Arsitektur dalam OSL

PENCARIAN SUMBER ASAP DALAM MULTIDISIPLIN Pencarian sumber asap dengan memanfaatkan agen-agen artifisial bukanlah suatu

3.2 Arsitektur Perangkat Keras dan Sensor

3.2.3 Arsitektur dalam OSL

Penerapan lokalisasi sumber asap terutama dalam dunia nyata memerlukan desain ar-sitektur yang pasti agar mudah melakukan modularisasi. Modularisasi memudahkan pengembang maupun peneliti dalam mencoba algoritma pencarian yang baru tanpa harus mengubah banyak dalam pengontrol mikro pada robot. Ferdian Jovan dalam skripsinya menawarkan penerapan lokalisasi sumber asap dengan membagi menjadi tiga bagian besar, yaitu: modul perilaku, modul kamera dan modul komunikasi (Gam-bar 3.28) [18].

Seperti yang dapat dilihat pada arsitektur diatas, komputasi utama untuk PSO dilak-sanakan pada komputer master (PC). Semua robot hanya melakdilak-sanakan perintah ketika mereka menerima arahan dari PC, oleh sebab hal tersebut arsitektur ini memperlakukan robot-robot sebagai slave. Sebagai pelayan (slave), robot mempunyai tanggung jawab untuk mengatur sensor-sensor dan bagian lain yang ada pada dirinya. Robot juga harus selalu mengikuti perintah dan menjawab permintaan yang diberikan oleh master PC. Arsitektur seperti ini memberikan kecepatan dalam siklus pengembangan karena pe-mrograman ulang pada pengontrol mikro robot akan sangat memakan waktu.

Gambar 3.28: Arsitektur Lokalisasi Sumber Asap

Modul perilaku adalah modul yang mengatur perilaku dari seluruh robot. Modul ini terdiri dari pusat data, thread pso/thread robot dan pengawas. Setiap thread pso akan mengkomputasi vektor kecepatan baru untuk robot yang bersesuaian dan akan memperbaharui posisi local best.

Selain dari pada itu, thread robot juga mengumpulkan setiap informasi yang berhu-bungan dengan Al-Fath dari thread tersebut. Selanjutnya, informasi yang dikumpulkan

ini akan disusun pada pusat data berdasarkan pada waktu kedatangan dan id dari thread robot tersebut. Disamping local best, PSO juga memerlukan nilai dari global best. Ni-lai global best dikomputasi pada pusat data berdasar pada informasi local best yang terakhir disimpan. Local best yang terbaik akan dinominasikan sebagai global best. Global best ini akan diperlakukan sebagai informasi bersama dan dapat diakses oleh seluruh thread robot. Pengawas dipersiapkan untuk menangani terjadinya perubahan lingkungan.

Agar dapat mengimplementasikan PSO, program diatas memerlukan informasi me-ngenai posisi setiap robot. Modul kamera dikembangkan untuk melayani kebutuhan tersebut. Modul ini diimplementasikan oleh Ferdian Jovan dan Dhiemaz RYS. sebagai webserviceyang dijalankan pada sejumlah komputer. Jumlah kamera yang terpasang menentukan jumlah komputer yang akan digunakan. Metode seperti ini dapat dikate-gorikan sebagai GPS adhock. Dalam aplikasi sesungguhnya, modul ini dapat digantikan oleh sebuah GPS (global positioning systems), akan tetapi perlu diingat bahwa akurasi menjadi perhatian khusus pada daerah-daerah tertentu jika kita memanfaatkan metode ini.

Gambar 3.29: Contoh Implementasi Modul Kamera

Dalam penerapannya, Ferdian J. dan Dhiemaz RYS. menempatkan seluruh ka-mera pada langit-langit ruangan dengan kaka-mera menghadap ke lantai. Setiap kaka-mera dikonfigurasi untuk dapat menutupi seluruh ruang uji coba, hal ini dilakukan dengan melakukan irisan antara gambar yang ditangkap oleh kamera yang satu dengan yang lain. Hal ini dilakukan untuk mendukung transisi yang mulus antara wilayah yang

di-tangkap oleh dua kamera dan untuk mengkonfirmasi bahwa robot tidak menghilang dari sistem selama berada di wilayah transisi.

Gambar 3.30: Robot Al-Fath dengan Indetifikasi Warna.

