Prediksi Jarak Bola pada Citra Kamera Katadioptrik menggunakan metode Artifical Neural Network
Sari
ABSTRAK
Saat ini, kecerdasan buatan memungkinkan untuk dikembangkan dalam dunia robotika, khususnya untuk pengaturan gerakan robot berdasarkan pengolahan citra. Penelitian ini mengembangkan sebuah mobile robot yang dilengkapi dengan kamera katadioptrik dengan sudut pandang 3600. Citra yang didapatkan, dikonversi dari RGB menjadi HSV. Selanjutnya disesuaikan dengan proses morfologi. Nilai jarak yang terbaca oleh kamera (piksel) dengan jarak sebenarnya (cm) dihitung menggunakan Euclidean Distance. Nilai ini sebagai ekstraksi ciri data jarak yang dilatihkan pada sistem. Sistem yang dibuat pada penelitian ini memiliki iterasi sebanyak 1.000.000, dengan tingkat kelinieran R2=0.9982 dan keakuratan prediksi sebesar 99,03%.
Kata kunci: Robot, HSV, Euclidean Distance, Kamera katadioptrik, Artifical Neural Network
ABSTRACT
Recently, artificial intelligence is possible to be developed in robotic, specifically for robot movements control based on image processing. This research develops a mobile robot with a 3600 perspective catadioptric camera is equipped. The camera captured images were converting from RGB to HSV. Furthermore, it adapted to the morphological process. The distance value read by the camera (pixels) to the actual distance (cm) is measured using Euclidean Distance. This value is a feature extraction of distance data that has training on the system. The system built in this study has 1,000,000 iterations, with a linearity level of R2Â = 0.9982 and prediction accuracy of 99.03%.
Keywords: Robot, HSV, Euclidean Distance, Catadioptric Camera, Artifical Neural Network
Kata Kunci
Teks Lengkap:
PDFReferensi
Akbar, E. M. (2017). Rancang Bangun Omni Vision pada Robot ESPARTAN KRSBI Beroda. 5th Indonesian Symposium on Robotic System and Control, (pp. 78-81).
Aliakbarpour, H. O. (2014). Visual servoing of mobile robots using non-central catadioptric cameras. Elsevier (Robotics and Autonomous Systems), 62(11), 1-10.
Budianto, A. P. (2017). Analysis of Artifical Intelligence Application Using Back Propagation Neural Network and Fuzzy Logic Controller on Wall-Following Autonomous Mobile Robot. International Symposium on Electronics and Smart Devices, (pp. 62-67).
Cantrell, K. M.-P.-V. (2010). Use of the Hue Parameter for Bitonal Optical Sensor. Analytical Chemistry, 82(2), 531-542.
Engedy, H. (2010). Artifical Neural Network based Local Motion Planning of a Wheeled Mobile Robot. 11th IEEE International Symposium on Computational Intelligence and Informatics, (pp. 213-219).
Fauzi, F. J. (2018). Implementasi Metode RGB To HSV pada Aplikasi Pengenalan Mata Uang Kertas Berbasis Android untuk Tuna Netra. Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer, 4(2), 196-202.
Gigras, Y. K. (2012). Artifical Intelligence in Robot Path Planning. International Journal of Soft Computing and Engineering (IJSCE), 2(2), 2231-2307.
Kalita, J. K. (2013). Recognition of Facial Expression Using Eigenvector Based Distributed Features and Euclidean Distance Based Decision Making Technique. (IJACSA) International Journal of Advanced Computer Science and Applications, 4(2), 192-202.
Muhammad, F. A. (2015). Sistem Navigasi Robot Beroda Menggunakan Omnidirectional Camera. UII, Jurusan Teknik Elektro, Yogyakarta.
Muis, D. M. (2017). Sistem Kecerdasan Tiruan Dengan Kemampuan Belajar dan Adaptasi. Ruko Jambusari 7A Yogyakarta: TEKNOSAIN.
Prakoso, Y. R. (2017). Artifical Neural Network Untuk Pengukuran Posisi Bola Menggunakan Kamera Omnidireksional Pada Robot Sepak Bola Beroda. 5th Indonesian Symposium on Robotic System and Control, (pp. 169-172).
Prasetyawati, S. A. (2005). Korelasi Antara Dua Sinyal Sama Berbeda Jarak Perekaman Dalam Sistem Adaptif. Transistor, 5(1), 83-89.
Pratomo, D. E. (2015). Analisis Regresi dan Korelasi Antara Pengunjung Dan Pembeli Terhadap Nominal Pembelian di Indomaret Kedungmundu Semarang Dengan Metode Kuadrat Terkecil. Udinus, Juruan Ilmu Komputer. Semarang: Udinus.
Rasmana, S. H. (2020). Lokalisasi Mobile Robot berdasarkan Citra Kamera OMNI menggunakan Fitur Surf. Jurnal Teknologi Informasi dan Ilmu Komputer, 7(5), 1079-1088.
Setyawan, N. K. (2018). Pengenalan Posisi Objek Dari Sistem Kamera Omni-Vision Menggunakan Pso-NN dan Scan Lines pada Robot Sepak Bola. Seminar Nasional Teknologi dan Rekayasa (SENTRA), (pp. 27-33).
Sheng, D. L. (2017). SAR Automatic Target Recognition Based on Euclidean Distance Restricted Autoencoder. IEEE Journal Of Selected Topics In Applied Earth Observations And Remote Sensing, 10(7), 3323-3333.
Singh, M. D. (2011). Path optimisation of a mobile robot using an artifical neural network controller. International Journal of System Science, 42(1), 107-120.
Stone, A. A. (2018). Segmentasi Citra pada Robot Sepak Bola Beroda Menggunakan Multilayer Neural Network dan Fitur Warna HSV. Jurnal Teknik ITS Surabaya, 7(2), A276-A281.
Sutrisno, A. A. (2014). Implementasi Teknik Watershed Dan Morfologi Pada Citra Satelit Untuk Segmentasi Area Universitas Brawijaya. Jurnal Teknik Informasi Dan Ilmu Komputer, 1(1), 5-13.
Yuliana, I. M. (2016). Modul Regresi Linier Sederhana. Universitas Udayana, 2-5.
DOI: https://doi.org/10.26760/elkomika.v9i2.279
Refbacks
- Saat ini tidak ada refbacks.
_______________________________________________________________________________________________________________________
ISSN (print) : 2338-8323 | ISSN (electronic) : 2459-9638
Publisher:
Department of Electrical Engineering Institut Teknologi Nasional Bandung
Address: 20th Building Institut Teknologi Nasional Bandung PHH. Mustofa Street No. 23 Bandung 40124
Contact: +627272215 (ext. 206)
Email: jte.itenas@itenas.ac.id________________________________________________________________________________________________________________________
Jurnal ini terlisensi oleh Creative Commons Attribution-ShareAlike 4.0 International License.