Pengembangan dan Analisis Kinerja Algoritma Next Best View pada Sistem Multi-UAV untuk Cakupan 3D Tanaman

Abstract

Pemantauan tanaman secara efisien dan akurat merupakan tantangandalam sistem Controlled Environtment Agriculture atau pertanian dalam ruangan.Penggunaan Unmanned Air Vehicle (UAV) atau drone jenis Crazyflie, yangberukuran kecil dan sangat fleksibel, memungkinkan pemantauan dari berbagaisudut sempit yang tidak terjangkau oleh kamera statis. Tantangan utama dalamsistem ini adalah menentukan posisi optimal drone untuk memaksimalkan cakupanpermukaan objek tiga dimensi (3D Surface Coverage Problem) dengan jumlahdrone yang minimal. Penelitian ini mengembangkan algoritma dengan pendekatanNext Best View (NBV), yaitu metode iteratif untuk memilih posisi dan orientasipandangan drone yang optimal. Meski pendekatan NBV telah banyak digunakanuntuk pemetaan atau pemindaian 3D, penerapannya dalam sistem multi-UAVuntuk pemantauan tanaman belum banyak dieksplorasi. Algoritma tersebut akandibandingkan dengan Genetic Algorithm (GA), sebuah algoritma evolusionerberbasis seleksi alam, yang sebelumnya digunakan untuk kasus yang serupa.Keduanya dievaluasi pada berbagai model tanaman berbasis objek 3D. Hasilsimulasi menunjukkan bahwa GA memberikan cakupan 0.57% lebih tinggi, namunNBV secara konsisten jauh lebih unggul dalam efisiensi waktu komputasi hingga8.53 kali lebih cepat (88.27% lebih efisien).