Hasil Pencarian  ::  Simpan CSV :: Kembali

"ABSTRAKQuadcopter merupakan wahana dengan model matematik yang sangat komplek. Konfigurasi quadotor ada konfigurasi plus dan konfigurasi silang X . Konfigurasi Silang X lebih banyak diaplikasikan karena kemudahan pada saat memasang payload. Pengoperasian Quadcopter di dalam ruangan tidak bisa menggunakan GPS untuk estimasi posisi sehingga perlu sensor lain, penggunaan kamera optik di luar wahana bisa dilakukan tetapi perlu komputasi yang berat. Sehingga penggunaan sensor akselerometer dan optical flow sensor dipilih untuk estimasi posisi quadcopter karena terpasang onboard dan harganya murah low-cost . Pada penelitian ini akan dilakukan desain kendali penjejakan trayektori untuk quadcopter konfigurasi Silang X dengan sensor akselerometer dan optical flow sensor untuk estimasi posisi dalam ruangan tertutup. Kendali yang dipilih yaitu Proporsional dengan umpan balik posisi dan PID untuk kecepatan. Desain kendali dilakukan dengan simulasi dan diimplementasikan dengan quadcopter secara riil dengan prosesor kendali penjejakan menggunakan Pixhawk sebagai prosesor kendali attitiude dan prosesor Raspberry Pi untuk kendali trayektori. Dari hasil simulasi, penjejakan trayektori quadcopter mampu mengikuti trayektori berupa garis linier, bentuk kotak dan pola U dengan waktu tunda sekitar 1 detik dengan nilai PID untuk translasi arah X dan Y yang sama yaitu NavX=1 , NavY = 1 Kp= 0.9, Ki= 0.08 dan Kd = 0.001. Dari hasil implementasi riil Quadcopter mampu mengikuti trayektori linier, bentuk kotak dan pola U dengan waktu tunda sekitar 1 detik dengan nilai NavX =1, NavY = 1, Kp = 0.9, Ki = 0.08 dan Kd = 0.001. Dari hasil ini dapat diketahui penjejakan trayektori dapat di implementasikan pada Quadcopter diruangan tertutup.

---

ABSTRACTQuadcopter is a vehicle with a very complex mathematical model. The quadotor has plus and cross configuration X . Cross Configuration X will provide convenience for install the payload. GPS can not be used to estimate the position in an enclosed, optical cameras can estimate the position but need heavy computing. So the use of accelerometer and optical flow sensors are chosen to estimate the quadcopter position because it is installed onboard and low cost. In this research, will be designed trajectory tracking controls for cross configuration X quadcopter with accelerometer and optical flow sensor for indoor position estimation. The selected control is Proportional for position and PID for speed control. The control design is performed by simulation and implemented on a real quadcopter. Pixhawk Processors used for attitiude control and Raspberry Pi processors used for trajectory control. The simulation results show that the trajectory tracking able to directing the quadcopter to follow Line trajectory, Square trajectory, Circle trajectory and U shape trajectory with delay time 1 second. The PID parameters for this tracking Kp 0.9, Ki 0.08, Kd 0.. In the implementation, the trayektory tracking is able to directing the quadcopter to follow Line trajectory, Square trajectory, Circle trajectory and U Shape trajectory. This delay time for real implementation is 1 second. The PID parameters is Kp 0.9, Ki 0.1, Kd 0.01. From the result, the controls able to implemented for quadcopter in the indoor."

