Sistem Pengenalan dan Pengelompokan Bentuk Objek Secara Otomatis Menggunakan Robot Lengan 3-DOF
Abstrak
Abstrak — Sistem deteksi objek memiliki peran krusial dalam berbagai aplikasi otomasi. Namun, mengimplementasikan algoritma deep learning yang kompleks pada perangkat embedded dengan sumber daya terbatas menjadi tantangan. Oleh karena itu, penelitian ini berfokus pada pengembangan sistem pengenalan dan pengelompokan bentuk objek secara otomatis menggunakan Raspberry Pi 5 dan robot lengan 3-DOF. Tujuan utamanya adalah mengimplementasikan pengenalan objek pada Raspberry Pi, menganalisis pengaruh jumlah epoch terhadap akurasi sistem, serta mengintegrasikan sistem pengenalan objek dengan robot lengan 3-DOF untuk pengelompokan otomatis. Penelitian ini dibatasi pada penggunaan Raspberry Pi 5 sebagai unit kontrol utama, penerapan algoritma YOLOv8 untuk deteksi objek, pengenalan tiga bentuk geometri sederhana (segitiga, persegi, lingkaran). Diharapkan sistem ini mampu menunjukkan kinerja deteksi objek yang efisien dan akurat pada perangkat embedded Raspberry Pi. Keberhasilan penelitian akan diukur secara kuantitatif berdasarkan akurasi pengenalan objek dan kemampuan robot lengan dalam mengelompokkan objek berdasarkan bentuknya. Hasil penelitian ini diharapkan memberikan kontribusi signifikan bagi berbagai bidang, termasuk industri otomasi, pertanian cerdas, sistem keamanan, dan sebagai platform edukasi untuk studi visi komputer dan robotika, dengan menawarkan solusi yang ekonomis, portabel, dan efisien. Kata kunci— pengenalan objek, YOLOv8, Raspberry Pi, robot lengan 3-DOF, klasifikasi bentuk
Referensi
L. K. Thakur et al., “Design and development of 5-dof
robotic arm,”
S. A. Kouritem et al., “A multi-objective optimization,”
Alexandria Eng. J., 2022.
A. Koksal et al., “Effect of annotation errors,” CVPRW,
Z. Hua et al., “A Benchmark Review of YOLO,” IEEE
Access, 2025.
M. Hussain, “YOLO-v1 to YOLO-v8,” Machines, 2023.
D. D. Aboyomi, “YOLO vs. SSD vs. Faster R-CNN,”
ITEJ, 2023.
J. A. Shariff, “Automated Object Sorting,” 2022.
S. Patil, “Real time object detection,” Electronicwings,
C. Rue and C. Uttraphan, “Shape Recognition using
YOLOv8,” EEEE,
H. Mulyawan et al., “Image Processing Secara
Real Time,” EEPIS, 2011.
