Pengenalan Barang Pada Kereta Belanja Menggunakan Metode Scale Invariant Feature Transform (SIFT)

Abstrak

Menunggu dalam suatu antrian di supermarket sering terjadi dalam kehidupan sehari-hari. Antrian tersebut terjadi karena pada kasir mengharuskan setiap barang diperiksa untuk dipindai menggunakan barcode. Hal ini dapat diatasi dengan menggunakan aplikasi pengenalan atau deteksi barang berbasis pengolahan citra yang akan membantu mengurangi permasalahan pada kasir seperti scanner tidak mengenali barcode barang, label harga barang tidak dapat dikenali sehingga membuat proses pelayanan menjadi lama. Tujuan dari penelitian ini adalah membuat algoritma yang membantu kasir untuk mengenali barang pada kereta belanja dan menampilkan harga barang dengan hanya mengambil citra kereta belanja. Algoritma yang diusulkan untuk mendeteksi dan mengidentifikasi beberapa barang dengan pencocokan citra menggunakan Scale Invariant Feature Transform (SIFT) serta metode RANSAC digunakan untuk menghasilkan homography terbaik untuk memetakan kotak pembatas dari database citra ke citra kereta belanja. Citra akan tersegmentasi berdasarkan barang yang ada, dan masing-masing segmen akan dianalisis secara independen dengan asumsi gambar label depan yang diambil. Begitu barang dikenali, harga setiap barang ditambahkan untuk mendapatkan harga total. Citra hasil menunjukkan posisi barang pada citra dengan informasi harga barang dan total belanja. Sistem ini dapat mengenali barang dalam citra kereta belanja dengan tingkat akurasi 100% terhadap jumlah barang pada kereta belanja sebanyak 2 sampai 5 barang, tingkat akurasi 20%  dengan jumlah 6 dan 7 barang, tingkat akurasi 0% dengan jumlah 8 sampai 10 barang. Sistem ini juga dapat mengenali barang tumpang tindih dengan presentase fitur area barang bawah lebih besar dibandingkan barang atas, serta mayoritas sistem hanya bisa mengenali barang dengan bentuk objek datar.

Abstract

Waiting in a queue at supermarkets often happens in everyday life. The queue occurs because the cashier requires each item to be scanned one by one using a barcode. This can be overcome by using an object recognition or detection application based on image processing that will help speed up the process of scanning item at the cashier by scanning several items at the same time on the shopping cart and display the name, price, and total amount of shopping. The purpose of this research was to apply an algorithm that helps the cashiers to recognize item on shopping carts and display the price of item by simply taking a image of a shopping cart. The algorithm proposed to detect and identify several items with image matching using Scale Invariant Feature Transform (SIFT). And the algorithm used to filter false match at image matching using RANSAC method and to produce the best homography to map the boundary box of item in the image of the shopping cart. The result image shows the position of the item in the image with information on the price of the item and total amount of shopping. This system can recognize items in the shopping cart image with an average of accuracy rate at 48.89% based on the number of items and the distance of image capture. Accuracy rate of 100% based on number of items in the shopping cart as much as 2-4 items at close distance (30-60 cm), accuracy rate of 46.67% with 5-7 items at medium distance (60-90 cm), accuracy rate of 0% with 8-10 items at far distance (more than 90 cm). This system can also recognize well on overlapping items on the surface covered 20%, 40%, 60%, and 80%, and the majority of the system can only recognize items with flat object shapes.