Rancang Bangun Sistem Deteksi Cacat Pada Permukaan Conductor Rail Menggunakan Model Deteksi Obyek Yolo V8

Third rail LRT Jabodebek adalah metode yang digunakan untuk menyalurkan energi listrik ke kereta api melalui konduktor di sepanjang jalur kereta api, yang beroperasi dengan suplai arus searah (DC) sebesar 750 VDC. Aspek penting perawatan meliputi memastikan tidak ada tanda micro arching atau burning, serta memeriksa tidak adanya gompel dan retak pada permukaan conductor rail. Saat ini, pemeriksaan conductor rail dilakukan secara manual menggunakan tongkat cermin dan inspeksi visual. Oleh karena itu, modernisasi peralatan perawatan perlu dikembangkan untuk memudahkan dan mengoptimalkan waktu perawatan serta memanfaatkan teknologi yang ada. Algoritma YOLOV8 dianggap sangat akurat untuk deteksi objek secara real-time. Pengujian dengan kamera webcam yang ditempatkan 14 cm dari conductor rail pada jalur uji dengan kondisi cacat (gompel dan arching burns) menunjukkan bahwa dalam kondisi terang, nilai confidence threshold terbaik adalah 92% untuk mendeteksi gompel, sedangkan dalam kondisi gelap, nilai confidence threshold terbaik adalah 88% untuk mendeteksi arching burns. Dengan menggunakan input video, nilai confidence threshold terbaik adalah 94% untuk mendeteksi gompel, meskipun performa menurun dalam kondisi gelap karena webcam tidak optimal menangkap gambar, yang dapat mengurangi frame rate dengan efektivitas 8-9 menit lebih cepat.

Kata kunci : conductor rail, confidence, third rail, roboflow, Yolov8