GDL

4 DOF Arms Robot as Goods Sorter Based on Shape Shape Using Convolutional Neural Network Method

Tugas Akhir, 010 / 2024 / EK
Undergraduate Theses from JBPTPPOLBAN / 2024-12-09 11:47:29
Oleh : 201354012 - Fauzan Al Farizi (fauzan.al.tele420@polban.ac.id)
Dibuat : 2024-12-09, dengan 4 file

Keyword : Robot Lengan, Penyortiran Barang, Convolutional Neural Network
Subjek : Robot Arm, Goods Sorting, Convolutional Neural Network.

Robot lengan 4 derajat kebebasan (DOF) adalah perangkat mekanis yang dirancang untuk beroperasi sesuai dengan kebutuhan tertentu, termasuk dalam proses penyortiran barang. Penyortiran barang secara manual sering kali tidak efisien, memakan waktu, dan rentan terhadap kesalahan manusia. Mengintegrasikan lengan robot dengan sistem pemrosesan gambar menghadapi tantangan dalam menyinkronkan pengenalan bentuk dengan pergerakan robot lengan selama proses penyortiran. Penelitian ini bertujuan untuk mengembangkan sistem penyortiran barang menggunakan lengan robot 4-DOF dengan metode Convolutional Neural Network (CNN) untuk mengenali bentuk geometris. CNN memungkinkan pengenalan dan pembedaan barang berdasarkan bentuk geometrisnya dari gambar yang diperoleh dengan akurasi yang tinggi. Melalui pelatihan yang mendalam, CNN mempelajari pola-pola kompleks dari gambar dan mengenali bentuk-bentuk geometris. Hasil pengujian menunjukkan tingkat kepercayaan pengenalan bentuk sebesar 0,76 untuk kubus dengan koordinat penyimpanan di 3, 20, 12; 0,98 untuk prisma di 5, 22, 12; dan 1,00 untuk silinder di 6, 24, 12. Sistem ini meningkatkan efisiensi dalam proses penyortiran dibandingkan dengan metode manual.

Deskripsi Alternatif :

A 4-degree-of-freedom (DOF) robotic arm is a mechanical device designed to operate according to specific needs, including in the sorting process of goods. Manual sorting of goods is often inefficient, time-consuming, and prone to human error. Integrating a robotic arm with an image processing system faces challenges in synchronizing shape recognition with the movement of the robotic arm during the sorting process. This research aims to develop a goods sorting system using a 4-DOF robotic arm with a Convolutional Neural Network (CNN) method to recognize geometric shapes. CNN enables the recognition and differentiation of goods based on their geometric shapes from images obtained with high accuracy. Through deep training, CNN learns complex patterns from images and recognizes geometric shapes. Testing results show a shape recognition confidence of 0.76 for cubes with storage coordinates at 3, 20, 12; 0.98 for prisms at 5, 22, 12; and 1.00 for cylinders at 6, 24, 12. This system improves efficiency in the sorting process compared to manual methods.

Beri Komentar ?#(0) | Bookmark

Properti	Nilai Properti
ID Publisher	JBPTPPOLBAN
Organisasi
Nama Kontak	Erlin Arvelina
Alamat	Jl. Trsn. Gegerkalong Hilir Ds. Ciwaruga
Kota	Bandung
Daerah	Jawa Barat
Negara	Indonesia
Telepon	022 201 3789 ext. 168, 169, 239
Fax	022 201 3889
E-mail Administrator	erlin.arvelina@polban.ac.id
E-mail CKO	erlin.arvelina@polban.ac.id