Teka-teki jigsaw adalah gambar bercetak yang dipotong menjadi pelbagai kepingan dalam bentuk yang berbeza-beza. Permainan ini memerlukan cantuman pelbagai kepingan berbentuk ganjil untuk menghasilkan gambar yang lengkap. Walau bagaimanapun, kepingan teka-teki jigsaw yang salah letak atau hilang sukar dikesan oleh mata manusia. Keadaan ini boleh dihubungkait dengan litar di atas papan reka, yang mempunyai keadaan yang sama iaitu mempunyai pelbagai jenis komponen di atas papan. Berdasarkan kepada kajian, kebanyakan algoritma tidak cukup pintar dan hanya mampu mengesan komponen yang hilang sahaja. Oleh itu, pembangunan algoritma yang dapat mengesan kedua-dua kepingan teka-teki jigsaw yang salah letak dan hilang amat diperlukan. Objektif utama projek ini adalah untuk membangunkan sistem pintar bagi menyelesaikan teka-teki jigsaw dengan menggunakan perisian Matlab. Sistem yang dibangunkan ini terdiri daripada fasa pemprosesan imej dan rangkaian neural. Dalam fasa pemprosesan imej, imej yang ditangkap dibahagikan kepada kawasan-kawasan dan nilai RGB (merah hijau biru) bagi setiap kawasan diperolehi. Rangkaian neural yang digunakan dalam kajian ini terdiri daripada rangkaian neural rambatan belakang. Ia dilatih dengan menggunakan algoritma latihan kecerunan konjugat berskala. Rangkaian neural menggunakan nilai RGB daripada fasa pemprosesan imej dan menganalisa setiap kawasan untuk memeriksa sama ada kepingan teka-teki jigsaw salah letak atau hilang. Dua eksperimen telah dijalankan; prestasi masa ketika sistem menganalisa kawasan dan keupayaan sistem dalam mengesan kepingan teka-teki jigsaw yang salah letak dan hilang. Daripada keputusan, didapati bahawa masa yang diperlukan untuk sistem menganalisis 20 kepingan imej adalah sekitar 89 saat. Sistem juga memberikan ketepatan hampir 100% dalam mengesan kepingan imej teka-teki jigsaw yang hilang atau tidak berada betul pada tempatnya.
Jigsaw puzzle is a printed picture that is cut into various pieces of different shapes. The game requires assembly of many oddly shaped pieces into producing a complete picture. However, misplaced or missing jigsaw puzzle pieces are difficult to be detected by human eyes. This scenario can be bridged to circuit on the breadboard, which also has similar condition like having several components on the board. Based on research, most of the algorithms are not intelligent enough and only able to detect the missing component. Therefore, it is necessary to develop an algorithm that is able to detect both misplaced and missing jigsaw puzzles. The main objective of this project is to develop an intelligent system to solve the jigsaw puzzle using Matlab software. The developed system consists of the image processing and the neural network phases. In image processing phase, the captured image is split into regions and the RGB (Red Green Blue) value of the regions is obtained. The neural network used in this research is a back-propagation neural network and it is trained by using Scaled Conjugate Gradient training algorithm. The neural network uses the RGB value from the image processing phase and analyzes the regions to check whether there is misplaced or missing jigsaw puzzle. Two experiments have been conducted, which are time performance in order for the system to analyze the regions and the ability of the system in detecting the misplaced and missing jigsaw puzzle. From the result, it is found that the time needed for the system to analyze 20 pieces of the image is around 89 seconds. The system also gives almost 100% of accuracy in detecting the missing or misplaced regions of the jigsaw puzzles image.
Detection of misplaced and missing regions in image using neural network _Tan Jin Siang_E3_2017_MFAR