PPICURUGPPICURUG

Langit Biru: Jurnal Ilmiah AviasiLangit Biru: Jurnal Ilmiah Aviasi

Keselamatan penerbangan merupakan aspek krusial dalam industri aviasi, yang sangat bergantung pada kondisi landasan pacu yang optimal untuk keberhasilan lepas landas dan pendaratan. Foreign Object Debris (FOD) seperti batu dan lubang di landasan pacu menimbulkan ancaman signifikan, sehingga memerlukan tindakan pencegahan untuk menghindari kegagalan operasional dan kerusakan pesawat. Oleh karena itu, penelitian ini bertujuan untuk merancang aplikasi pengolahan citra untuk penggunaan drone guna meningkatkan inspeksi landasan pacu. Metode Penelitian dan Pengembangan (R&D) digunakan mulai dari desain aplikasi hingga pengujian lapangan. Pengolahan citra menggunakan metode You Only Look Once (YOLO) untuk deteksi FOD yang cepat dan akurat, memaksimalkan efektivitas drone dalam mengidentifikasi risiko. Hasil penelitian menunjukkan bahwa ukuran objek dan jarak pengambilan gambar secara signifikan memengaruhi kinerja deteksi. Analisis ini memberikan dasar untuk optimasi model melalui metode augmentasi data yang ditingkatkan dan penyesuaian parameter untuk mengatasi tantangan dalam mendeteksi objek dengan berbagai ukuran.

Penelitian ini menyimpulkan bahwa ukuran objek dan jarak pengambilan gambar secara signifikan memengaruhi kinerja deteksi model, dengan objek kecil lebih sulit dideteksi pada jarak yang lebih jauh.Hasil ini memberikan dasar penting untuk optimasi model, termasuk peningkatan metode augmentasi data dan penyesuaian parameter, guna mengatasi tantangan deteksi objek dengan ukuran bervariasi.Meskipun demikian, keterbatasan dalam mendeteksi objek pada jarak yang lebih panjang, terutama untuk objek yang lebih kecil, menuntut pertimbangan cermat dalam perancangan sistem deteksi di lapangan.

Mengingat keterbatasan dalam mendeteksi objek kecil pada jarak jauh serta kebutuhan akan penyesuaian jarak pengambilan gambar yang optimal, penelitian lanjutan dapat mengeksplorasi beberapa arah inovatif. Pertama, studi dapat berfokus pada pengembangan dan pengujian arsitektur deteksi objek berbasis deep learning yang lebih maju, seperti varian YOLO terbaru atau model berbasis Transformer, yang dirancang untuk meningkatkan akurasi dan sensitivitas terhadap objek berukuran mikro di berbagai jarak, bahkan dalam kondisi visual yang menantang. Kedua, sangat relevan untuk mengembangkan algoritma optimasi jalur penerbangan drone yang adaptif. Algoritma ini akan secara cerdas menyesuaikan ketinggian dan kecepatan drone secara dinamis, berdasarkan umpan balik deteksi objek real-time, untuk selalu memastikan kondisi pengambilan gambar yang paling efektif, sehingga memaksimalkan efisiensi dan cakupan inspeksi landasan pacu secara otomatis. Ketiga, integrasi modalitas sensor tambahan, seperti citra termal atau radar, ke dalam sistem pengolahan citra yang ada akan sangat berharga. Fusi multi-sensor ini berpotensi meningkatkan kemampuan deteksi FOD, terutama di bawah kondisi visibilitas rendah atau cuaca buruk, yang sering menjadi kendala bagi sistem visual murni. Selain itu, melakukan analisis komprehensif terhadap berbagai metode augmentasi data dan strategi penyetelan parameter untuk model deteksi akan lebih memperkuat ketahanan dan kemampuan generalisasi model terhadap lingkungan operasional yang beragam. Akhirnya, pengembangan dan pengujian sistem drone inspeksi yang sepenuhnya otonom, mulai dari lepas landas hingga pendaratan otomatis dengan transmisi data real-time, akan menjadi langkah krusial untuk memvalidasi solusi ini dalam skenario implementasi di lapangan.

Read online
File size602.22 KB
Pages10
DMCAReport

Related /

ads-block-test