"Optical flow visualization adalah metode visualisasi aliran yang memanfaatkan perbedaan indeks refraksi cahaya untuk melihat gangguan pada media transparan. Salah satu teknik yang menggunakan metode ini adalah teknik schlieren, dalam teknik ini susunan optik paling sederhana yang dapat di implementasikan adalah single mirror off-axis schlieren system. Namun dalam susunan optik ini penggunaan cermin spherical berjarak fokus kurang dari satu meter yang terbuat dari bahan akrilik sangatlah kurang, khususnya pada penelitian ilmiah. Penelitian ini akan berfokus pada single mirror off-axis schlieren system dengan menggunakan spherical mirror yang memiliki diameter sebesar 600 mm dan jarak fokus 584,2 mm. Objek yang diamati akan divariasikan berdasarkan perbedaan densitas antara udara disekitar objek dengan udara atmosfir. Pada penelitian ini akan diamati effective field-of-view yang didapatkan serta kontras gambar yang dihasilkan dan hubungannya dengan ISO kamera yang digunakan. Field-of-view efektif yang dihasilkan bergantung pada geometri dan kualitas permukaan cermin yang digunakan. Kontras gambar tertinggi didapatkan dari efek schlieren yang dihasilkan karena pencampuran gas dengan densitas yang berbeda, khusunya butane gas, sementara kontras gambar terendah didapatkan dari efek schlieren yang diakibatkan perubahan temperatur pada udara. Pengaturan ISO kamera yang digunakan bergantung dengan jenis fenomena yang diamati.

---

Optical flow visualization is a method that utilizes refractive index gradient for seeing the disturbance of air in transparent media. The technique that uses this method is the schlieren technique, the simplest optical arrangement in this technique is single mirror off-axis schlieren system. However, usage of short focal length spherical mirror made by acrylic in this optical arrangement is still lacking, especially in the scientific research. This research will focus on a single mirror off-axis schlieren system using a spherical mirror with 600 mm diameter and 584.2 mm focal length. The observed object will be varied based on the density difference between the air around it and the atmospheric air. In this study, the effective field-of-view obtained will be observed as well as the resulting image contrast and its relationship with the camera’s ISO. The resulting effective field-of-view depends on the geometry and surface mirror quality. The highest image contrast is obtained from the Schlieren effect which caused by mixing different densities gases, especially for butane gas, while the lowest image contrast is obtained from the Schlieren effect caused by temperature changes in the air. The recommended camera’s ISO depends on the type of phenomenon being observed."

"ABSTRAKTeknik yang digunakan untuk Sistem Pemantau Lalu Lintas pada masa sekarangini banyak tergantung pada sensor-sensor yang mempunyai kemampuan yangterbatas, kurang fleksibel, dan seringkali mahal dan sulit untuk dipasang.Penggunaan kamera digabungkan dengan teknologi Computer Vision menjadialternatif yang menarik dari sensor yang ada saat ini. Sensor berbasis kamera inimempunyai potensi yang lebih besar untuk mengamati kondisi lalu lintas yangada dibanding sensor konvensional saat ini yaitu sensor ini lebih murah danmudah untuk dipasang.Di dalam penelitian ini dikembangkan sistem pemantaulalu lintas menggunakan metode Optical Flow dan Gaussian Mixture Model.Eksperimen dilakukan menggunakan handycam, berlokasi di salah satu tol dalamkota Jakarta. Kondisi pengambilan gambar adalah pada kondisi yang berbedabedayaitu pada saat pagi, siang, dan sore, cuaca cerah, dan mendung, sertakondisi arus lalu lintas padat dan lancar. Setelah pengujian dilakukan, algoritmaOptical Flow memberikan hasil yang lebih baik dibandingkan algoritma GaussianMixture Model yaitu dengan akurasi mencapai 92% dibanding Gaussian yanghanya mencapai 72%. Faktor-faktor yang mempengaruhi tingkat akurasi adalahkondisi waktu, cuaca, dan arus kendaraan serta lokasi pengambilan gambar.

---

AbstractCurrent techniques for Sistem Pemantau Lalu Lintas rely on sensors which havelimited capabilities, inflexible and often, costly and disruptive to be installed.Video camera, coupled with Computer Vision techniques offers an attractivealternative to current sensors which is portable and low cost . In this research, atraffic monitoring system using handy camera is developed using Optical Flowand Gaussian Mixture Model (GMM) methods. The experiment took place in oneof the Jakarta city highway. The condition of the experiment is when the time is inthe morning, afternoon, evening, when it is clear, and cloudy, and also when thetraffic is light and heavy. The experiments shows that Optical Flow algorithmgives better results regarding to accuracy rate, better than Gaussian MixtureModel Algorithm. The Optical Flow reach 92% accuracy while Gaussian Mixtureonly got to 72% accuracy. Some factors that influenced the accuracy rate of thesystem are time, weather, traffic and location."

