Model Deteksi Horizon Berbasis Deep Learning untuk Pengendalian Attitude Satelit

Abstract

Sikap atau orientasi satelit terhadap Bumi merupakan komponen penting dalam sistem kendali orientasi (attitude control system), khususnya pada satelit mikro dengan keterbatasan perangkat navigasi seperti LAPAN-TUBSAT, yang star tracker dan sun sensor-nya telah terdegradasi setelah hampir dua dekade mengorbit. Salah satu pendekatan untuk mendukung koreksi orientasi secara otomatis adalah deteksi horizon Bumi berbasis citra visual. Dalam penelitian ini dikembangkan model deteksi horizon bernama HorizonSegNet yang memformulasikan deteksi horizon sebagai tugas segmentasi semantik biner ground–space. Model memadukan encoder EfficientNet-B0 pra-latih ImageNet dengan empat blok decoder bergaya U-Net untuk menghasilkan masker segmentasi tingkat piksel. Citra disegmentasi menjadi dua kelas, yaitu Space dan Ground, dengan skip connection dari setiap tahap encoder diteruskan ke decoder untuk mempertahankan informasi spasial selama upsampling. Garis horizon kemudian diekstraksi dari batas masker segmentasi menggunakan algoritma RANSAC; kemiringan garis menghasilkan estimasi sudut roll dalam derajat absolut, sedangkan intersep vertikalnya menghasilkan estimasi nilai pitch. Sebuah dataset baru berisi 4775 frame LAPAN-TUBSAT (rekaman 2013–2015) yang dianotasi manual disusun, mencakup rentang sudut roll -75° hingga +75°, lalu dibagi menjadi 3820 frame latih dan 955 frame uji (seed = 42). Evaluasi menggunakan metrik Intersection over Union (IoU) untuk kualitas segmentasi dan Mean Absolute Error (MAE) sudut untuk akurasi estimasi orientasi. HorizonSegNet mencapai mean IoU 98,21% dan rata-rata MAE roll 0,61° peningkatan 93,4% dibandingkan baseline regresi langsung HLE-Net V2 (MAE 9,28°). Sekitar 95% frame uji memenuhi toleransi operasional ADCS 2°, menunjukkan kelayakan praktis pipeline rekomendasi yang diusulkan. Dengan latensi 66,4 ms/frame pada CPU, sistem layak dijalankan di ground station sebagai rekomendasi koreksi sikap bagi operator tanpa modifikasi perangkat keras satelit. Hasil penelitian ini diharapkan berkontribusi pada pengembangan sistem orientasi satelit berbasis visual yang ringan dan mampu bekerja secara mandiri, terutama untuk satelit mikro dengan keterbatasan perangkat keras.