Foreground Extraction pada Citra Daun Melon dengan Bantuan Deep Neural Network

Abstract

Ekstraksi fitur merupakan tahapan dalam melakukan proses pengolahan citra. Ada banyak metode ekstraksi fitur yang dilakukan untuk proses pengolahan citra, salah satunya adalah ekstraksi foreground. Ekstraksi foreground yang merupakan segmentasi pada gambar diperlukan untuk memisahkan obyek utama pada citra yang akan diproses dalam pengolahan citra diperlukan untuk menyeleksi obyek utama dengan background-nya sehingga proses pengolahan citra bisa berfokus pada obyek utama. Ada berberapa algoritma yang bisa diterapkan untuk melakukan ekstraksi foreground, salah satu yang paling popular adalah algoritma Grabcut. Di dalam jurnal ini, kami mencoba melakukan ekstraksi foreground pada obyek daun melon sebagai obyek utama dengan harapan hasil dari ekstraksi foreground dapat lebih lanjut dimanfaatkan terutama dalam proses pengembangan aplikasi yang berhubungan dengan daun melon, seperti misalnya pendeteksian dini terhadap penyakit daun melon berbasis citra. Dalam jurnal ini ekstraksi foreground dilakukan dengan bantuan algoritma Grabcut dengan bantuan deep neural network yang didasarkan pada algoritma holistically-nested edge detection dan diaplikasikan sekaligus pada data obyek daun melon yang banyak. Algoritma yang diusulkan bertujuan untuk meningkatkan akurasi dari grabcut dan tetap menjaga user input dengan seminimal mungkin. Dengan melakukan pengujian berdasarkan pengujian kasus yang dibuat, hasilnya pada pengujian sebanyak 351 citra daun melon, terdapat 68% citra yang dapat diekstraksi citra daunya dengan sempurna.