Electronic Theses and Dissertation

Pentingnya deteksi dini gangguan spektrum autisme (asd) mendorong berkembangnya metode klasifikasi citra termal wajah yang dapat mendukung deteksi dini. studi ini mengusulkan pendekatan inovatif untuk mengklasifikasikan citra termal wajah anak autisme dan anak normal menggunakan arsitektur mobilenet dengan gaussian filter dan homomorphic filter. citra termal wajah digunakan sebagai dataset dalam bentuk rgb yang menampilkan range suhu objek. prosesnya dimulai dengan input citra termal wajah anak autisme dan anak normal, yang kemudian diproses dengan homomorphic filter untuk meningkatkan kontras dan mengurangi efek fluktuasi suhu. penerapan gaussian filter pada citra untuk menghaluskan gambar, mengurangi noise, dan mempersiapkan gambar untuk ekstraksi fitur. arsitektur mobilenet digunakan sebagai model klasifikasi gambar termal, memungkinkan implementasi yang efisien dan cepat pada perangkat berdaya rendah. pelatihan model dilakukan pada kumpulan data termal wajah yang diberi label autis (0) atau non-autis (1). eksperimen dilakukan untuk mengevaluasi kinerja sistem yang diusulkan menggunakan matriks klasifikasi seperti akurasi, presisi, recall1, dan skor f1. pendekatan ini menjanjikan sebagai bantuan diagnostik potensial untuk deteksi dini gangguan autisme berdasarkan citra termal wajah anak. keuntungan dari penggabungan arsitektur mobilenet dengan gaussian filter dan homomorphic filter diharapkan dapat mengarah pada pengembangan sistem yang efektif dalam proses diagnosis dan intervensi dini pada anak asd. model dengan implementasi homomorphic filter dengan nilai learning rate 0.0001 akurasinya sebesar 88% dan model paling baik dengan akurasi sebesar 93% pada pada implementasi gaussian filter memakai nilai learning rate 0.0001.

The importance of early detection of autism spectrum disorder (ASD) has encouraged the development of facial thermal image classification methods that can support early detection. This study proposes an innovative approach to classify the thermal images of the faces of children with autism and normal children using the MobileNet architecture with Gaussian filters or Homomorphic filters. Thermal imagery of faces is used as a dataset in RGB form that displays the temperature range of the object. The process begins with the input of thermal images of the faces of children with autism and normal children, which are then processed with homomorphic filters to increase contrast and reduce the effects of temperature fluctuations. Apply gaussian filters to imagery to smooth images, reduce noise, and prepare images for feature extraction. The MobileNet architecture is used as a thermal image classification model, allowing for efficient and fast implementation on low-power devices. Model training was carried out on a thermal dataset of faces labeled autistic (0) or non-autistic (1). Experiments were conducted to evaluate the performance of the proposed system using classification matrices such as accuracy, precision, recall, and F1 score. This approach holds promise as a potential diagnostic aid for early detection of autism disorders based on thermal imaging of children's faces. The advantages of combining the MobileNet architecture with gaussian filter and homomorphic filter are expected to lead to the development of an effective system in the process of early diagnosis and intervention in children with ASD. The model with the implementation of the homomorphic filter with a learning rate value of 0.0001 has an accuracy of 88% and the best model with an accuracy of 93% in the implementation of the Gaussian filter using a learning rate value of 0.0001