Implementasi Sistem Pengenalan dan Pelancakan Objek pada Mobile Robot 4WD Berbasis ESP32CAM Untuk Navigasi dalam Ruang 2D
Abstract
2D indoor mobile robot navigation is an ever-evolving area in the field of robotics. Tis research aims to develop an efficient navigation system for a four-wheel drive (4WD) robot by utilizing the capabilities of the ESP32-CAM in real-time object recognition and tracking. In this study, we implemented TensorFlow.js and the COCO-SSD model, whinch is a deep learning-based object recognition model trained on the extensive COCO dataset. The developed system is capable of recognizing, tracking, and following objects in a 2D indoor environment. The methodology used includes setting up the ESP32-CAM to process images in real-time, integrating TensorFLow.js with the COCO-SSD model for objects. Testing results show that the system can recognize, track, and follo moving objects with high accuracy and under various lighting conditions. This implementation demonstrates the potential use of deep learning technology in embedded system with limited resources like the ESP32-CAM for robotics applications.
Keywords: ESP32-CAM; Object Tracking; 4WD Mobile Robot; COCO-SSD
Abstrak
Navigasi mobile robot dalam ruangan 2D merupakan salah satu area yang terus berkembang dalam bidang robotika. Penelitian ini bertujuan mengembangkan system navigasi yang efesien untuk robot empat roda (4WD) dengan memanfaatkan kemampuan ESP32-CAM dalam pengenalan dan pelancakan serta mengikuti object secara real-time dengan mengunakan komunikasi wifi dalam pengiriman data dan pengontrol mobile robot. Dalam penelitian ini, kami mengimplementasikan TensorFLow.js dan Model COCO-SSD, yang merupakan salah satu model pengenalan objek berbasis deep learning yang terlatih pada dataset COCO yang luas. Sistem yang dikembangkan mampu mengenali, melacak dan mengikuti objek dalam ruangan 2D. Metodologi yang digunakan meliputi pengaturan ESP32-CAM untuk memproses citra secara real-time, pengintegrasi TensorFLow.js dengan model COCO-SSD untuk pengenalan objek, dan pengembangan algoritma untuk pelancakan objek bergerak. Hasil pengujian menunjukan bahwa system mampu mengenali, melacak dan mengikuti objek yang bergerak dengan akurasi yang tinggi dan dalam kondisi pencahayaan yang beragam. Implementasi ini menunjukan potensial penggunaan teknologi deep learning dalam system embedded dengan sumber daya terbatas sepeti ESP32-CAM untuk aplikasi robotika.
Keywords
References
A. Y. N. Asida and E. P. Saputro, “Kolaborasi Manusia Dan Sumber Daya Robotik Menuju Masa Depan Manufaktur Berkelanjutan Industri 5.0,” Journal Of Social Science Research, vol. 4, no. 1, pp. 2504–2516, 2024.
A.K. Panggabean, A. Syahfaridzah, & N.A. Ardiningih, "Mendeteksi objek berdasarkan warna dengan segmentasi warna hsv menggunakan aplikasi matlab. METHOMIKA: Jurnal Manajemen Informatika & Komputerisasi Akuntansi, vol. 4, no. 2, pp. 94-97, 2020.
M. Wada, “Studies on 4WD mobile robots climbing Up a step,” in 2006 IEEE International Conference on Robotics and Biomimetics, ROBIO 2006, Kunming, China, 2006, pp. 1529–1534. doi: 10.1109/ROBIO.2006.340156.
S. A. Arrahma and R. Mukhaiyar, “Pengujian Esp32-Cam Berbasis Mikrokontroler ESP32,” Jurnal Teknik Elektro Indonesia, vol. 4, no. 1, pp. 60–66, 2023, doi: 10.24036/jtein.v4i1.347.
