<![CDATA[AbstractPrecise recognition of potato external defects and the ability to identify defects and non-defect areas are in demand. Common scab represents a significant issue that requires detection, yet identifying the extent of common scab infection remains challenging when using a standard RGB camera. In this research, a 2CCD camera system that could obtain a set of RGB and near-infrared images, which could enhance defect detection, has been used. Image segmentation strategies based on a single principal component image and the principal component pseudo-colored image have been proposed to identify external potato defects while excluding soil deposits on the potato surface, often recognized as defects by the normal color machine vision system. Performance metrics calculation results show relatively good results, with segmentation true accuracy around 64% for both methods. Principal component pseudo-colored images were able to discriminate defects area and soil deposits in a single image. The methods presented in this paper could be used as the basis to develop further classification and grading algorithms.Keywords: image processing, multispectral, PCA, surface defects AbstrakPengenalan yang tepat terhadap cacat eksternal kentang dan kemampuan untuk mengidentifikasi area cacat dan non-cacat sangat dibutuhkan. Keropeng yang umum merupakan masalah signifikan yang memerlukan deteksi, namun mengidentifikasi tingkat infeksi keropeng yang umum tetap menjadi tantangan saat menggunakan kamera RGB standar. Penelitian ini menggunakan sistem kamera 2CCD yang dapat memperoleh serangkaian gambar RGB dan inframerah dekat yang dapat meningkatkan deteksi cacat. Strategi segmentasi gambar berdasarkan gambar komponen utama tunggal dan gambar berwarna semu komponen utama diusulkan untuk mengidentifikasi cacat eksternal kentang dengan mengecualikan endapan tanah pada permukaan kentang yang sering dikenali sebagai cacat oleh sistem penglihatan mesin warna normal. Hasil penghitungan metrik kinerja menunjukkan hasil yang relatif baik, dengan akurasi segmentasi sebenarnya sekitar 64% untuk kedua metode. Komponen utama gambar berwarna semu mampu membedakan area cacat dan endapan tanah dalam satu gambar. Metode yang disajikan dalam penelitian ini dapat digunakan sebagai dasar untuk mengembangkan algoritma klasifikasi dan penilaian lebih lanjut.Kata Kunci: cacat permukaan, multispektral, PCA, pengolahan citra ]]>
