<![CDATA[Deteksi keretakan gedung menjadi tantangan karena keterbatasan jangkauan manusia dan risiko keselamatan. Penelitian ini mengembangkan sistem deteksi keretakan gedung menggunakan quadcopter yang dilengkapi kamera dan model deteksi YOLOv8 di lingkungan simulasi 3D sebelum implementasi di dunia nyata. Pengembangan model deteksi YOLOv8 dilakukan dengan metode Laplacian edge detection sebagai tahap preprocessing untuk mempercepat pemrosesan data (waktu inferensi) tanpa mengorbankan presisi secara signifikan. Laplacian edge detection berperan untuk mempertegas tepi objek sebelum deteksi keretakan oleh YOLOv8. Tiga pengujian dilakukan, yaitu pengujian gerak quadcopter secara otomatis, pengujian model deteksi, dan pengujian sistem deteksi secara menyeluruh di lingkungan simulasi. Hasil pengujian menunjukkan bahwa model quadcopter dapat mengelilingi gedung secara otomatis tanpa kendali manual sekaligus mendeteksi keretakan gedung secara real-time. Model YOLOv8 biasa (v8n) memiliki rata-rata waktu inferensi 19,72 ms dan presisi 46,15%. Sedangkan, model dengan Laplacian edge detection (v8nl) memiliki rata-rata waktu inferensi 19,14 ms dan presisi 35,20%. Pada pengujian simulasi sistem, model “v8nl” kembali menunjukkan keunggulan rata-rata waktu inferensi 250,26 ms dibandingkan model “v8n” sebesar 256,58 ms, dengan presisi 47,56% berbanding 50,19%. Berdasarkan selisih waktu inferensi 0,58–6,32 ms lebih sedikit dan penurunan presisi yang tidak signifikan (sekitar 2–11%), pendekatan ini dapat menjadi solusi efisien untuk sistem deteksi keretakan gedung menggunakan quadcopter.]]>
Copyrights © 2025