"

Salah satu data pelacakan objek yang menarik untuk diteliti adalah citra termal inframerah. Data tersebut tahan terhadap perubahan cahaya bahkan dapat dihasilkan pada kondisi tanpa cahaya. Disamping kelebihan yang dimiliki, pelacakan objek pada citra termal inframerah tersebut memiliki tantangan yang berbeda dari pelacakan pada citra visual spektrum, seperti kontras rendah yang merupakan karakter dari citra termal inframerah menyebabkan deteksi tepi antara objek dan latar belakang mempunyai kesulitan lebih tinggi. Penelitian ini bertujuan untuk menghasilkan metode pelacakan dengan akurasi tinggi dan dapat diimplementasikan secara real-time (20 frame per detik). Metode yang diusulkan pada penelitian ini adalah Optical Flow Tracker (OFT) dengan penambahan transformasi log adaptif (aLOFT) untuk meningkatkan kontras citra. Penambahan metode adaptive pre-processing tersebut mampu meningkatkan performa OFT. Tracker aLOFT cukup kompetitif ketika dibandingkan dengan state of the art tracker pada tantangan motion blur PTB-TIR 2019 Benchmark dengan hasil akurasi 0.905 dan kecepatan komputasi 64.9 fps.

---

One of the interesting objects tracking data is thermal infrared images. It is because of its ability to see in full darkness, no shadow effects and illumination robustness. However, those images object tracking has different challenges from visual images tracking, like low contrast of thermal images that cause difficulty to recognize the edge between object and background. Therefore, this research has the purpose to produce the tracker that is good in the precision score and still works in real-time (20 frames per second). In this paper, the authors proposed an adaptive log transform to enhance optical flow tracker (aLOFT) for thermal infrared images. The result of this method shows that adaptive pre-processing helps the tracker to outperform a better result compared to different preprocessing methods. The aLOFT tracker is competitive when compared to the state-of-the-art tracker PTB-TIR 2019 Benchmark in the motion blur problem with an accuracy of 0.905 and a computing speed of 64.9 fps.

 

"

"Pengukuran laju pernapasan bayi secara non-kontak menawarkan alternatif inovatif dibandingkan dengan metode konvensional berbasis kontak yang sering kali menyebabkan ketidaknyamanan. Penelitian ini bertujuan untuk mengembangkan metode otomatis yang dapat mendeteksi Region of Interest (ROI) pada tubuh bayi dan menghitung laju pernapasan menggunakan analisis optical flow. Pendekatan ini dirancang untuk mendukung pemantauan bayi dengan penyakit jantung bawaan, yang memerlukan pemantauan rutin terhadap laju pernapasan sebagai indikator kondisi kesehatan mereka. Sistem yang diusulkan memanfaatkan model MediaPipe Pose untuk mendeteksi ROI secara otomatis. Pergerakan dalam ROI dianalisis menggunakan optical flow yang dikombinasikan dengan beberapa filter yaitu Hampel Filter, Moving Average Filter, dan Bandpass Filter. Laju pernapasan diestimasi melalui deteksi puncak dengan parameter tanpa jarak, 1 detik, 1,5 detik, dan 2 detik, serta analisis Fast Fourier Transform (FFT). Pengujian dilakukan pada dataset video AIR-125 yang mencakup berbagai kondisi pencahayaan, pose bayi, resolusi dan frame rate. Hasil pengujian menunjukkan bahwa pendekatan ini mampu mendeteksi ROI pada area torso tubuh bayi serta mengestimasi laju pernapasan dengan kesalahan Mean Absolute Error (MAE) sebesar 3,26 BPM, Root Mean Square Error (RMSE) sebesar 4,87 BPM, dan Limits of Agreement antara -10 BPM hingga 8,97 BPM untuk deteksi puncak dengan parameter jarak 1,5 detik. Untuk estimasi berbasis FFT, MAE tercatat sebesar 4,54 BPM, RMSE sebesar 6,60 BPM, dan Limits of Agreement antara -12,84 BPM hingga 12,95 BPM. Sistem ini menawarkan solusi non-kontak yang fleksibel, mudah diadaptasi, dan relevan untuk pemantauan bayi di rumah sakit maupun dalam pengaturan rawat jalan di rumah, khususnya bagi bayi dengan penyakit jantung bawaan yang memerlukan pengawasan intensif.

