Sistem Pendaratan Otonom pada Smart UAV Berbasis Deteksi Target Manusia sebagai Lokasi Pendaratan Menggunakan Convolutional Neural Network

Rivaldi, Anantya Fikri (2024) Sistem Pendaratan Otonom pada Smart UAV Berbasis Deteksi Target Manusia sebagai Lokasi Pendaratan Menggunakan Convolutional Neural Network. Other thesis, Institut Teknologi Sepuluh Nopember.

Text 5022201259-Undergraduate_Thesis.pdf - Accepted Version Restricted to Repository staff only until 1 October 2026. Download (73MB) | Request a copy

Abstract

Unmanned Aerial Vehicle (UAV) adalah kendaraan udara tanpa awak yang dikendalikan secara otomatis atau dari jarak jauh, digunakan untuk melakukan navigasi visual. Quadcopter merupakan jenis UAV dengan empat rotor yang disusun dalam bentuk bujur sangkar dengan jarak yang sama dari pusat massa. Penelitian ini berfokus pada sistem pendaratan otonom UAV dengan deteksi manusia menggunakan teknologi computer vision untuk mengidentifikasi objek berupa manusia dalam video secara realtime. Teknologi ini diterapkan melalui model SSD Mobilenet V2, yang telah terbukti memiliki performa deteksi objek yang sangat baik dengan rata – rata mAP keseluruhan sebesar 86.50%. Quadcopter DJI Tello digunakan untuk mendeteksi manusia di tanah lapang. Sistem pendaratan otonom UAV berhasil mendekati target manusia dengan jarak aman dalam berbagai skenario sistem pendaratan. Sistem Pendaratan Skenario 1 memiliki waktu tempuh 81.67 detik, dan memiliki jarak pendaratan terhadap target tertinggi. Sistem Pendaratan Skenario 2 memiliki waktu tempuh 28.34 detik, dan memiliki jarak pendaratan terhadap target yang rendah. Sistem Pendaratan Skenario 3 memiliki waktu 40.58 detik, dan memiliki jarak pendaratan terhadap target yang rendah. Penelitian ini berkontribusi terhadap pengembangan teknologi deteksi objek dan sistem pendaratan otonom pada UAV, dengan potensi aplikasi dalam operasi SAR di lokasi sulit dijangkau.

Item Type:	Thesis (Other)
Uncontrolled Keywords:	Deteksi Manusia, Sistem Pendaratan Otomatis, Unmanned Aerial Vehicle. Human Detection, Automatic Landing System, Unmanned Aerial Vehicle.
Subjects:	T Technology > TK Electrical engineering. Electronics Nuclear engineering > TK1007 Electric power systems control T Technology > TK Electrical engineering. Electronics Nuclear engineering > TK3070 Automatic control T Technology > TK Electrical engineering. Electronics Nuclear engineering > TK7882.B56 Biometric identification
Divisions:	Faculty of Intelligent Electrical and Informatics Technology (ELECTICS) > Electrical Engineering > 20201-(S1) Undergraduate Thesis
Depositing User:	Anantya Fikri Rivaldi
Date Deposited:	31 Jul 2024 04:26
Last Modified:	31 Jul 2024 04:26
URI:	http://repository.its.ac.id/id/eprint/110863

Actions (login required)

View Item