Ismile.labs.telkomuniversity.ac.id



Pembelajaran Object Recognetion PerlengkapanPerlengkapan yang di perlukan adalah sebagai berikut :PC/LaptopPython 3.6.5WebcamMetodeMetode yang digunakan adalah menggunakan Artificial Neural Network (Multi Layer Perceptron). Flowchart yang digunakan adalah sebagai berikut:172402511303000Lalu proses image processing yang dilakukan adalah sebagai berikut :714375100965Hasil Running Program.Berikut hasil dari proses pengenalan angka yang menggunakan algoritma Artificial Neural Network, bisa dilihat dari gambar di samping bahwa salah satu sample yang digunakan berhasil dideteksi dengan baik dan benar.310515021145500-47625020637500Source Codeimport cv2import kerasimport numpy as npkamera = cv2.VideoCapture(0)model = keras.models.load_model("MNIST.model")kernel = np.ones(5)font = cv2.FONT_HERSHEY_SIMPLEXlabel = { 0 : "Nol", 1 : "Satu", 2 : "Dua", 3 : "Tiga", 4 : "Empat", 5 : "Lima", 6 : "Enam", 7 : "Tujuh", 8 : "Delapan", 9 : "Sembilan"}def nothing(x): passcv2.namedWindow('Pengatur')cv2.createTrackbar('H_Min','Pengatur',0,255,nothing)cv2.createTrackbar('S_Min','Pengatur',0,255,nothing)cv2.createTrackbar('V_Min','Pengatur',0,255,nothing)cv2.createTrackbar('H_Max','Pengatur',0,255,nothing)cv2.createTrackbar('S_Max','Pengatur',0,255,nothing)cv2.createTrackbar('V_Max','Pengatur',0,255,nothing)cv2.createTrackbar('Th_Min','Pengatur',0,255,nothing)cv2.createTrackbar('Th_Max','Pengatur',0,255,nothing)try: while(True): _, frame = kamera.read() hsv = cv2.cvtColor(frame, cv2.COLOR_BGR2HSV) cv2.rectangle(frame, (100,100), (300,300), (255,255,255), 1) gambar_crop_hsv = hsv[100:300, 100:300] gambar_crop = frame[100:300, 100:300] H_Min = cv2.getTrackbarPos('H_Min','Pengatur') S_Min = cv2.getTrackbarPos('S_Min','Pengatur') V_Min = cv2.getTrackbarPos('V_Min','Pengatur') H_Max = cv2.getTrackbarPos('H_Max','Pengatur') S_Max = cv2.getTrackbarPos('S_Max','Pengatur') V_Max = cv2.getTrackbarPos('V_Max','Pengatur') Th_Min = cv2.getTrackbarPos('Th_Min','Pengatur') Th_Max = cv2.getTrackbarPos('Th_Max','Pengatur') batas_bawah = np.array([H_Min,S_Min,V_Min]) batas_atas = np.array([H_Max,S_Max,V_Max]) mask = cv2.inRange(gambar_crop_hsv, batas_bawah, batas_atas) hasil = cv2.bitwise_and(gambar_crop, gambar_crop, mask = mask) hasil = cv2.cvtColor(hasil, cv2.COLOR_BGR2GRAY) _, hasil_threshold = cv2.threshold(hasil, Th_Min, Th_Max, cv2.THRESH_BINARY) hasil_threshold_dilasi = cv2.dilate(hasil_threshold,kernel,iterations = 2) gambar_resize = cv2.resize(hasil_threshold_dilasi,(28,28)) #print("Dimensi Gambar Resize : ",gambar_resize.shape) gambar_reshape = np.array(gambar_resize).reshape(1,28,28) prediksi = model.predict(x=gambar_reshape) label_prediksi = np.argmax(prediksi) cv2.putText(frame,str(label[label_prediksi]),(50,50), font, 2,(255,255,0),2,cv2.LINE_AA) cv2.imshow('Output Crop', hasil_threshold_dilasi) cv2.imshow('Frame', frame) cv2.imshow('Hasil Crop', gambar_crop) if((cv2.waitKey(1) & 0xFF) == ord('q')): kamera.release() cv2.destroyAllWindows() except KeyboardInterrupt: kamera.release() cv2.destroyAllWindows()-5715002505075 ................
................

In order to avoid copyright disputes, this page is only a partial summary.

Google Online Preview   Download