176 FUZZY BASED VISUAL RECOGNITION MENGGUNAKAN TOF CAMERA
PADA KENDALI ROBOT ARM MANIPULATOR
M. Muhajir1, Tresna Dewi1, Destra Andika Pratama1
1Jurusan Teknik Elektro Program Studi Sarjana Terapan Teknik Elektro Konsentrasi Mekatronika Politeknik Negeri Sriwijaya
ABSTRACT
In advancing the agricultural industry, Indonesia as an agrarian country desperately needs machines such agricultural robot to increase land productivity. Agricultural robot or bioproduction robot are designed to plant, harvest, and pack agricultural produce. One of the bioproduction robot is arm manipulator robot. In the distribution of agricultural products today, many still use traditional systems that have weakenesses such as requiring more time, effort, and costs, so it is less efficient. In this research, arm manipulator robot 4 Degree of Freedom is enabled to select and move red colored tomatoes in the packing process using fuzzy logic and image processing methods.
Keywords: arm manipulator, degree of freedom, fuzzy logic, image processing
ABSTRAK
Dalam memajukan industri pertanian, Indonesia sebagai negara agraris sangat membutuhkan mesin-mesin seperti robot pertanian guna meningkatkan produktivitas lahan. Robot pertanian atau robot bioproduksi di desain untuk menanam, memanen, dan mengemas hasil pertanian. Salah satu robot bioproduksi yaitu robot arm manipulator. Dalam proses pendistribusian hasil pertanian saat ini, masih banyak menggunakan sistem tradisional yang memiliki kekurangan seperti membutuhkan waktu, tenaga dan biaya yang cukup besar sehingga kurang efisien. Pada penelitian ini, robot arm manipulator 4 Degree of Freedom difungsikan untuk memilih dan memindahkan tomat berwarna merah dalam proses pengemasan dengan menggunakan metode fuzzy logic dan image processing.
Kata kunci: arm manipulator, degree of freedom, fuzzy logic, image processing
177 PENDAHULUAN
Dalam beberapa tahun terakhir perkembangan robotika dalam bidang pertanian semakin diminati untuk meningkatkan produktivitas dan efisiensi.
Salah satu manfaat penggunaan robot di bidang pertanian yaitu dapat menghemat waktu, tenaga serta biaya produksi. Pada penelitian ini robot arm manipulator dirancang untuk memanen tomat menggunakan visualisasi dari sensor citra dengan algoritma pengendalian Artificial Fuzzy Logic (AFL).
AFL merupakan salah satu kecerdasan buatan untuk mengontrol robot sehingga meminimalkan kesalahan sudut pergerakan robot. Robot arm manipulator ini dirancang dengan 4 Degree of Freedom (DoF) dengan sebuah gripper untuk memindahkan tomat pada proses pengemasan.
Industri Agriculture saat ini semakin berkembang seiring dengan perkembangan teknologi. Sebagai negara agraris, indonesia memiliki peranan penting dalam memenuhi kebutuhan pasar dunia dibidang pertanian, khususnya komoditas subsektor perkebunan. Salah satu komoditas sayuran yang berpotensi untuk dikembangkan adalah tomat. Tomat termasuk dalam salah satu komoditas sayuran berdasarkan Keputusan Menteri Pertanian nomor 511 tahun 2006. Tomat merupakan salah satu tanaman hortikultura yang sering dijumpai hampir setiap hari. Mengingat Indonesia sebagai negara agraris tentunya sangat membutuhkan mesin-mesin pertanian seperti robot pertanian guna meningkatkan produktivitas lahannya. Robot bioproduksi atau robot pertanian memiliki struktur dasar seperti robot arm manipulator yang terdiri dari end effector, sistem pengendali, sistem pengindera, dan sistem pengangkut.
Beberapa penelitian mengenai robot bioproduksi seperti yang dilakukan oleh Ali Roshanianfard [1]
mendesain arm manipulator 5 DOF untuk panen tanaman labu dan kubis. Pengembangan end effector tipe grip yang dilengkapi dengan mekanisme penghisap untuk robot pemanen tomat.
Untuk menghindari slip dan kerusakan buah, maka pada grip dipasang karet dengan ketebalan 10 mm (Kondo et al., 1993).
