Hasil Pencarian  ::  Simpan CSV :: Kembali

Abstrak :
Komputer proses Reaktor Serba Guna G.A. Siwabessy (RSG-GAS) digunakan untuk pemerosesan, pencatatan dan penampilan parameterparameter operasi reaktor. Komputer proses ini terdiri dari komponenkomponen instrumen virtual. Tersedianya komponen-komponen instrumen virtual ini bersama sistem pengukuran fluks neutron memungkinkan dikembangkannya berbagai macam instrumen virtual untuk memonitor fluks neutron. Sehingga dengan komputer proses yang tersedia dan tanpa memerlukan perangkat tambahan, imitasi dari instrumen fisis sistem tersebut dapat dibangun. Dalam penelitian ini dikembangkan instrumeninstrumen virtual berupa akuisisi dan pencatatan fluks neutron, kalibrator meter reaktivitas dan meter reaktivitas. Pembuatan sistem melibatkan studi mengenai kinetika/fisika reaktor, metode numerik, instrumentasi umum dan nuklir, pemrograman labVIEW dan penelitian-penelitian yang dilakukan sebelumnya. Hasil percobaan menunjukkan bahwa sistem yang dikembangkan dapat berfungsi dengan baik dan dengan akurasi yang cukup baik. Namun demikian beberapa hal yang sesungguhnya diluar batas masalah penelitian ini tetapi diperlukan dalam percobaan disarankan untuk dijadikan penelitian lanjutan.

Abstrak :
Saat ini komputasi tomografi (CT) sinar-X sudah banyak diterapkan di industri manufaktur untuk keperluan kontrol kualitas seperti penentuan cacat, porositas, koreksi geometri manufaktur dan reverse engineering. Kemampuan untuk memeriksa struktur internal material yang kompleks tanpa merusak konstruksi material tersebut merupakan salah satu keuntungan CT industri. Namun biaya perangkat CT industri komersial sangat mahal, karena hampir semuanya diimpor. Penelitian ini bertujuan untuk mengembangkan perangkat CT sinar-X berbasis fluoroskopi untuk industri manufaktur. Perangkat ini terdiri dari komponen utama yaitu detektor fluoroskopi, meja putar, pesawat sinar-X dan komputer beserta perangkat lunak akuisisi dan rekonstruksi citra. Telah dilakukan akuisisi citra dengan menggunakan berbagai benda uji dengan bentuk, material dan ketebalan yang berbeda beda. Kualitas citra tomografi berbagai benda uji sangat memuaskan. Data penelitian ini diharapkan dapat dijadikan referensi untuk pengembangan perangkat CT industri yang produksi dalam negeri dengan biaya lebih murah. ......Currently, X-ray computed tomography (CT) has been widely applied in the manufacturing industry for quality control purposes such as defect determination, porosity, manufacturing geometry correction, and reverse engineering. The ability to inspect the internal structure of complex materials without destructive the construction of the material is one of the advantages of industrial CTs. However, the cost of commercial industrial CT devices is very expensive, because almost all of them are imported. This study aims to develop a development of fluoroscopy-based X-ray CT system for the manufacturing industry. The device consists of the main components, that is a fluoroscopy detector, a rotary table, an X-ray device, and a computer along with image acquisition and reconstruction software. Image acquisition has been carried out using various test objects with different shapes, materials, and thicknesses. The tomographic image quality of various test objects is very satisfying. Hopefully this research data can be used as references for the development of producing a low-cost industrial X-ray CT equipment made within the country.

Abstrak :
Pada penelitian ini dilakukan penggabungan citra dari dua sumber energi yang berbeda berdasarkan kerangka kerja deep learning. Tujuannya untuk menghasilkan citra objek dengan material penyusun lebih dari satu yang lebih baik dan lebih informatif. Hasil penelitian menunjukkan bahwa metode yang diajukan dapat menghasilkan citra yang lebih minim noise, kontras yang baik, dan dapat mempertahankan struktur objek. Evaluasi kualitas citra menggunakan metrik objektif, seperti FMIdct, FMIpixel, FMIw, Nabf, dan SSIM, menunjukkan peningkatan dibandingkan dengan metode tradisional. Rata-rata nilai FMI yang lebih tinggi menunjukan bahwa keterkaitan informasi hasil fusi dengan kedua sumber lebih baik dibanding kedua metode pembanding. Nilai Nabf yang lebih rendah menunjukan noise yang muncul akibat dari proses fusi lebih minim dibanding kedua metode lainnya. Nilai SSIM pada hasil fusi menggunakan metode ini juga memiliki nilai yang lebih tinggi dibanding dengan kedua metode yang dibandingkan. Sampel yang memiliki rata-rata nilai metrik terbaik adalah busi dengan nilai tertinggi metrik evaluasi FMIdct adalah 2,96×10^(-1), nilai FMIpixel adalah 9,70×10^(-1), nilai FMIw adalah 3,69×10^(-1), nilai SSIM adalah 9,92×10^(-1), dan nilai Nabf terrendah adalah 3,82×10^(-3). Kesimpulannya, penelitian ini berhasil mengembangkan pendekatan baru dalam penggabungan citra CT menggunakan framework VGG19. Metode ini memiliki potensi untuk meningkatkan diagnosis dan analisis non-medis seperti pada evaluasi kualitas produksi pada industri manufaktur dengan menghasilkan citra yang lebih informatif dan akurat. ......In this research, images from two different energy sources are combined based on a deep learning framework. The goal is to produce better and more informative images of objects with more than one constituent material. The results show that the proposed method can produce images with less noise, good contrast, and can maintain the structure of the object. Evaluation of image quality using objective metrics, such as FMIdct, FMIpixel, FMIw, Nabf, and SSIM, shows improvement compared to traditional methods. The higher average FMI value indicates that the fused information is better related to the two sources than the two comparison methods. The lower Nabf value indicates that the noise arising from the fusion process is more minimal than the other two methods. The SSIM value in the fusion results using this method also has a higher value than the two methods compared. The sample that has the best average metric value is the spark plug with the highest value of FMIdct evaluation metric is 2.96×10-1, FMIpixel value is 9.70×10-1, FMIw value is 3.69×10-1, SSIM value is 9.92×10-1, and the lowest Nabf value is 3.82×10-3. In conclusion, this study successfully developed a new approach in CT image fusion using the VGG19 framework. This method has the potential to improve non-medical diagnosis and analysis such as production quality evaluation in the manufacturing industry by producing more informative and accurate images.