Optimasi Komputer Vision Pada Turtlebot Sebagai Pendeteksi Objek Benda Kotak

Abstract

Kemampuan robot dalam mendeteksi objek berbentuk kotak sangat penting untuk aplikasi seperti navigasi dan pengambilan objek otomatis. Penelitian ini bertujuan untuk mengembangkan dan mengoptimalkan sistem deteksi objek kotak pada TurtleBot menggunakan algoritma YOLO (You Only Look Once) dan kamera Raspberry Pi. Tujuan utama penelitian ini adalah untuk meningkatkan akurasi deteksi objek berbentuk kotak pada berbagai kondisi pencahayaan dan jarak guna mendukung kinerja robot yang lebih andal dan efisien. Tahapan deteksi meliputi akuisisi gambar, pemrosesan citra, dan penerapan algoritma YOLO untuk mengenali objek berbentuk kotak. Pengujian dilakukan pada tiga kondisi pencahayaan (gelap 0–50 lumen, redup 50–200 lumen, terang 200–500 lumen) dan jarak 20–70 cm. Hasil pengujian menunjukkan akurasi deteksi mencapai 85% pada pencahayaan terang, dengan nilai kepercayaan rata-rata 0,87. Pada pencahayaan redup, tingkat keberhasilan deteksi menurun menjadi 68%, dan 45% pada kondisi gelap. Dari segi jarak, tingkat keberhasilan deteksi mencapai 90% pada jarak dekat (20–40 cm), menurun menjadi 75% pada jarak menengah, dan 60% pada jarak jauh. Penyesuaian parameter kamera, seperti eksposur dan sensitivitas cahaya, sangat berpengaruh pada peningkatan deteksi. Penelitian ini menegaskan pentingnya optimasi sistem computer vision untuk robot otonom yang adaptif dalam berbagai aplikasi. Kata Kunci : Optimasi computer vision, deteksi objek, TurtleBot, kamera Raspberry Pi, YOL