PENGEMBANGAN SISTEM DETEKSI CACAT LAS BERBASIS PENGOLAHAN CITRA MENGGUNAKAN METODE U-NET CNN

Mubarrok, Muhammad Rizki (2024) PENGEMBANGAN SISTEM DETEKSI CACAT LAS BERBASIS PENGOLAHAN CITRA MENGGUNAKAN METODE U-NET CNN. Diploma thesis, Politeknik Perkapalan Negeri Surabaya.

Text 0920040030 - Muhammad Rizki Mubarrok - Pengembangan Sistem Deteksi Cacat Las Berbasis Pengolahan Citra Menggunakan Metode U-Net CNN.pdf Restricted to Repository staff only Download (3MB) | Request a copy

Abstract

Dalam melakukan pengujian visual membutuhkan seorang ahli inspeksi las atau welding inspector untuk mengamati spesimen hasil pengelasan. Namun dalam proses pengamatan terkadang terjadi permasalahan tingkat ketelitian dan petugas yang melakukan inspeksi visual harus mempunyai pengalaman atau kompetensi dibidang ini. Dengan beberapa kendala tersebut perlulah dibuat suatu alat yang dapat membantu proses inspeksi visual hasil pengelasan agar proses inspeksi visual dapat berjalan dengan lebih baik dan tingkat ketelitian lebih tinggi. Peneliti ingin mengembangkan sebuah alat yang dapat membantu proses inpeksi visual hasil pengelasan pada permukaan pipa dengan bantuan teknologi pengolahan citra digital. Teknologi pengolahan citra dapat membantu proses inspeksi visual hasil pengelasan dengan lebih baik dan cepat. Penggunaan algoritma U-Net CNN menjadi salah satu metode untuk membantu proses klasifikasi hasil pengelasan menjadi lebih akurat dalam membedakan hasil pengelasan normal dan cacat. Jenis cacat yang dideteksi berupa cacat las undercut, porosity, dan excessive reinforcement. Penelitian ini menggunakan optimizer SGDM pada model U-Net CNN yang diterapkan dalam deteksi real- time dengan akurasi training sebesar 95,75% dan akurasi testing sebesar 80%. Pengujian model U-Net CNN secara realtime pada alat didapatkan akurasi keberhasilan sebesar 87,5%. Penerapan bounding box otomatis pada sistem menggunakan metode Haar Cascade. Kemudian pengukuran tingkat kedalaman cacat undercut dapat diukur dengan menggunakan citra HSV yang diubah menjadi 3D untuk dianalisis kedalaman pikselnya. Rata-rata error dalam proses perhitungan kedalaman sebesar 14.4%. Seluruh hasil klasifikasi dan pengukuran tersebut berhasil disimpan dalam format report of inspection berbentuk dokumen.

Actions (login required)

View Item