Optimasi Komputer Vision Pada Turtlebot Sebagai Pendeteksi Objek Benda Kotak

Ach Tohir, Anang Habibi, M Taqijjuddin Alawi

Sari


Kemampuan robot dalam mendeteksi objek berbentuk kotak sangat penting untuk aplikasi yang membutuhkan interaksi robot dengan lingkungan, seperti dalam sistem navigasi dan pengambilan objek secara otomatis. Penelitian ini mengimplementasikan dan mengoptimalkan deteksi objek berbentuk kotak pada TurtleBot yang dilengkapi modul kamera Raspberry Pi dan algoritma YOLO (You Only Look Once). Proses deteksi objek mencakup tahapan akuisisi gambar, pemrosesan citra, dan penerapan algoritma YOLO untuk mengenali objek berbentuk kotak. Pengujian dilakukan dalam tiga kondisi pencahayaan yang berbeda: gelap (0-50 lumen), redup (50-200 lumen), dan terang (200-500 lumen), dengan variasi jarak antara 20 hingga 70 cm. Hasil pengujian menunjukkan bahwa optimasi computer vision pada TurtleBot meningkatkan akurasi deteksi, terutama pada pencahayaan terang. Optimalisasi parameter kamera, seperti penyesuaian eksposur dan sensitivitas cahaya, berperan penting dalam meningkatkan performa deteksi pada berbagai kondisi pencahayaan, meskipun akurasi menurun pada kondisi redup dan gelap. Dengan kesimpulan, optimasi sistem computer vision pada TurtleBot secara signifikan meningkatkan kemampuan deteksi objek berbentuk kotak. Penyesuaian parameter kamera dan algoritma YOLO memungkinkan TurtleBot untuk mendeteksi objek dengan lebih akurat dan efisien, terutama dalam kondisi pencahayaan optimal. Penelitian ini menegaskan bahwa optimasi computer vision adalah kunci untuk mengembangkan robot yang andal dan adaptif dalam berbagai aplikasi interaksi dengan lingkungan.


Teks Lengkap:

PDF

Referensi


M. I. Moha, C. Poekoel, M. Eldad, I. Najoan, and R. F. Robot, “Implementasi Kamera 360 Derajat Untuk Mendeteksi Objek Pada Robot Sepak Bola Beroda,” Jurnal Teknik Informatika, vol. 14, no. 3, 2019.

D. A. Prabowo, D. Abdullah, and A. Manik, “DETEKSI DAN PERHITUNGAN OBJEK BERDASARKAN WARNA MENGGUNAKAN COLOR OBJECT TRACKING,” 2018.

Muliady, Y. Louise, dan Y. Susanthi, “Mapping dan Navigasi untuk Robot Pengantar Makanan di Restoran Berbasis ROS,” Techné Jurnal Ilmiah Elektroteknika, vol. 22, no. 1, hal. 111-128, Apr. 2023.

J. Mahestra, R. Aprilino, and P. Santoso, “PENERAPAN SISTEM NAVIGASI MOBILE ROBOT PADA TURTLEBOT DENGAN DEPTH SENSOR CAMERA,” Seminar Nasional Fortei Regional, vol. 7, 2020

M. Abrar Masril and D. Putra Caniago, “Optimasi Teknologi Computer Vision pada Robot Industri Sebagai Pemindah Objek Berdasarkan Warna,” vol. 11, no. 1, pp. 46–57, 2023.

A. Rahman, “Penerapan SLAM Gmapping dengan Robot Operating System Menggunakan Laser Scanner pada Turtlebot,” J. Rekayasa Elektrika, vol. 16, no. 2, hal. 103-109, Agustus 2020.

Rasyid, Rizky Abdillah. "Penghindaran Rintangan untuk Robot TurtleBot3 dengan Menggunakan Algoritma Greedy dan Sensor Laser Scan." Makalah dalam IF2211 Strategi Algoritma, Program Studi Teknik Informatika, Sekolah Teknik Elektro dan Informatika, Institut Teknologi Bandung, 2022.

M. Rizqi Efrian et al., “IMAGE RECOGNITION BERBASIS CONVOLUTIONAL NEURAL NETWORK (CNN) UNTUK MENDETEKSI PENYAKIT KULIT PADA MANUSIA,” Jurnal POLEKTRO: Jurnal Power Elektronik, vol. 11, no. 1, p. 2022.

A. Dewi Parwati and A. Akbar Riadi, “Implementation Of Raspberry Pi As a Wireless Camera Design,” vol. 2, no. 2, pp.77 – 81, 2022, Available: http://journal.stiestekom.ac.id/index.php/TEKNIK

J. Zophie, H. Himawan Triharminto, D. Elekronika, and A. Angkatan Udara, “Implemetasi Algoritma You Only Look Once (YOLO) menggunakan Web Camera untuk Mendeteksi Objek Statis dan Dinamis Implementation of You Only Look Once (YOLO) Algorithm using Web Camera for Static dan Dinamic Object Detection,” vol. 1, no. 1, 2022.

G. Xie and W. Lu, “Image Edge Detection Based On Opencv,” International Journal of Electronics and Electrical Engineering, vol. 1, no. 2, pp. 104–106, 2013, doi: 10.12720/ijeee.1.2.104-106.

A. Paszke et al., “Automatic differentiation in PyTorch.”

A. Khosravi, F. Albardi, H. M. D. Kabir, M. M. I. Bhuiyan, P. M. Kebria, and S. Nahavandi, “A Comprehensive Study on Torchvision Pre-trained Models for Fine-grained Inter-species Classification,” Oct. 2021,

C. Darujati, T. Susim, and I. Artikel, “PENGOLAHAN CITRA UNTUK PENGENALAN WAJAH (FACE RECOGNITION) MENGGUNAKAN OPENCV,” Jurnal Syntax Admiration, vol. 2, no. 3, 2021.


Refbacks

  • Saat ini tidak ada refbacks.