Pendeteksi Golongan Darah Manusia Berbasis Tensorflow menggunakan ESP32-CAM

Abstract

ABSTRAKPendeteksian golongan darah dilakukan untuk mengetahui golongan darah yang dimiliki. Hingga saat ini pendeteksian golongan darah masih dilakukan oleh petugas analis kesehatan menggunakan kemampuan mata manusia. Pada penelitian ini dilakukan perancangan alat pendeteksi golongan darah menggunakan ESP32-CAM. Alat ini menggunakan kamera OV2640 untuk menangkap citra, yang diproses menggunakan Tensorflow Object Detection API sebagai framework untuk melatih serta mengolah citra darah. Model latih akan digunakan pada kondisi pendeteksian langsung dan ditampilkan dalam bentuk jendela program golongan darah beserta tingkat akurasinya. Dalam penelitian ini pengujian dilakukan menggunakan 20 dataset dengan jarak pengukuran antara ESP32-CAM dengan citra golongan darah yaitu sejauh 20 cm. Hasil yang didapat selama pengujian mayoritas golongan darah yang dapat terdeteksi adalah golongan darah AB.Kata kunci: ESP32-CAM, Tensorflow, Python, Golongan Darah, Pengolahan Citra ABSTRACTBlood group detection is performed to determine the blood group. Currently, in detecting blood type, it still relies on the ability of the human eyeThis paper presents a human blood group detection device using ESP32-CAM. This tool uses ESP32-CAM to capture images, and the Tensorflow Object Detection API as a framework used to train and process an image. The way this tool works is that the ESP32-CAM will capture an image of the blood sample and then send it via the IP address. Through the IP Address, the python program will access the image, then the image will be processed based on a model that has been previously trained. The results of this processing will be displayed in the form of a window program along with the blood type and level of accuracy. In this study, testing was carried out based on the number of image samples, the number of datasets, and the measurement distance. The ideal measurement distance between the ESP32-CAM and the blood group image is 20 cm long. The results obtained during the testing of the majority of blood groups that can be detected are AB blood group.Keywords: ESP32-CAM, Tensorflow, Python, Blood Type, Image Processing

Pendeteksi Penggunaan Masker Wajah dengan ESP32Cam Menggunakan OpenCV dan Tensorflow

“…TensorFlow merupakan sebuah library dari Bahasa pemrograman Python. TensorFlow adalah sebuah antarmuka yang digunakan untuk ekspresi algoritma pembelajaran mesin dan untuk eksekusi perintah degan menggunakan informasi yang dimiliki tentang objek tersebut atau target yang akan dikenali, serta dapat membedakan objek satu dengan objek yang lainnya [9], [13]. Library TensorFlow ini menyatukan komputasi aljabar beserta teknik optimasi kompilasi, yang mendukung perhitungan [8].…”

“…Namun penelitian tersebut tidak mencantumkan kecepatan dan kondisi cahaya dari pendeteksian yang dilakukan. Adapun penelitian mengenai TensorFlow yakni library Python untuk pengenalan objek juga telah dilaporkan oleh beberapa peneliti [8], [9], [10]. Selanjutnya pada penelitian oleh Guntur Wahyono dkk.…”

Human Blood Grup and Rhesus Detection Tool Prototype Design Based On IoT

“…There is already a ready-to-use scheme of numerous Arduino microcontrollers and their shields inside the fritzing. This program was created with the goal of creating and documenting creative items that incorporate the Arduino microcontroller [10]. Starting with the Arduino, LED, LDR, 16x2 I2C LCD, ESP8266 ESP-01, push button, and battery, all of the components are combined into one whole in Figure 4.…”

“…A similar study was conducted by Hummam Ghasan Ghiffari, namely the TensorFlow-based human blood type detector using the esp-32 cam. This study uses the OV2640 OV2640 camera to capture the image, which is processed using the Tensorflow Object Detection API so that the measurement distance greatly affects the level of data accuracy [10] [11].…”

Perancangan Alat Penangkap Gambar Pelaku Kejahatan Berbasis Node MCU ESP32 CAM

“…Pemanfaatan modul kemera telah digunakan untuk memindai QR code pada pengembangan alat Smart Home berbasis QR Code [8]. Pada teknologi yang lebih tinggi telah digunakan pada system pendeteksi golongan darah dengan jarak pindai 20 centimeter [11]. Hasil pemindaian gambar ditampilkan melalui aplikasi Telegram, WEB, dan TFT SPI [12] [13].…”