DETEKSI OBSTACLE PADA REMOTELY OPERATED VEHICLE BERBASIS CONVOLUTIONAL NEURAL NETWORK

Arifin, Muhammad Firman Tsany (2022) DETEKSI OBSTACLE PADA REMOTELY OPERATED VEHICLE BERBASIS CONVOLUTIONAL NEURAL NETWORK. Diploma thesis, Politeknik Perkapalan Negeri Surabaya.

Text 0918040009 - Muhammad Firman Tsany Arifin - Deteksi i Obstacle _i pada i Remotely Operated Vehicle _i Berbasis i Convolutional Neural Network _i .pdf Restricted to Repository staff only Download (6MB)

Abstract

Pada saat RoV beroperasi melakukan penyelaman dibawah air tidak sedikit obstacle yang dijumpai ketika dibawah air yang dapat mempengaruhi kinerja dan body dari RoV jika menabrak ataupun hanya bergesekan saja. Oleh sebab itu pada penelitian tugas akhir ini RoV dilengkapi dengan kamera untuk mendeteksi obstacle apa yang dihadapi saat beroperasi. Gambar kamera bawah air seringkali sulit untuk diidentifikasi dan dideteksi karena kondisi bawah air yang membiaskan cahaya dan tingkat kejernihan air juga memengaruhi. Dalam penelitian ini digunakan metode Convolutional Neural Networks (CNN) untuk pengenalan objek dalam gambar kamera, dengan menggunakan metode Convolutional Neural Networks (CNN) pengidentifikasian gambar kamera dibawah air dapat lebih mudah dilakukan. Output dari convolutional neural network yang diklasifikasikan menjadi 5 kategori yaitu botol, rantai, propeler, tiang kayu, dan tidak ada halangan. Akurasi dari convolutional neural network yang digunakan mencapai 85%, untuk output pada motornya menggunakan metode CNN kurang cocok karena dapat berubahubah pendeteksiannnya sewaktu-waktu yang menyebabkan pengiriman data serial dari python ke arduino berubah-ubah sesuai dengan perubahan pendeteksiannya yang mempengaruhi pergerakkan motornya, tetapi dapat diminimalisir dengan menambah dataset training dan dapat mengurangi terjadinya perubahan deteksi secara tidak menentu apabila akurasi pendeteksian dari CNN tinggi yang menyebabkan pembacaan tidak berubah-ubah dan tetap stabil.

Actions (login required)

View Item