<![CDATA[Kemandirian penyandang tunanetra dalam mobilitas sehari-hari dapat direalisasikan dengan bantuan sistem navigasi portabel yang dapat mendeteksi hambatan secara akurat tanpa ketergantungan pada sensor eksternal. Penelitian ini bertujuan mengembangkan sistem navigasi mobile berbasis Monocular Depth Estimation (MDE) menggunakan model Depth-Anything V2 yang dioptimasi dengan NCNN agar dapat berjalan pada perangkat seluler. Metode penelitian meliputi evaluasi akurasi kedalaman pada tiga dataset ber-ground-truth, pengukuran kompleksitas komputasi sebelum dan sesudah optimasi, serta pengujian dunia nyata menggunakan umpan balik audio pada jarak 1-3 meter. Hasil menunjukkan bahwa optimasi NCNN berhasil mengurangi ukuran model hampir 50% dan menurunkan jumlah parameter hampir setengah tanpa mengubah arsitektur dasar, meskipun waktu inferensi pada perangkat mobile tercatat sekitar 2,4 detik per frame. Sistem memberikan tingkat kesesuaian umpan balik audio sebesar 62,5% pada jarak 1 meter dan meningkat hingga 87,5% pada jarak 3 meter, menunjukkan performa yang lebih stabil pada jarak menengah hingga jauh. Kesimpulannya, Depth-Anything V2 yang dioptimasi melalui NCNN layak diterapkan pada perangkat mobile sebagai prototipe awal sistem navigasi asistif bagi penyandang tunanetra.]]>
Copyrights © 2026
