车数据和48个测试数据。在Gaussian内核上进行的鉴定的精度最高为27.08%,而不是以16.67%的精度使用线性内核。
本文章由计算机程序翻译,如有差异,请以英文原文为准。
IDENTIFIKASI CACAT PADA KAYU MENGGUNAKAN FITUR GLCM DENGAN METODE SVM
Kayu adalah bagian batang atau ranting tumbuhan yang mengeras akibat proses lignifikasi secara alami. Kayu memiliki sifat yang tidak dapat ditiru dengan bahan lain. Sifat kayu adalah tahan lama, kuat dan tidak korosif. Kelemahan kayu, yaitu kekurangan alamiah yang terdapat di dalamnya seperti cacat mata kayu, cacat rapuh hati dan cacat lubang penggerek. Penelitian ini menggunakan metode SVM (Support Vector Machine) untuk mendapatkan akurasi terhadap cacat pada kayu dengan menggunakan ekstraksi GLCM (Gray Level Co-occurence Matrix). Dataset yang digunakan terdapat 160 citra kemudian dipisahkan menjadi 112 data train dan 48 data test. Identifikasi yang dilakukan pada kernel Gaussian mendapatkan akurasi tertinggi sebesar 27,08% daripada menggunakan kernel Linear dengan akurasi lebih kecil yakni 16,67%.
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
0
×
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
确定
请完成安全验证×
copy
已复制链接
快去分享给好友吧!
我知道了
右上角分享
点击右上角分享
0
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 布克学术 All rights reserved.
京ICP备2023020795号-1
ghs 京公网安备 11010802042870号
Book学术文献互助
Book学术文献互助群
群 号:604180095
Book学术官方微信