Rancang Bangun Aplikasi Intelligent Visual Scanner berbasis CNN untuk identifikasi cacat pada hasil pengelasan

Abstract

Pengelasan merupakan salah satu sektor yang berperan penting dalam mendukung pembangunan infrastruktur yang semakin pesat. Namun dalam proses pengelasan banyak muncul kesalahan - kesalahan atau cacat yang terkadang luput dari inspeksi dan menyebabkan kerusakan pada benda kerja. Tujuan diadakannya penitian ini untuk merancang aplikasi Intelligent Visual Scanner dengan menggunakan metode CNN untuk mendeteksi kelayakan hasil pengelasan berdasarkan 3 kondisi, yaitu Normal, Excess Reinforcement, dan Undercut. Daerah yang akan dideteksi merupakan bagian dari hasil pengelasan pada plat besi dengan ketebalan 4mm. Pemotretan dilakukan menggunakan kamera ponsel beresolusi 48 MP. Gambar yang diambil berukuran 3024 x 3024 piksel terlebih dahulu diproses dengan konversi RGB ke grayscale, kemudian gambar tersebut diperkecil (diubah ukurannya) ke skala yang lebih kecil yaitu 128 x 128 piksel untuk mempercepat proses training dan pada akhirnya proses training dan testing menggunakan model CNN. Model CNN ini menggunakan optimizer Adam. Untuk deteksi yang optimal, diperlukan dataset gambar sebanyak 300 gambar, dengan rincian 100 gambar normal, 100 gambar Excess Reinforcement dan 100 gambar Undercut. Data split training saat ini dibagi menjadi 75% data training dan 25% data validasi.