PERANCANGAN LANE TRACKING BERBASISKAN DEEP LEARNING NEURAL NETWORK

(1) * Fathurrozi Winjaya Mail (Politeknik Perkeretaapian Indonesia, Indonesia)
(2) Arief Darmawan Mail (Politeknik Perkeretaapian Indonesia, Indonesia)
*corresponding author

Abstract


Perkembangan teknologi dan ilmu pengetahuan berkembang sangat pesat, termasuk dalam bidang transportasi. Kehidupan sehari-hari kita tidak lepas dari sarana transportasi untuk melakukan peralihan ke suatu tempat, transportasi juga menjadi bagian dari perkembangan ekonomi sosial dan budaya dalam kehidupan masyarakat. Transportasi umum bertujuan untuk mengurangi kepadatan kendaraan pribadi di jalan raya khususnya di kota-kota besar salah satunya dengan Autonomous Rail Rapid Transit (ART) bisa menjadi solusi. Prediksi pada penghitungan jarak sangat dibutuhkan untuk mempersiapkan kecepatan pada sarana tersebut. Untuk mengetahui jaraknya mengolah data dari hasil yang telah di learning. Proses learning membutuhkan rekaman video yang nantinya diolah menjadi bentuk image sebagai bahan pembelajaran pada deep learning neural network. Hasil olahan tersebut kemudian dapat digunakan sebagai algoritma yang diterapkan pada sistem lane tracking. Hasil identifikasi dataset didapatkan memakai kaidah neural network. Diperoleh 3 macam dataset serta masing-masing 6 sampel. Tingkat keberhasilan sistem dalam mengidentifikasi suara dataset untuk dataset lurus adalah 100%, dataset kiri 80%, dan dataset kanan 100%.


Keywords


lane tracking, neural network, deep learning.

   

DOI

https://doi.org/10.31604/jips.v8i7.2021.2409-2416
      

Article metrics

10.31604/jips.v8i7.2021.2409-2416 Abstract views : 0 | PDF views : 0

   

Cite

   

Full Text

Download

References


Elhady, W. E., Elnemr, H. A., & Selim, G. (2014). IMPLEMENTATION AND EVALUATION OF IMAGE PROCESSING TECHNIQUES ON A VISION NAVIGATION. 10(6), 1036–1044. https://doi.org/10.3844/jcssp.2014.1036.1044

Ham, F.M. dan Kostanic, I., (2001), Principles of Neurocomputing for Science and Engineering, 1st Edition, McGraw Hill, New York.

Setyanto, K. D., Fibriani, I., & Sumardi. (2016). PENGENDALIAN MOBILE ROBOT VISION MENGGUNAKAN WEBCAM PADA OBJEK ARAH PANAH BERBASIS RASPBERRY PI. Jurnal Arus Elektro Indonesia (JAEI).

Vinod,Khosla. Park Menlo.Autonomous Rail Or Off Rail Vechine Movement And System Among A Group Of Vechicles.2020.United States

Kandir, N. (2019). OpenCV dengan Python. Journal of Chemical Information and Modeling, 53(9), 1689–1699


Refbacks

  • There are currently no refbacks.