Alat Bantu Pendeteksi Objek Sekitar Bagi Tuna Netra Menggunakan Stereo Vision Dengan Metode Convolutional Neural Network (CNN)

Rais, Bastomi Alat Bantu Pendeteksi Objek Sekitar Bagi Tuna Netra Menggunakan Stereo Vision Dengan Metode Convolutional Neural Network (CNN). [Tugas Akhir]

[img] Text
0915040055 - Rais Bastomi - Alat Bantu Pendeteksi Objek Sekitar Bagi Tuna Netra Menggunakan Stereo Vision Dengan Metode Convolutional Neural Network (CNN).pdf

Download (4MB)

Abstract

Di Indonesia para disabilitas tuna netra menggunakan tongkat sebagai alat bantu untuk mendeteksi adanya objek disekitar mereka. Selain itu mereka juga menggunakan tangan untuk mengetahui ada objek disekitar mereka. Pada umumnya, masih banyak para disabilitas tuna netra yang masih belum bisa mengidentifikasi ada nya benda serta jalan raya di depannya. Namun disisi lain tersebut, para disabilitas tuna netra masih punya indera pendengaran yang dapat di fungsikan untuk mengidentifikasi objek disekitarnya. Melihat kondisi tersebut dan juga terkait dengan perkembangan teknologi yang semakin pesat, yaitu dapat dikembangkan solusi modern sebagai alat bantu pendeteksi objek sekitar menggunakan kamera. Dengan menggunakan Mini PC jenis Raspberry Pi sebagai video processing dari kamera yang bekerja secara realtime dan dapat mengklasifikasikan antara beberapa objek seperti kursi, meja, mobil, sepeda, sepeda motor, dan manusia dengan menggunakan metode Convolutional Neural Network (CNN). Serta dapat mengestimasi jarak objek dengan kamera menggunakan Stereo Vision. dan Hasil pengolahan algoritma tersebut dapat diterjemahkan menjadi suara dan disalurkan melalui earphone sebagai output. Pada akhirnya para disabilitas dapat mengetahui objek dan jaraknya melalui earphone yang digunakan. Dari hasil pengujian pada penelitian ini, alat mampu mendeteksi keberadaan objek dengan akumulasi ketepatan hasil mencapai 91,7%, adapun untuk pendeteksian jarak menggunakan stereo vision hanya mampu mengukur pada tentang antara 50cm sampai 300 cm. Untuk keakuratan dalam mengestimasi jarak masih memiliki error yang tinggi sekitar 6,1% dengan posisi objek harus berada tepat ditengah antara dua kamera.

Item Type: Tugas Akhir
Additional Information: No inventaris: 5340/TO-15/2019_Lokasi TA:339
Uncontrolled Keywords: Stereo Vision, Convolution Neural Network (CNN), video processing
Subjects: T Technology > T Technology (General)
Depositing User: Unnamed user with email repository@ppns.ac.id
Date Deposited: 02 Dec 2019 06:01
Last Modified: 02 Dec 2019 06:01
URI: http://repository.ppns.ac.id/id/eprint/2431

Actions (login required)

View Item View Item