Untuk memudahkan perolehan informasi mengenai posisi dari robot itu sendiri, pengenalan unik pada setiap robot perlu dilakukan. Cara yang cukup mudah untuk membuat setiap robot unik ketika terdeteksi oleh kamera adalah dengan memberikan tanda/warna yang dipasang pada bagian atas dari robot. Jika robot pencari yang di-gunakan cukup banyak maka tanda unik berupa warna atau simbol ini harus dibuat bertingkat (Gambar 3.30).

Gambar 3.31: Konfigurasi untuk Banyak Kamera

Salah satu teknik yang digunakan oleh Dhiemaz RYS adalah teknik warna dengan memanfaatkan Color Filtering dan Blobs Filtering. Teknik Color Filtering digunakan

untuk menyaring warna spesifik dari sebuah gambar, sehingga hanya bagian dari gam-bar dengan warna spesifik yang tetap ada. Dengan menggunakan warna dasar (Merah, Hijau, Biru) sebagai warna pengenal, metode HSL (Hue, Saturation dan Luminance) menjadi dapat digunakan. Metode ini juga baik, karena dapat mentoleransi perubahan intensitas cahaya dari lingkungan [38].

Hasil dari proses penyaringan diperlukan untuk diproses dalam Blob Filtering. Teknik ini digunakan untuk mendeteksi objek tertentu pada gambar dengan menggu-nakan nilai warna piksel dalam suatu area. Sekali lokasi dari blob/objek tersebut dikete-mukan, lokasi dari robot dapat direpresentasikan.

Untuk memperoleh posisi absolut dari suatu robot (x_abs, y_abs), posisi relatif dari titik pusat objek/blob dapat digunakan (x_center, y_center). Untuk kamera tunggal (x_abs, y_abs) dapat diperoleh dengan:

{xabs

y_abs} = S × {xcenter

ycenter} (3.20)

Dimana S dideskripsikan sebagai:

S= ^{f ieldlength}

f ramewidth (3.21)

Persamaan 3.20 perlu dimodifikasi ketika berhadapan dengan banyak kamera. Anggap kamera ditempatkan seperti tergambar pada Gambar 3.31, posisi robot (x, y) dapat ditentukan sebagai berikut:

{^x_y} = {^xabs

yabs} × {^{(length−o f f setX )×IndexXi}_{(width−o f f setY )×IndexYi} } + {δx

δy} (3.22)

Dimana indeks X_i dan indeks Y_i adalah indeks untuk kamera-i, δ_x adalah deviasi dari posisi kamera terhadap X-axis, dan δ_y adalah deviasi dari posisi kamera terhadap Y-ordinat.

Sementara perhitungan algoritma dilakukan pada modul perilaku dan perolehan in-formasi posisi dilakukan oleh modul kamera, maka modul komunikasi bertugas untuk menyampaikan informasi yang diberikan oleh modul perilaku kepada sang agen atau dalam hal ini adalah robot.

Dalam penelitiannya M Sakti A. mencoba membuat modul komunikasi berbasis webserviceyang mampu menghindari benturan frekuensi komunikasi antara satu robot

dengan robot yang lain. Modul ini bermanfaat ketika komunikasi yang dilakukan hanya menggunakan satu buah frekuensi baik dalam menerima maupun mengirim pesan. De-ngan cara ini, komunikasi menuju dan keluar dari robot akan melalui modul komu-nikasi, sehingga komunikasi langsung antara robot dengan modul lainnya tidak akan terjadi. Aliran informasi dengan cara ini dapat dilihat pada Gambar 3.32.

Permintaan dari modul lainnya menuju robot akan diantrikan baik berdasarkan waktu kedatangan perintah maupun berdasarkan prioritas oleh modul komunikasi. Permintaan/perintah yang terdapat pada antrian akan dikirimkan satu per satu ke robot. Perintah/permintaan selanjutnya tidak akan dikirim jika modul komunikasi belum menerima umpan balik dari robot yang dituju. Umpan balik ini memastikan bahwa permintaan/perintah tersebut benar-benar diterima oleh robot. Namun demikian, batas waktu diberikan pada perintah/permintaan yang dikirimkan sebelum perintah/per-mintaan selanjutnya dikirim. Perintah/perperintah/per-mintaan yang tidak memberikan umpan balik sampai pada batas waktu yang ditentukan akan dianggap sebagai packet drop.

Gambar 3.32: Alur Komunikasi