PNMPNM

JEECAE (Journal of Electrical, Electronics, Control, and Automotive Engineering)JEECAE (Journal of Electrical, Electronics, Control, and Automotive Engineering)

Kerusakan jalan merupakan salah satu faktor penyebab kecelakaan lalu lintas. Berdasarkan data Dit Lantas Polda Metro Jaya, tercatat 40 kasus kecelakaan, dengan rincian 12 kasus disebabkan oleh jalan rusak, 15 kasus akibat jalan berlubang, 11 kasus karena jalan licin, dan 2 kasus terkait tidak adanya rambu serta tikungan tajam. Selain menyebabkan kecelakaan, kondisi jalan yang rusak juga berdampak negatif terhadap perekonomian masyarakat dan memperlambat akses transportasi, sehingga mengurangi kenyamanan pengguna. Untuk mengatasi permasalahan ini dan menekan angka kecelakaan akibat kerusakan jalan, diperlukan upaya inovatif. Salah satu solusinya adalah pemanfaatan Tensorflow untuk mendeteksi kerusakan jalan secara realtime, yang memungkinkan pengiriman data kerusakan beserta lokasinya. Namun, teknologi ini belum mampu memperkirakan dimensi kerusakan. Oleh karena itu, penulis mengusulkan . Sistem ini menggunakan kamera untuk menangkap gambar kerusakan jalan, yang kemudian diproses oleh Mini PC. Data diproses dengan Framework PyTorch Object Detection dengan YOLOv5s. Setelah mengidentifikasi jenis kerusakan jalan, Area Estimation System akan digunakan untuk melakukan proses estimasi area pada kerusakan jalan. Selanjutnya, data akan dikirim ke cloud server.

400 gambar, lalu ditraining selama ± 6 jam dan menghasilkan nilai Precision sebesar 0.Sistem dapat mendeteksi objek berupa kerusakan jalan dengan jenis retak memanjang, retak melintang, retak kulit buaya, alur bekas roda, dan lubang dengan nilai akurasi tertinggi sebesar 77,3% pada saat intensitas Cahaya sebesar 10.Sistem juga dapat melakukan estimasi dimensi kerusakan jalan berdasarkan input nilai lebar kamera, nilai resolusi kamera, serta panjang dan lebar bounding box dengan rata-rata error saat pengujian yaitu lebar sebesar 24,64 cm, panjang sebesar 27,65 cm, dan kedalaman sebesar 4,82 mm.Penerapan sistem deteksi, klasifikasi dan estimasi dimensi memerlukan beberapa parameter agar sistem dapat bekerja dengan maksimal.Proses pendeteksian ideal dilakukan dengan kecepatan 30 km/jam saat intensitas cahaya 10.000 lux dengan FPS yang didapatkan adalah 4 FPS.

Untuk penelitian lanjutan, dapat dipertimbangkan pengembangan sistem deteksi dan estimasi dimensi kerusakan jalan yang lebih akurat dan efisien. Salah satu arah penelitian yang dapat diambil adalah dengan menggunakan teknik-teknik pengolahan citra yang lebih canggih, seperti deep learning dengan arsitektur yang lebih kompleks atau teknik-teknik pengolahan citra lainnya. Selain itu, penelitian dapat fokus pada peningkatan akurasi estimasi dimensi kerusakan jalan, dengan mempertimbangkan faktor-faktor seperti pencahayaan, kecepatan kendaraan, dan kondisi jalan yang bervariasi. Penelitian juga dapat mengeksplorasi penggunaan sensor-sensor tambahan, seperti lidar atau radar, untuk meningkatkan akurasi dan ketepatan deteksi kerusakan jalan. Terakhir, penelitian dapat mengintegrasikan sistem deteksi dan estimasi dimensi kerusakan jalan dengan sistem navigasi dan pemetaan jalan, sehingga dapat memberikan informasi yang lebih komprehensif dan membantu dalam perencanaan perbaikan jalan.

  1. 0. scitepress publication details doi.org/10.5220/00076906023202400 scitepress publication details doi 10 5220 0007690602320240
Read online
File size840.34 KB
Pages7
DMCAReport

Related /

ads-block-test