STTSSTTS

INSYST: Journal of Intelligent System and ComputationINSYST: Journal of Intelligent System and Computation

Beberapa produk asisten virtual saat ini seperti Alexa, Siri, dan Google Home memfasilitasi fitur untuk mengendalikan perangkat rumah pintar melalui masukan suara, yang semakin populer dalam beberapa tahun terakhir. Selain masukan suara, perangkat rumah pintar juga dapat dipantau dan dikendalikan melalui smartphone atau komputer menggunakan aplikasi yang memberikan fleksibilitas kepada pengguna. Namun, kedua sistem kontrol tersebut kurang efisien, karena mengonsumsi waktu dan masukan suara mungkin tidak selalu diakui dalam kondisi ramai. Oleh karena itu, penelitian ini memperkenalkan aplikasi untuk mengenali gestur tangan secara real-time dan menggunakannya sebagai sistem kontrol baru yang memberikan efisiensi waktu dan energi. Aplikasi ini memproses gambar menggunakan kerangka Mediapipe, menghasilkan output landmark tangan. Output landmark ini digunakan untuk menentukan kombinasi jari yang diangkat atau diturunkan, yang kemudian digunakan untuk mengendalikan perangkat rumah pintar. Aplikasi ini dikembangkan dengan modul ESP32 dan ESP01s sebagai penerima data dari pengenalan gestur, dan ESP32-CAM untuk akuisisi gambar. Sementara itu, proses komputasi pengenalan gestur dijalankan di Raspberry Pi 3 Model B. Aplikasi pengenalan gestur tangan mencapai akurasi yang baik sebesar 88%, tetapi mungkin mengalami kegagalan sesekali untuk gestur tertentu. Namun, waktu respons yang dihasilkan oleh sistem kontrol rumah pintar masih relatif lama, dengan rata-rata 7,88 detik.

Sistem kontrol perangkat rumah pintar yang dikembangkan memiliki waktu respons rata-rata keseluruhan sebesar 7,88 detik dari 10 tes untuk setiap gestur.Waktu respons ini masih terlalu lama jika diterapkan dalam bentuk produk.Waktu respons yang lama ini disebabkan oleh keterbatasan komputasi Raspberry Pi 3 Model B dalam menangani gambar dan menginferensinya ke dalam model pengenalan gestur.Oleh karena itu, penelitian ini belum dapat mengatasi masalah efisiensi waktu dan energi yang diidentifikasi dalam penelitian sebelumnya.Namun, penelitian ini memiliki potensi untuk ditingkatkan dan dapat mengatasi masalah ini dengan mengganti unit komputasi pusat dengan komputer kecil lain yang memiliki kecepatan komputasi lebih tinggi.

Untuk meningkatkan efisiensi waktu dan energi, sistem kontrol perangkat rumah pintar dapat dikembangkan lebih lanjut dengan mengganti Raspberry Pi 3 Model B sebagai unit komputasi pusat dengan komputer yang lebih cepat. Selain itu, dapat dipertimbangkan untuk tidak menjalankan pengenalan gestur secara real-time, tetapi menyediakan fitur antarmuka untuk mode perekaman gestur, sehingga menghemat konsumsi daya. Implementasi fitur perekaman dan penyimpanan sinyal inframerah dari remote asli juga dapat dilakukan, sehingga memungkinkan emisi sinyal inframerah ketika instruksi tertentu dipanggil. Dengan demikian, penelitian ini dapat ditingkatkan dan memberikan solusi yang lebih efisien dan efektif untuk kontrol perangkat rumah pintar.

  1. Implementation of Hand Gesture Recognition as Smart Home Devices Controller | INSYST: Journal of Intelligent... jurnal.stts.edu/index.php/INSYST/article/view/372Implementation of Hand Gesture Recognition as Smart Home Devices Controller INSYST Journal of Intelligent jurnal stts edu index php INSYST article view 372
  2. Gestures Controlled Home Automation using Deep Learning: A Review | International Journal of Current... ijcet.evegenis.org/index.php/ijcet/article/view/1819Gestures Controlled Home Automation using Deep Learning A Review International Journal of Current ijcet evegenis index php ijcet article view 1819
Read online
File size860.4 KB
Pages6
DMCAReport

Related /

ads-block-test