• Login
    View Item 
    •   DSpace Home
    • Students & Alumnae
    • Undergraduate Thesis
    • Faculty of Industrial Technology
    • Electric Engineering
    • View Item
    •   DSpace Home
    • Students & Alumnae
    • Undergraduate Thesis
    • Faculty of Industrial Technology
    • Electric Engineering
    • View Item
    JavaScript is disabled for your browser. Some features of this site may not work without it.

    Low-cost Microscope for Live Cells Sample Detection

    Thumbnail
    View/Open
    20524151.pdf (3.001Mb)
    Date
    2024
    Author
    Steva, Arya
    Hanis, Hanas Muchammad
    Metadata
    Show full item record
    Abstract
    Pada era modern, mikroorganisme seperti bakteri memiliki peran vital dalam produksi pangan, probiotik, dan energi terbarukan, tetapi juga menimbulkan tantangan seperti ancaman terhadap keamanan pangan dan resistensi antibiotik. Berbagai metode deteksi telah dikembangkan, namun sebagian besar memerlukan alat besar dan waktu yang lama. Untuk mengatasi ini, pengembangan mikroskop pintar portabel yang dapat diakses di mana saja menjadi solusi potensial di Indonesia. Sistem yang dirancang mengintegrasikan teknik otomatisasi untuk meningkatkan akurasi dan mengurangi keterlibatan manusia dalam pengamatan. Meskipun terbatas pada pengamatan bakteri tertentu dan memiliki batasan teknis, sistem ini diharapkan dapat memfasilitasi riset laboratorium dengan lebih baik. Evaluasi solusi mencakup dua pendekatan berbeda: solusi 1 menggunakan komponen berkualitas tinggi dengan anggaran terjangkau, sementara solusi 2 menekankan biaya lebih rendah daripada solusi 1 dengan performa yang masih dapat diterima. Solusi 1 direkomendasikan untuk kebutuhan riset yang lebih kritis, sementara solusi 2 cocok untuk lingkungan yang memerlukan biaya yang lebih hemat. Hasil rancangan sistem ini terdiri perangkat keras yang dirancang menggunakan Raspberry Pi 4 model B, kamera Pi HQ dengan lensa pembesaran 180x, LED, dan powerbank, untuk memastikan kualitas gambar dan stabilitas optimal dalam deteksi E. Coli dengan biaya produksi 5,2 juta rupiah. Kemudian sistem perangkat lunak memanfaatkan model YOLOv8n dalam proses deteksi E. Coli, meliputi pengambilan gambar, praproses, pelatihan, dan validasi untuk mencapai akurasi tinggi. Antarmuka pengguna dirancang intuitif dan terintegrasi dengan penyimpanan data cloud. Pengujian dengan data tidak real menunjukkan bahwa alat dengan kamera menghasilkan nilai RMSE 1,47 dan akurasi 81,25%, mendekati nilai aktual dibandingkan tanpa kamera yang memiliki RMSE 1,97 dan akurasi 84,38 %. Meski demikian, kalibrasi lensa untuk menguji kemampuan menangkap luasan citra menunjukkan alat hanya dapat mendeteksi detail hingga grup 4 nomor 1 pada target uji daya resolusi USAF 1951 atau di ukuran 31,3 μm; mengindikasikan bahwa sistem optik saat ini tidak memadai untuk deteksi bakteri mikroskopik seperti E. Coli secara akurat. Kemudian saran untuk future work meliputi pengujian lebih lanjut dengan data real, pengoptimalan atau penggantian lensa, perbaikan desain fisik sistem, dan peningkatan fitur aplikasi untuk memberikan bounding box untuk memudahkan analisis lebih lanjut.
    URI
    dspace.uii.ac.id/123456789/52059
    Collections
    • Electric Engineering [889]

    DSpace software copyright © 2002-2015  DuraSpace
    Contact Us | Send Feedback
    Theme by 
    @mire NV
     

     

    Browse

    All of DSpaceCommunities & CollectionsBy Issue DateAuthorsTitlesSubjectsThis CollectionBy Issue DateAuthorsTitlesSubjects

    My Account

    LoginRegister

    DSpace software copyright © 2002-2015  DuraSpace
    Contact Us | Send Feedback
    Theme by 
    @mire NV