RANCANG BANGUN SISTEM DETEKSI CACAT PADA PERMUKAAN CONDUCTOR RAIL MENGGUNAKAN MODEL DETEKSI OBYEK YOLOV8

RANCANG BANGUN SISTEM DETEKSI CACAT PADA PERMUKAAN CONDUCTOR RAIL MENGGUNAKAN MODEL DETEKSI OBYEK YOLOV8

Third rail LRT Jabodebek adalah metode yang digunakan untuk menyalurkan energi listrik ke kereta api melalui konduktor di sepanjang jalur kereta api. Sistem ini dapat beroperasi bila disuplai arus searah (DC) sebesar 750 VDC untuk supply listrik. Hal - hal yang perlu diperhatikan saat perawatan Conductor rail 1. Tidak terdapat tanda micro arching / burning pada Conductor Rail. 2. Tidak terdapat gompel dan retak pada permukaan Conductor Rail. Untuk saat ini perawatan (pemeriksaan) conductor rail masih dilakukan secara manual dengan menggunakan tongkat cermin dan dilihat secara visual (mata telanjang). Oleh karena itu modernisasi peralatan perawatan perlu dikembangkan guna memudahkan dan mengoptimalkan waktu perawatan serta memaksimalkan teknologi yang ada. Kamera webcam dalam perkembangannya dapat di integrasikan dengan Artifical Intellegence untuk megenali dan menganalisis suatu objek misalnya deteksi cacat permukaan benda. Algoritma YOLOV8 merupakan metode yang diklaim paling tepat dan akurat mendeteksi objek secara real time. Dengan menempatkan kamera webcam pada jarak 14 cm dari conductor rail didapatkan hasil pengujian conductor rail pada area test track yang memiliki kondisi kecacatan ( gompel dan arching burn), pada pengujian dalam keadaan terang memiliki nilai confidence thresold terbaik yaitu 92% pada cacat gompel, dalam pengujian dalam keadaan gelap menghasilkan nilai confidence thresold terbaik yaitu 88% pada cacat archingburn, sedangkan dalam pengujian dengan menggunakan inputan video diperoleh hasil confidence thresold terbaik sebesar 94% pada cacat gompel, dalam pendeteksian keadaan gelap memiliki nilai confidence thresold yang lebih kecil dari pengujian dalam keadaan terang, hal ini disebabkan kurang optimalnya webcam dalam menangkap gambar dalam keadaan gelap sehingga dapat membuat fps dari video pendeteksian menurun. Nilai efektifitas atau perbandingan waktu dari alat sebelumnya memperoleh hasil 8 – 9 menit lebih cepat dari alat sebelumnya.

Kata Kunci : conductor rail, confidence, third rail, roboflow, Yolov8.