PROTOTIPE ALAT IDENTIFIKASI POLA NERVE RING PADA IRIS MATA MENGGUNAKAN RASPBERRY PI DAN DETECTRON2

Dastin Arjuna Wianzah; Ahmad Ridha

doi:10.33479/kurawal.v7i2.1101

Dastin Arjuna Wianzah Institut Pertanian Bogor
Ahmad Ridha Institut Pertanian Bogor

DOI: https://doi.org/10.33479/kurawal.v7i2.1101

Abstract

Kemajuan teknologi dalam bidang pengolahan citra dan kecerdasan buatan telah membuka peluang besar dalam berbagai aplikasi medis, termasuk dalam analisis iris mata. Studi ini mengembangkan sebuah prototipe alat berbasis Raspberry Pi untuk identifikasi pola nerve ring pada iris mata. Perancangan prototipe ini mencakup requirement analysis, system and hardware design, implementation, dan testing. Alat ini mengambil citra iris mata yang kemudian diproses dengan library Detectron2 untuk mengidentifikasi pola nerve ring dan hasilnya ditampilkan pada layar. Prototipe ini berhasil mengenali keberadaan nerve ring pada 93,33% data dengan mendapatkan MSE sebesar 3,27 pada nilai NMS sebesar 0,2. Hal ini menunjukkan kinerja yang baik dalam mengidentifikasi nerve ring secara efektif untuk digunakan dalam analisis lebih lanjut.

Downloads

Download data is not yet available.

References

[1] S. J. Patel and D. C. Lundy, “Ocular manifestations of autoimmune disease,” Am. Fam. Physician, vol. 66, no. 6, pp. 991–998, 2002.
[2] Bhargava, M., Ikram, M. K., & Wong T. Y. (2012). How does hypertension affect your eyes? Journal of Human Hypertension, 26:71-83.
[3] R. ANUGRAH, “Sistem Pendukung Diagnosa Iridologi Dengan Menggunakan Pengolahan Citra Digital Metode Transformasi Hough,” Insa. Pembang. Sist. Inf. dan Komput., vol. 9, no. 2, 2022.
[4] Simon, A., Worthen, D. M., & Mitas, J. A. (1979). An Evaluation of Iridology. JAMA, 242(13):1385–1389. doi:10.1001/jama.1979.03300130029014
[5] Avhad, V. V., & Bakal, J. W. (2024). Iridology based human health conditions predictions with computer vision and deep learning. Biomedical Signal Processing and Control, 96, Part A, October 2024, 106656.
[6] Alphonse, S., Venkatesan, R., & Jebaseeli, T. J. (2023). A Methodical Review of Iridology-Based Computer-Aided Organ Status Assessment Techniques. Eng Proc, 59, 9.
[7] Önal, M. N., Güraksin, G. E., & Duman R. (2023). Convolutional neural network-based diabetes diagnostic system via iridology technique. Multimedia Tools and Applications, 82:173:194.
[8] Esteves, R. B., Morero, J. A. P., Pereira, S. d. S. P., Mendes, K. D. S., Hegadoren, K. M., & Cardoso, L. (2021). Parameters to increase the quality of iridology studies: A scoping review. European Journal of Integrative Medicine, 43(April 2021):101311.
[9] “12871-Article Text-24884-1-10-20201110.pdf.” .
[10] I. Agustian, F. Hadi, and M. K. A. Rosa, “Pre-Diagnosis Gangguan Ginjal Melalui Citra Iris Mata Menggunakan Raspberry PI Dengan Metode Convolutional Neural Network (CNN),” J. Amplif. J. Ilm. Bid. Tek. Elektro Dan Komput., vol. 9, no. 1, pp. 16–25, 2019.
[11] Mikołajczyk, A., & Grochowski M. (2018). Data augmentation for improving deep learning in image classification problem. 2018 International Interdisciplinary PhD Workshop (IIPhDW), pp. 117-122, doi: 10.1109/IIPHDW.2018.8388338.
[12] M. Toyib, T. D. K. Pratama, and I. Aqil, “Penerapan Algoritma CNN untuk Mendeteksi Tulisan Tangan AngkaRomawi dengan Augmentasi Data,” Algoritm. J. Mat. Ilmu Pengetah. Alam, Kebumian dan Angkasa, vol. 2, no. 3, pp. 108–120, 2024.
[13] G. G. Salindeho and T. Wellem, “Perancangan Dan Implementasi Sistem Pendeteksi Dan Peringatan Kebakaran Berbasis Iot Menggunakan Nodemcu Esp8266 Dan Sensor Api,” IT-Explore J. Penerapan Teknol. Inf. dan Komun., vol. 2, no. 3, pp. 179–191, 2023.
[14] Zheng Z., Wang P., Ren D., Liu W., Ye R., Hu Q., & Zuo W. (2021). Enhancing Geometric Factors in Model Learning and Inference for Object Detection and Instance Segmentation. IEEE Trans Cybern. 52(8):8574–8586. doi: 10.1109/TCYB.2021.3095305.