ALAT BANTU INSPEKSI PENAMBAT REL KERETA BERDASARKAN KLASIFIKASI VIDEO PROCESSING BERBASIS YOLO CNN

Authors

  • Dhimas Rizky Priyambodo Politeknik Perkapalan Negeri Surabaya
  • Isa Rachman Politeknik Perkapalan Negeri Surabaya

Keywords:

YOLO, Image Processing

Abstract

Di Indonesia terdapat kurang lebih 7.000 km rel yang ada di Pulau Jawa dan Sumatra. Dalam pengecekan rel terdapat beberapa masalah yang ditemui salah satunya yaitu kondisi penambat rel yang longgar dalam pemasangannya bahkan hilang. Petugas PPJ (Petugas Penilik Jalur Kereta)adalah profesi yang bertanggung jawab atas pengecekan rel kereta di Indonesia, PPJ diharuskan berjalan 8 – 12 kilometer tiap harinya untuk mengecek kondisi rel dengan cara manual, metode tersebut dirasa kurang efektif dan membahayakan bagi petugas PPJ itu sendiri. Untuk mengatasi masalah tersebut penulis mencoba menyematkan teknologi pada kereta inspeksi berupa kamera pendeteksi kondisi penambat rel. Dengan menggunakan metode YOLO (You Only Look Once) akan mendeteksi kondisi penambat secara realtime sekaligus akan memberikan lokasi ketika mendeteksi penambat yang longgar maupun hilang. Hasil dari percobaan yang telah dilakukan mencapai 86,7% keberhasilan. Hasil dari alat ini bisa langsung dimonitoring lewat interface pada layar PC petugas dan data yang masuk ke interface seacara otomatis akan direkap pada Microsoft excel, dengan data tersebut PT KAI dapat dijadikan acuan penjadwalan inspeksi rel dengan melihat lokasi mana yang banyak kondisi penambat hilang/longgar, lokasi tersebutlah yang akan diprioritaskan.

References

Hadi, T., Sugiharto, , Supriyo, S., & Sudarmono. (2018). Rancang bangun komponen pendorong alat pasang pendrol untuk uji penambat rel. 04, 36–44.

Herlangga, I., & Nugroho, H. (n.d.). Perancangan Portabel Komputer kali Linux Berbasis Raspberry Pi 3 Model B Manfaat Untuk Test Penetrasi.

Husni, M., I, R. M., & Bisaptanto, J. (n.d.). Prototype Sistem Monitoring Rumah Menggunakan Webcam 105 - 111.

Putra, F. (2019). Pengawasan Jumlah Barang Elektronok Berdasarkan Klasifiaksi Video Processing Dengan Metode YOLO - COnvolutional Neural Network.

Xiukun,W dkk(2020) Multi-Target Defect Identification for Railway Track Line Based on Image Processing and

Improved YOLOv3 Model School of Traffic and Transportation, Beijing Jiaotong University, Beijing 100044,

China

Published

2023-05-30