Innovation Computer Vision Technology With Internet Of Things (Iot) For Support Entrepreneurs In Fishery Sector
Abstract
Sektor perikanan memerankan peran utama ke dua setelah migas, indonesia merupakan negara dengan wilayah laut yang luas di Asia Tenggara dan menjadi penghasil ikan nomor satu wilayah tesebut, produk -produk perikanan indonesia telah mampu bersaing dipasar domestik dan pasar internasional, sektor perikanan saat ini mencoba membuat sebuah sistem quality control atau kendali produk yang dihasilkan dari mulai level hulu dan hilir, besarnya jumlah produk ikan di Indonesia menjadi andalan penghasilan devisa negara, sumber perikanan indonesia berumber pada perikanan air tawar dan sumber perikanan air laut.
Agar mampu bersaing dipasar domestik diperlukan sebuah langkah dengan menjaga standar tempat pemeliharaan dan qualitas ikan, faktor qualitas ikan dipengaruhi dengan memperhatikan jenis pakan dan kualitas air, yang sangat berpengaruh pada habitat ikan tersebut, proses tersebut akan sulit jika dilakukan pada area yang luas serta menggunakan teknologi yang masih sederhana misalkan peternak ikan akan memberikan pakan ikan secara berkala dan manual mengecek keadaaan serta ukuran ikan yang masih menggunakan visual langsung, misalnya dengan mengukur bobot, kelengkapan tubuh ikan dan warna ukuran itu sendiri merupakan faktor yang sangat penting sebagai pengambilan keputusan bahwa ikan tersebut masuk kedalam kategori export atau tidak.
Untuk memudahkan monitoring kualitas ikan tersebut saat ini bisa menggunakan sebuah bantuan metode Computer vision dengan teknik image processing dengan implementasi teknologi IOT (Internet Of Thing), pada metode tersebut qualitas suhu air kolom dan ukuran kondisi ikan bisa monitoring bahkan menghitung kondisi jumlah ikan yang hidup dikolam, metode bisa mempersingkat waktu dan mengkover area habitat ikan dalam zona yang lebih luas dan menghemat tenaga serta biaya sehingga hasilnya dari produk ikan lebih optimal dan berkualitas
References
[2] Yun-Heh Chen-Burger ; Gayathri Nadarajan ; Robert B. Fisher, "DETECTING ,TRACKING AND COUNTING FISH IN LOW QUALITY UNCONSTRAINED UNDERWATER VIDEOS," Department of Informatics and Telecommunication Engineering University of Catania.
[3] Rajagopalan N ; Burlina P ; Chellappa P., "Higher Order Statistical Learning for Vehicle Detection in Images ," Proceedings of ICCV99, pp. 20 -25, 1999.
[4] Violetta Shevchenko, "FISH DETECTION FOR SPECIES RECOGNITION," in FISH DETECTION FOR SPECIES RECOGNITION, Associate Professor Arto Kaarna and Professor Vladimir Pilidi, Eds.: Lappeenranta University of Technology , 2017.
[5] Simone Palazzo; Isaak Kavasidis ; Concetto Spampinato, "Covariance based modeling of underwater scenes for fish detection," In Proceedings of the 2013 20th IEEE International Conference on Image Processing (ICIP), pp. 1482-1485, 2013.
[6] Mutasem K Alsmadi;Khairuddin B Omar; Shahrul A Noah ; Ibrahim Almarashdeh, "Fish recognition based on robust features extraction from size and shape measurements using neural network," Journal of Computer Science, no. 10, p. 1088, 2010.
[7] Noor Wahyudi ; Vincent Suhartono ; Ricardus Anggi Pramunendar, "BACKGROUND SUBTRACTION BERBASIS SELF ORGANIZING MAP UNTUK DETEKSI OBJEK BERGERAK," SYSTEMIC , vol. 1, no. 1, pp. 45-51, Agustus 2015.
[8] Eka Ardhianto ; Wiwien Hadikurniawati ; Zuli Budiarso, "Implementasi Metode Image Subtracting dan Metode Regionprops untuk Mendeteksi Jumlah Objek Berwarna RGB pada File Video," Jurnal Teknologi Informasi DINAMIK, vol. 18, pp. 91-100, Juli 2013.