Text
Implementasi Sistem Collision Avoidance dengan Pendekatan Arificial Intelligence untuk Meningkatkan Keselamatan Navigasi pada USV SEANO
Unmanned Surface Vehicle (USV) SEANO memerlukan sistem collision avoidance untuk mendeteksi obstacle, menilai risiko, dan menentukan tindakan sebelum tabrakan. Penelitian ini bertujuan mengimplementasikan sistem collision avoidance berbasis artificial intelligence pada USV SEANO Alfin7 dengan menggunakan model pengembangan Waterfall yang meliputi tahap requirement, design, implementation, verification, dan maintenance. Sistem menggunakan Kamera A95 Albatros, NVIDIA Jetson Orin Nano, YOLOv8n TensorRT, dan ROS 2 Humble. Citra 640 × 480 piksel diolah menjadi proximity, centrality, approach, bearing consistency, dan visual time to collision untuk membentuk risk score. Pengujian dilakukan pada obstacle statis sisi port, starboard, bagian tengah/bow, obstacle dinamis, gangguan gelombang sekitar 6 cm, serta mekanisme keselamatan saat data visual tidak valid pada kecepatan sekitar 1 knot. Hasil menunjukkan batas deteksi efektif 11,5 m, confidence rata-rata 0,723, laju akuisisi 14,8 FPS, dan inferensi TensorRT 18–22 ms. Distribusi risiko low, medium, dan high pada obstacle statis starboard sebesar 84,0%, 12,0%, dan 4,0%, sedangkan pada port 85,0%, 14,0%, dan 1,0%. Dari 56 sampel center, distribusinya 71,43%, 23,21%, dan 5,36%; respons berubah dari slow down menjadi belok menjauhi obstacle ketika bearing keluar center, sedangkan high di center menghasilkan stop. Pada obstacle dinamis, distribusi risiko sebesar 66,4%, 26,7%, dan 6,9%. Dari 1.890 sampel keselamatan, lost perception tercatat 1,53% dan menghasilkan stop. Sistem mampu mengintegrasikan persepsi, penilaian risiko, keputusan, dan keselamatan.
Kata Kunci: USV, collision avoidance, artificial intelligence, YOLOv8n, penilaian risiko visual.
Tidak tersedia versi lain