DeepSun: Klasifikasi Fase Cahaya Matahari Berdasarkan Warna Menggunakan CNN

Abstract

Penelitian ini  berbasis metode DeepSun, sebuah sistem yang menggunakan Jaringan Syaraf Tiruan Konvolusi (CNN) untuk mengklasifikasikan fase cahaya matahari berdasarkan warna. Fase cahaya seperti Golden Hour, Blue Hour, dan Pink Hour memiliki karakteristik visual yang khas, dan mengidentifikasi fase cahaya ini secara otomatis dapat memberikan pemahaman yang lebih baik tentang suasana dan estetika suatu gambar. Pendekatan yang diusulkan menggunakan dataset yang terdiri dari gambar-gambar yang dikumpulkan selama berbagai kondisi cahaya matahari. Data tersebut dianotasi dengan label fase cahaya yang sesuai. CNN digunakan untuk mengekstraksi fitur-fitur penting dari gambar-gambar ini. Kemudian, fitur-fitur tersebut digunakan sebagai input untuk pengklasifikasi yang dilatih menggunakan algoritma pembelajaran mesin. Eksperimen dilakukan untuk mengevaluasi kinerja sistem DeepSun. Hasil-hasil yang diperoleh menunjukkan bahwa sistem ini mampu mengklasifikasikan fase cahaya matahari dengan tingkat akurasi yang tinggi. Kesalahan klasifikasi terutama terjadi saat kondisi cahaya yang sangat mirip antara fase-fase tertentu. Namun, dengan meningkatkan jumlah data latih dan peningkatan arsitektur CNN, tingkat akurasi dapat ditingkatkan lebih lanjut. Dengan kemampuan untuk mengklasifikasikan fase cahaya matahari secara otomatis, DeepSun dapat membantu pengguna untuk memilih waktu yang tepat dalam mengambil gambar yang berkualitas. Selain itu, sistem ini juga dapat digunakan untuk meningkatkan pemrosesan gambar otomatis dan pengeditan yang berbasis pada fase cahaya yang diinginkan.