Pada penelitian ini, robot terdiri dari 4 Degree of Freedom (DOF) dilengkapi dengan suatu kecerdasan buatan fuzzy logic untuk dapat membedakan tingkat kematangan buah tomat melalui sensor citra sebagai sistem visual. Untuk dapat mengetahui dekat atau jauhnya posisi antara buah tomat dengan end effector maka dibutuhkan sensor jarak. Time of Flight (ToF) adalah teknologi pencitraan jangkauan yang dimulai pada awal 2000-
an [2]. Berbeda dari teknik pencitraan jangkauan lainnya, ToF memungkinkan penangkapan seluruh adegan target sekaligus hanya menggunakan satu perangkat. Konfigurasi standar perangkat ToF memungkinkan perolehan data kisaran dan terdiri dari sumber cahaya inframerah termodulasi, sensor (misalnya, CCD / CMOS), dan sistem optik [2].
Penggunaan kamera pada robot telah diterapkan oleh beberapa penelitian, salah satunya dilakukan oleh Artur Saudabayev (Locomotion Strategy Selection for a Hybrid Mobile Robot Using Time of Flight Depth Sensor) sistem gerak robot hybrid yang berdasarkan kedalaman gambar yang diperoleh dari ToF depth sensor [3]. Penggunaan ToF sebagai
“mata” khususnya pada penelitian ini bertujuan agar proses deteksi warna pada buah tomat lebih cepat karena tidak dipengaruhi oleh gerakan robot.
DASAR TEORI
Sensor JarakSensor jarak adalah sensor yang berfungsi untuk mengukur serta mengetahui letak dari sebuah objek yang berbeda jaraknya. Sensor jarak yang digunakan pada penelitian ini yaitu HC-SR04. HC- SR04 merupakan sensor ultrasonik yang dapat digunakan untuk mengukur jarak antara penghalang dan sensor.
Gambar 1. Sensor Jarak HCSR04 Sumber: HC-SR04_Manual.pdf, 2015
Sensor Citra
Citra adalah gambar pada bidang dua dimensi yang dihasilkan dari gambar analog dua dimensi dan kontinus menjadi gambar diskrit, melalui proses sampling gambar analog dibagi menjadi M baris dan N kolom sehingga menjadi gambar diskrit (Purba, 2010). Sensor citra dapat diartikan sebagai sensor yang berfungsi untuk menangkap tampilan berupa gambar pada bidang dua dimensi. Sensor citra yang digunakan pada penelitian kali ini yaitu Raspberry pi camera.
178
Gambar 2. Raspberry pi camera Sumber: https://www.dexterindustries.com
Mikrokontroler
Mikrokontroler adalah sebuah chip yang berfungsi sebagai pengontrol rangkaian elektronik dan umunya dapat menyimpan program didalamnya. Mikrokontroler umumnya terdiri dari Central Processing Unit (CPU), memori, I/O tertentu dan unit pendukung seperti Analog-to-Digital Converter (ADC) yang sudah terintegrasi di dalamnya.
Gambar 3 Arduino Mega 2560 (Sumber : Arduino_Mega2560/academia.edu)
Raspberry pi
Raspberry pi merupakan sebuah komputer seukuran ATM yang dapat digunakan seperti sebuah Personal Computer (PC). Raspberry Pi dapat digunakan untuk menjalankan program-program perkantoran, program permainan komputer, dan sebagai pemutar media hingga video beresolusi tinggi. Sebagai pengganti hardisk pada komputer, Raspberry pi menggunakan SD Card [10].
Gambar 4 Raspberry Pi model B
(Sumber: http://www.raspberrypi.org/products/model-b-plus/)
METODE
Pada penelitian ini akan membahas mengenai pergerakan robot arm manipulator dengan metode fuzzy logic. Metode fuzzy merupakan salah satu metode kecerdasan buatan/AI. Pada sistem yang sederhana, metode konvensional memiliki akurasi yang sangat tinggi, namun apabila sistem yang dibuat lebih kompleks maka akan kesulitan dalam membuat model matematika untuk mengendalikan sistem.
