Pengembangan Algoritma untuk Robot dengan Sumber Daya Komputasi Terbatas

Abstract

Navigasi robot merupakan salah satu elemen penting dalam pengoperasian robot otonom, terutama untuk diterapkan di lingkungan greenhouse. Salah satu metode navigasi sederhana yang sering digunakan adalah line following, di mana robot mengikuti lintasan garis yang telah disediakan. Namun, pada lingkungan terbuka seperti greenhouse dengan paparan cahaya yang tidak merata, metode ini menghadapi tantangan besar. Cahaya berlebih sering kali menyebabkan sensor gagal mengenali lintasan, sehingga robot kehilangan arah. Selain itu, metode ini kurang fleksibel dalam menghadapi perubahan pola lintasan yang lebih kompleks. Alternatif lain, seperti navigasi berbasis deep learning, menawarkan kemampuan lebih canggih dalam mengenali lintasan. Namun, pendekatan ini membutuhkan sumber daya komputasi yang besar, baik dari sisi prosesor maupun memori, sehingga kurang ideal untuk robot dengan spesifikasi perangkat keras terbatas. Penelitian ini mengembangkan sistem navigasi berbasis citra menggunakan algoritma Canny Edge Detection dan Hough Transform sebagai solusi yang lebih ringan. Sistem ini dirancang untuk menentukan arah robot secara andal dan diuji menggunakan dua video beresolusi 480P yang merekam lintasan di antara dua barisan tanaman melon di greenhouse Agribusiness and Technology Park, IPB University. Hasil pengujian menunjukkan bahwa sistem memiliki tingkat kesalahan rendah, yaitu 8 frame dari 1.861 frame pada video pertama dan 13 frame dari 802 frame pada video kedua. Selain itu, sistem ini mampu mempertahankan kualitas rekonstruksi gambar dengan nilai PSNR di atas 30 dB, yang menandakan keandalan dalam menjaga kualitas visual selama proses navigasi. Sistem ini juga mendukung pemrosesan real-time dengan kecepatan rata-rata 12–18 FPS, sehingga memberikan efisiensi tinggi yang memungkinkan implementasi langsung pada robot otonom di lingkungan greenhouse dengan kinerja yang memadai.