REKONSTRUKSI 3D DENGAN METODE SFM-MVS DAN PSR UNTUK ESTIMASI VOLUME MAKANAN = 3D RECONSTRUCTION WITH SFM-MVS AND PSR METHODS FOR FOOD VOLUME ESTIMATION

Estimasi volume makanan sangat penting dalam pengelolaan nutrisi untuk mengontrol asupan kalori dan nutrisi. Untuk mendapatkan asupan gizi atau kalori yang lebih tepat dan akurat, volume makanan yang akurat harus diketahui terlebih dahulu. Penelitian ini mengusulkan metode Structure From Motion (SFM), Multi-View Stereo (MVS), dan Poisson Surface Reconstruction (PSR) untuk rekonstruksi 3D, proses rekonstruksi 3D dimulai dengan pengambilan gambar makanan dari berbagai sudut pandang menggunakan kamera smartphone. Gambar tersebut diproses menggunakan SFM untuk menghasilkan sparse point cloud, kemudian disempurnakan menjadi dense point cloud menggunakan MVS, hasil dari MVS selanjutnya diproses dengan PSR untuk menghasilkan model 3D yang halus. Volume makanan dihitung dengan melakukan pemotongan (slicing) pada model 3D dan menghitung volume tiap bagian dari hasil slicing. Evaluasi akurasi sistem dilakukan dengan membandingkan hasil estimasi volume sistem dengan pengukuran manual menggunakan metode perpindahan air. Hasil penelitian menunjukkan peningkatan waktu komputasi signifikan seiring peningkatan jumlah gambar dan kualitas rekonstruksi meningkat dengan jumlah gambar lebih banyak sehingga menghasilkan sparse point cloud dan dense point cloud lebih banyak. Sistem memiliki akurasi estimasi volume dengan kesalahan rata-rata sekitar 7.7562% dan nilai R² sebesar 0.855 menunjukkan kemampuan prediksi yang baik. Berdasarkan standar deviasi yang sebesar 0.936 menunjukkan bahwa hasil estimasi sistem cukup konsisten.