Please use this identifier to cite or link to this item: https://ptsldigital.ukm.my/jspui/handle/123456789/487254
Full metadata record
DC FieldValueLanguage
dc.contributor.advisorMohd. Marzuki Mustafa, Prof. Dr. Ir.
dc.contributor.authorAsnor Juraiza binti Ishak (P31645)
dc.date.accessioned2023-10-11T02:31:19Z-
dc.date.available2023-10-11T02:31:19Z-
dc.date.issued2011-03-29
dc.identifier.otherukmvital:74324
dc.identifier.urihttps://ptsldigital.ukm.my/jspui/handle/123456789/487254-
dc.descriptionUntuk menjamin hasil produktiviti yang maksima di ladang-ladang sawit, masalah utama iaitu pembasmian dan pengawalan rumpai perlu ditangani secara cekap. Masakini, kaedah pembasmian dan pengawalan rumpai adalah secara manual yang melibatkan penggunaan tenaga buruh. Kaedah ini bukan sahaja tidak cekap malahan menimbulkan masalah lain seperti kebergantungan kepada tenaga buruh asing, memudaratkan kesihatan pekerja ladang yang mengendalikan racun rumpai dan sebagainya. Tanpa strategi kawalan rumpai yang baik, produktiviti ladang sawit akan terjejas. Oleh itu, satu strategi membasmi dan mengawal rumpai yang sistematik serta cekap amat diperlukan. Justeru, objektif utama penyelidikan adalah untuk membangunkan sebuah sistem pintar basmi rumpai berasaskan penglihatan komputer yang berkeupayaan melakukan operasi semburan racun rumpai secara selektif dan automatik. Metodologi yang digunapakai melibatkan pembangunan tiga modul utama iaitu modul prapemprosesan dan peningkatan imej, modul penyarian fitur dan modul pengelasan rumpai. Skop kajian dihadkan kepada masalah pengelasan binari untuk mengenalpasti jenis rumpai samada lalang ataupun rumpai berdaun lebar kerana keduanya merupakan populasi rumpai yang lazim tumbuh di ladang-ladang sawit. Modul prapemprosesan dan peningkatan dibangunkan untuk menangani masalah kepelbagaian saiz imej, keadaan pengcahayaan, variasi warna di samping untuk meningkatkan kualiti imej. Modul sarian vektor ciri yang merupakan fokus utama kajian ini dibangunkan untuk menghasilkan vektor ciri yang mempunyai keunikan tersendiri untuk dijadikan perwakilan imej yang padat dan tegar. Ianya melibatkan perlaksanaan tiga teknik sarian ciri berasaskan tekstur iaitu teknik matrik keberlakuan aras kelabu (GLCM), teknik tertingkap Gabor (GW) dan teknik agihan medan kecerunan (GFD). Penyelidikan ini juga telah memanfaatkan teknik perlakuran sifat di mana vektor ciri yang disari iaitu GLCM, GW dan GFD telah digabungkan secara berpasangan. Tiga gabungan vektor ciri yang dibentuk adalah GFD-GLCM, GW-FFT dan GW-GFD. Pengelas mesin sokongan vektor (SVM) telah digunakan untuk menguji prestasi ketiga-tiga vektor ciri tersari iaitu GLCM, GW dan GFD secara individu dan juga keberkesanan teknik perlakuran fitur. Untuk tujuan pengujian dan pengesahan, sejumlah 1000 sampel imej rumpai daun lebar dan lalang telah digunakan. Tanpa teknik perlakuran sifat, prestasi pengelasan menggunakan vektor ciri GLCM adalah 91% manakala vektor ciri GW (96%) dan GFD (85%). Prestasi pengelasan menunjukkan peningkatan apabila teknik perlakuran fitur dilaksanakan dengan keputusan pengelasan terbaik diperolehi dari gabungan vektor ciri GW-GFD (100%) berbanding gabungan vektor ciri GFD-GLCM (92%) dan GW-FFT (99%). Maka, vektor ciri terbaik gabungan GW-GFD menggunakan pengelas SVM telah dibangunkan untuk pembangunan prototaip sistem pintar basmi dan kawal rumpai. Kesimpulannya, penyelidikan ini telah berjaya mencapai objektif utamanya iaitu membangunkan sebuah sistem pengelasan rumpai menggunakan teknologi penglihatan komputer yang berkeupayaan melakukan operasi semburan racun secara selektif dan automatik.,Ph.D
dc.language.isomay
dc.publisherUKM, Bangi
dc.relationFaculty of Engineering and Built Environment / Fakulti Kejuruteraan dan Alam Bina
dc.rightsUKM
dc.subjectSarian vektor
dc.subjectTekstur
dc.subjectPengecaman rumpai
dc.subjectWeeds -- Control
dc.titleSarian vektor sifat berasaskan tekstur untuk pengecaman rumpai
dc.typeTheses
dc.format.pages178
dc.identifier.callnoSB611.A836 2011
dc.identifier.barcode000437
Appears in Collections:Faculty of Engineering and Built Environment / Fakulti Kejuruteraan dan Alam Bina

Files in This Item:
File Description SizeFormat 
ukmvital_74324+Source01+Source010.PDF
  Restricted Access
4.51 MBAdobe PDFThumbnail
View/Open


Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.