Diagram skematik dari mesin CatchMeter. Sumber Gambar: White, Svellingen, and Strachan (2006)
Kemampuan sortasi spesies ikan pada kapal ikan riset dan komersial masih dilakukan secara manual. Karena sortasi dilakukan secara manual maka waktu proses menjadi lebih lambat sehingga efisiensinya juga terbatas dan perlu tenaga kerja yang lebih banyak. Untuk mengatasi permasalahan tersebut diperlukan sistem sortasi ikan otomatis yang mampu merekam data panjang, bobot, dan spesies ikan. Kebutuhan ini didasari oleh suatu tujuan untuk mengurangi jumlah tenaga kerja pada kapal tagkap sekaligus melakukan logging hasil tangkapan secara otomatis. Semua tindakan ini akan bermuara pada pemenuhan sejumlah aturan dan meningkatkan sistem kemamputelusuran.
Riset yang telah dipublikasikan hasilnya pada jurnal Fisheries Research Vol. 80 tahun 2006 oleh White, Svellingen, and Strachan, telah memadukan perangkat keras dan teknik pemrograman untuk menciptakan sistem sortasi otomatis generasi mendatang. Salah satu metode unik yang dikembangkan adalah penentuan arah ikan berdasarkan kalkulasi moment poligon yang dihasilkan oleh siluet ikan. Dengan metode perhitungan moment of variant ini memungkinkan ikan dengan berbagai arah dan posisi dapat diumpankan pada sistem konveyor. Selanjutnya dengan sistem komputer Visi, pengukuran panjang dapat dilakukan dengan galat kurang dari 1 cm, sedangkan spesies ikan ditentukan berdasarkan analisis bentuk dan warna.
Algoritma pada software analisa citra yang dikembangkan meliputi (1) Kalibrasi dengan subrutin untuk kalibrasi dan pengambangbatasan warna, (2) Penentuan region of interest dengan subrutin penemuan ikan dan deteksi tepi, (3) Penentuan orientasi meliputi subrutin rotasi, menentukan ekor atau kepala, menentukan perut atau punggung, pipih atau bundar, (4) Perhitungan parameter kunci mencakup Grid bulat atau grid pipih, warna dan bentuk, panjang tubuh; dan (5) Penentuan spesies ikan dengan pengklasifikasi Analisis Diskriminan.
Sistem sortasi otomatis dengan aplikasi mesin komputer visi yang dinamakan CatchMeter tersebut dari hasil pengujian memiliki kemampuan penentuan tipe ikan pipih atau bulat dengan akurasi 100%, pengukuran panjang ikan dengan standar deviasi 1,2 mm, dan kemampuan pemisahan 7 kelas spesies dengan akurasi mencapai 99,8%. Sementara hasil pengukuran kapasitas mesin yang dihitung dari sistem pengumpanan mampu mencapai 30 000 ekor ikan ukuran 10 cm dalam 1 jam. Mesin yang dikembangkan ini diharapkan dapat berkontribusi pada suplai informasi hasil tangkapan secara detil kepada para ilmuwan yang bekerja di kapal riset serta memiliki nilai komersial yang cukup potensial.
Penulis : I Made Susi Erawan - LRMPHP