<![CDATA[Abstrak — Perkembangan teknologi telah mengalami kemajuan yang sangat signifikan khususnya di bidang kecerdasanbuatan, termasuk perkembangan di bidang kendaraan listrik otonom untuk efisiensi penggunaan sumber energi ramahlingkungan. Mengaktifkan mobilitas otonom memerlukan teknologi yang memungkinkan kendaraan mendeteksi objek disekitarnya, termasuk pengenalan objek menggunakan segmentasi semantik.Dalam penelitian ini digunakan sistem segmentasi objek untuk pengenalan jalan, dan sistem dibangun menggunakanmetode segmentasi berbasis deep learning. Informasi gambar diperoleh dari kamera termal FLIR. Metode segmentasi yangdigunakan dalam perancangan Capstone ini adalah arsitektur jaringan yang tersisa (ResNet 18, ResNet 34, ResNet 50, ResNet101, Resnet 152 dan ResNext 50). Hasil segmentasi kemudiandigunakan untuk mengembangkan metode pengendalian kemudi dengan menganalisis area jalan yang tersegmentasi. Hasil analisisberupa sinyal rekomendasi arah kendali kemudi yang dikirimkan ke sistem kendali kemudi kendaraan roda tiga listrik.Hasil percobaan menunjukkan bahwa metode segmentasi ResNet 50 cocok digunakan pada sistem kendali terarah karenaprosesnya baik dan memiliki latensi yang rendah sehingga proses kendali terarah dapat dilakukan secara real time. Kata kunci : Convolutional Neural Network (CNN), Deep Learning, Image Processing, Residual Network, SegmentasiSemantik, Thermal FLIR]]>
Copyrights © 2024