Pengolahan citra atau Image Processing adalah suatu sistem dimana proses dilakukan dengan masukan (input) berupa citra (image) dan hasilnya (output) juga berupa citra (image). Pada awalnya pengolahan citra ini dilakukan untuk memperbaiki kualitas citra, namun dengan berkembangnya dunia komputasi yang ditandai dengan semakin meningkatnya kapasitas dan kecepatan proses komputer, serta munculnya ilmu-ilmu komputer yang memungkinkan manusia dapat mengambil informasi dari suatu citra maka image processing tidak dapat dilepaskan dengan bidang computer vision.
Pengolahan citra bertujuan memperbaiki kualitas citra agar mudah diinterpretasi oleh manusia atau mesin (dalam hal ini komputer). Teknik-teknik pengolahan citra mentransformasikan citra menjadi citra lain. Jadi, masukannya adalah citra dan keluarannya juga citra, namun citra keluaran mempunyai kualitas lebih baik daripada citra masukkan[4]
Pada penelitian ini, perancangan robot terdiri dari beberapa tahapan, yaitu pengembangan perangkat keras dan pengembangan perangkat lunak. Pengembangan perangkat keras mencakup perangkat-perangkat mekanik seperti komponen- komponen dan bahan-bahan yang dibutuhkan dalam mendesain robot.
Gambar 2. Tampak Samping Robot Sumber: Inventor, 2018
Pengembangan perangkat lunak mencakup perangkat elektronik yang digunakan untuk
179
merancang sistem kerja keseluruhan yang menggunakan blok diagram
Gambar 2. Blok Diagram Tabel 1. Arm robot manipulator
STATE OF THE ART
Pada state of the art ini, diambil beberapa contoh penelitian sebagai panduan ataupun contoh untuk penelitian yang dilakukan yang nantinya akan menjadi acuan dan perbandingan dalam melakukan penelitian ini. Dalam state of the art ini terdapat 5 jurnal.
Tabel 1. Penelitian tentang arm robot
Penulis Judul Penelitian Referensi Ahmed R. J.
Almusawi, L.Canan Dulger, Sadettin Kapucu
A New Artificial Neural network Approach in Solving Inverse
Kinematics of Robotic Arm (Denso VP6242)
[5]
Wahyu Setyo Pambudi, Nona Mahditiara Aryuni Sumanang
Implementasi Fuzzy- PD Untuk
Menentukan Posisi Obyek Pada Model Simulasi Robot Arm Manipulator 3 DOF (Degree of Freedom) dalam Bidang 2 Dimensi
[6]
Andik Yulianto, Edy Ramadan
Sistem Kendali Robot Am Manipulator Pemindah Barang Dengan Umpan Balik Visual
[7]
Deny Wiria Nugraha
Perancangan Sistem Kontrol Robot Lengan yang
Dihubungkan dengan Komputer
[8]
Rizza Henggar Prabanegar, M.Fathuddin Noor, Eva Kurnia Y
Rancang Bangun Robot Lengan Pemindah dan Penyeleksi Barang Berdasarkan Warna Berbasis
Arduino Uno
[9]
Penelitian yang dilakukan oleh Ahmed [5] pada robot arm 6 DoF dilengkapi kecerdasan Artificial Neural network dengan pengendali desain baru.
Penelitian ini memiliki kelebihan keakuratan posisi sehingga meminimalkan kesalahan posisi sudut pada robot. Pada penelitian yang dilakukan oleh Wahyu [6], kecerdasan artifisial fuzzy logic digunakan untuk mengontrol robot yang memiliki sudut kesalahan minimal. Pada penelitian ini, didapatkan hasil sudut untuk mencapai titik target dengan error dibawah 2%. Penelitian yang berjudul Sistem Kendali Robot Arm Manipulator Pemindah Barang Dengan Umpan Balik Visual [7], penelitian yang dilakukan oleh Andik mengenai sistem kendali robot arm manipulator yang dikendalikan oleh informasi visual untuk memindahkan objek barang berdasarkan warna dengan tingkat keberhasilan mencapai 80%. Penelitian yang dilakukan Deny Wiria [8] mengenai pengujian pada sistem kontrol robot lengan, gerakan yang diinginkan pada robot lengan sudah tercapai dengan baik, namun posisinya belum akurat. Penelitian yang dilakukan Rizza [9] pada robot lengan menggunakan sensor warna untuk mendeteksi dan memindahkan objek
Sensor Citra
Sensor Jarak
Motor servo 1
Motor servo 2
Motor servo 3
Motor servo 4 Jingga Near Standby Move Move Take Jingga Medium Standby Move Move Standby Jingga Far Standby Move Move Standby Kuning Near Standby Standby Standby Standby Kuning Medium Standby Standby Standby Standby Kuning Far Standby Standby Standby Standby Hijau Near Standby Standby Standby Standby Hijau Medium Standby Standby Standby Standby Hijau Far Standby Standby Standby Standby Biru Near Standby Standby Standby Standby Biru Medium Standby Standby Standby Standby Biru Far Standby Standby Standby Standby Violet Near Standby Standby Standby Standby Violet Medium Standby Standby Standby Standby Violet Far Standby Standby Standby Standby Merah Near Standby Move Move Take Merah Medium Standby Move Move Standby Merah Far Standby Move Move Standby
180
berdasarkan warna.