---

Measuring the respiratory rate of infants non-contact offers an innovative alternative compared to conventional contact-based methods, which often cause discomfort. This research aims to develop an automatic method that can detect the Region of Interest (ROI) on the infant's body and calculate the respiratory rate using optical flow analysis. This approach is designed to support the monitoring of infants with congenital heart disease, who require routine monitoring of their respiratory rate as an indicator of their health condition. The proposed system utilizes the MediaPipe Pose model to automatically detect the ROI. Movement within the ROI is analyzed using optical flow combined with several filters, namely the Hampel Filter, Moving Average Filter, and Bandpass Filter. The respiratory rate is estimated through peak detection with distance parameters of none, 1 second, 1.5 seconds, and 2 seconds, as well as Fast Fourier Transform (FFT) analysis. Testing was conducted on the AIR-125 video dataset, which includes various lighting conditions, infant poses, resolutions, and frame rates. The test results show that this approach is capable of detecting the ROI in the torso area of the infant and estimating the respiratory rate with a Mean Absolute Error (MAE) of 3.26 BPM, Root Mean Square Error (RMSE) of 4.87 BPM, and the Limits of Agreement were -10 to 8.97 BPM for peak detection with a distance parameter of 1.5 seconds. For FFT-based estimation, the MAE recorded was 4.54 BPM, RMSE was 6.60 BPM, and the Limits of Agreement were -12.84 to 12.95 BPM. This system offers a flexible, easily adaptable, and relevant non-contact solution for monitoring infants in hospitals as well as in outpatient settings at home, particularly for infants with congenital heart disease who require intensive supervision."

"Karakterisasi dari mikropartikel umumnya dianalisa berdasarkan gerak Brown dengan besaran suhu tertentu. Kenaikkan suhu akan menyebabkan energi kinetik partikel berubah sehingga gerakan Brown dari partikel juga akan berubah. Mikropartikel mempunyai tipe-tipe yang sangat luas, salah satunya adalah magnetik. Sifat magnetik pada mikropartikel akan menyebabkan gerak Brown dari partikel akan berbeda apabila diberikan medan magnet eksternal. Dalam studi ini akan diteliti gerak Brown partikel dan magnetic polystyrene untuk diukur koefisien difusinya dalam kondisi medan magnet dan temperatur berbeda-beda. Nilai koefisien dapat ditentukan dari metode rerata kuadrat perpindahan yang membutuhkan analisa gerak partikel. Proses pelacakan dilakukan dengan algoritma pencitraan komputer seperti deteksi blob dan optical flow. Hasil menunjukkan deteksi partikel dengan metode blob seperti SURF dan optical flow RLOF lebih efisien dan cepat secara komputasi dan lebih akurat daripada EfficientDet, dengan hasil koefisien difusi yaitu 6,785034 x 10-15 m2s-1 untuk ukuran 1μm, 8,886335 x 10-16 untuk 3μm, dan 8,944864 x 10-16 untuk 5μm. Pada pengukuran koefisien difusi diperoleh bahwa semakin besar partikel, maka semakin kecil koefisien difusinya. Selain itu, dirancang juga sistem yang dapat menghasilkan medan magnet berotasi yang membutuhkan sinyal tiga fasa. Rangkaian flip-flop digital dapat menghasilkan sinyal tiga fasa, yang diproses dengan pengubah sinyal kotak menjadi sinus untuk menghasilkan sinyal sinus dengan beda fasa 119,752°.

