Perancangan Sistem Navigasi Kursi Roda dengan Pendeteksian Objek Menggunakan Computer Vision Bagi Penyandang Visual Impairment

Rahma, Nabila Alya (2023) Perancangan Sistem Navigasi Kursi Roda dengan Pendeteksian Objek Menggunakan Computer Vision Bagi Penyandang Visual Impairment. Other thesis, Institut Teknologi Sepuluh Nopember.

Text 07311940000024-Undergraduate_Thesis.pdf - Accepted Version Restricted to Repository staff only until 1 October 2025. Download (3MB) | Request a copy

Abstract

Gangguan penglihatan bila disertai juga dengan kondisi kesulitan untuk berjalan maupun tunadaksa, akan semakin memperparah hilangnya kemandirian dalam melakukan mobilitas. Saat ini, sebagian besar individu yang mengalami gangguan penglihatan dan juga ketidakmampuan untuk berjalan duduk di kursi roda manual dan didorong oleh orang lain. Untuk membantu mobilitas serta mengurangi angka benturan pada individu yang tidak mampu untuk berjalan serta memiliki kondisi visual impairment, maka perlu adanya modifikasi dari kursi roda yang digunakan untuk memudahkan dalam menavigasinya. Pada penelitian ini diusulkan untuk merancang sistem navigasi kursi roda dengan pendeteksian objek. Kursi roda yang digunakan dalam penelitian ini yaitu kursi roda elektrik yang menggunakan joystick sebagai kontrol arahnya. Sistem navigasi yang diusulkan berupa pendeteksian objek menggunakan kamera yang dilakukan melalui computer vision dengan library OpenCV dan TensorFlow. Selain itu digunakan sensor ultrasonik untuk memprediksi jarak halangan dengan kursi roda. Model Tensorflow yang telah dilakukan training mendapatkan total akurasi berdasarkan mAP yaitu 85,96%. Hasil pada pengujian kondisi normal dengan tanpa menggunakan alat yang dirancang maupun tongkat yaitu tidak terdapat benturan karena subjek dapat melihat objek penghalang dan menghindarinya sebelum terjadi benturan. Untuk pengujian kondisi hanya tongkat memiliki angka benturan 54%. Untuk kondisi hanya dengan sistem yang dirancang, angka benturan menjadi 12%. Untuk kondisi gabungan (tongkat dan sistem yang dirancang), angka benturan yaitu 20%. Menurut hasil assessment pada subjek, untuk kondisi normal mendapatkan mean NASA-TLX 47,5 (beban kerja ringan). Kondisi hanya tongkat mendapatkan mean NASA-TLX 76,66 (beban kerja sedang). Kondisi hanya dengan sistem yang dirancang mendapatkan mean NASA-TLX 38,95 (beban kerja ringan). Kondisi gabungan mendapatkan mean NASA-TLX 51,525 (beban kerja sedang). Hasil penelitian menunjukkan bahwa sistem yang dirancang dapat membantu meringankan beban ketika menggunakan kursi roda bagi pengguna yang memiliki gangguan penglihatan.
=================================================================================================================================
Visual impairment, when accompanied by difficulties in walking or physical disabilities, worsens independence loss in mobility. Currently, most individuals with visual impairments and walking limitations rely on manual wheelchairs propelled by others. To enhance mobility and reduce collisions for non-ambulatory individuals with visual impairments, a modified wheelchair navigation system with object detection is proposed. The system utilizes an electric wheelchair controlled by a joystick and employs computer vision techniques with OpenCV and TensorFlow to detect objects through a camera. Ultrasonic sensors are also used to predict obstacle distances. The trained Tensorflow model achieves 85.96% accuracy based on mean Average Precision (mAP). Testing consists of four conditions. In the normal condition, subjects visually perceive obstacles and avoid collisions. The cane-only condition results in a 54% collisions rate, while the designed system reduces it to 12%. In the combined condition (cane and designed system), the collisions rate is 20%. Assessment results reveal mean NASA-TLX scores for the normal, cane-only, designed system-only, and combined conditions as 47.5 (low workload), 76.66 (moderate workload), 38.95 (low workload), and 51.525 (moderate workload) respectively. The research demonstrates that the designed system alleviates the burden for wheelchair users with visual impairments.

Item Type:	Thesis (Other)
Uncontrolled Keywords:	mobilitas, gangguan penglihatan, TensorFlow, sensor ultrasonik, kamera, mobility, visual impairment, ultrasonic sensor, camera.
Subjects:	Q Science > Q Science (General) > Q325.5 Machine learning. Support vector machines. T Technology > T Technology (General)
Divisions:	Faculty of Intelligent Electrical and Informatics Technology (ELECTICS) > Biomedical Engineering > 11410-(S1) Undergraduate Thesis
Depositing User:	Nabila Alya Rahma
Date Deposited:	10 Oct 2023 02:29
Last Modified:	10 Oct 2023 02:29
URI:	http://repository.its.ac.id/id/eprint/103829

Actions (login required)

View Item