Penggunaan Kamera Termal Untuk Pencegahan Potensi Kebakaran Hutan Lahan Gambut

Aland, Peter (2021) Penggunaan Kamera Termal Untuk Pencegahan Potensi Kebakaran Hutan Lahan Gambut. Undergraduate thesis, Institut Teknologi Sepuluh Nopember.

Text 07111740000072-Undergraduate_Thesis.pdf - Accepted Version Restricted to Repository staff only until 1 October 2023. Download (2MB) | Request a copy

Abstract

Lahan gambut adalah sebuah lahan yang mayoritas komposisinya adalah dari bahan organik. Lahan gambut termasuk salah satu jenis lahan yang mudah terbakar secara tidak sengaja maupun secara sengaja. Kebakaran lahan gambut yang terjadi secara natural karena faktor alam menimbulkan kerugian yang cukup besar hingga bisa mencapai 221 triliun. Maka dibutuhkan sebuah sistem monitoring suhu lahan untuk mencegah terjadinya kebakaran. Pada penelitian ini dibuat sebuah sistem monitoring suhu permukaan tanah menggunakan kamera termal sebagai sensor non kontak. Kamera termal dapat dipasangkan posisi yang divariasikan ke arah tanah yang akan di monitor. Hasil pembacaan kamera termal ini akan dimasukkan ke dalam sebuah convolution neural network dimana tujuan dari neural network ini adalah untuk menyaring hasil pembacaan yang tidak sesuai seperti suhu makhluk hidup dan benda lain seperti rokok. Neural network dan gambar kamera termal akan di proses dalam Raspberry Pi 4. Dataset untuk pelatihan neural network akan didapatkan dari kamera termal secara otomatis dan manual. Perlakuan yang berbeda dihasilkan dari metode interpolasi bicubic yang akan mengubah 8x8 piksel menjadi 32x32 piksel. Hasil dari pengujian kamera termal memiliki respon yang lebih cepat dibanding sensor kontak dan model akurasi dari neural network mencapai akurasi sebesar 94% pada tingkat interpolasi 32x32 pixel. Prototipe di tes pada lahan gambut sesungguhnya dan memberikan hasil respon pembacaan suhu yang sedikit lebih lambat dibanding tanah sampel karena area yang lebih besar serta identifikasi gangguan dengan neural network memiliki akurasi 80% dengan kondisi gangguan yang di variasikan.
================================================================================================
Peatland is a land where the majority of its composition is organic
matter. Peat land is one type of land that is easily burned accidentally or
intentionally. Peatland fires that occur naturally due to natural factors
cause losses that are large enough to reach 221 trillion. So we need a land
temperature monitoring system to prevent fires. In this study, a ground
surface temperature monitoring system was created using a thermal
camera as a non-contact sensor. The thermal camera can be mounted in
various positions towards the ground to be monitored. The results of this
thermal camera reading will be entered into a convolution neural network
where the purpose of this neural network is to filter out inappropriate
readings such as the temperature of living things and other objects such
as cigarettes. The neural network and thermal camera images will be
processed in the Raspberry Pi 4. The dataset for neural network training
will be obtained from the thermal camera automatically and manually.
The different treatment resulted from the bicubic interpolation method
which will convert 8x8 pixels into 32x32 pixels. The results of the thermal
camera test have a faster response than the contact sensor and the accuracy
of the neural network model achieves an accuracy of 94% at an
interpolation level of 32x32 pixels. Testing on peatlands actually gives a
slightly slower response to temperature readings than the sample due to
the larger area and identification of disturbances with the neural network
has an accuracy of 80% with varied disturbance conditions.

Item Type:	Thesis (Undergraduate)
Uncontrolled Keywords:	Hutan gambut, kamera termal, neural network, Raspberry Pi 4 Peat forest, thermal camera, neural network, Raspberry Pi 4
Subjects:	T Technology > TK Electrical engineering. Electronics Nuclear engineering > TK7871.674 Detectors. Sensors T Technology > TK Electrical engineering. Electronics Nuclear engineering > TK7882.P3 Pattern recognition systems T Technology > TK Electrical engineering. Electronics Nuclear engineering > TK7888.3 Digital computers
Divisions:	Faculty of Intelligent Electrical and Informatics Technology (ELECTICS) > Electrical Engineering > 20201-(S1) Undergraduate Thesis
Depositing User:	Peter Aland
Date Deposited:	15 Aug 2021 13:20
Last Modified:	15 Aug 2021 13:20
URI:	http://repository.its.ac.id/id/eprint/86879

Actions (login required)

View Item