<![CDATA[Inspeksi visual manual pada rel kereta api rentan terhadap kelelahan operator dan subjektivitas, yang berpotensi menyebabkan kesalahan deteksi. Penelitian ini mengembangkan purwarupa sistem kendali kecepatan kereta berbasis klasifikasi inspeksi rel menggunakan algoritma Faster R-CNN. Sistem terdiri dari kamera sebagai sensor visual, komputer sebagai client untuk melakukan proses klasifikasi objek, dan mikrokontroler sebagai server untuk mengendalikan kecepatan pada motor kereta. Dataset terdiri dari tiga kelas yaitu broken (rel putus), curved (rel melengkung), dan erosion (penghalang pada rel) dengan dataset terbatas 370 gambar. Proses pelatihan menggunakan GPU Nvidia GeForce MX130, RAM 6 GB, dengan total 7063 step dan waktu ± 3 jam. Didapatkan nilai akurasi 80%, precision 85%, recall 93%, dan F1 score 88%. Hasil klasifikasi diintegrasikan ke dalam sistem kendali kecepatan motor kereta melalui komunikasi TCP/IP. Sistem berhasil mendeteksi objek secara real-time dan mengontrol kecepatan motor kereta dengan logika if else sesuai tingkat kepercayaan hasil klasifikasi. Pengujian juga menunjukkan bahwa jarak deteksi objek dipengaruhi oleh posisi kamera terhadap jalur rel. Purwarupa ini dapat menunjukkan potensi yang baik dalam pengintegrasian sistem visi komputer dan kendali motor kereta api sebagai solusi untuk meningkatkan keselamatan pada kereta api.]]>
Copyrights © 2026