PROPOSED WORK
Untuk cara kerja robot yang akan penulis teliti pada penelitian ini yaitu pergerakan robot arm manipulator pendeteksi dan pemindah objek berdasarkan warna yang telah ditentukan dan diprogram dengan metode fuzzy logic dan image processing sebagai sistem gerak robot.
Robot ini menggunakan dua buah sensor yaitu sensor citra segai pendeteksi adanya objek berupa buah tomat merah dan sensor jarak sebagai pendeteksi adanya objek yang mendekati gripper.
Tujuan dibuat robot ini yaitu untuk mempelajari prinsip kerja robot pendeteksi dan pemindah objek serta mempelajari pengaplikasian kecerdasan artisial fuzzy logic dan image processing pada robot.
KESIMPULAN
Dari penelitian yang akan dilakukan, penulis berharap prinsip kerja robot arm manipulator pada saat mendeteksi dan memindahkan objek dapat berjalan maksimal dengan posisi sudut yang lebih akurat yang dilengkapi oleh kecerdasan articial fuzzy logic.
REFERENSI
[1] A. Roshanianfard and N. Noguchi,
“Development of a 5DOF robotic arm (RAVebots-1) applied to heavy products harvesting,” IFAC-PapersOnLine, vol. 49, no.
16, pp. 155–160, 2016.
[2] M. Hansard et al., Time of Flight Cameras : Principles , Methods , and Applications To cite this version : HAL Id : hal-00725654. 2012.
[3] V. H. Saudabayev. A., Kungozhin. F., Nurseitov. D., “Locomotion Strategy Selection for a Hybrid Mobile Robot Using Time of Flight Depth Sensor,” J. Sensors, vol. 2015, 2015.
[4] M. Nurkamid, “Metode kecerahan citra kontras citra dan penajaman citra untuk peningkatan mutu citra,” no. January, pp. 1–
26, 2017.
[5] A. R. J. Almusawi, L. C. Dülger, S. Kapucu, and S. Kapucu, “A New Artificial Neural network Approach in Solving Inverse Kinematics of Robotic Arm (Denso VP6242),”
Comput. Intell. Neurosci., vol. 2016, pp. 1–
10, 2016.
[6] W. S. Pambudi, N. Mahditiara, and A.
Sumanang, “Implementasi Fuzzy-Pd Untuk Menentukan Posisi Obyek Pada Model Simulasi Robot Arm Manipulator 3 Dof ( Degree of Freedom ) Dalam Bidang 2 Dimensi,” vol. 1, no. 2, 2014.
[7] A. Yulianto and E. Ramadan, “Sistem Kendali
Robot Manipulator Pemindah Barang Dengan Umpan Balik Visual,” J. Ilm. Mikrotek, vol. 1, no. 2, pp. 1–8, 2014.
[8] N. Deny Wiria, “Perancangan Sistem Kontrol Robot Lengan Yang Dihubungkan Dengan Komputer,” Mektek, no. 3, pp. 180–188, 2010.
[9] R. H. Prabanegara, M. F. Noor, and E. K. Y,
“Rancang Bangun Robot Lengan Pemindah dan Penyeleksi Barang Berdasarkan Warna Berbasis Arduino Uno,” vol. 5, no. 2, pp. 31–
40, 2015.
[10] Fitria Rahmadina, Z.(2016). Sistem Informasi Kepadatan Lalu Lintas Berbasis Raspberry Pi
PC Board,1-
5.https://doi.org/10.20449/jnte.v5i1.190
