Tugas Akhir
Pengembangan aplikasi untuk identifikasi cacat pengelasan pada film radiografi menggunakan ciri tekstur statistik dan algoritma SVM
Pengembangan aplikasi untuk identifikasi cacat pengelasan pada film radiografi telah dilakukan dalam penelitian ini. Tujuan dari penelitian ini adalah untuk menghasilkan aplikasi untuk mengidentifikasi cacat pengelasan pada citra digital film radiografi yang menerapkan proses pengolahan citra digital, ekstraksi ciri, dan pengenalan pola. Pengolahan citra digital yang diterapkan dalam pengembangan ini yaitu teknik penghilangan derau dengan filter median, peregangan kontras dan penajaman citra dengan filter Laplacian. Metode ciri tekstur statistik diterapkan untuk melakukan ekstraksi ciri dari cacat pengelasan citra digital film radiografi. Algoritma Support Vector Machine (SVM) digunakan untuk melakukan klasifikasi dan interpretasi dari cacat pengelasan film radiografi. Hasil dari penelitian adalah sebuah aplikasi untuk identifikasi cacat pengelasan film radiografi yang telah dilakukan pelatihan dengan teknik SVM. Aplikasi ini mampu memberikan hasil klasifikasi untuk data simulasi sebanyak 60 data dengan keberhasilan klasifikasi sebesar 80%.
Application development for the identification of welding defects in radiographic films has been performed. The purpose of this study was to produce applications to identify welding defects in radiographic films in digital image processing to apply digital image, feature extraction and pattern recognition. Digital image processing applied in the development of this technique is the removal of noise with median filter, contrast stretching and image sharpening are processed by Laplacian filter. Statistical methods of texture feature extraction is applied to the welding defects characteristic of a digital image of the film radiography. Algorithms of Support Vector Machine (SVM) is used to perform classification and interpretation of radiographic films of welding defects. The results of the study is an application for identification of welding defects radiographic films that have done training with SVM technique. This application is able to provide the classification results for simulated data of 60 data with a classification success of 80%.
S12-0700 | 8/TA/K/12 616.73(043) MUC p | Perpustakaan Poltek Nuklir | Tersedia |
Tidak tersedia versi lain