T. Paryono, A. Fauzi, R. A. Nanda, S. Aripiyanto, and M. Khaerudin, “Detecting Vehicle Numbers Using Google Lens-Based ESP32CAM to Read Number Characters,” MATRIK: Jurnal Manajemen, Teknik Informatika dan Rekayasa Komputer, vol. 22, no. 3, pp. 469–480, Jul. 2023, doi: 10.30812/matrik.v22i3.2818.
D. Setiawan, H. Jaya, S. Nurarif, T. Syahputra, and M. Syahril Syafnur, “Implementasi Esp32-Cam Dan Blynk Pada Wifi Door Lock System Menggunakan Teknik Duplex,” Journal of Science and Social Research, vol. 5, no. 1, pp. 159–164, Feb. 2022, [Online]. Available: http://jurnal.goretanpena.com/index.php/JSSR
V. Yevsieiev and O. Luchaninova, “Development of The Environmental Visualization System Based On ESP32-CAM,” in III International Scientific and Theoretical Conference «THEORY AND PRACTICE OF MODERN SCIENCE», vol. 1, Primedia eLaunch LLC, 2022, pp. 77–81. doi: 10.36074/scientia-01.04.2022.
A. Padigel, “Real Time Object Detection Using Deep Learning,” Int J Res Appl Sci Eng Technol, vol. 10, no. 7, pp. 1251–1254, Jul. 2022, doi: 10.22214/ijraset.2022.45355.
A. Febryan and J. Teknik Elektro, “Rancang Bangun Sistem Keamanan Rumah Berbasis Telegram Menggunakan ESP 32 CAM,” Jurnal Teknik Elektro UNISMUH, vol. 15, no. 1, pp. 64–71, Feb. 2023.
F. Kaharsyah, Purwanto, Imelda, and Subandi, “Rancang Bangun Robot Pemadam Kebakaran Otomatis Dengan Smartphone Menggunakan ESP32CAM,” in Prosiding Seminar Nasional Mahasiswa Fakultas Teknologi Informasi (SENAFTI), vol. 2, no. 1, Jakarta, 2023, pp. 416–424.
B. Fandidarma, R. Dwi Laksono, and K. W. B. Pamungkas, “Rancang Bangun Mobil Remote Control Pemantau Area berbasis IoT menggunakan ESP 32 Cam,” Jurnal ELECTRA: Electrical Engineering Articles, vol. 2, no. 1, pp. 31–38, Sep. 2021.
Y. Hermawan and A. Ridho’i, “Rancang Bangun Kamera Portabel Pemantau Ruang Brankas Berbasis IoT menggunakan ESP-32 Camera,” Jurnal UNTAG (TEKNIKA), vol. 1, no. 1, pp. 324–41, Jul. 2023, Accessed: Sep. 02, 2024. [Online]. Available: https://jurnal.untag-sby.ac.id/index.php/teknika/article/view/8887
I. P. S. Yoga, G. Sukadarmika, R. S. Hartati, and Y. Divayana, “Pendeteksi Jumlah Orang pada Sistem Bangunan Pintar Menggunakan Algoritma You Only Look Once,” Majalah Ilmiah Teknologi Elektro, vol. 22, no. 1, pp. 11–18, Jun. 2023, doi: 10.24843/MITE.
P. R. Aningtiyas, A. Sumin, and S. Wirawan, “Pembuatan Aplikasi Deteksi Objek Menggunakan TensorFlow Object Detection API dengan Memanfaatkan SSD MobileNet V2 Sebagai Model Pra - Terlatih,” Jurnal Ilmiah Komputasi, vol. 19, no. 3, pp. 421–430, Sep. 2020, doi: 10.32409/jikstik.19.3.68.
D. A. Prabowo, D. Abdullah, and A. Manik, “Deteksi Dan Perhitungan Objek Berdasarkan Warna Menggunakan Color Object Tracking,” Jurnal Pseudocode, vol. 5, no. 2, pp. 85–91, Sep. 2018, [Online]. Available: www.ejournal.unib.ac.id/index.php/pseudocode
How To Cite This :
Refbacks
- There are currently no refbacks.
