Text

Implementasi Object Detection Menggunakan Kamera dan Machine Learning pada Trainer PLC Plant XYZ untuk Penempatan Benda Kerja

---

Sistem manipulator di Plant XYZ saat ini masih terkendala oleh mekanisme pneumatik konvensional yang bekerja secara sekuensial tanpa umpan balik visual. Keterbatasan ini menyebabkan sistem menjadi kaku dan gagal mengakomodasi variasi posisi maupun jenis objek secara fleksibel. Penelitian ini merancang dan mengimplementasikan sistem kendali cerdas untuk mengatasi rigiditas tersebut melalui integrasi Computer Vision dan Machine Learning pada Trainer PLC Plant XYZ. Dalam arsitektur yang diusulkan, Raspberry Pi 4 berfungsi sebagai unit pemrosesan utama yang menjalankan algoritma YOLOv8 untuk mendeteksi dan mengklasifikasikan objek kotak/bulat secara real-time, dibantu pustaka OpenCV untuk pra-pemrosesan citra. Hasil klasifikasi dan zona kerja objek ditransmisikan ke PLC Omron CP1H melalui protokol komunikasi FINS UDP/TCP, menggunakan mekanisme handshaking berbasis bit pada Work Area (W) sebagai pengganti transfer koordinat numerik, sehingga PLC dapat mengeksekusi logika Ladder Diagram untuk menggerakkan manipulator pneumatik tiga sumbu (X, Y, Z) secara presisi. Sistem dikembangkan melalui metode Waterfall dan divalidasi melalui pengujian simulasi maupun pengujian aktual lapangan dalam 10 sesi operasional. Hasil pengujian menunjukkan model YOLOv8 mencapai mAP50 sebesar 100% dengan precision 99,1% dan recall 100,0% pada validation set, serta tidak ditemukan satu pun misklasifikasi pada 283 siklus deteksi aktual lapangan. Komunikasi FINS UDP/TCP terbukti andal dengan tingkat keberhasilan 96,5% dari 1.662 perintah yang dikirimkan, sementara mekanisme koreksi posisi otomatis tujuan utama penelitian ini berhasil divalidasi dengan tingkat keberhasilan 94,6% dari 111 operasi koreksi nyata. Hasil ini membuktikan bahwa integrasi visi komputer dan kendali PLC berhasil mentransformasi proses pick and place Plant XYZ dari sistem statis menjadi sistem adaptif yang mampu mendeteksi, mengklasifikasikan, dan mengoreksi penempatan benda kerja secara mandiri.

Kata kunci: PLC, Computer Vision, Rasberry Pi 4, Machine Learning, FINS UDP/TCP

---

Ketersediaan

Informasi Detail

Judul Seri

-

No. Panggil

TA-2260070.1

Penerbit

Bandung : Polman., 2026

Deskripsi Fisik

141 hal. ; 27,5 cm

Bahasa

Arabic

ISBN/ISSN

-

Klasifikasi

NONE

Tipe Isi

-

Tipe Media

-

Tipe Pembawa

-

Edisi

D4 Prodi Teknologi Rekayasa Mekatronika

Subjek

-

Info Detail Spesifik

-

Pernyataan Tanggungjawab

-

Versi lain/terkait

Lampiran Berkas

Komentar

---

Anda harus masuk sebelum memberikan komentar