---

Characterizing of microparticle usually analyzed by using Brownian movement with controlled temperature. Increasing the temperature will lead to changes in kinetic energy particle, and the Brownian movement of the particle will be changed too. Microparticle has many types which one of them was magnetic microparticle. Magnetic characteristics of microparticle will lead to changes in Brownian motion of partice if given certain external magnetic field. In this study, the stochastic Brownian motion of magnetic polystyrene will be measured with various temperatures and magnetic fields. The value of coefficient could be measured from mean square displacement method by analyzing particle movements. Particle movement could be tracked by using computer vision algorithms such as blob detection and optical flow. Results showed that particle detection using blob such as SURF and optical flow such as RLOF is more computationally faster and more accurate than using EfficientDet with diffusion coefficient results such as 6,785034 x 10-15 m2s-1 for 1μm size, 8,886335 x 10-16 for 3μm, and 8,944864 x 10-16 for 5μm. In diffusion coefficient measurement results, shows that the larger particle sizes will results in smaller diffusion coefficient. Also, the system for generating rotating magnetic field is developed with three-phase signal as requirement. Flip-flop digital circuits is used to generate three-phase signal with square to sine converter to create sine signal with 119,752° phase difference."

"SIBI (Sistem Isyarat Bahasa Indonesia) merupakan bahasa isyarat resmi yang digunakan oleh penyandang tunarungu di Indonesia untuk berkomunikasi sehari- hari baik dengan sesama penyandang tunarungu maupun orang non-tunarungu. Adanya aplikasi penerjemah gerakan Bahasa isyarat ke teks akan sangat membantu proses komunikasi antara tunarungu dan non-tunarungu. Salah satu fitur yang dibutuhkan untuk pengembangan model penerjemah SIBI adalah informasi kerangka manusia (skeleton). Penelitian ini bertujuan untuk mengembangkan metode ekstraksi fitur kerangka manusia dari citra video telepon pintar untuk melatih model pembelajaran mesin LSTM (Long Short-Term Memory) pengenal gerakan kata dasar SIBI. Metode ekstraksi fitur yang dikembangkan menggunakan Haar Cascade untuk identifikasi titik bahu, algoritma Lucas-Kanade untuk melacak titik tangan, dan menggunakan interpolasi antara titik bahu dan tangan untuk mengidentifikasi titik siku. Dari titik-titik skeleton tersebut, dihitung sudut antara bahu dan lengan atas, serta bahu dan lengan bawah. Hasil ekstraksi digunakan sebagai input untuk model pembelajaran mesin LSTM yang telah dikembangkan sebelumnya. Penelitian ini berhasil mengembangkan metode ekstraksi skeleton yang saat dimasukkan ke model LSTM menghasilkan model dengan akurasi terbaik hingga 84.64%. Model dengan akurasi terbaik tersebut adalah model LSTM 2 layer dan dilatih dengan parameter jumlah hidden unit 512, jumlah batch 100, dan iterasi training 1800 epoch.

---

SIBI (Indonesian Language Sign System) is the official sign language system used by deaf people in Indonesia to communicate with each other and with non-deaf people. An application that can translate the sign language movement from video to text would be very useful to help communication between deaf and non-deaf people. One of the features needed to develop a model to translate sign language gesture is the subject’s skeleton. This research aims to develop a method to extract skeleton feature from smartphone video image to be used to train an LSTM (Long Short-Term Memory) machine learning model to translate gestures of SIBI base words. The developed method used Haar Cascade to identify shoulder points, Lucas-Kanade Algorithm to track hand points, and interpolate elbow points based on the location of previously known shoulder and hand points. From those skeleton points, the angles between shoulder and upper arm, and the shoulder between upper and lower arm are computed. This extraction result is then fed into a previously- developed LSTM machine learning model as training data. This research successfully develops a skeleton extraction method that when fed into LSTM model resulted in a model that can achieve accuracy up to 84.64%. This best model is LSTM with 2 layers, and trained with 512 hidden units, 100 batch size, and 1800 training epoch."